Metodología
11Stat es una plataforma de análisis de datos de fútbol que modela los partidos con tres motores de probabilidad independientes, fuentes de datos transparentes y controles de calibración; cada resultado es una señal analítica del modelo, nunca un consejo de apuestas ni un resultado garantizado.
Los modelos y motores que usamos
En lugar de una única 'fórmula mágica', 11Stat ejecuta tres motores independientes que se verifican entre sí. Que esos motores coincidan o no en un mercado es, para nosotros, una señal tan importante como la probabilidad misma: la llamamos concordancia de modelos.
- Motor SHARP (Poisson + Dixon-Coles): Deriva los goles esperados (xG) como una mezcla ponderada del rendimiento de la temporada, la forma reciente y la forma específica como local/visitante (aproximadamente 40% temporada, 40% forma general, 20% forma específica), construye una matriz de puntuaciones de Poisson y luego aplica la corrección de Dixon-Coles para que las puntuaciones bajas coincidan con su frecuencia real.
- Motor 888 (Elo + forma): Modela la fuerza del equipo con una calificación Elo y el impulso con una medida de puntos por partido (PPG) que da más peso a los partidos recientes.
- Motor avanzado (Poisson bivariante): Usa una distribución de Poisson de dos variables con un parámetro de dependencia compartido (rho) más un ajuste de puntuaciones bajas, de modo que los goles del local y del visitante no se tratan como completamente independientes.
El resultado de cada motor se convierte en mercados como resultado del partido (1X2), líneas de goles (Más/Menos 1.5/2.5/3.5), ambos equipos marcan (BTTS), medio tiempo/final y bandas de goles totales. Los tres motores se comparan por mercado, y cuántos coinciden alimenta directamente la etiqueta de confianza del resultado.
Fuentes de datos y actualización
Las entradas del modelo provienen de un proveedor de datos deportivos en vivo: calendarios, resultados de partidos finalizados y cuotas de las casas de apuestas. No usamos cuotas sintéticas ni inventadas a mano; si no existe un precio de mercado real para un partido, ese mercado se excluye de cualquier cálculo de valor.
- Historial de partidos: Para cada equipo usamos los partidos recientes (normalmente los últimos ~12 encuentros).
- Diseño puntual en el tiempo, sin fugas de datos: Al modelar un partido solo consideramos los encuentros jugados antes del inicio de ese partido. Esto evita la fuga de datos por anticipación.
- Cuotas reales: El valor y el margen se calculan frente a cuotas reales de las casas de apuestas siempre que es posible. Para los mercados cuyas cuotas no siempre pueden obtenerse (por ejemplo, medio tiempo/final y bandas de goles totales), el precio utilizado es una estimación y se señala claramente en el resultado, de modo que el 'valor' de ese mercado se trata solo como indicativo.
Cuando un partido carece de suficiente historial (por ejemplo, menos de 3 encuentros previos) o no tiene cuotas, el sistema devuelve deliberadamente 'sin señal'. No rellenamos vacíos para fabricar un pronóstico forzado.
Calibración: acercar las probabilidades a la realidad
Las probabilidades brutas del modelo suelen ser demasiado confiadas. La calibración es el paso que las corrige, con el objetivo de que 'cuando decimos 70%, a largo plazo realmente ocurra alrededor del 70% de las veces.'
- Contracción en el espacio logit: Para cada mercado, las probabilidades se acercan suavemente a 0.5 en el espacio logit mediante una transformación tipo Platt con una pendiente algo menor que 1. Esto reduce el exceso de confianza a la vez que conserva el orden.
- Factor de mercado aprendido (contracción bayesiana): La diferencia entre la tasa de acierto observada y la probabilidad predicha construye un factor de corrección con el tiempo. Con una muestra pequeña, el factor se acerca a lo neutral (1.0); a medida que se acumulan datos, se aproxima a la tasa observada. El factor está limitado por una banda simétrica (≈0.85–1.15), de modo que puede corregir tanto el exceso como la falta de confianza.
Este diseño reemplaza una implementación anterior y defectuosa que recortaba silenciosamente ~5% de cada probabilidad. El objetivo es una probabilidad honesta, no la manipulación.
Backtesting y ROI simulado (no ganancias reales)
Medimos la calidad del modelo con un backtest sin fugas de datos sobre partidos históricos. El ROI y la tasa de acierto aquí son métricas de calidad simuladas, solo sobre el papel: no son rendimientos con dinero real ni garantizan el desempeño futuro.
- Puntuación de Brier: Mide la calibración de la probabilidad (0 = perfecta, 0.25 = no informativa). Un valor superior a 0.25 activa una advertencia de calibración.
- Umbral de muestra: Un mercado necesita al menos 20 señales seleccionadas antes de confiar en su ROI/tasa de acierto; los totales inferiores a 80 se marcan como 'aún no fiables'.
- Control de concentración: Si un solo mercado representa más del 55% de las selecciones, se marca como riesgo de sobreajuste.
- Salud del mercado: Los mercados con ROI negativo en dos backtests consecutivos, o con un alto error de calibración, se desactivan automáticamente en la siguiente ejecución (por ejemplo, el mercado de goles totales está desactivado por defecto hasta que demuestre valor).
Todos estos controles existen para exponer las debilidades del modelo en lugar de hacer que los resultados parezcan mejores de lo que son.
Limitaciones conocidas e incertidumbre
Ningún modelo de fútbol puede conocer el futuro. Estas son las limitaciones que 11Stat mantiene deliberadamente transparentes:
- El fútbol es intrínsecamente de alta varianza; en muestras pequeñas, la suerte puede importar más que el modelo.
- Variables de contexto como lesiones, rotación de plantilla, clima, arbitraje y motivación no siempre pueden capturarse por completo.
- Como las cuotas de algunos mercados (medio tiempo/final, goles totales) no están disponibles para todos los partidos, sus cálculos de valor son solo indicativos.
- Las cuotas de las casas de apuestas suelen valorar el mercado de forma eficiente; un margen real a largo plazo es poco frecuente y no debería afirmarse a menos que se mida frente al precio de cierre.
Por eso cada resultado incluye un nivel de riesgo y una etiqueta de confianza: mostramos la incertidumbre en lugar de ocultarla.
Límite del producto: análisis de datos, no apuestas
11Stat es una plataforma de análisis de datos de fútbol y evaluación de modelos; no es una casa de apuestas, un vendedor de cupones ni una herramienta de automatización de juego. Aquí es precisamente donde la diferencia entre 'pronósticos de fútbol' y 'análisis basado en datos' se vuelve concreta.
- Nuestros resultados son señales analíticas (modelos de probabilidad, goles esperados, concordancia de modelos y nivel de riesgo), no instrucciones para realizar una apuesta.
- Nunca presentamos ningún resultado como 'garantizado', 'seguro' o 'fijo', porque la probabilidad, por definición, conlleva incertidumbre.
- El ROI y la tasa de acierto son métricas de calidad de la simulación, no una promesa de ganancias con dinero real.
En resumen: no te decimos qué apostar. Te mostramos de forma transparente lo que dicen los datos, cuánta confianza tiene el modelo y qué tan preciso ha sido históricamente. La decisión —y la responsabilidad— quedan por completo en manos del usuario.
Preguntas Frecuentes
¿Es 11Stat un sitio de apuestas?
No. 11Stat es una plataforma de análisis de datos de fútbol y evaluación de modelos. No acepta apuestas, no vende cupones ni ofrece automatización de juego; solo produce modelos de probabilidad y señales analíticas.
¿El ROI que se muestra es una ganancia real?
No. El ROI y la tasa de acierto son métricas de calidad simuladas, solo sobre el papel, provenientes de backtests sobre partidos históricos. No representan rendimientos con dinero real ni garantizan el desempeño futuro.
¿Qué modelos usan?
Tres motores independientes: un motor SHARP basado en Poisson + Dixon-Coles, un motor 888 basado en Elo + forma, y un motor avanzado basado en una distribución de Poisson bivariante. Los resultados se comparan por mercado.
¿Cómo calibran las probabilidades?
Las probabilidades se contraen suavemente en el espacio logit y se ajustan con un factor de mercado aprendido que refleja la tasa de acierto observada y se acerca a lo neutral cuando las muestras son pequeñas. Medimos la calibración con la puntuación de Brier.
¿Qué tan actualizados están los datos y están libres de fugas?
Los datos provienen de un proveedor de datos deportivos en vivo, y cada partido se modela usando únicamente los encuentros jugados antes de su inicio (puntual en el tiempo). Esto evita la fuga de datos por anticipación.