Así funciona el taller de modelos de Acábalo Juez: Mueves los parámetros del modelo de predicción y ves cómo cambian los pesos (probabilidades) en toda la grilla de marcadores de un partido. Usa la data histórica para calibrar tus modelos por liga, y úsalos como inspiración en tus vaticinios. Perillas, grilla y mercado — todo conectado.
En Acábalo Juez no improvisamos. Investigamos la matemática detrás de los famosos modelos de "supercomputadoras" para darte, sin tanto misterio, las mismas herramientas estadísticas. Debajo del capó hay un modelo Dixon-Coles alimentado por ocho perillas. Mezclas la fuerza de largo plazo (Elo) con la forma reciente (xG con decaimiento en el tiempo), y cada probabilidad que ves se lee directamente de esa grilla. Partido de ejemplo, matemática real.
Las perillas que sí cambian el pronóstico
Cuántos partidos miras y cuánto pesa cada uno según su antigüedad. τ bajo reacciona a las rachas; τ alto se mantiene estable.
Cuánto empuja el factor cancha a los goles esperados del equipo local.
De fuerza pura de largo plazo (Elo) a forma reciente pura. Tú decides el balance.
Reajusta el peso de los resultados apretados: 0-0, 1-0, 0-1 y 1-1, donde Poisson por sí solo falla.
Lo que se lee de la grilla
Cada celda es la probabilidad de un marcador exacto, en un mapa de calor. De ahí salen, sin trucos, el marcador más probable, la probabilidad de más de 2.5 goles, la de "ambos anotan", los goles esperados (λ) y la barra 1X2 — gana local, empate o gana visitante.
Valor vs. mercado. Tomamos las probabilidades implícitas 1X2 del mercado, les quitamos el margen y las ponemos al lado de tu modelo. Una diferencia positiva significa que tu modelo valora ese resultado más alto que el consenso del mercado — ahí está tu ventaja al pronosticar.
Importante. El factor K del Elo y la escala por diferencia de gol no cambian ni un pronóstico: gobiernan cómo se mueven los ratings después del resultado. Por eso viven aparte — elige un marcador hipotético y mira cómo salta el Elo de cada equipo.
¿A qué distancia estás de un "supercomputador"?
Cuando lees que "un supercomputador predice la liga", casi siempre es esto: un sistema de ratings que estima la fuerza de cada equipo y luego simula la temporada miles de veces (Monte Carlo). Opta, el SPI de FiveThirtyEight, Gracenote — son de la misma familia que tu modelo base: ratings → probabilidades por partido → simulación.
Y la matemática no es un secreto de laboratorio: es literatura revisada por pares con cuarenta años encima. El modelo Poisson de ataque/defensa (Maher, 1982), la corrección de marcadores bajos y el decaimiento en el tiempo (Dixon & Coles, 1997), el Poisson bivariado para afinar los empates (Karlis & Ntzoufras, 2003), los ratings tipo Elo (Hvattum & Arntzen, 2010). Cuando Ley, Van de Wiele & Van Eetvelde (2019) compararon diez métodos de rating, la familia Poisson —la tuya— quedó a la cabeza.
En el desafío internacional de predicción de 2017 —216.000 partidos, 52 ligas, solo resultados, sin datos de mercado ni de jugadores— los mejores equipos del mundo terminaron a menos de un 1% de precisión unos de otros. Con datos públicos, la distancia entre "bueno" y "estado del arte" es pequeña, y ahí es exactamente donde vive tu modelo.
Sin humo. ¿Dónde ganan los grandes? En los datos, no en las fórmulas: Opta suma eventos y xG jugada a jugada, más potencia de cómputo. Y hay un techo que casi nadie cruza: el mercado. Los estudios muestran que estos modelos rara vez le ganan a las probabilidades implícitas del mercado (Hvattum & Arntzen, 2010). No te prometemos ganarle al mercado: te damos la misma clase de matemática, transparente y en tus manos, para detectar dónde el consenso del mercado se equivoca.
La misma matemática de los grandes: Poisson, Dixon-Coles, Elo y probabilidades de mercado sin margen. Solo que ahora la puedes mover con el dedo.
Fuentes. Maher (1982), Statistica Neerlandica. Dixon & Coles (1997), JRSS-C. Karlis & Ntzoufras (2003), The Statistician. Hvattum & Arntzen (2010), Int. J. of Forecasting. Ley, Van de Wiele & Van Eetvelde (2019), Statistical Modelling. Gneiting (2011), JASA. La métrica estándar (RPS) tiene debate abierto (Wheatcroft, 2021). Prototipo en desarrollo; los equipos y la forma reciente mostrados son datos de ejemplo.
