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 quién va a ganar
Es lo primero que hay que entender, y lo más 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 predicción 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 matemático. 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 último resultado. El modelo analiza 28 factores simultáneamente. Estas son las 5 categorías principales:
Fuerza relativa
El ranking WTA es un indicador aproximado. El modelo utiliza un Elo ponderado por superficie. Un sistema de rating que evoluciona después 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 también calcula la centralidad de cada jugadora en la red de victorias del circuito. Una jugadora que vence regularmente a jugadoras fuertes tiene una centralidad más alta que una que acumula victorias contra jugadoras débiles, aunque su ratio victorias/derrotas sea idéntico.
Forma reciente
No solo “ha ganado sus últimos 3 partidos”. El modelo examina los 20 últimos partidos y mide la tendencia: ¿su rendimiento al servicio está mejorando? ¿Su porcentaje de break points convertidos sube o baja? ¿Rinde mejor bajo presión que hace dos meses?
Estadísticas 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 según 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 específicas 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.
Calibración: la clave que nadie explica
La mayoría de los tipsters y las “IA de apuestas deportivas” miden su accuracy: el porcentaje de partidos correctamente pronosticados. Es la métrica 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 (pérdida elevada).
Lo que importa es la calibración. 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 calibración Platt. Una capa matemática que corrige los sesgos sistemáticos del modelo bruto. Si el modelo tiende a ser demasiado confiado con las favoritas, la calibración lo corrige. Si subestima a las outsiders, la calibración ajusta.
La métrica que mide esto se llama Brier score. Cuánto más bajo, más calibrado está 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 señales
El modelo calcula una probabilidad para cada partido WTA del día. Pero no todos los partidos merecen una apuesta.
Tres condiciones deben cumplirse para que se emita una señal:
-
Probabilidad del modelo > 51%. El modelo debe estar seguro de su estimación. 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 implícita 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 señales por día. Algunos días cero, otros días cinco. El modelo nunca fuerza una señal cuando no hay edge.
Es un punto fundamental: la disciplina de NO apostar es tan importante como la calidad del análisis. Un apostador que apuesta en 15 partidos al día diluye su edge. Un modelo que selecciona 2-3 partidos lo concentra.
¿Por qué el tenis WTA y no el fútbol?
Cuatro razones:
1. Un partido individual. Dos jugadoras, un resultado. Sin efecto de equipo, sin suplentes, sin tactica colectiva. El tenis es el deporte más modelizable que existe.
2. Datos estructurados y profundos. Cada punto queda registrado desde hace más de 10 años en el circuito WTA. Estadísticas de servicio, resto, break points, rendimiento por ronda, por superficie. Es una mina de oro para un modelo estadístico.
3. El WTA está menos cubierto que el ATP. Las casas de apuestas invierten más recursos en la modelización del circuito masculino (mayor volumen de apuestas). El circuito femenino es más volatil, menos predecible, y por tanto peor modelizado por las casas de apuestas. Más volatilidad = más 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.
¿Qué resultados produce en concreto?
Los resultados públicos actualmente publicados, con una apuesta de referencia flat de 100€ por análisis:
| Métrica | Valor |
|---|---|
| Análisis públicos | 37 |
| ROI público | +3.2% |
| Grand Slam | Muestra pendiente |
| P&L público | +120€ |
Un período positivo puede ir seguido de un período negativo. Es normal. El modelo no gana cada semana, así que el seguimiento debe seguir siendo legible por volumen, ROI y P&L acumulado.
El track record completo es público. Cada señal se registra antes del partido, cada resultado se pública después. Las ganancias y las pérdidas.
Quiere ver las señales en acción? Pruebe 7 días gratis. Reciba nuestras señales de tenis WTA, consulte el track record, y juzgue con los hechos.
Artículo anterior: Value Bet Tenis: La Guía Completa · Otros recursos: Cómo funciona · Herramientas gratuitas