xG, Elo y Dixon-Coles: Modelos Predictivos Aplicados a las Apuestas de Fútbol
Índice de contenidos
Modelos predictivos en el fútbol: por qué el análisis cuantitativo importa para apostar
Durante mis primeros años apostando en la Champions League, mis predicciones se basaban en lo que veía en los partidos, lo que leía en la prensa y lo que mi intuición me decía. Acertaba más de lo que fallaba, pero mi rendimiento era mediocre: las apuestas que ganaba no compensaban suficientemente las que perdía. El punto de inflexión llegó cuando empecé a incorporar modelos cuantitativos a mi análisis. No fue magia — fue disciplina numérica aplicada a un deporte que la mayoría analiza solo con narrativas.
Los modelos predictivos no aciertan siempre. Ningún modelo lo hace. Pero producen estimaciones de probabilidad más consistentes y menos sesgadas que el juicio humano, y esa consistencia es lo que genera rendimiento positivo a largo plazo. Voy a explicar los tres modelos que uso con más frecuencia — xG, Elo y Dixon-Coles — y cómo los aplico a las apuestas de la Champions.
Expected Goals: qué mide, cómo se calcula y su utilidad en apuestas
La fase de liga 2024/25 registró una media de 3,26 goles por partido, la más alta en la historia de la Champions. Ese dato es interesante, pero para el apostador no es suficiente: necesitas saber no solo cuántos goles se marcan, sino cuántos deberían haberse marcado según la calidad de las ocasiones. Ahí es donde entra el xG.
El Expected Goals — xG — asigna a cada disparo una probabilidad de terminar en gol basada en factores como la distancia a portería, el ángulo, la parte del cuerpo utilizada, la posición del portero y si el disparo fue precedido por un pase filtrado, un centro o un error defensivo. Un penalti tiene un xG de aproximadamente 0.76; un remate de cabeza desde el segundo palo tras un córner puede tener un xG de 0.06. Sumando el xG de todos los disparos de un equipo en un partido obtienes el xG total del equipo — la cantidad de goles que «debería» haber marcado según la calidad de sus ocasiones.
Para las apuestas, el xG es valioso porque revela el rendimiento subyacente de un equipo más allá de los resultados. Un equipo que genera 2,3 xG por partido pero solo marca 1,5 goles reales probablemente está teniendo mala suerte o un bajo rendimiento en la definición, y esa diferencia tiende a corregirse con el tiempo. Si las cuotas de ese equipo están basadas en los goles reales — que son bajos — y no en los xG — que son altos —, hay una oportunidad de valor.
Uso el xG principalmente para dos cosas: evaluar el mercado de Over/Under (comparando el xG combinado de ambos equipos con la línea de goles del operador) y detectar equipos infravalorados o sobrevalorados por los resultados recientes. Si un equipo ha perdido tres partidos pero su xG muestra que generó más y mejores ocasiones que sus rivales, las cuotas de su siguiente partido pueden estar infladas a su favor.
Ratings Elo: cómo clasificar equipos para estimar probabilidades
El sistema Elo fue inventado para el ajedrez, pero su lógica se adapta al fútbol con una elegancia que pocos esperaban. La idea es simple: cada equipo tiene una puntuación numérica que sube cuando gana y baja cuando pierde, ajustada por la fuerza del rival y el margen de victoria. Tras suficientes partidos, la puntuación Elo de cada equipo converge hacia un número que refleja su fuerza relativa con alta precisión.
La ventaja del Elo sobre el ranking UEFA oficial es que se actualiza partido a partido y no depende de coeficientes históricos que pueden estar obsoletos. Un equipo que ha mejorado significativamente en los últimos dos años verá su Elo subir rápidamente, mientras que su coeficiente UEFA puede seguir reflejando resultados mediocres de temporadas anteriores. Para las cuotas, que se basan en fuerza actual, el Elo es más relevante.
En la práctica, uso los ratings Elo para generar probabilidades de resultado partido a partido. La diferencia de Elo entre dos equipos se convierte en una expectativa de resultado mediante una fórmula logística: cuanto mayor la diferencia, mayor la probabilidad de victoria del equipo con Elo superior. Comparo esa probabilidad con la probabilidad implícita de la cuota del operador, y cuando la diferencia es significativa, investigo si hay un motivo concreto — lesión, rotación, contexto competitivo — o si el mercado simplemente no ha calibrado bien la fuerza relativa de los equipos.
El Elo tiene limitaciones en la Champions que no tiene en ligas nacionales. Los equipos juegan pocos partidos en la competición — ocho en fase de liga, más los de eliminatorias —, y esos pocos datos hacen que el Elo de Champions sea menos estable que el Elo de liga. Mi solución es combinar el Elo de Champions con el Elo de liga doméstica, ponderando ambos según la fase del torneo.
El modelo Dixon-Coles: predicción de resultados exactos para apuestas
Si el xG y el Elo son herramientas de propósito general, el modelo Dixon-Coles es una herramienta diseñada específicamente para predecir resultados exactos en fútbol. Publicado en 1997, se convirtió rápidamente en la base de muchos modelos profesionales de apuestas, y su lógica sigue siendo relevante casi tres décadas después.
El modelo parte de una premisa: los goles de cada equipo en un partido siguen una distribución de Poisson — es decir, el número de goles marcados por el equipo A es independiente del número marcado por el equipo B, y ambos siguen un patrón estadístico predecible basado en la fuerza ofensiva y defensiva de cada equipo. Dixon y Coles añadieron una corrección para los resultados de baja puntuación — 0-0, 1-0, 0-1, 1-1 —, que la distribución de Poisson estándar no predice bien, y esa corrección mejoró significativamente la precisión del modelo.
En la práctica, el modelo Dixon-Coles me permite generar una tabla de probabilidades para cada resultado exacto posible — 0-0, 1-0, 0-1, 2-0, 2-1, etc. — y compararla con las cuotas que el operador ofrece para el mercado de resultado exacto. Ese mercado tiene márgenes altos — típicamente del 15 al 25% —, pero como hay muchos resultados posibles, las cuotas individuales también son altas, y las discrepancias entre mi modelo y el operador pueden ser sustanciales.
El mercado de resultado exacto no es para todos los apostadores. Requiere confianza en tu modelo, capacidad de aceptar largas rachas de resultados incorrectos y un bankroll que soporte la varianza de apostar a eventos de baja probabilidad. Pero para quien domina la herramienta, es uno de los mercados con mayor potencial de valor en la Champions, precisamente porque pocos apostadores lo trabajan con la profundidad que requiere. Las estrategias analíticas de la Champions combinan estos modelos con criterios prácticos para maximizar su utilidad. La guía de apuestas en la Champions League sitúa estos modelos dentro del panorama completo de mercados, regulación y datos del torneo.
¿Qué modelo predictivo es más útil para apuestas en la Champions?
Depende del mercado. El xG es más útil para mercados de Over/Under y para detectar equipos infravalorados. El Elo es mejor para generar probabilidades de victoria en el 1X2. El Dixon-Coles es específico para el mercado de resultado exacto. Lo ideal es combinar los tres: usar el Elo para una estimación base, ajustar con xG para el contexto reciente y aplicar Dixon-Coles para mercados de resultado exacto.
¿Se pueden obtener datos de xG de forma gratuita?
Sí. Plataformas como FBref, Understat y otras publican datos de xG por equipo y por partido de forma gratuita para las principales ligas y competiciones europeas, incluyendo la Champions League. La calidad de los datos varía entre proveedores, pero para el apostador individual son un punto de partida sólido y accesible.
Creado por la redacción de «Apuesta Champions».
