Modelo de pronósticos MLB con IA:
variables y factores detrás de cada pronóstico
Este artículo explica la arquitectura del modelo, la validación por backtest y tres factores especiales (Park Factor, combinación de la alineación, eventos en tiempo real y opinión en redes) para mostrar cómo analiza Mysports.AI la MLB.
Rays TBR
Guardians CLELos pronósticos de probabilidad en la MLB requieren integrar muchos datos de equipos y jugadores: promedio de bateo, porcentaje de embasado (On-base Percentage, OBP), porcentaje de slugging (Slugging Percentage, SLG), promedio ponderado de embasado (Weighted On-base Average, wOBA) y, en los lanzadores, efectividad (Earned Run Average, ERA), corredores permitidos por entrada (Walks plus Hits per Inning Pitched, WHIP) y ponches por cada 9 entradas (Strikeouts per Nine Innings, K/9), además del balance del equipo, el calendario, la rotación de abridores y los marcadores en directo. El modelo de aprendizaje automático detecta variables y patrones en esos datos, genera estimaciones de probabilidad y revisa de forma continua su tasa de acierto y estabilidad.
El modelo también analiza de forma dinámica los partidos de la MLB de hoy y los datos históricos, y evalúa el estado de los jugadores y la forma reciente de cada equipo. Con la actualización de datos en tiempo real y los ajustes del modelo, el resultado sirve como referencia cuantitativa para analizar partidos de la MLB y tomar decisiones de apuestas de béisbol.
Rendimiento del modelo de IA para la MLB
En el backtest (Backtesting) sobre partidos de las últimas 3 temporadas (2023 a 2025), los «partidos seleccionados por el modelo» registran una tasa de acierto media de alrededor del 68% (el modelo solo elige los partidos con mayor confianza, no pronostica todos los partidos de la temporada); la versión más reciente (v24) ronda el 70%. El retorno de la inversión (Return on Investment, ROI) medio de las últimas 3 temporadas es de alrededor del 14%, y el de la versión más reciente (v24), de alrededor del 16%.
Versiones del modelo
Las versiones del modelo se actualizan de forma continua según los resultados de validación. Publicamos la tasa de acierto, el retorno de la inversión y los cambios de cada versión para que puedas revisar la evolución del modelo y las diferencias de rendimiento. Las versiones de esta sección corresponden al entrenamiento del modelo de la MLB por separado. Una vez entrenados, los modelos de cada liga se integran en el modelo de cálculo de los planes de suscripción (v4.8 en el plan Experto).
- Nueva variable ABS (zona de strike automatizada): refleja el efecto de la nueva norma de 2026 sobre la consistencia de la zona de strike, las bases por bolas y los ponches
- Nuevo Park Factor (factor de estadio): incorpora el entorno anotador de cada estadio (incluida la altitud de Coors Field)
- Los abridores pasan a una ponderación de los últimos 3/10/50 partidos en lugar de la media de la temporada, para reflejar antes su estado de forma
- Nuevo índice de fatiga del bullpen (lanzamientos de los últimos días y apariciones consecutivas)
- La forma reciente de los bateadores se pondera con wOBA y Hard-Hit% en lugar del simple promedio de bateo
- Nuevo desglose por mano (platoon): los números del abridor frente a bateadores zurdos y diestros se modelan por separado
- Los factores existentes se validaron con validación walk-forward (Walk-forward Validation) sobre toda la temporada regular anterior (unos 2,430 partidos), comparando con la versión 23 sobre la misma muestra; el ABS es una norma nueva de 2026 y no tiene muestra histórica, así que se introduce con un prior basado en reglas y sus pesos se recalibran de forma continua tras el lanzamiento, sin entrar en la comparación del backtest.
- Se revisa por separado el error de pronóstico del tramo del abridor y del tramo del bullpen para localizar el origen de los sesgos
- El abridor es la mayor variable de un partido de béisbol: el modelo solo calcula cuando el abridor está confirmado, para no valorar con el lanzador equivocado, y los pronósticos ganan estabilidad
- Durante las dos primeras semanas de temporada se reduce el nivel de confianza de forma automática por falta de muestra
- Se pasa de una sola puntuación a una valoración separada de pitcheo y bateo (abridor + alineación)
- Nuevo módulo de carreras esperadas: estima las carreras previstas de cada equipo con ERA / xFIP del abridor × capacidad anotadora del equipo
- Nuevos factores base de pitcheo como WHIP y K/9
- Aún sin Park Factor (añadido en la versión 24)
- Backtest sobre una temporada regular, sin separar la muestra de inicio de temporada y la de mitad de temporada
- Mejoró la tasa de acierto en ganador, pero la ventaja de local seguía algo sobrestimada (corregido en la versión 24)
Factores base del modelo
La amplitud y la calidad de los factores del modelo influyen directamente en la tasa de acierto. Además de los fundamentos (bateo, embasado, pitcheo), el modelo toma las variables relacionadas con el béisbol del conjunto global de más de 1,500 variables de Mysports.AI, selecciona los datos clave con más influencia en el resultado y descarta el ruido con poca relación para reducir interferencias.
Una mala selección de variables puede provocar sobreajuste (Overfitting) o sesgos sistemáticos y reducir la capacidad del modelo para generalizar en situaciones reales. Elegir bien las variables es clave para mantener la tasa de acierto y la estabilidad.
El gráfico muestra las variables con más importancia en el modelo; cada valor indica la contribución relativa de esa variable al pronóstico. El modelo MLB usa muchas variables y la importancia se concentra en unos pocos indicadores: las primeras variables se sitúan entre el 2 y el 10%, y cada una de las demás aporta bastante menos, una distribución normal y sana.
Arquitectura del modelo: cuatro capas, de los datos al pronóstico
La arquitectura del modelo es un flujo de datos de cuatro capas que se ejecuta cada día y completa, por orden, la integración de datos, la ingeniería de variables, el entrenamiento del modelo y la inferencia previa al partido. El método completo está en algoritmo de IA para apuestas deportivas explicado.
- ① Capa de datos: con la Stats API oficial de la MLB se obtiene el box score de cada partido y se desglosan los datos individuales de lanzadores y jugadores de campo; durante el partido el box score se actualiza en tiempo real y al terminar se obtienen los datos finales. Las métricas avanzadas (wOBA, xFIP, Hard-Hit%) proceden de datos avanzados públicos, y además se integran varias fuentes de datos de pago de terceros (Sportradar, Genius Sports, Stats Perform, etc.) para contrastar y completar la información (las fuentes concretas forman parte de acuerdos comerciales y no se detallan). Las variables de contexto incluyen el abridor, los días de descanso y si se juega en casa o fuera. El sistema de challenge ABS (zona de strike automatizada) que la MLB introduce en 2026 también se incorpora como nueva variable de contexto.
- ② Capa de ingeniería de variables: convierte los datos brutos en variables con poder predictivo, como indicadores avanzados de eficiencia (wOBA, xFIP, WHIP), ponderación de la forma reciente (últimos 3/10/50 partidos) e índices de fatiga del abridor y del bullpen. La calidad de las variables marca en gran medida el techo de rendimiento del modelo.
- ③ Capa de modelo: el béisbol genera datos tabulares estructurados, y la base es la familia de árboles de decisión con gradient boosting (Gradient Boosted Decision Trees, GBDT) (LightGBM, XGBoost, CatBoost); en aprendizaje profundo, TabNet (red de atención diseñada para tablas) y los modelos secuenciales LSTM / Temporal captan la tendencia de forma reciente de abridores y alineaciones y, cuando hace falta, las redes neuronales de grafos (Graph Neural Network, GNN) modelan la interacción entre jugadores y equipos. Al final se aplica la calibración de probabilidades (Probability Calibration, Isotonic / Platt) y el aprendizaje por ensamble (Ensemble Learning) reduce el sesgo de cada modelo individual.
- ④ Capa de inferencia y actualización: antes de cada jornada se recalcula todo con los últimos abridores, la lista de lesionados, los movimientos de cuotas y la meteorología, y se devuelve una estimación de probabilidad como «victoria local 61.3%», no un veredicto cerrado.
Este tipo de métodos tiene una larga base práctica en el béisbol: la Stats API oficial de la MLB ofrece box score en tiempo real y datos de cada partido, que son la base de la actualización diaria del modelo, y el análisis cuantitativo con IA ya es una aplicación técnica oficial en la MLB. Todas las ligas (MLB / NBA / NHL) comparten el mismo flujo de datos y la misma arquitectura de modelo, pero se entrenan y calibran por separado, porque cada deporte tiene una dinámica, un tamaño de muestra y unas variables disponibles distintos, y compartir pesos reduciría la tasa de acierto.
Métricas de evaluación: cómo validar la fiabilidad del modelo
La fiabilidad del modelo no puede medirse solo por la tasa de acierto: hay que revisar al menos cuatro indicadores a la vez, tasa de acierto, cobertura frente al hándicap, calibración de probabilidades y retorno de la inversión.
| Indicador | Qué mide | Umbral de referencia |
|---|---|---|
| Precisión en ganador (Accuracy) | Porcentaje de aciertos al elegir quién gana | La MLB es muy aleatoria; los modelos maduros rondan el 55-60% |
| Cobertura de hándicap / totales (ATS) | Porcentaje de veces que se supera la línea de run line / total; más exigente que la precisión | En torno al 52.4% está el punto de equilibrio |
| Calibración de probabilidades (Brier Score) | Si los partidos con un 60% de probabilidad acaban ganándose realmente seis de cada diez veces a largo plazo | Cuanto más bajo, mejor (perfecto = 0) |
| Retorno de la inversión (ROI) | Rendimiento por cada 100 unidades apostadas siguiendo el modelo | Un valor positivo indica que el retorno supera el coste |
Backtest y resultados reales deben evaluarse por separado: el backtest usa datos históricos para simular lo que habría hecho el modelo en aquellas condiciones; si está mal diseñado, puede inflar el rendimiento por sobreajuste o fuga de datos (Data Leakage). El método más riguroso es la validación walk-forward: entrenar solo con datos anteriores a cada momento, pronosticar el periodo siguiente y publicar el rendimiento de cada versión. Por eso guardamos cada pronóstico en la página de historial, de modo que el registro real se puede comprobar.
Qué lee el modelo: mini glosario de métricas avanzadas
Las métricas avanzadas convierten el rendimiento de los jugadores en variables comparables para el modelo. La tabla recoge la definición de cada métrica y lo que mide.
| Indicador | Qué mide |
|---|---|
| wOBA (promedio ponderado de embasado) | Pondera cada forma de llegar a base según su valor real en carreras; refleja la aportación del bateador mejor que el promedio de bateo |
| WAR (victorias sobre reemplazo) | Victorias que aporta un jugador por encima de uno de nivel reemplazo; mide su valor global |
| xFIP (FIP esperado) | Efectividad que normaliza la tasa de jonrones y solo tiene en cuenta lo que controla el lanzador |
| WHIP (corredores permitidos por entrada) | (Hits permitidos + bases por bolas) ÷ entradas lanzadas; mide cuántos corredores permite el lanzador por entrada |
| K/9 (ponches por cada 9 entradas) | Ponches medios del lanzador por cada nueve entradas; mide su capacidad de dominio |
| Hard-Hit% (porcentaje de batazos fuertes) | Porcentaje de bolas bateadas con velocidad de salida de 95 mph o más; mide la calidad de contacto del bateador |
| ABS (sistema de zona de strike automatizada) | Sistema de challenge de la zona de strike que la MLB introduce en 2026, con Hawk-Eye decidiendo bolas y strikes en tiempo real; el modelo lo usa para medir cómo afecta la consistencia de la zona a las bases por bolas, los ponches y las cuentas clave |
Cuatro usos prácticos de la IA en las apuestas deportivas de la MLB
- Detección de cuotas mal ajustadas: se compara la probabilidad de victoria del modelo con la probabilidad implícita de la cuota; la diferencia es el valor esperado (Expected Value, EV). La función principal de la IA es detectar desajustes entre el precio del mercado y la valoración basada en datos.
- Modelo de totales (Total Runs): el xFIP / K9 de los dos abridores, la fatiga del bullpen y el wOBA de la alineación, multiplicados por el Park Factor y por el tiempo y el viento; el modelo cuantifica estas interacciones y detecta antes que una persona las tendencias estructurales en los totales (más/menos).
- Modelo de impacto del abridor: la rotación, los días de descanso y el uso del bullpen mueven mucho la probabilidad de victoria de cada partido; la IA calcula la forma del lanzador y su encaje frente a la alineación rival, en lugar de fijarse solo en el nombre.
- Tendencia de forma de los bateadores: cuando el wOBA y el Hard-Hit% de un bateador en sus últimos 3/10/50 partidos se alejan de forma sostenida de su referencia, puede que la cuota todavía no refleje su cambio de forma. La IA puede cuantificar ese desfase del mercado.
Los cuatro casos se calculan de forma sistemática con datos públicos; lo que aportan es más velocidad y más detalle en el análisis. Junto con los tres factores especiales que siguen, forman el proceso diario de análisis del modelo de Mysports.AI. Para contrastar la salida del modelo con las cuotas e interpretar el hándicap y los totales (más/menos), consulta Pronósticos MLB con IA: hándicap, totales y análisis de los partidos de hoy.
Factor especial del modelo ①: factor de estadio
El factor de estadio (Park Factor) corrige directamente las diferencias de entorno anotador entre estadios. Las dimensiones, el territorio foul, la altitud y el clima varían mucho de un estadio a otro; la columna park_factor de la tabla de datos (ejemplo: 1.04) es el coeficiente que lo cuantifica: por encima de 1 favorece al bateador y por debajo de 1, al lanzador.
- Altitud y densidad del aire: Coors Field, el estadio de los Colorado Rockies, está a unos 1,580 metros de altitud; el aire menos denso hace que la bola vuele más lejos, y desde hace años es el estadio más favorable al bateador de la liga.
- Dimensiones y territorio foul: la distancia del muro de jonrón, la superficie de los jardines y el tamaño del territorio foul cambian la probabilidad de hit y de out.
- Clima y viento: la temperatura, la humedad y la dirección del viento influyen en la distancia de vuelo de la bola, y el modelo las incorpora junto con el factor de estadio.
Coors Field figura desde hace años entre los estadios con el Park Factor más alto de MLB Statcast (índice de alrededor de 112; 100 es la media de la liga). Fuente: Baseball Savant · Statcast Venue Park Factors.
Factor especial del modelo ②: alineación y combinación defensiva
La alineación, la combinación de bateadores zurdos y diestros y la batería lanzador-receptor cambian juntas la eficiencia en carreras anotadas y permitidas. Los mismos nueve bateadores producen distinto con órdenes al bate distintos, y la coordinación de la batería (Battery) en la selección de lanzamientos también influye en las carreras permitidas. Cuantificamos esto con los datos de carreras de las alineaciones recientes.
| Alineaciones (órdenes al bate titulares recientes) | Partidos | Carreras anotadas por partido | Carreras permitidas por partido | Diferencial de carreras |
|---|---|---|---|---|
| Orden al bate A | 22 | 5.4 | 3.9 | +1.5 |
| Orden al bate B | 18 | 4.1 | 4.8 | -0.7 |
Cómo lo gestionamos: cuando un cambio en la plantilla o en el orden al bate genera demasiada incertidumbre, el modelo excluye directamente los pronósticos de ese equipo; este factor solo vuelve a publicarse cuando la nueva combinación acumula unos 10 partidos sin cambios.
Factor especial del modelo ③: detección de eventos en tiempo real y anomalías de opinión
En la MLB, el lanzador abridor es lo que más pesa en el resultado, y tanto el abridor como la alineación suelen confirmarse solo el día del partido. Los equipos anuncian con antelación a sus abridores probables, pero los cambios de última hora (scratch) son frecuentes; la alineación suele publicarse pocas horas antes del primer lanzamiento, y el clima puede retrasar o aplazar el partido. El modelo sigue mediante API los cambios de abridor, las alineaciones, la lista de lesionados (Injured List) y los aplazamientos por clima, y añade señales de contexto en tiempo real con análisis de sentimiento y detección de anomalías de volumen.
- Minería de eventos y publicaciones: recopila mediante API eventos y publicaciones en redes sociales a partir de palabras clave de equipos y jugadores y etiquetas de partido.
- Limpieza y procesamiento: elimina enlaces, ruido y duplicados, y aplica tokenización (Tokenization) y lematización (Lemmatization).
- Sentimiento y anomalías: clasifica el tono como positivo, negativo o neutro y detecta picos anómalos en el volumen de conversación y el sentimiento.
- Extracción de señales: convierte el tipo de evento y las anomalías de opinión en variables de contexto con las que el modelo ajusta su confianza en ese partido.
Estrategia prudente: si el abridor previsto se cae a última hora, un bateador clave queda fuera de la alineación o el partido se retrasa por el clima, la evaluación original del duelo deja de ser válida. El modelo recalcula con el nuevo abridor y la nueva alineación y, si es necesario, reduce la confianza o no emite pronóstico; no publica pronósticos de alta confianza con una alineación sin confirmar.
Ejemplo: el fichaje de Shohei Ohtani. A finales de 2023, Shohei Ohtani pasó de Los Angeles Angels a Los Angeles Dodgers con un contrato récord. Cuando la estrella de un equipo cambia de club, se alteran a la vez la estructura de la alineación y la atención mediática de ambos equipos, y los datos previos pierden representatividad; el modelo ajusta la confianza con las señales del evento y de la opinión, y vuelve a la valoración normal cuando se acumula nueva muestra.
Preguntas frecuentes sobre el modelo de IA de la MLB
¿Qué tasa de acierto tienen los pronósticos MLB con IA?
Un partido de béisbol es más aleatorio que uno de baloncesto: en la temporada regular, los modelos maduros suelen acertar el ganador entre un 55 y un 60% de las veces, por encima del 50% del azar; ningún servicio que garantice ganancias es fiable. Publicamos los resultados de backtest de cada versión del modelo y los pronósticos reales de cada día para que puedas comprobarlos por tu cuenta.
¿Qué datos usan los pronósticos con IA?
Los datos se dividen en cuatro capas: box score tradicional, indicadores avanzados de eficiencia (wOBA, xFIP, WHIP, etc.), datos individuales por partido (actualizados partido a partido con la Stats API oficial de la MLB) y variables de contexto como la rotación de abridores, los días de descanso o jugar en casa o fuera. Además se incluyen tres factores especiales: Park Factor, combinación de la alineación y eventos en tiempo real y opinión en redes.
¿En qué se diferencia la IA de un analista humano de apuestas deportivas?
Un analista humano entiende mejor el contexto no estructurado, como la motivación o el ambiente del clubhouse, pero puede sufrir sesgos cognitivos y tiene un límite de volumen; la IA procesa de forma coherente gran cantidad de variables, aunque interpreta peor lo que no está en los datos. El proceso más sólido es que la IA filtre y cuantifique y que una persona revise.
¿Por qué algunos partidos no tienen pronóstico de IA?
Dejamos de publicar en dos casos: cuando el abridor o la plantilla acaban de sufrir un cambio importante (hacen falta datos nuevos para reevaluar) o cuando la conversación sobre el partido es anormalmente alta (más factores fuera de control). Si los datos no bastan, no publicamos pronósticos de baja confianza.
¿Cómo empiezo a usar los pronósticos con IA?
Después de que el modelo recalcula cada día (actualización diaria antes de las 06:00, hora peninsular española), la página de pronósticos de IA muestra los pronósticos del día; puedes revisar antes el historial y decidir después si lo tienes en cuenta. Apostar conlleva riesgos. Juega con responsabilidad.
Fuentes y equipo de redacción
- Box score oficial de cada partido y datos en tiempo real: Stats API oficial de la MLB
- Definición de métricas avanzadas como wOBA, xFIP y WAR: FanGraphs
- Balance de los equipos, cLI (índice de apalancamiento de campeonato) y Park Factor: Baseball-Reference
- Datos oficiales y calendario: MLB.com Stats
- Explicación de la nueva norma ABS (zona de strike automatizada) de 2026: Baseball-Reference · ABS Challenge Analysis
- Criterio de los datos de esta página: la tasa de acierto es el valor de backtest histórico de los partidos seleccionados por el modelo (media de las últimas 3 temporadas, alrededor del 68%; última versión, alrededor del 70%); el ROI también es un valor de backtest histórico (media de las últimas 3 temporadas, alrededor del 14%; última versión, alrededor del 16%).
El modelo combina variables propias del béisbol con factores especiales y se recalcula cada día a la misma hora. Cada pronóstico queda guardado en la página de historial para que puedas comprobarlo.