Cómo usar las cuotas de la Premier League para predecir la clasificación

La sección de Recursos para apostar cuenta con un amplio número de artículos valiosos que explican cómo y por qué las cuotas de Pinnacle para apostar en un partido de fútbol ofrecen el máximo valor y están entre las más eficientes en el mercado de apuestas deportivas online.

Los equipos con un precio de 1,50 ganan aproximadamente un 67 % de las veces: sabiendo esto podemos afirmar que si un equipo tiene un precio de 1,50, debería tener aproximadamente un 67 % de probabilidades de ganar.

Provistos de este conocimiento podemos usar estas cuotas de partido para determinar si un equipo ha tenido suerte o no, y qué puesto podría ocupar al finalizar una temporada.

Ya he utilizado esta metodología previamente al analizar la improbabilidad de que el Leicester City ganase la Premier League en la temporada 2015/16. En este artículo, voy a realizar un análisis más general del rendimiento de los equipos en la última temporada e intentaré realizar varias predicciones basadas en ello para la nueva temporada 2017/18.

Cómo usar la línea de cierre de Pinnacle para predecir la probabilidad de los resultados

Podría afirmarse que la línea de cierre de Pinnacle en un mercado de apuestas de fútbol 1X2 es una excelente medida de la probabilidad “real” de que se produzca un resultado concreto. Por supuesto, nunca podremos saber cuál es la probabilidad real de un resultado antes de que se juegue un partido, pero basándonos en cientos o miles de partidos con un precio similar, el porcentaje de ellos que terminará con los resultados pronosticados coincide en gran medida con la probabilidad que sugieren las cuotas.

En la práctica, esto significa que los equipos con un precio de 1,50 ganan aproximadamente el 67 % de las veces. Sabiendo esto podemos afirmar que si un equipo tiene un precio de 1,50, debería tener aproximadamente un 67 % de probabilidades de ganar, y si el precio fuera de 5,00 tendría una posibilidad de aproximadamente el 20 %. 

Cómo eliminar el margen para averiguar las cuotas “reales”

Por supuesto, para obtener una medida realmente fiable de la probabilidad del resultado a partir de las cuotas de partido, primero es necesario eliminar el margen de Pinnacle. Como es lógico, en primer lugar se mantendrá en secreto la forma exacta en que Pinnacle aplicará su margen a un conjunto de cuotas “reales” o justas.

Sin embargo, hay varios métodos de posibles candidatos que ofrecen intuitivamente soluciones razonables que tienen en cuenta el sesgo improbable favorito, en el que los precios de los improbables se reducen proporcionalmente más que los de los favoritos.

Posiblemente, el mercado de apuestas a ganador de la Premier League aún sobrevalora al Manchester United como fuerza dominante después de la era Ferguson.

Uno de estos utiliza lo que se conoce como una función logarítmica. Un logaritmo se define de forma simple como la potencia a la que tiene que elevarse un número para obtener otro número. Por ejemplo, el logaritmo en base 10 de 100 es 2, porque 10 elevado a la potencia de 2 = 100 y, por tanto, log10100 = 2.

La función logarítmica para aplicar un margen a un conjunto de cuotas “reales” asume que se aplica la misma potencia a cada una de las cuotas 1X2. Puede que resulte más fácil entenderlo con un ejemplo.

Consideremos la apuesta justa de 2,00, 3,00 y 6,00 para las cuotas de 1X2. Ahora vamos a aplicar un margen elevando esos números a la potencia de 0,95. La apuesta resultante tendrá unas cuotas 1X2 de 1,93, 2,84 y 5,49, con un margen (o comisión) del 5,2 %, porque las probabilidades implícitas del resultado ascienden al 105,2 %. Puedes ver que la cuota del visitante, que es más grande, se ha reducido considerablemente más (en un 9,4 %) que la cuota del local (en un 3,5 %), que es más pequeña.

Para encontrar un conjunto de cuotas “reales” a partir de un mercado publicado de cuotas 1X2 basta con dar la vuelta a este proceso. El modelo de “función logarítmica” es intuitivo en el sentido de que concuerda con la teoría económica estándar mayoritaria de riesgo y utilidad. 

Suponiendo una sensibilidad logarítmica a los riesgos, un apostante consideraría que la diferencia entre 2,00 y 1,93 sería equivalente a la diferencia entre 6,00 y 5,49. La última es mayor que la primera pero podría decirse que los apostantes son menos sensibles a los eventos de menor probabilidad, de manera que no armarán demasiado alboroto por un precio proporcionalmente menos valioso.

Simulación de los resultados de fútbol y los puntos de la liga con Montecarlo

Una vez que se hayan calculado las probabilidades reales de un resultado, necesitamos decidir el resultado de un partido. Obviamente, en el mundo real, lo sabremos una vez que el partido haya terminado pero, en este caso, estamos interesado en los resultados esperados.

Usando las cuotas de partido para crear un modelo, ningún equipo terminó a más de cuatro puestos de distancia de lo esperado, mientras que seis coincidieron exactamente.

Al igual que el valor esperado y los goles esperados, esto realmente es solo un método para determinar qué podemos esperar que ocurra basándonos en los parámetros del modelo de predicción, en este caso, las probabilidades del resultado esperado implícitas en las cuotas de cierre de Pinnacle.

Una forma de simular los resultados esperados consiste en aleatorizar los resultados en muchos miles de partidos mediante una simulación Montecarlo. Si el número aleatorio generado es inferior a la probabilidad del resultado, se asigna ese resultado al partido (es decir, ocurrió); si es mayor que la probabilidad del resultado, entonces se asigna el resultado nulo (es decir, no ocurrió).

Al repetir este proceso con los 38 partidos de una temporada completa para cada equipo, podemos simular el número esperado de puntos ganados. El método Montecarlo nos ofrece una distribución normal del total de puntos esperados para cada equipo. Usando las cuotas de cierre de Pinnacle para la temporada 2016/17, estos puntos se muestran a continuación para el Chelsea, actual campeón, el Leicester City, ganador de la temporada anterior, y el descendido Sunderland.

El total medio de puntos esperados para el Chelsea de acuerdo con este modelo era de 77,7. De hecho, sabemos que terminó con 93 y esto puede implicar dos cosas.

En primer lugar, puede que este modelo no sea un método totalmente preciso para predecir la clasificación de la Premier League. De hecho, de acuerdo con las cuotas de partido reales, el Manchester City debería haber ganado el título la temporada pasada con un total de puntos esperados de 81,3. Por supuesto, ningún modelo es totalmente preciso, pero algunos son mejores que otros.

Suponiendo una sensibilidad logarítmica a los riesgos, un apostante consideraría que la diferencia entre 2,00 y 1,93 sería equivalente a la diferencia entre 6,00 y 5,49.

En segundo lugar, se sabe que las predicciones de los modelos suelen ser más estrechas que los resultados de la vida real, con un rango de total de puntos esperados para todos los equipos que es menor que el que realmente se produce. El Sunderland, que descendió con 24 puntos, tenía un total esperado basado en sus cuotas de partido de la temporada de 32,1. Esto implica que el Chelsea tuvo más suerte de lo esperado, mientras que el Sunderland tuvo menos suerte.

La teoría de la puntuación verdadera nos dice que el resultado observado es igual a (la varianza en) habilidad más (la varianza en) suerte. El modelo de predicción solo tiene en cuenta la parte de la habilidad, no la suerte.

A pesar de estas salvedades, usar las cuotas de partido para crear un modelo de la clasificación final de la liga resultó ser un método bastante preciso; al menos en términos de puestos. Ningún equipo terminó a más de cuatro puestos de distancia de lo esperado, mientras que seis coincidieron exactamente y otros cinco quedaron a un puesto.

Predicciones de la Premier League: cómo usar las cuotas directamente

Otra forma de simular los resultados y puntos consiste en saltarse totalmente el proceso Montecarlo. Si un equipo local tiene cuotas justas de 2,0, 3,0 y 6,0 para local, empate y visitante respectivamente, esto implica que su total de puntos esperados para el partido es (50 % para 3 puntos) + (33,33 % para 1 punto) + (16,67 % para 0 puntos) = 1,833 puntos. Por el contrario, el equipo visitante tendría un total de puntos esperados en el partido de 0,833.

El modelo más sencillo para predecir la clasificación de la Premier League en la temporada 2017/18 consiste en suponer que el pasado es la clave del futuro.

Un método Montecarlo con un número lo bastante amplio de repeticiones llegaría a las mismas respuestas, pero este método es un atajo más fácil. A continuación, se comparan los totales de puntos esperados en la liga de los dos métodos para demostrar la equivalencia. Sin embargo, su carencia en comparación con el método Montecarlo es que no nos proporciona ninguna medida del error ni de la variación. En consecuencia, no puede estimar la probabilidad de terminar en cada puesto de la clasificación de la liga.

Predicciones para la temporada 2017/18 de la Premier League

El modelo más sencillo para predecir la clasificación de la Premier League en la temporada 2017/18 consiste en suponer que el pasado es la clave del futuro. Aparte de otros factores como los nuevos fichajes de jugadores, la siguiente tabla muestra el número de veces en las 100.000 repeticiones de Montecarlo que cada equipo (no descendido) terminó primero en la clasificación 2016/17 y, por extensión, la probabilidad de ganar de los equipos en la temporada 2017/18 y sus cuotas justas implícitas. A continuación, estas se comparan con las cuotas de ganador del título ofrecidas por Pinnacle antes del comienzo de la temporada para identificar el valor potencial.

De acuerdo con nuestro modelo, el Manchester City, el Chelsea, el Arsenal y el Liverpool ofrecen algo de valor. Esto es a costa del Manchester United y, en menor medida, del Tottenham. Posiblemente, el mercado de apuestas a ganador de la Premier League aún sobrevalora al Manchester United como fuerza dominante después de la era Ferguson y con Mourinho como entrenador. Alternativamente, y como es comprensible, el modelo no ha tenido en cuenta los fichajes de verano de alto nivel de Romelu Lukaku y Nemanja Matic por parte del Manchester United.

Un proceso bayesiano

Un importante inconveniente de este modelo es que requiere una temporada completa de resultados para hacer deducciones de la siguiente. Sin embargo, no hay ninguna razón para que tengamos que coartarnos por esta limitación. En su lugar, podemos optar por ejecutar el modelo basándonos en los partidos jugados hasta la fecha, o de forma continua considerando los últimos 38 partidos, actualizando nuestras probabilidades modeladas y las cuotas de apuesta a ganador del título implícitas a medida que avanzamos.

Por supuesto, también necesitaremos tener en cuenta los puntos reales que ya se hayan ganado a medida que avance la temporada. Este enfoque bayesiano simula un método de inferencia estadística en el que la probabilidad de una hipótesis se actualiza a medida que se va disponiendo de más evidencias o información. También podemos repetir esta metodología en otros mercados como las apuestas al descenso o a los cuatro primeros clasificados de la Premier League.

Aunque este modelo es sencillo, evidentemente hace predicciones que no son enormemente distintas a las realizadas por los traders de Pinnacle.