El resultado exacto es el mercado con cuotas más altas — y el favorito de los apostadores impulsivos
Hay una historia que cuento a todo apostador novato que me dice que quiere «probar» el resultado exacto. En mi segundo año de apuestas, aposté al 2-1 en un derbi con cuota 8.50 porque «sentia» que ese seria el marcador. No tenia ningún dato que lo respaldara. El partido término 2-1 y cobré 425 euros de un stake de 50. Me sentí un genio durante exactamente dos semanas — el tiempo que tardé en perder esos 425 euros y 300 más intentando replicar el acierto. El resultado exacto es una droga: la recompensa es enorme y la frecuencia de acierto es tan baja que necesitas una disciplina ferrea para no caer en la trampa del juego compulsivo.
El margen promedio de las casas de apuestas en España para fútbol es del 5,71% en mercados principales, pero en resultado exacto los overrounds pueden superar el 20-30%. Los operadores aplican márgenes enormes a este mercado porque la demanda del público recreativo es alta — las cuotas de dos y tres cifras atraen apostadores impulsivos — y porque el número de resultados posibles es tan grande que las imprecisiones se diluyen.
Cómo se forman las cuotas de resultado exacto y qué margen llevan
Un mercado 1X2 tiene tres resultados posibles. Un mercado de resultado exacto tiene entre 20 y 40 resultados posibles dependiendo de cuantos marcadores ofrezca el operador (0-0, 1-0, 0-1, 2-1, 1-2… hasta 4-3, 5-0 y un genérico «cualquier otro resultado»). Cada resultado adicional es una oportunidad para que el operador incorpore margen.
La forma en que los operadores fijan las cuotas de resultado exacto empieza con un modelo de distribución de Poisson — un modelo estadístico que estima la probabilidad de cada marcador basandose en la media de goles esperados de cada equipo. Si el equipo local tiene un xG esperado de 1.5 y el visitante de 0.8, el modelo de Poisson calcula la probabilidad de cada marcador: 0-0, 1-0, 0-1, 1-1… y así sucesivamente. Los penaltis tienen un xG de 0.76 — una tasa de conversión histórica del 76% — y ese factor se incorpora al modelo cuando hay datos que sugieran penaltis probables.
Después de obtener las probabilidades base, el operador añade su margen — típicamente entre un 15% y un 30% en resultado exacto, distribuido de forma no uniforme. Los marcadores más probables (1-0, 0-0, 1-1) llevan menos margen relativo; los marcadores improbables (4-3, 5-2) llevan márgenes enormes porque el operador sabe que los apostadores recreativos buscan cuotas altas sin calcular si el margen es razonable.
Cuándo una apuesta al resultado exacto tiene respaldo analítico
No voy a decirte que nunca apuestes al resultado exacto — seria hipocrita porque yo lo hago, selectivamente. Lo que voy a decirte es que solo tiene sentido cuando el análisis específico del enfrentamiento concentra la probabilidad en un rango estrecho de marcadores.
Equipos que generan 1.0 o más de xG en los primeros 30 minutos ganan el 68% de sus partidos. Cuando dos equipos con xG ofensivo alto se enfrentan, el modelo de Poisson produce una distribución de goles que favorece ciertos marcadores especificos con probabilidades relativamente altas. Si el xG esperado del local es 2.0 y el del visitante es 1.2, los marcadores 2-1, 1-1 y 2-0 concentran una proporción significativa de la probabilidad total. Si la cuota del 2-1 implica una probabilidad inferior a la que mi modelo estima, hay valor.
La condición es rigurosa: solo apuesto al resultado exacto cuando un marcador específico tiene una probabilidad estimada superior al 10% y la cuota ofrece un EV positivo del 5% o mas. Con un umbral del 10% de probabilidad, necesito acertar al menos 1 de cada 10 apuestas para estar en equilibrio. Con un EV del 5%, el rendimiento esperado a largo plazo es positivo.
Los partidos donde concentro este tipo de apuestas son enfrentamientos con un favorito claro (xG local muy superior al visitante) donde marcadores como 2-0 o 2-1 tienen probabilidades estimadas del 12-15%, o partidos entre equipos muy igualados donde el 1-1 tiene una probabilidad del 12-14% pero la cuota lo valora como si fuera del 10%.
Usar distribución de xG para estimar probabilidades de marcadores especificos
El modelo de Poisson es mi herramienta principal para resultado exacto, y su input fundamental es el xG esperado de cada equipo para ese partido específico.
El proceso: estimo el xG esperado del equipo local y del visitante usando mi modelo habitual (xG medio ajustado por xGA del rival). Introduzco esos dos valores como parametros lambda de una distribución de Poisson independiente para cada equipo. El modelo calcula la probabilidad de que cada equipo marque 0, 1, 2, 3, 4… goles. Luego multiplico las probabilidades individuales para obtener la probabilidad de cada marcador: P(2-1) = P(Local marca 2) * P(Visitante marca 1).
Un ejemplo con números: xG local = 1.7, xG visitante = 0.9. P(Local marca 2) con Poisson = 0.2640. P(Visitante marca 1) con Poisson = 0.3659. P(2-1) = 0.2640 * 0.3659 = 0.0966, es decir, 9,66%. Si la cuota del 2-1 es 9.00, la probabilidad implícita del operador es 1/9.00 = 11,11%. Mi modelo dice 9,66% — la cuota sobreestima la probabilidad, lo que significa que el operador ofrece valor al alza… pero no. Espera: si el operador dice 11,11% y yo digo 9,66%, el operador cree que es más probable de lo que yo creo. No hay valor para mi. La cuota seria valor solo si mi probabilidad estimada fuera superior a la implícita.
Este tipo de cálculo requiere práctica y un modelo bien calibrado. Los modelos de xG entrenados con casi un millon de tiros y más de 20 variables por disparo son el input más fiable para la estimación de lambda en el Poisson. Sin datos de xG, la estimación se basa en goles reales — que tienen mucha más varianza y producen probabilidades menos fiables. Para profundizar en como funcióna el modelo de xG y como obtener los datos necesarios, la guía de expected goals cubre las fuentes de datos y la interpretación de las métricas que alimentan este análisis.