¿Aciertan los pronósticos de IA para apuestas deportivas? La verificación completa del 79% de acierto del modelo
El backtest muestra que los «partidos de alta confianza del plan Experto (v4.8)» de Mysports.AI alcanzan en la NBA un 79% de acierto del modelo, con un ROI de alrededor del 28% (en conjunto, las 9 ligas del backtest logran un 77.6% de acierto con el umbral de confianza ≥70%). El año pasado, con apuestas de importe fijo, el total de todas las ligas sumó +1,240 unidades de beneficio neto. Esta página explica la definición de los datos, cómo funciona el modelo, sus límites y el método de verificación, y conserva también los partidos perdidos.
Una definición honesta del 79% de acierto: no significa que cada apuesta gane el 79% de las veces
El 79% es la tasa de acierto histórica de los partidos seleccionados de alta confianza; no significa que cada apuesta sea rentable. La cifra debe leerse junto con las condiciones de selección y el criterio de la muestra.
El 79% es el resultado «tras la selección de la IA»
Cada día, de cientos de partidos, el modelo solo selecciona unos pocos de alta confianza con la señal más clara. El 79% es la tasa de acierto histórica de esos partidos seleccionados: no se apuesta a todos los partidos, sino que, de los partidos en los que la IA entra, aciertan alrededor de ocho de cada diez. Si eliges los partidos por tu cuenta, esta cifra no se aplica.
+1,240 unidades: cuenta el acumulado a largo plazo, no un partido concreto
Si cada apuesta es de 1 unidad fija (por ejemplo, 100 $) y se siguen los pronósticos del modelo a largo plazo, el beneficio neto acumulado del año pasado en todas las ligas fue de +1,240 unidades. Por el camino hay días o semanas con pérdidas; la curva de capital (Equity Curve) refleja el resultado acumulado a largo plazo.
13,000+ partidos monitorizados en tiempo real y 53 iteraciones del modelo
La base de datos cubre la nueva temporada 2025-26 y tiene en cuenta cada movimiento de cuota de la NBA, la MLB y la NHL. Tras muchas rondas de backtest y reentrenamiento, el modelo ha pasado de un único modelo al stack actual de árboles de decisión con gradient boosting (Gradient Boosted Decision Trees, GBDT), aprendizaje ensemble (Ensemble Learning) y deep learning, y sigue incorporando variables nuevas.
Pantallas reales de pronóstico: pronósticos diarios y aciertos pasados, partido a partido
Esta sección muestra las pantallas reales de la página de pronósticos de Mysports.AI. Cada partido incluye el nivel de confianza, la mejor cuota del mercado y el valor esperado (Expected Value, EV). Los pronósticos pasados se marcan partido a partido como ganado/perdido/nulo, la tasa de acierto se actualiza al momento y todos los resultados aparecen en la misma tabla.
Curvas de validación del backtest: tres gráficos para comprobar el acierto a largo plazo y la calibración
Los tres gráficos comprueban, respectivamente, el resultado a largo plazo, la calibración de probabilidades (Probability Calibration) y la capacidad de generalización: curva de capital, curva de calibración y curva de aprendizaje. Todos los datos son de backtest histórico y no representan resultados futuros.
Curva de capital · +1,240 unidades acumuladas
Beneficio neto acumulado con apuestas de importe fijo, incluidos los periodos de drawdown.
Curva de calibración: nivel de confianza frente a tasa de acierto real
Cuanto más se acerca la línea verde a la línea ideal gris, más fiable es el nivel de confianza (punto amarillo = 79%).
Curva de aprendizaje: tasa de acierto en entrenamiento y validación (Learning Curve)
Las dos líneas acaban juntándose, lo que indica que el modelo no presenta un sobreajuste (Overfitting) apreciable y puede generalizar a partidos nuevos.
¿Por qué esta arquitectura de modelo? Tres ventajas que los modelos tradicionales no ofrecen
Esta arquitectura se basa en árboles de gradient boosting y los combina con deep learning (TabNet/LSTM/GNN), calibración de probabilidades y aprendizaje ensemble, para aprovechar a la vez la eficiencia con datos estructurados y el contexto de las series temporales. El diseño completo está enCómo funciona nuestra IA; los detalles de cada liga, en los análisis del modelo NBA, el modelo MLB y el modelo NHL.
Ventaja 1: capacidad de relacionar datos
Un modelo lineal tradicional calcula cada variable por separado: si se lesiona una pieza clave, baja directamente la probabilidad de victoria del equipo. Esta arquitectura cruza a la vez dos señales, «baja de un titular» y «movimiento de cuota»: si se confirma la baja de una estrella pero la cuota del mercado no se ajusta en la medida esperada, el modelo lo interpreta como una señal de que el precio del mercado no coincide con la fuerza real (lo que se conoce como cuota trampa) y corrige la dirección del pronóstico. Este tipo de interacción entre variables es lo que a un modelo lineal le cuesta captar.
Ventaja 2: pesos de las variables ajustados según la liga
El rendimiento predictivo depende de la calidad de las variables y de cómo se reparten los pesos, no del volumen de datos. El modelo ajusta la importancia de cada variable según el contexto del partido, igual que un analista veterano decide «qué variable es la clave hoy»: en la NHL sube el peso del «portero titular» y reduce el efecto de la ventaja de local; en la NBA sube el peso de la «fatiga de los jugadores (back-to-back)» y de la «tendencia de acierto reciente». Cada liga usa un reparto de pesos distinto.
Ventaja 3: 1,500+ variables y calibración de probabilidades para convertir la suerte en una variable explicable
El modelo recoge más de 1,500 variables, pero lo importante es la calidad: primero elimina el ruido redundante o poco relacionado, conserva las variables con verdadero poder predictivo y después aplica la calibración de probabilidades para que los casos pronosticados al 60% acierten, a largo plazo, cerca de seis de cada diez veces. En la MLB también se incorporan la dirección del viento y el entorno de anotación del estadio, variables que a menudo deciden los duelos de pitcheo por 1 o 2 carreras.
Mapa de calor de la importancia de las variables por liga: cómo reparte el modelo los pesos
Número = peso de atención relativo que asigna el modelo (0–100; cuanto más alto, más rojo). Ilustrativo: solo se muestran las cuatro grandes ligas NBA, MLB, NHL y NFL; el resto de ligas tiene su propia distribución completa de pesos.
| Variable | NBA | MLB | NHL | NFL |
|---|---|---|---|---|
|
Estado de los jugadores clave
Key Personnel
|
95 | 95 | 92 | 96 |
|
Fatiga de calendario
Fatigue / B2B
|
88 | 45 | 65 | 60 |
|
Entorno y meteorología
Environment
|
5 | 82 | 10 | 94 |
|
Flujo de dinero en las cuotas
Money Flow
|
75 | 60 | 55 | 85 |
|
Forma reciente del equipo
Momentum
|
60 | 30 | 50 | 70 |
|
Ventaja de local
Home Advantage
|
85 | 40 | 65 | 80 |
|
Arbitraje y criterio arbitral
Ref / Umpire
|
70 | 90 | 30 | 60 |
|
Eficiencia avanzada en ataque y defensa
Advanced Metrics
|
92 | 95 | 96 | 98 |
Comparación de los tres planes: Básico v4.2, Estándar v4.5 y Experto v4.8
Para evaluar un modelo hay que mirar a la vez la tasa de acierto, el drawdown máximo (Maximum Drawdown) y el profit factor (Profit Factor). Cuanto menor es el drawdown, menos oscila el capital; un profit factor de 3.50 significa que, por cada unidad perdida, se generan de media 3.5 unidades de beneficio a largo plazo.
| Indicador clave | Experto v4.8 | Estándar v4.5 | Básico v4.2 |
|---|---|---|---|
| Nivel de variables | + Todas las variables y los tres factores especiales | + Indicadores avanzados (cuatro factores, wOBA, etc.) | Datos básicos (forma reciente, tasa de acierto) |
| Profundidad de la arquitectura | Ensemble + deep learning (LSTM/TabNet/GNN) | Aprendizaje ensemble con GBM | Árboles de gradient boosting (GBM) |
| Análisis de factores especiales | Los tres factores especiales completos | Parcial (1 factor) | ✗ (no incluido) |
| Ligas cubiertas | 25 ligas | 21 ligas | 9 ligas principales |
| Mercados disponibles | Todos los mercados | Todos los mercados | Ganador (moneyline) |
| Retorno de la inversión (ROI) | 28.0% | 18.5% | 10.5% |
| Drawdown máximo | -4.8% | -10.2% | -18.5% |
| Cuota media | 1.92 | 1.85 | 1.65 |
| Profit factor | 3.50 | 1.88 | 1.25 |
Básico v4.2 se centra en determinar el favorito en las ligas principales; Estándar v4.5 desbloquea todos los mercados y trabaja las ligas regionales en las que las cuotas se ajustan más despacio; Experto v4.8 integra todas las variables, los tres factores especiales, la calibración de probabilidades y el aprendizaje ensemble, y se usa para seleccionar partidos de alta confianza en competiciones de alta volatilidad y marcadores bajos, como la MLB y la NHL.
Desglose por liga: tasa de acierto de cada liga según el umbral de confianza, sin filtros
El backtest de ganador (moneyline) 2022–2025 muestra que, al subir el umbral de confianza (Confidence Threshold), suele haber menos partidos que lo superan y la tasa de acierto suele subir. Se muestran todas las ligas, incluido el ligero descenso de la Serie A en ≥70%, sin eliminar ningún pronóstico a posteriori.
| Liga | ≥50% | ≥55% | ≥60% | ≥65% | ≥70% |
|---|---|---|---|---|---|
| NBA | 67.5%(5,439) | 69.9%(4,672) | 72.5%(3,795) | 75.5%(2,912) | 79.1%(2,151) |
| MLB | 57.0%(10,721) | 59.8%(7,067) | 64.5%(3,483) | 70.4%(1,432) | 73.7%(433) |
| NHL | 61.3%(5,980) | 63.7%(4,447) | 67.5%(2,824) | 71.4%(1,618) | 74.7%(823) |
| Premier League | 66.1%(834) | 69.5%(663) | 73.7%(460) | 76.4%(331) | 80.7%(223) |
| La Liga | 67.0%(698) | 70.8%(518) | 77.2%(347) | 81.1%(244) | 83.9%(143) |
| Serie A | 63.8%(743) | 66.9%(537) | 70.4%(361) | 76.5%(230) | 72.7%(128) |
| Bundesliga | 64.9%(589) | 68.2%(453) | 71.5%(337) | 75.8%(231) | 76.9%(156) |
| Ligue 1 | 65.1%(653) | 69.4%(480) | 71.4%(336) | 74.9%(219) | 76.4%(123) |
| MLS | 59.3%(859) | 65.0%(509) | 68.0%(231) | 76.1%(88) | 85.7%(28) |
| Overall | 61.3%(26,516) | 64.5%(19,346) | 69.0%(12,174) | 73.9%(7,305) | 77.6%(4,208) |
※ Número = tasa de acierto en ganador (moneyline) de esa liga con ese umbral de confianza (validación walk-forward 2022–2025, Walk-forward Validation). Entre paréntesis, el número de partidos de cada celda, que coincide con el informe completo de backtest descargable más abajo.
¿Qué significan realmente estos siete términos?
Los términos que han aparecido hasta ahora significan cosas distintas. Algunas diferencias son sutiles, pero cuando se entienden, los análisis resultan mucho más fáciles de leer.
Nivel de confianzaConfidence
Intensidad de la señal del modelo para un pronóstico concreto, expresada en porcentaje. Refleja lo claras que considera el modelo las condiciones del partido y lo coherentes que son las variables, y no equivale a que la apuesta vaya a ser ganadora. Todas las cifras por niveles de esta página usan este valor como umbral: ≥70% corresponde a los partidos de alta confianza del plan Experto; cuanto más alto es el umbral, menos partidos lo superan y mayor es la tasa de acierto histórica.
Valor esperadoExpected Value, EV
Resultado medio a largo plazo que combina la probabilidad de acierto y la cuota. La fórmula es «probabilidad de acierto × cuota − 1»: si es mayor que cero, la rentabilidad esperada a largo plazo es positiva; si es igual a cero, se está en equilibrio. La página de pronósticos de IA muestra este valor en cada partido. Una tasa de acierto alta no implica que la apuesta tenga valor: si la cuota es demasiado baja, el valor esperado puede seguir siendo negativo.
UnidadUnit
Escala relativa para medir el importe apostado: 1 unidad = el importe base que tú definas (por ejemplo, el 1% del bankroll). Expresar el resultado en unidades y no en dinero permite comparar el rendimiento con bankrolls de distinto tamaño. En esta página, «+1,240 unidades» significa que, apostando siempre 1 unidad, el beneficio neto acumulado en una temporada equivale a 1,240 importes base.
Drawdown máximoMax Drawdown
Mayor caída de la curva de capital desde un máximo histórico hasta el mínimo posterior, expresada en porcentaje. El drawdown máximo y la tasa de acierto miden aspectos distintos del riesgo; un modelo con alta tasa de acierto también puede sufrir drawdowns. Esta página muestra el drawdown de cada versión (4.8% en v4.8, 18.5% en v4.2) para valorar el riesgo a la baja al repartir el capital.
Profit factorProfit Factor
Cociente entre el beneficio total y la pérdida total. Si es mayor que 1, el beneficio total supera a la pérdida total; cuanto más alto, mejor cubren las ganancias a las pérdidas. El profit factor y la tasa de acierto se complementan: la tasa de acierto mide la proporción de partidos acertados, y el profit factor incorpora además cuánto se gana o se pierde en cada uno. Por eso una tasa de acierto baja con cuotas altas puede dar igualmente un profit factor positivo.
Curva de calibraciónCalibration Curve
Representa en un mismo gráfico la probabilidad pronosticada por el modelo y la tasa de acierto real, para comprobar la calibración de probabilidades. Lo ideal es que los puntos queden cerca de la diagonal: en los casos pronosticados al 70%, la tasa de acierto real debería acercarse al 70%. Cuanto más se alejan, mayor es el error de calibración del nivel de confianza.
Validación walk-forwardWalk-forward Validation
Método de backtest que entrena solo con datos anteriores al «momento actual» y pronostica el periodo siguiente, avanzando en el tiempo y repitiendo el proceso tramo a tramo. Su objetivo es impedir la fuga de datos (Data Leakage), es decir, usar datos del futuro para pronosticar el pasado, por lo que la tasa de acierto obtenida se parece más a la real que con una única división en entrenamiento y test. Todas las cifras de backtest 2022–2025 de esta página se han obtenido con este método.
Límites del modelo y aviso de riesgos: la IA no acierta al 100%
Límites estadísticos de los datos históricos
Los datos de esta página usan criterios estadísticos distintos: el 79% de acierto y el ROI del 28% son valores de backtest de los partidos de alta confianza de la última versión para la NBA (plan Experto v4.8); las +1,240 unidades son el acumulado real del año pasado en todas las ligas; los 13,000+ partidos corresponden a la monitorización en tiempo real de la temporada 2025-26, y el historial completo descargable de ganador (moneyline) cubre de 2022 a 2025. El rendimiento pasado no garantiza resultados futuros. Los hechos aleatorios, como lesiones durante el partido o errores arbitrales, no pueden predecirse por completo; los resultados son solo una ayuda para decidir.
Un modelo con alta tasa de acierto también tiene rachas de derrotas
Cualquier modelo probabilístico tiene oscilaciones a corto plazo, y el 79% no es una excepción. Una tasa de acierto más alta suele reducir la probabilidad y la profundidad de las rachas negativas (drawdown máximo de -4.8% en v4.8, muy por debajo del -18.5% de v4.2). Conviene fijar un límite por apuesta y evaluar el modelo con muestras largas.
Gestión del bankroll y naturaleza del servicio de información
Recomendamos gestionar el bankroll con el criterio de Kelly o con apuestas de importe fijo (puedes hacer los cálculos con lacalculadora de apuestas) y apostar solo con dinero que no necesites. Este servicio ofrece únicamente análisis de datos deportivos: no ofrece ningún tipo de servicio de apuestas, no acepta apuestas ni apuesta en nombre de nadie. Los riesgos legales y financieros de apostar en plataformas de terceros corren por cuenta del usuario. Más detalles enpreguntas frecuentes.
Preguntas frecuentes y límites del modelo
¿Por qué el plan Básico solo cubre 9 ligas principales?
¿Cómo funciona la «renovación gratuita si no hay beneficios»?
Es el compromiso de Mysports.AI con el rendimiento del modelo: si no obtienes beneficios durante la suscripción, la ampliamos gratis un mes, con estas condiciones:
- Plan de suscripción: solo el plan Experto.
- Mercado: solo cuenta el mercado de «ganador (Moneyline)».
- Ligas: solo las «👑 Selecciones Corona» marcadas en la página de pronósticos de IA.
- Cómo seguirlos: hay que seguir exactamente los partidos y el número de apuestas que recomienda la IA.
Cómo solicitarlo: si al cierre del mes no hay beneficios, contacta con atención al cliente para revisar tu seguimiento de apuestas; una vez confirmado, ampliamos la suscripción un mes.
¿Qué son las variables? ¿Cuantas más variables, más preciso es el modelo?
¿Qué límites tiene el modelo? ¿Acierta la IA al 100%?
Compruébalo tú mismo: publicamos todo el historial, partidos perdidos incluidos
Esta sección publica el historial completo de pronósticos de ganador (moneyline) de 2022 a 2025, con más de 26,000 partidos y todos sus resultados, ganados y perdidos. Los pronósticos pasados y aciertos más recientes de cada día pueden consultarse partido a partido en lapágina de pronósticos de Mysports.AI; el informe completo de backtest (2022–2025) puede descargarse más abajo para contrastarlo.
Guía de columnas del historial
- League : liga del partido (por ejemplo, NBA, MLB, EPL)
- Date / Time (ET) : fecha y hora del partido, en hora del Este de EE. UU. (ET)
- Home / Away Team : equipo local y equipo visitante
- Home / Away Score : marcador final de los dos equipos
- Pick : pronóstico de la IA, la opción concreta que recomienda el sistema
- Result : resultado del pronóstico, ganado (Win) o perdido (Loss)
- Strategy : modelo de estrategia, ligado al plan de suscripción (por ejemplo, Pro = plan Experto)
- Confidence : valor bruto del nivel de confianza de la IA; cuanto más alto, mayor es la tasa de acierto histórica
- 1 Descarga el informe completo de backtest Descarga desde esta página el informe completo de backtest en Excel (2022–2025). Incluye el registro de ganador partido a partido, con los partidos ganados y perdidos.
- 2 Elige 30 partidos al azar Elige al azar 30 partidos de distintas ligas y meses, para no quedarte solo con los ganados y que la muestra sea más representativa.
- 3 Compara marcadores y resultados en una web pública Contrasta el marcador de los partidos elegidos con cualquier web pública de resultados y confirma que la columna Result (Win/Loss) del informe coincide con el resultado real.
- 4 Registra tus apuestas en el Seguimiento de apuestas Usa el Seguimiento de apuestas de Mysports.AI para anotar cada apuesta que sigas de verdad y evalúa el resultado con tu propia curva de capital.
Tasa de acierto en backtest según el umbral de confianza (2022–2025)
NBA, MLB, NHL, las seis grandes ligas de fútbol y la MLS · Cifras tomadas del archivo descargable más abajo, comprobables partido a partido.
| Umbral de confianza | Tasa de acierto | Muestra |
|---|---|---|
| ≥50% | 61.3% | 26,516 |
| ≥55% | 64.5% | 19,346 |
| ≥60% | 69.0% | 12,174 |
| ≥65% | 73.9% | 7,305 |
| ≥70% | 77.6% | 4,208 |
※ «Tasa de acierto» = partidos acertados con ese umbral ÷ partidos que lo superan (ganador global). Con alta confianza (≥70%), las 9 ligas del backtest logran en conjunto un 77.6% de acierto; por liga, la mejor es la NBA (≥70%: 1,702/2,151). Cuanto mayor es la confianza, menos partidos la superan pero más se acierta: es el equilibrio normal de un modelo bien calibrado.
2022–2025 · NBA, MLB, NHL, las seis grandes ligas de fútbol y la MLS: tasa de acierto por umbral de confianza y detalle partido a partido, para que lo contrastes por tu cuenta.
Metodología y fuentes: a hombros de la investigación pública
La ingeniería de variables y los métodos de valoración se apoyan en investigación estadística y fuentes de datos públicas y comprobables. Puedes verificarlas y contrastarlas con las siguientes referencias:
- Mecanismo de atención (Attention, usado por TabNet) : Vaswani et al. (2017), Attention Is All You Need
- Sistema de puntuación Elo : Arpad Elo (1978), ajusta la fuerza de forma dinámica según el nivel del rival
- Modelización de goles en el fútbol : Dixon & Coles (1997), Modelling Association Football Scores
- Distribución de Poisson : base para modelizar la probabilidad del número de puntos o goles
- Índice de eficiencia del jugador (PER) : indicador global de eficiencia propuesto por John Hollinger
- Fuentes de datos históricos de la NBA : Basketball-Reference · stats.nba.com
Nota: lo anterior son las investigaciones y fuentes de datos públicas en las que se basan la ingeniería de variables y los métodos de valoración de este modelo; la arquitectura, los pesos y la implementación del modelo son desarrollo propio de Mysports.AI.
Investigación relacionada: Mysports.AI Research; nuestro estudio que compara las predicciones de IA con las cuotas previas.
Historial completo de pronósticos publicado: los datos están listos, ahora te toca verificar
Ya sabes de dónde sale el 79%; el siguiente paso es crear tu propio historial: anota gratis cada apuesta y deja que tu curva de capital te diga si el modelo acierta de verdad.
Mejora ya tu análisis con el plan Experto de Mysports.AI. Desbloquea los pronósticos de IA de hoy, entiende los datos con un método más científico y toma decisiones mejor fundamentadas mientras ves el partido. Introduce el código de descuento «BERTWIN» al suscribirte y obtén un 12% de descuento. Si tienes cualquier duda, contacta con atención al cliente cuando quieras.
