← Todos los artículos
· 2 min de lectura

Value Betting Engine: del modelo de probabilidad a la apuesta de valor con el criterio de Kelly

Ganar apostando no es acertar resultados, es encontrar cuotas mal puestas. Construí un motor que compara la probabilidad de mi modelo con las cuotas de 350+ casas y dimensiona cada apuesta con el criterio de Kelly.

#Finanzas cuantitativas#Apuestas deportivas#Kelly Criterion#Backtesting
Value Betting Engine: del modelo de probabilidad a la apuesta de valor con el criterio de Kelly

Hay un malentendido fundamental sobre las apuestas deportivas: la gente cree que se trata de acertar quién gana. No es así. Se trata de encontrar situaciones en las que la cuota del mercado está equivocada respecto a la probabilidad real. Eso es el value betting, y es matemáticamente idéntico a buscar activos infravalorados en bolsa.

El problema

Necesitaba dos cosas: (1) una estimación propia y fiable de la probabilidad de cada resultado, y (2) una forma de compararla con las cuotas del mercado para detectar valor y dimensionar la apuesta sin arruinarme.

La probabilidad: reutilizar el Sports Engine

Las probabilidades vienen del modelo del Sports Performance Engine (ensemble LightGBM + XGBoost sobre datos StatsBomb). Reutilizar ese motor fue una decisión de arquitectura: un buen modelo de predicción deportiva es la base sobre la que se construye el value betting.

Detectar valor: EV > 0

Para cada mercado consulto las cuotas de más de 350 casas vía OddsPapi. La señal de valor es simple pero implacable: el valor esperado de la apuesta, EV = p · (cuota − 1) − (1 − p), donde p es mi probabilidad estimada. Solo entran las apuestas con EV positivo: aquellas donde el mercado paga más de lo que el riesgo justifica.

Dimensionar: el criterio de Kelly

Detectar valor no basta; hay que decidir cuánto apostar. El criterio de Kelly da la fracción del capital que maximiza el crecimiento geométrico a largo plazo: f = (p · b − q) / b. En la práctica uso un Kelly fraccional (una fracción de lo que recomienda) porque el Kelly puro es demasiado agresivo y muy sensible a errores en la estimación de p.

Validación: backtesting 2022–2024

Toda la lógica se validó con backtesting sobre datos de 2022 a 2024, simulando el bankroll a lo largo del tiempo para comprobar que la estrategia sobrevive a las rachas malas —que las hay, incluso con EV positivo.

Qué aprendí

Que la gestión del riesgo (Kelly) es tan importante como la detección de la oportunidad (EV). Un buen modelo con mal sizing quiebra; un modelo modesto con sizing disciplinado sobrevive. La misma lección que en cualquier mesa de trading.

Sobre este proyecto

Value Betting Engine

Mejoras en el endpoint de top picks para devolver picks en lenguaje humano y conexión a api.py mediante top_picks_router (147)

Sigue leyendo