Cuando se habla de inteligencia artificial en las apuestas deportivas, la gente imagina un algoritmo que predice el resultado de cada partido. No es lo que hace nuestro modelo. Y precisamente por eso funciona.
La IA no predice quien va a ganar
Es lo primero que hay que entender, y lo mas importante.
Nuestro modelo no intenta adivinar si Sabalenka va a vencer a Gauff. Estima la probabilidad de que eso ocurra. No es lo mismo.
Tomemos un ejemplo. Para un cuarto de final WTA, el modelo estima:
- Jugadora A: 58.3% de probabilidades de ganar
- Jugadora B: 41.7%
La casa de apuestas, por su parte, ofrece a la jugadora A a una cuota de 2.05, lo que implica una probabilidad del 48.8%.
El modelo dice 58.3%. La casa de apuestas dice 48.8%. El edge es de:
58.3% x 2.05 - 1 = +19.5%
Es esta diferencia la que crea la oportunidad. No la prediccion del ganador.
Si la jugadora A pierde, la apuesta se pierde. Pero si el modelo acierta en la probabilidad, apostar con un edge del +19.5% en cientos de partidos produce un beneficio matematico. Es el mismo principio que un casino: la casa pierde manos individuales, pero su edge le garantiza beneficios sobre el volumen.
Los datos que ve el modelo (y no el apostador)
Un apostador mira el ranking WTA y el ultimo resultado. El modelo analiza 28 factores simultaneamente. Estas son las 5 categorias principales:
Fuerza relativa
El ranking WTA es un indicador aproximado. El modelo utiliza un Elo ponderado por superficie. Un sistema de rating que evoluciona despues de cada partido y que distingue entre pista dura, tierra batida y hierba. Una jugadora clasificada 30a del mundo puede tener un Elo en tierra batida equivalente al top 10.
El modelo tambien calcula la centralidad de cada jugadora en la red de victorias del circuito. Una jugadora que vence regularmente a jugadoras fuertes tiene una centralidad mas alta que una que acumula victorias contra jugadoras debiles, aunque su ratio victorias/derrotas sea identico.
Forma reciente
No solo “ha ganado sus ultimos 3 partidos”. El modelo examina los 20 ultimos partidos y mide la tendencia: su rendimiento al servicio esta mejorando? Su porcentaje de break points convertidos sube o baja? Rinde mejor bajo presion que hace dos meses?
Estadisticas de juego por superficie
El porcentaje de primeros servicios, la tasa de puntos ganados al resto, la capacidad de salvar break points. Todo esto varia segun la superficie. El modelo sabe que una jugadora que sirve al 65% de primeros servicios en pista dura puede caer al 58% en tierra batida. Eso cambia la probabilidad.
Contexto del torneo
Una primera ronda de WTA 250 y un cuarto de final de Grand Slam no se juegan de la misma manera. El modelo integra el nivel del torneo, la ronda (las jugadoras rinden diferente al inicio y al final del torneo), y las condiciones especificas del evento.
El mercado de cuotas
El modelo compara las cuotas de 3 casas de apuestas autorizadas y utiliza el devig para estimar la probabilidad de mercado. Cuando las 3 casas coinciden en una cuota similar, el mercado es eficiente. Cuando las cuotas divergen un 10-15%, hay una ineficiencia que explotar.
Calibracion: la clave que nadie explica
La mayoria de los tipsters y las “IA de apuestas deportivas” miden su accuracy: el porcentaje de partidos correctamente pronosticados. Es la metrica equivocada.
Un modelo puede tener un 62% de accuracy y perder dinero. Como? Prediciendo correctamente favoritas a cuota 1.20 (ganancia baja) y fallando en outsiders a cuota 3.00 (perdida elevada).
Lo que importa es la calibracion. Cuando el modelo dice que una jugadora tiene un 70% de probabilidades de ganar, tiene que ocurrir realmente el 70% de las veces. No el 65%, no el 75%. 70%.
Nuestro modelo utiliza una calibracion Platt. Una capa matematica que corrige los sesgos sistematicos del modelo bruto. Si el modelo tiende a ser demasiado confiado con las favoritas, la calibracion lo corrige. Si subestima a las outsiders, la calibracion ajusta.
La metrica que mide esto se llama Brier score. Cuanto mas bajo, mas calibrado esta el modelo. Optimizamos para esto, no para la accuracy bruta. Es la diferencia entre un modelo que impresiona sobre el papel y un modelo que genera dinero.
El filtro que transforma las probabilidades en senales
El modelo calcula una probabilidad para cada partido WTA del dia. Pero no todos los partidos merecen una apuesta.
Tres condiciones deben cumplirse para que se emita una senal:
-
Probabilidad del modelo > 51%. El modelo debe estar seguro de su estimacion. Si la probabilidad es del 50.5%, la incertidumbre es demasiado alta.
-
Edge > 5.5%. La diferencia entre la probabilidad del modelo y la probabilidad implicita de la cuota debe ser significativa. Un edge del 2% es demasiado bajo: puede ser absorbido por la varianza.
-
Cuota >= 1.40. Sin apuestas a favoritas aplastantes a 1.15. La ganancia potencial debe justificar el riesgo.
En promedio, esto produce 2 a 3 senales por dia. Algunos dias cero, otros dias cinco. El modelo nunca fuerza una senal cuando no hay edge.
Es un punto fundamental: la disciplina de NO apostar es tan importante como la calidad del analisis. Un apostador que apuesta en 15 partidos al dia diluye su edge. Un modelo que selecciona 2-3 partidos lo concentra.
Por que el tenis WTA y no el futbol
Cuatro razones:
1. Un partido individual. Dos jugadoras, un resultado. Sin efecto de equipo, sin suplentes, sin tactica colectiva. El tenis es el deporte mas modelizable que existe.
2. Datos estructurados y profundos. Cada punto queda registrado desde hace mas de 10 anos en el circuito WTA. Estadisticas de servicio, resto, break points, rendimiento por ronda, por superficie. Es una mina de oro para un modelo estadistico.
3. El WTA esta menos cubierto que el ATP. Las casas de apuestas invierten mas recursos en la modelizacion del circuito masculino (mayor volumen de apuestas). El circuito femenino es mas volatil, menos predecible, y por tanto peor modelizado por las casas de apuestas. Mas volatilidad = mas edges.
4. La superficie lo cambia todo. Pista dura, tierra batida, hierba. Cada superficie transforma el juego. Una jugadora dominante en pista dura puede ser vulnerable en tierra batida. Las casas de apuestas no siempre capturan este matiz. El modelo, si.
Que resultados produce en concreto
Los resultados sobre 2 anos de datos reales, flat staking de 100EUR por apuesta:
| Metrica | Valor |
|---|---|
| Total de apuestas | 2 181 |
| ROI global | +3.4% |
| ROI Grand Slams | +29.2% |
| Beneficio | +7 440EUR |
Una semana tipica se ve asi: 12 senales emitidas, 7 ganadoras, 5 perdedoras. P&L de la semana: +340EUR. La semana siguiente puede ser negativa. Es normal. El modelo no gana cada semana. Gana sobre cada tramo de 200 apuestas.
El track record completo es publico. Cada senal se registra antes del partido, cada resultado se publica despues. Las ganancias y las perdidas.
Quiere ver las senales en accion? Pruebe 7 dias gratis. Reciba nuestras senales de tenis WTA, consulte el track record, y juzgue con los hechos.
Articulo anterior: Value Bet Tenis: La Guia Completa · Otros recursos: Como funciona · Herramientas gratuitas