Estadísticas para apuestas 2026: guía completa de métricas, herramientas y operadores con licencia DGOJ

Estadísticas para apuestas 2026: lo que de verdad mueve la aguja

La estadística en las apuestas deportivas dejó de ser un adorno de previa. En 2026, con cuotas que se mueven en segundos y modelos de mercado que digieren cada dato antes de que abras la app, apostar “por sensaciones” es una forma elegante de pagar la comisión del operador. La pregunta ya no es si usar estadísticas, sino qué métricas tienen señal real, cuáles son ruido y cómo se cruzan con la cuota que te ofrecen.

Esta guía cubre el espectro completo: desde el xG y el xGA en fútbol hasta el ATS y el Pace en la NBA, pasando por el tenis, los córners, el cálculo de la probabilidad implícita y la forma de detectar un value bet que no sea un espejismo. También entra en el barro español: licencias DGOJ, fiscalidad autonómica y los operadores que realmente ofrecen datos útiles, no solo un bono con letra pequeña.

El punto de partida es incómodo. Un equipo puede ganar 2-0 con 0,8 xG y perder generando más ocasiones claras que el rival. Ese resultado engaña a la tabla, pero no al modelo. La estadística avanzada sirve para separar el marcador del rendimiento. Y ahí, precisamente, vive el margen del apostador que trabaja con datos.

Si buscas un atajo: la combinación que mejor relación señal/ruido ofrece en 2026 es Understat + FBref + OddsPortal para fútbol, StatPair o los splits de la propia casa para props de jugador, y el comparador de cuotas antes que cualquier pronóstico. El operador importa menos que el precio al que apuestas. Un libro con un margen del 5,5 % en el 1X2 de LaLiga no es lo mismo que otro con un 8 % en el mismo mercado, aunque los dos te vendan “las mejores cuotas”.

Los 9 operadores con licencia DGOJ que ofrecen datos útiles (y los que solo venden humo)

A 9 de octubre de 2026, el buscador de la DGOJ mostraba 78 registros de operadores con licencia. Ese número incluye entidades legales, no marcas, y no todos ofrecen apuestas deportivas con la misma profundidad. Para un apostador que consulta métricas antes de poner dinero, la diferencia práctica está en tres cosas: margen del mercado principal, disponibilidad de estadísticas dentro de la app y transparencia en el rollover del bono. El resto es decoración comercial.

Este ranking no mide popularidad ni tamaño de la bonificación nominal. Mide utilidad real para quien apuesta con datos. La licencia DGOJ es obligatoria para aparecer. Los márgenes son horquillas orientativas en el 1X2 de LaLiga según las comparativas de cuota disponibles en 2026; el margen exacto cambia partido a partido.

1. bet365

La referencia en España por tráfico y por margen ajustado. En el 1X2 de LaLiga, su overround medio ronda el 5,5 %, según el análisis de 1.752 partidos de las cinco grandes ligas. Eso, traducido a euros, significa que por cada 100 € apostados en un mercado equilibrado pierdes bastante menos que en un libro con 8 % de margen. Su app incluye estadísticas de partido, historial de enfrentamientos y splits de local/visitante.

El bono de bienvenida nominal —hasta 200 €— viene con rollover a cuota mínima habitual de 1.20, lo que en la práctica obliga a mover el dinero varias veces antes de retirar. Nada nuevo bajo el sol, pero el precio base compensa. Para un apostador de datos, bet365 es la primera parada obligatoria en las grandes ligas.

La advertencia es la de siempre: el margen del 5,5 % sigue siendo una desventaja estructural. Ganar a largo plazo exige batir ese margen con una ventaja predictiva real, no con una racha de suerte. bet365 no es una ONG; es un libro con el margen más competitivo entre los grandes, y eso ya es decir mucho en el mercado español.

2. Codere

El operador con más capilaridad en España y una integración decente de datos en la app para fútbol y baloncesto. Su margen en LaLiga está por encima del 5 %, según la comparativa de mercado, así que no es la primera opción para un value bet puro. Lo que sí ofrece es estadísticas de córners y tarjetas dentro de la previa, un detalle que muchos libros ignoran.

El bono de hasta 200 € al 100 % del primer depósito (mínimo 10 €) se reparte entre freebets deportivas y casino, con requisitos que conviene leer antes de emocionarse. Codere tiene licencia DGOJ general y singulares para contrapartida, hípicas y otras apuestas. Su red física es su mayor activo, pero para el análisis estadístico puro se queda por detrás de bet365.

La letra pequeña del bono incluye una cuota mínima que suele rondar 2.00. Un freebet de 20 € con esa condición y un rollover de cinco veces no vale 20 €: vale el producto de su valor esperado condicionado a que superes el filtro. Codere no es una excepción; es la norma del mercado.

3. Winamax

El operador francés tiene licencia DGOJ y una presencia creciente en España, especialmente entre jugadores jóvenes. Su punto fuerte son las cuotas promocionales y una interfaz limpia, pero la estadística no es su bandera. La profundidad de mercados en las grandes ligas es razonable, aunque por detrás de bet365 en los mercados principales.

El bono nominal de 150 € en freebets “sin rollover clásico” suena bien hasta que se lee la letra pequeña: las freebets suelen tener una cuota mínima y un plazo de uso, y las ganancias pueden no ser retirables inmediatamente. Para un apostador que usa datos, el valor del bono es secundario frente a la cuota base. Winamax no destaca por su margen, pero su app es rápida y su oferta de directo es amplia.

La advertencia para props y mercados que dependen de feeds externos es la misma que en cualquier libro: la discrepancia entre proveedores de datos puede acabar en reclamación. Si apuestas con datos, verifica siempre la fuente que usa el operador para liquidar.

4. Sportium

La joint venture entre Ladbrokes y Cirsa tiene licencia DGOJ general y singulares, y una cuota de mercado relevante en España. Su margen en LaLiga supera el 5 %, y su propuesta estadística es más básica que la de bet365. Para un apostador de datos puro no es la primera parada, pero su red presencial y su app cumplen para quien combina retail y online.

El depósito mínimo es de 10 € y la velocidad de pago por Bizum es de horas, con retirada en local el mismo día a través de Sportium UNO. La estadística disponible en su web cubre las grandes ligas, pero no entra en métricas avanzadas como xG o splits de jugador.

Sportium es útil para quien busca mercados de campeón o props sencillos, no para quien construye modelos con datos granulares. La licencia DGOJ es su garantía legal; el margen, su limitación.

5. Luckia

Operador con licencia DGOJ y foco en el mercado local. Su oferta estadística está integrada en la sección de apuestas deportivas, con datos de forma y enfrentamientos directos. El margen no es el más competitivo, pero la profundidad de mercados en Segunda División y ligas menores le da un nicho útil para quien busca cuotas fuera del radar de los grandes.

Luckia no aparece entre los operadores con mayor tráfico, pero su presencia en comunidades como el País Vasco y Navarra le permite competir en mercados donde otros libros no llegan con la misma profundidad. Para un apostador especializado en ligas menores, esa profundidad puede valer más que un margen ligeramente mejor en LaLiga.

La estadística que ofrece es básica: forma reciente, H2H y poco más. No es una herramienta de análisis avanzado, pero cumple para quien necesita datos de contexto en mercados menos eficientes.

6. Betfair

La casa de intercambio (exchange) tiene una lógica distinta: no compite con margen, sino con comisión sobre ganancias. La DGOJ prorrogó sus licencias singulares en septiembre de 2026. Para un apostador estadístico, el exchange es el lugar donde la cuota se acerca más a la probabilidad real porque son los propios usuarios quienes la fijan. La contrapartida es la liquidez: en mercados menores o en directo, puede no haber contraparte al precio que buscas.

La comisión típica de Betfair Exchange ronda el 5 % sobre las ganancias netas. Eso significa que, a diferencia de un libro con margen incorporado en la cuota, pagas solo cuando ganas. Para un apostador con ventaja, el exchange puede ser más barato que un libro con overround del 5,5 %; para un apostador sin ventaja, la comisión es igual de implacable.

Betfair no es una casa de apuestas tradicional. Es un mercado. Y como todo mercado, su eficiencia depende de la liquidez. En los mercados principales de LaLiga y la Premier League, la liquidez es alta; en ligas menores, puede ser casi nula.

7. DAZN Bet

La apuesta de DAZN por el betting en España recibió nuevas licencias singulares de la DGOJ en 2026, con una vigencia de cinco años. Su integración con el ecosistema de contenido deportivo es su mayor activo: estadísticas en pantalla durante la retransmisión y una app orientada al directo. Para apuestas prepartido con análisis profundo, su profundidad de mercados todavía está por detrás de bet365.

DAZN Bet no es la primera opción para un modelo estadístico, pero su integración con datos en vivo la hace interesante para apuestas de directo. El margen no está entre los más ajustados, y la estadística disponible en la app es más visual que analítica.

Para un apostador que usa datos, DAZN Bet es un complemento, no una base. Su licencia DGOJ garantiza el marco legal, pero la profundidad de mercados y la estadística granular todavía no compiten con los grandes.

8. bwin

Marca histórica con licencia DGOJ. Su estadística disponible cubre las grandes ligas, pero el margen en LaLiga no está entre los más ajustados. Es útil para mercados de campeón y props de jugador, menos para 1X2 de alta frecuencia. bwin no aparece en las comparativas de margen más competitivas de 2026, lo que lo sitúa en una posición intermedia.

El bono de bienvenida de bwin suele tener condiciones similares a las del resto: cuota mínima, rollover y plazo de uso. La letra pequeña no es peor que la de sus competidores, pero tampoco mejor. Para un apostador de datos, el bono es un extra, no la razón para elegir el libro.

bwin es una opción razonable para quien busca variedad de mercados y una app estable, pero no para quien necesita el margen más bajo o la estadística más profunda.

9. RETAbet

Operador vasco con licencia DGOJ y foco en el mercado local. Su estadística no es su principal reclamo, pero su cuota de mercado en el País Vasco y Navarra le da presencia en mercados donde otros libros no compiten con la misma profundidad. Para un apostador especializado en ligas menores o en mercados regionales, RETAbet puede ofrecer cuotas que no encontrarás en los grandes.

La estadística disponible es básica, similar a la de Luckia. No esperes xG ni splits de jugador; espera forma reciente y H2H. Para un modelo avanzado, RETAbet no es una fuente de datos, pero sí puede ser un libro donde encontrar valor en nichos que el mercado general ignora.

La licencia DGOJ es su garantía legal. El margen, como en casi todos los operadores locales, no es el más competitivo.

Comparativa: bono, licencia, margen y velocidad de pago

La tabla siguiente resume lo que importa para un apostador que usa datos. El margen es una horquilla orientativa en el 1X2 de LaLiga según las comparativas de cuota disponibles en 2026. La velocidad de pago depende del método; se indica la vía más rápida documentada. Las licencias son DGOJ en todos los casos; se especifica la entidad legal cuando está disponible.

La segunda tabla compara las velocidades de pago y los requisitos de rollover de los bonos más habituales. Los datos de rollover son orientativos y pueden cambiar; consulta siempre los términos y condiciones del operador antes de aceptar un bono.

Licencias y fiscalidad en España 2026: el marco que condiciona cualquier estadística

La estadística no opera en el vacío. En España, el regulador es la Dirección General de Ordenación del Juego (DGOJ), y a 9 de octubre de 2026 su buscador mostraba 78 registros de operadores. Ese número es el total de entidades mostradas, no un censo de marcas o dominios: un operador puede tener varias licencias singulares y varios dominios. Cualquier libro que no aparezca en el registro de la DGOJ opera fuera del marco legal español, y tus derechos como usuario no están protegidos.

El régimen fiscal es un laberinto autonómico. El tipo general estatal sobre apuestas deportivas se sitúa en el 15 % sobre la base imponible, pero varias comunidades aplican tipos distintos. Madrid mantiene un 10 % para apuestas deportivas e hípicas. Navarra y la Comunidad Valenciana aplican un 20 % sobre el margen, con la particularidad de que la base imponible no puede ser inferior al 30 % del importe total jugado. Para el apostador, la consecuencia práctica es que el coste del operador varía según dónde tribute, y eso se refleja en la cuota final.

Hay un punto que los textos de marketing omiten: el bono de bienvenida no es “gratis” en el sentido contable. El operador recupera el coste del bono con margen, con rollover y, en muchos casos, con una cuota mínima que excluye las apuestas de valor bajo. Un freebet de 20 € a cuota mínima 2.00 no vale 20 €: vale el producto de su valor esperado condicionado a que superes el filtro. Y si el rollover exige apostar cinco veces el nominal, la probabilidad de retirar algo se reduce de forma geométrica. La “gratis” es una palabra de marketing; la letra pequeña es el modelo de negocio.

Fútbol: xG, xGA y el arte de no confundir el marcador con el rendimiento

El xG (goles esperados) mide la calidad de las ocasiones, no los goles. Un equipo con 2,3 xG y un gol ha generado más de lo que convirtió; uno con 0,7 xG y dos goles ha convertido por encima de lo esperado. La señal estadística no está en el resultado, sino en la desviación entre xG y goles reales. Esa desviación tiende a corregirse con el tiempo, y ahí es donde el apostador informado encuentra valor antes de que el mercado ajuste la cuota.

El xGA (goles esperados concedidos) completa la foto. Un equipo que genera mucho pero concede más de lo que crea tiene un problema estructural que la tabla de puntos puede esconder durante semanas. Cruzar xG y xGA con la posición en la tabla es una de las formas más simples de detectar equipos sobrevalorados por el mercado. Los datos de Understat para las grandes ligas europeas siguen siendo la referencia gratuita en 2026, especialmente después de que FBref perdiera en enero las métricas avanzadas de Opta, incluidos los datos de xG.

xG y xGA: cómo se leen sin caer en la trampa del resultado

El xG no es una predicción. Es una medida de calidad de ocasión basada en la posición, el tipo de remate y la presión del defensor. Un penalti vale aproximadamente 0,76 xG; un remate desde fuera del área vale 0,05. La suma de todos los xG de un equipo en un partido es su xG total, y la comparación con los goles reales dice si el equipo convirtió por encima o por debajo de lo esperado.

La trampa clásica es mirar solo el xG de un partido aislado. Un equipo puede tener 2,5 xG y perder 0-1 porque el portero rival hizo cinco paradas extraordinarias. Eso no significa que el modelo falle; significa que la varianza existe. La señal está en la tendencia a lo largo de cinco o diez partidos, no en un solo resultado.

La combinación de xG a favor y xGA en contra permite calcular un “xG diferencial” que suele correlacionar mejor con los puntos a largo plazo que la propia tabla. Un equipo con xG diferencial positivo pero pocos puntos es un candidato a mejorar; uno con xG diferencial negativo pero muchos puntos es un candidato a caer. El mercado tarda en ajustar estas correcciones, y ahí está la ventaja.

Córners y tarjetas: mercados donde el dato pesa más que el nombre

Los córners dependen del estilo de juego. Un equipo que ataca por bandas y centra mucho genera más córners que uno que combina por el centro. La media de córners por partido, ajustada por el estilo del rival, es una señal más estable que el promedio bruto de la temporada. Los datos de córners por partido están disponibles en FootyStats y en la API de Soccer Stats, y cruzarlos con el estilo del rival es una de las parcelas donde el mercado sigue dando ventaja porque la mira menos.

Las tarjetas dependen del árbitro tanto como de los equipos. Un colegiado con media de 5,5 tarjetas por partido convierte cualquier mercado de “más de 4,5 tarjetas” en un territorio con base estadística. La clave está en cruzar la media del árbitro con la agresividad de los equipos y con el contexto del partido (derbi, lucha por el descenso, eliminatoria). Los datos de árbitro están disponibles en StatPair y en algunas APIs de pago, pero incluso una hoja de cálculo manual con las últimas diez designaciones puede dar ventaja en ligas menores.

El error habitual es tratar los córners y las tarjetas como mercados secundarios. Para un apostador con datos, son mercados primarios porque la eficiencia del precio es menor. Un libro que dedica menos recursos a modelar córners comete más errores en ese mercado que en el 1X2. Ahí está la oportunidad.

H2H: cuándo el historial de enfrentamientos sigue siendo relevante

El H2H (historial de enfrentamientos) es útil, pero con matices. Los últimos cinco duelos directos dicen algo sobre el estilo y el emparejamiento, no sobre el estado de forma actual. Un 2,3 goles de media en los últimos cinco H2H puede inclinar la balanza hacia el over 2.5, pero si el entrenador cambió en verano y el equipo juega con un bloque bajo distinto, el dato histórico pesa menos que el xG de las últimas seis jornadas.

La pregunta correcta no es “¿quién ganó los últimos cinco?”, sino “¿sigue siendo relevante este dato?”. Si los entrenadores, los sistemas y los jugadores clave son los mismos, el H2H tiene señal. Si ha habido un cambio estructural, el H2H es ruido. La estadística buena es la que se pregunta por la relevancia antes de usarla.

El H2H combinado con xG es más potente que el H2H solo. Si un equipo ha ganado los últimos tres duelos directos pero su xG en esos partidos fue inferior al del rival, la señal del H2H es engañosa. Si ha ganado y además ha generado más xG, la señal es consistente. La estadística no consiste en acumular datos, sino en cruzarlos con criterio.

NBA: Pace, ORTG/DRTG y la trampa del ATS sin contexto

La NBA es el deporte donde la estadística avanzada tiene más penetración pública, y eso también significa que el mercado la descuenta más rápido. El Pace mide el ritmo de juego: posesiones por partido. Un equipo con Pace alto genera más posesiones, lo que infla los totales de puntos y afecta directamente a los mercados de over/under. El ORTG (Offensive Rating) y el DRTG (Defensive Rating) ajustan el rendimiento ofensivo y defensivo por posesión, no por partido, lo que permite comparar equipos que juegan a ritmos distintos.

El ATS (Against The Spread) es la métrica de moda: qué porcentaje de partidos cubre un equipo contra la línea de puntos. A mediados de febrero de 2026, Phoenix Suns lideraba la liga con un 64,8 % ATS, seguido de Charlotte Hornets con un 59,3 % y Denver Nuggets con un 57,4 %. Son cifras llamativas, pero el ATS sin contexto es una trampa: un equipo puede cubrir spreads porque el mercado lo infravalora al inicio de temporada, y dejar de cubrirlos cuando la línea se ajusta. La pregunta correcta no es “¿quién cubre más?”, sino “¿el precio actual sigue reflejando esa ventaja?”.

Pace y ORTG/DRTG: la base de cualquier modelo NBA

El Pace se calcula dividiendo las posesiones totales de un equipo entre los partidos jugados. Un equipo con Pace 102 juega más rápido que uno con Pace 96. Eso significa que sus partidos tienen más posesiones y, en promedio, más puntos. Para el mercado de totales, el Pace es la primera variable que hay que mirar. Para el mercado de hándicap, el ORTG y el DRTG son más relevantes porque ajustan por posesión.

El ORTG mide puntos anotados por cada 100 posesiones; el DRTG, puntos concedidos por cada 100 posesiones. La diferencia entre ambos es el net rating, una de las métricas más predictivas del rendimiento futuro. Un equipo con net rating alto pero récord mediocre suele corregir al alza; uno con récord bueno pero net rating bajo suele corregir a la baja. El mercado no siempre ajusta estas correcciones con la velocidad que el apostador de datos desearía.

La combinación de Pace y net rating permite clasificar a los equipos en cuatro arquetipos: rápidos y eficientes, rápidos e ineficientes, lentos y eficientes, lentos e ineficientes. Cada arquetipo tiene implicaciones distintas para los mercados de totales y hándicap. Un equipo rápido e ineficiente genera muchos puntos pero concede también muchos; un equipo lento y eficiente genera pocos puntos pero de alta calidad. El precio de los totales no siempre refleja estas diferencias.

ATS: qué mide realmente y por qué no es una bola de cristal

El ATS mide el porcentaje de partidos en los que un equipo cubre la línea de puntos. Un 64,8 % como el de Phoenix a mediados de febrero de 2026 es excepcional, pero no necesariamente sostenible. Si el mercado ajusta la línea al alza en los partidos siguientes, el equipo puede seguir ganando pero dejar de cubrir. El ATS es una medida de rendimiento relativo al precio, no de calidad absoluta.

El error clásico es perseguir equipos con ATS alto sin comprobar si la línea ya se ha movido. Un equipo que cubrió el 60 % de sus partidos en la primera mitad de la temporada puede ver cómo su ATS cae en la segunda mitad si el mercado empieza a poner líneas más exigentes. El ATS pasado no garantiza el ATS futuro; la línea es la que manda.

El ATS es útil como punto de partida para identificar equipos que el mercado ha infravalorado o sobrevalorado, pero no como señal de apuesta por sí solo. La señal completa requiere cruzar el ATS con el net rating, el descanso, los viajes y las lesiones. Un equipo con ATS alto y net rating alto es más sostenible que uno con ATS alto y net rating bajo.

Garbage time: la estadística que contamina los props de jugador

El “garbage time” es el tiempo de juego que se disputa cuando el resultado ya está decidido. En esos minutos, los equipos suelen dar minutos a suplentes, bajar la intensidad defensiva y acelerar el ritmo. Las estadísticas acumuladas en garbage time pueden inflar los promedios de un jugador y contaminar los props del partido siguiente si el modelo no ajusta por contexto.

La solución es usar splits por margen de victoria y por cuarto. Un jugador que promedia 18 puntos pero solo 12 en partidos decididos por menos de 10 puntos es menos fiable en un partido igualado que uno que promedia 16 pero mantiene 15 en contextos ajustados. Los splits están disponibles en StatPair y en algunas APIs de pago, pero requieren un trabajo que la app del operador no te da.

El garbage time no es un problema menor. En una liga con 82 partidos, los minutos de basura se acumulan y pueden distorsionar los promedios de toda una temporada. Un modelo que no ajusta por contexto está condenado a sobrevalorar a jugadores de equipos que ganan o pierden por márgenes amplios con frecuencia.

Tenis: el primer set y el valor en los no favoritos

El tenis tiene una estructura de datos distinta a la de los deportes de equipo. No hay xG, pero hay algo igual de potente: la relación entre el primer set y el resultado final. En una muestra de 4.650 partidos ATP con cuotas de previa, el favorito que ganaba el primer set se llevaba el partido el 80,7 % de las veces. Es una mejora de casi 13 puntos porcentuales sobre la base incondicional, y explica por qué el mercado de “ganador del primer set” y el de “ganador del partido” no siempre están alineados.

El primer set como predictor: 80,7 % no es una garantía

El 80,7 % es una media. En superficies rápidas y con favoritos muy claros, la conversión puede superar el 85 %; en tierra batida y con favoritos ajustados, puede bajar del 75 %. El dato agregado es útil, pero el contexto de superficie y cuota es imprescindible para convertirlo en una señal de apuesta.

El mercado de “ganador del primer set” suele estar menos ajustado que el de “ganador del partido” porque el volumen de apuestas es menor. Eso crea ineficiencias que un apostador con datos puede explotar si tiene una estimación razonable de la probabilidad de que el favorito gane el primer set. Si el mercado ofrece una cuota para el favorito en el primer set que implica una probabilidad menor que la que tú estimas, hay valor.

La trampa es doble: el primer set no siempre refleja el resultado final, y el mercado de primer set puede tener márgenes más altos que el de partido. El apostador debe calcular el margen de ese mercado específico antes de asumir que la ineficiencia es real. No todos los mercados secundarios son igual de ineficientes.

Servicio: la métrica reina en tenis

El servicio es la métrica más predictiva en tenis. El porcentaje de primeros saques, los puntos ganados con primer y segundo saque, y los break points salvados son más predictivos que el ranking. Un tenista con un 65 % de primeros saques y un 78 % de puntos ganados con el primero es difícil de quebrar, incluso si el ranking no lo pone como favorito.

Los datos de Tennis Abstract y de UTR Sports permiten cruzar estas métricas con la superficie, que en tenis es un factor de contexto tan importante como el xG en fútbol. Un sacador dominante en pista rápida tiene una ventaja estructural mayor que en tierra batida, donde el resto tiene más tiempo para neutralizar el saque. El precio del mercado no siempre refleja esta interacción.

El servicio también ayuda a modelar el mercado de “total de juegos”. Un partido entre dos sacadores dominantes tiende a tener pocos breaks y, por tanto, menos juegos; un partido entre dos restadores fuertes tiende a tener más breaks y más juegos. La combinación de estadísticas de servicio con la superficie es una de las señales más estables en el tenis.

Quinta manga y no favoritos: el valor que el mercado sobreestima

En partidos largos, el mercado tiende a sobrevalorar el ranking y a infravalorar la resistencia física y la experiencia en quinta manga. No hay una regla universal, pero el dato histórico sugiere que los no favoritos tienen una tasa de victoria en quinta manga superior a la que implica su cuota de previa en determinados contextos. Eso no significa que siempre haya valor, pero sí que el mercado no es perfectamente eficiente en ese rincón.

La clave está en identificar qué no favoritos tienen un perfil de servicio y resistencia que les permite competir en partidos largos. Un jugador con un porcentaje alto de primeros saques y un historial de partidos a cinco sets no es el mismo que un especialista en pista rápida que rara vez juega más de tres sets. El mercado a veces los trata por igual, y ahí está la oportunidad.

La quinta manga es un mercado de nicho, con poca liquidez en muchos libros. Para el apostador con datos, eso es una ventaja y un riesgo: menos ojos mirando el precio, pero también menos contrapartes dispuestas a apostar. En tenis, la liquidez importa tanto como la estadística.

Cómo calcular probabilidad, margen y valor esperado: las cuentas que separan al apostador del cliente

La cuota no es una probabilidad. Es un precio que incluye el margen del operador. Para convertir una cuota decimal en probabilidad implícita, se divide 1 entre la cuota. Si la cuota es 2,10, la probabilidad implícita es 47,6 %. Si sumas las probabilidades implícitas de todos los resultados posibles de un mercado 1X2, el total supera el 100 %. Ese exceso es el overround, y es la comisión que el libro cobra por organizar el mercado.

Probabilidad implícita: la conversión que todo apostador debería saber de memoria

Para un mercado 1X2 con cuotas de 2,10, 3,40 y 3,60, las probabilidades implícitas son 47,62 %, 29,41 % y 27,78 %. La suma es 104,81 %, lo que significa un overround del 4,81 %. Ese 4,81 % es el margen teórico del libro si las apuestas se reparten proporcionalmente. En la práctica, el margen no se reparte por igual: los longshots suelen llevar más margen que los favoritos.

La probabilidad implícita no es la probabilidad real. Es la probabilidad que el mercado asigna después de incorporar su margen. Para estimar la probabilidad real, hay que quitar el margen, y eso se hace normalizando las probabilidades implícitas para que sumen 100 %. En el ejemplo anterior, las probabilidades normalizadas serían 45,43 %, 28,06 % y 26,51 %. Esa es la estimación del mercado sin margen.

La diferencia entre la probabilidad implícita y la probabilidad real es lo que el apostador intenta batir. Si tu modelo estima que el local tiene un 50 % de ganar y la probabilidad normalizada del mercado es 45,43 %, tu modelo ve valor. Si tu modelo estima un 44 %, no hay valor. La estadística aplicada a las apuestas consiste en estimar esa probabilidad real con menos sesgo que el mercado.

Margen real: cómo se calcula y por qué no es lo mismo que el overround

El overround es la suma de las probabilidades implícitas menos 1. El margen real, en términos de lo que el libro espera ganar, es el overround dividido entre la suma de las probabilidades implícitas. Para el ejemplo anterior, el margen real sería 4,81 % / 104,81 % = 4,59 %. Es una diferencia pequeña, pero se acumula a lo largo de cientos de apuestas.

El margen varía por mercado y por operador. En el 1X2 de LaLiga, bet365 promedia un overround del 5,56 %, mientras que Pinnacle promedia un 3,60 %. En los hándicaps asiáticos, el margen es más bajo: bet365 promedia un 2,98 % y Pinnacle un 2,57 %. Para un apostador de datos, el mercado importa tanto como el operador.

El margen también varía entre apuestas previas y apuestas de cierre. Pinnacle baja su margen del 3,60 % al 3,01 % en el cierre, mientras que bet365 se mantiene en el 5,62 %. Eso significa que el apostador que apuesta temprano paga más margen que el que apuesta cerca del inicio. Si tu modelo tiene ventaja, apostar temprano puede ser mejor porque la línea aún no se ha ajustado; si no tienes ventaja, apostar tarde reduce el coste del margen.

Valor esperado: la fórmula que decide si una apuesta merece la pena

El valor esperado (EV) de una apuesta se calcula multiplicando la probabilidad real estimada por la cuota y restando 1. Si tu modelo estima que un equipo tiene un 50 % de ganar y la cuota es 2,20, el EV es (0,50 × 2,20) − 1 = 0,10, es decir, un 10 % de valor esperado positivo. Si la cuota es 1,90, el EV es (0,50 × 1,90) − 1 = −0,05, un 5 % negativo. La diferencia entre 2,20 y 1,90 en el mismo evento es la diferencia entre un negocio y un pasatiempo caro.

El problema es que la probabilidad real no se conoce. Se estima. Y ahí entran los modelos: Poisson para goles, regresión logística para resultados, o modelos de machine learning que incorporan xG, descanso, viajes y alineaciones. La clave no es la complejidad del modelo, sino la calibración: un modelo que dice 50 % y acierta el 50 % de las veces es más valioso que uno que dice 60 % y acierta el 52 %.

El EV no es una garantía de ganancia en una apuesta individual. Es una medida de rentabilidad a largo plazo. Un EV positivo del 5 % puede perder durante veinte apuestas seguidas; un EV negativo del 5 % puede ganar durante veinte apuestas seguidas. La estadística no elimina la varianza; solo inclina la balanza a tu favor con el tiempo.

Herramientas y apps: el stack gratuito que funciona en 2026

No hace falta pagar una suscripción de 200 € al mes para analizar con datos. La combinación gratuita que cubre el 90 % de las necesidades del apostador español incluye Understat para xG de las grandes ligas, FBref para estadísticas históricas (con la advertencia de que perdió las métricas avanzadas de Opta en enero de 2026), SofaScore y FotMob para el directo, WhoScored para valoraciones de jugadores y OddsPortal para comparar cuotas y seguir el movimiento de las líneas.

Understat y FBref: qué ofrece cada uno después del cambio de 2026

Understat sigue siendo la referencia gratuita para xG en las grandes ligas europeas. Su modelo de goles esperados es independiente de Opta y se ha mantenido disponible después de que FBref perdiera el acceso a las métricas avanzadas de Stats Perform en enero de 2026. Para el apostador que necesita xG partido a partido, Understat es la primera parada.

FBref conserva su archivo histórico y sus estadísticas básicas, pero ya no actualiza xG, xA ni las métricas de presión que dependían de Opta. Sigue siendo útil para datos de carrera, historial de jugadores y estadísticas de equipo, pero para el análisis de xG actual hay que recurrir a Understat o a soluciones de pago.

La combinación de ambas cubre el espectro: FBref para el contexto histórico, Understat para el xG actual. El apostador que solo usa una de las dos se pierde una parte de la foto. La estadística aplicada a las apuestas no consiste en tener la herramienta más cara, sino en cruzar las fuentes gratuitas con criterio.

Comparadores de cuotas: el instrumento más infravalorado

La herramienta más infravalorada es el comparador de cuotas. Un mismo mercado puede tener una diferencia de décimas entre dos libros, y esa diferencia, sumada a lo largo de cien apuestas, es la diferencia entre cerrar el año en positivo o en negativo. Oddschecker y OddsPortal permiten ver no solo la cuota actual, sino su evolución. Si la línea se ha movido en tu contra desde que abriste el mercado, el mercado sabe algo que tú no sabías. Si se ha movido a tu favor, tienes una señal —no una garantía— de que tu lectura puede tener valor.

Los comparadores también permiten calcular el margen real de cada libro en cada mercado. Si un operador ofrece una cuota significativamente peor que la media en un mercado concreto, no es que sea “generoso” en otro; es que su margen es más alto en ese mercado. Para un apostador de datos, el comparador es la forma más rápida de detectar ineficiencias de precio.

La limitación es que los comparadores no siempre cubren los mercados secundarios. En córners, tarjetas o props de jugador, la cobertura es menor, y el apostador tiene que construir su propia hoja de cálculo. No hay atajo para los nichos; ahí la ventaja está en el trabajo manual.

StatPair y los props de jugador: cuándo merece la pena pagar

Para props de jugador y tendencias de acierto, StatPair ofrece una capa que las apps de los operadores no tienen: búsqueda de tendencias tipo “2+ tiros a puerta en los últimos 10 partidos en casa”, con puntuación de confianza y estadísticas de árbitro. Cuesta 4,99 $ al mes con prueba gratuita de siete días. No es imprescindible, pero para quien apuesta córners, tarjetas o props de jugador de forma recurrente, ahorra horas de hoja de cálculo.

La cobertura de StatPair incluye más de 35.000 jugadores en más de 40 ligas, con datos de tiros, faltas, tarjetas y córners. Para un apostador especializado en props, esa profundidad justifica el coste. Para un apostador generalista, las herramientas gratuitas son suficientes.

La advertencia es la de siempre: ninguna herramienta garantiza ganar. StatPair te da datos y tendencias, pero la decisión de apostar y el precio al que apuestas siguen siendo tuyos. La estadística es una ayuda, no una bola de cristal.

Córners y tarjetas: donde el dato pesa más que el nombre

Los mercados de córners y tarjetas son el patio de recreo del apostador estadístico porque el precio se forma con menos eficiencia que el 1X2. Un equipo que ataca por bandas y centra mucho genera córners; un equipo que juega por dentro y combina genera menos. La media de córners por partido, ajustada por el estilo del rival, es una señal más estable que el promedio bruto de la temporada.

El modelo XGBoost para córners: MAE inferior a 2 córners por partido

Un modelo de XGBoost para predecir córners a partir de datos históricos de ligas europeas ha mostrado un error absoluto medio (MAE) inferior a 2 córners por partido. Eso no significa que acierte el total exacto; significa que la predicción está lo bastante cerca como para detectar desajustes con la línea del operador. Si el modelo dice 10,2 y la línea está en 9,5, hay una posible señal. Si el modelo dice 9,8 y la línea está en 10,5, la señal apunta al otro lado.

El modelo no es magia. Requiere datos históricos de córners, tiros, posesión y estilo de juego, y un proceso de validación que evite el sobreajuste. La ventaja del XGBoost sobre modelos más simples es que captura interacciones no lineales entre variables, pero también es más fácil de sobreajustar si la muestra es pequeña. Para ligas con pocos partidos por temporada, un modelo más simple puede ser más robusto.

La aplicación práctica del modelo es limitada si no se combina con el contexto. Un equipo puede tener una media alta de córners porque juega muchos partidos contra rivales que se encierran, pero en un partido contra un rival que presiona alto, la media puede no ser representativa. El modelo es una herramienta, no una respuesta.

Árbitros y tarjetas: el dato que el mercado a veces ignora

Las tarjetas dependen del árbitro tanto como de los equipos. Un colegiado con media de 5,5 tarjetas por partido convierte cualquier mercado de “más de 4,5 tarjetas” en un territorio con base estadística. La clave está en cruzar la media del árbitro con la agresividad de los equipos y con el contexto del partido (derbi, lucha por el descenso, eliminatoria).

Los datos de árbitro están disponibles en StatPair y en algunas APIs de pago, pero incluso una hoja de cálculo manual con las últimas diez designaciones puede dar ventaja en ligas menores. La media de tarjetas de un árbitro no es constante: puede cambiar según la competición, la temporada o el momento del año. El apostador debe actualizar los datos con regularidad.

El contexto del partido es crucial. Un derbi con mucho en juego tiende a tener más tarjetas que un partido intrascendente. Un árbitro con media alta de tarjetas en un partido de alto riesgo es una combinación que el mercado no siempre pricea correctamente. Ahí está la oportunidad para el apostador con datos.

Contexto y estilo: por qué la media bruta de córners engaña

La media bruta de córners de un equipo a lo largo de una temporada mezcla partidos contra rivales muy distintos. Un equipo que promedia 5,5 córners puede tener 8 contra rivales que se encierran y 3 contra rivales que dominan la posesión. El promedio no refleja el contexto, y el mercado a veces usa el promedio como si fuera una predicción.

La solución es ajustar por estilo del rival. Un equipo que centra mucho contra un rival que concede pocos córners por banda no necesariamente generará muchos córners. La interacción entre el estilo ofensivo y el estilo defensivo es lo que determina el total. Los modelos que incorporan esta interacción son más precisos que los que usan promedios simples.

El contexto también incluye el marcador. Un equipo que va perdiendo 0-1 en el minuto 70 tiende a generar más córners porque ataca con más urgencia. Un equipo que va ganando 2-0 tiende a generar menos. El apostador que apuesta córners en directo debe tener en cuenta el marcador y el tiempo restante, no solo la media histórica.

Modelos propios: Poisson, regresión logística y el peligro de sobreajustar

El modelo de Poisson es el punto de entrada más habitual para modelar goles. Se estima la tasa de goles esperados de cada equipo en función de su ataque y su defensa, ajustada por la media de la liga y por la localía, y se calcula la probabilidad de que se marquen 0, 1, 2, 3 o más goles. La distribución de Poisson asume independencia entre los goles, lo que no es del todo cierto —los partidos abiertos generan más goles—, pero como aproximación inicial es sorprendentemente útil.

Poisson: el modelo de goles que sigue funcionando

El modelo de Poisson estima la probabilidad de que un equipo marque k goles usando la fórmula P(k) = (λ^k × e^(−λ)) / k!, donde λ es la tasa de goles esperados. Para calcular λ, se combinan el ataque del equipo, la defensa del rival y la media de la liga. El modelo es simple, interpretable y rápido de implementar en una hoja de cálculo.

La limitación del Poisson es que asume independencia entre los goles de ambos equipos, lo que ignora la correlación que existe en los partidos abiertos. Un modelo más realista usaría una distribución bivariada o un modelo jerárquico, pero para empezar, el Poisson simple es suficiente. La clave está en calibrar λ con datos recientes y ajustar por localía.

El Poisson también sirve para modelar córners y tarjetas, aunque con menos precisión que los modelos de machine learning. Para córners, el Poisson subestima la dispersión porque los córners no son eventos independientes: un córner puede generar otro. Para tarjetas, el Poisson es más razonable porque las tarjetas son eventos más discretos.

Regresión logística: mejor para resultados 1X2

La regresión logística es más adecuada para resultados 1X2 que Poisson, porque no asume una distribución de goles. Se entrena con variables como diferencia de xG, forma reciente, localía y descanso, y devuelve probabilidades directamente. La métrica de evaluación no es el porcentaje de acierto —un modelo puede acertar el 55 % de los partidos y perder dinero—, sino la calibración y el log loss.

La regresión logística es más robusta que el Poisson cuando hay muchos partidos con pocos goles, pero también es más fácil de sobreajustar si se incluyen demasiadas variables. La regla práctica es empezar con tres o cuatro predictores, validar con una temporada completa y comparar las probabilidades del modelo con las cuotas del mercado. Si el modelo discrepa sistemáticamente del mercado en la misma dirección, o el modelo está mal o el mercado tiene una ineficiencia.

La ventaja de la regresión logística es que devuelve probabilidades calibradas por defecto, lo que la hace más fácil de usar en el cálculo del EV. La desventaja es que no captura interacciones complejas entre variables. Para eso están los modelos de machine learning, pero esos requieren más datos y más cuidado con el sobreajuste.

Calibración y sobreajuste: los dos errores que arruinan un modelo

El error clásico es meter demasiadas variables en el modelo. Un modelo con 30 predictores y 200 partidos de muestra parece sofisticado, pero está sobreajustado: memoriza el pasado y falla en el futuro. La regla práctica es empezar con tres o cuatro variables (xG a favor, xG en contra, localía y descanso), validar con una temporada completa y comparar las probabilidades del modelo con las cuotas del mercado.

La calibración es la métrica que importa. Un modelo que dice 50 % y acierta el 50 % de las veces está bien calibrado, aunque su porcentaje de acierto sea solo del 50 %. Un modelo que dice 60 % y acierta el 52 % está mal calibrado, aunque su porcentaje de acierto sea mayor. Para apostar, la calibración es más importante que la precisión.

El sobreajuste se combate con validación cruzada y con una muestra de entrenamiento lo bastante grande. Si el modelo funciona bien en el entrenamiento pero mal en la validación, está sobreajustado. Si funciona igual en ambos, es robusto. La estadística aplicada a las apuestas no consiste en tener el modelo más complejo, sino en tener el modelo más honesto con sus limitaciones.

Bankroll, varianza y juego responsable: la estadística no elimina la mala racha

Un modelo con un 5 % de ventaja sobre el mercado sigue perdiendo rachas de diez apuestas seguidas con una frecuencia perfectamente predecible. La varianza no es un fallo del sistema; es una propiedad del sistema. Por eso el tamaño de la apuesta importa tanto como la selección. El criterio de Kelly —apostar un porcentaje del bankroll proporcional a la ventaja estimada— maximiza el crecimiento a largo plazo, pero es demasiado agresivo para la mayoría de los mortales.

Kelly y fracciones de Kelly: cuánto apostar cuando tienes ventaja

El criterio de Kelly completo apuesta una fracción del bankroll igual a la ventaja dividida entre la cuota menos 1. Si tu ventaja es del 5 % y la cuota es 2,00, la fracción de Kelly es 5 % / (2,00 − 1) = 5 %. Apostar el 5 % del bankroll en cada apuesta con esa ventaja maximiza el crecimiento esperado, pero también implica una volatilidad enorme. Una racha de diez derrotas seguidas puede reducir el bankroll a la mitad.

La práctica habitual es aplicar una fracción de Kelly (medio Kelly o un cuarto de Kelly) para suavizar la volatilidad. Con medio Kelly, apostarías el 2,5 % del bankroll en el ejemplo anterior. Con un cuarto de Kelly, el 1,25 %. La elección depende de la tolerancia al riesgo y de la confianza en el modelo. Un modelo mal calibrado puede hacer que Kelly completo sea ruinoso.

La regla del 1–2 % del bankroll por apuesta es conservadora, pero mantiene al apostador en el juego el tiempo suficiente para que la ventaja estadística se materialice. Si apuestas el 10 % del bankroll en cada selección, una racha de cinco derrotas —que ocurre— te deja fuera. Si apuestas el 2 %, la misma racha te deja tocado pero operativo. La estadística no perdona la mala gestión del dinero.

La regla del 1–2 % y por qué el bankroll es tu activo más importante

La regla del 1–2 % no es una ley física, pero es una convención sensata. Si tu bankroll es de 1.000 € y apuestas el 2 % (20 €) por selección, puedes soportar 50 derrotas consecutivas antes de quedarte sin bankroll. Si apuestas el 10 % (100 €), solo necesitas 10 derrotas consecutivas para arruinarte. La diferencia entre 10 y 50 derrotas consecutivas es la diferencia entre un pasatiempo y una catástrofe financiera.

El bankroll no es solo dinero; es la capacidad de seguir operando cuando el modelo pasa por una mala racha. Un modelo con ventaja del 5 % puede tener rachas de 15 derrotas seguidas con una probabilidad no despreciable. Si el bankroll no soporta esas rachas, el modelo nunca tendrá la oportunidad de demostrar su ventaja a largo plazo.

La gestión del bankroll es parte de la estadística aplicada a las apuestas. No se puede separar el modelo de la gestión del dinero. Un modelo perfecto con una gestión ruinosa es un modelo perdedor. Una gestión conservadora con un modelo mediocre es un modelo que sobrevive, pero no necesariamente gana.

Juego responsable: los límites que el apostador de datos también necesita

La responsabilidad no es un eslogan de la casa de apuestas. Es la condición para que la estadística tenga sentido. Si el bankroll se rompe, el modelo más preciso del mundo deja de importar. Los límites de depósito, las pausas y la autoexclusión existen por algo, y un apostador que trabaja con datos debería tratarlos como parte de su sistema, no como una imposición externa.

El juego responsable también incluye la honestidad con uno mismo. Si el modelo no funciona después de 200 apuestas, no es “mala suerte”; es que el modelo no tiene ventaja. La estadística requiere humildad para aceptar que el mercado puede tener razón. Un apostador que no acepta esa posibilidad está condenado a perseguir pérdidas.

La DGOJ exige a los operadores con licencia que ofrezcan herramientas de juego responsable, y el apostador debería usarlas. No como una señal de debilidad, sino como parte de una estrategia a largo plazo. La estadística no elimina el riesgo; lo gestiona. Y la gestión del riesgo incluye la gestión de uno mismo.

¿Qué estadística es más importante para apostar en fútbol?

El xG y el xGA son las métricas con mayor señal a medio plazo porque miden la calidad de las ocasiones, no el resultado. Cruzarlas con la forma reciente y con el estilo del rival ofrece una foto más fiable que la tabla de puntos. Los córners y las tarjetas son valiosos en mercados específicos, pero como complemento, no como base única.

¿Las estadísticas garantizan ganar apuestas?

No. Garantizan una estimación de probabilidad con menos sesgo que la intuición, pero la varianza sigue existiendo y el margen del operador sigue ahí. Un modelo con ventaja del 5 % puede perder durante semanas. La estadística mejora el proceso, no promete el resultado. Quien promete ganar siempre está vendiendo humo o un curso.

¿Cuál es la mejor página gratuita de estadísticas para apuestas?

Understat para xG de las grandes ligas europeas, FBref para histórico y SofaScore o FotMob para el directo. Para comparar cuotas, OddsPortal. La combinación de estas cuatro cubre la mayoría de las necesidades sin pagar suscripción. Para props de jugador y tendencias de acierto, StatPair añade una capa que las gratuitas no tienen.

¿Cómo se calcula el valor de una apuesta?

Multiplicando la probabilidad estimada por la cuota decimal y restando 1. Si el resultado es positivo, la apuesta tiene valor esperado positivo según tu modelo. Si es negativo, no lo tiene. La dificultad está en estimar la probabilidad real con precisión, y ahí es donde entran los datos y la calibración del modelo.

¿Merece la pena el bono de bienvenida de las casas de apuestas?

Depende del rollover y de la cuota mínima. Un bono de 200 € con rollover a cuota 2.00 y cinco repeticiones vale mucho menos de 200 € en términos de valor esperado. Antes de aceptarlo, calcula cuánto tendrás que apostar para liberarlo y qué probabilidad tienes de superar el filtro. Si el coste de oportunidad supera el valor del bono, no es un regalo; es una trampa con lazo.

¿La estadística funciona igual en NBA que en fútbol?

No. La NBA tiene más posesiones, más partidos y un mercado más eficiente en los principales mercados. El ATS y el Pace son útiles, pero el margen del operador se compensa con una mayor liquidez. En fútbol, el xG y los mercados de córners ofrecen más ineficiencias porque el mercado mira menos esos rincones. La estadística se adapta al deporte, no al revés.

¿Qué licencia debe tener una casa de apuestas para operar en España?

La licencia de la Dirección General de Ordenación del Juego (DGOJ). En 2026, el regulador mantiene 78 registros de operadores, aunque ese número incluye entidades legales y no marcas individuales. Cualquier libro que no figure en ese registro opera fuera del marco legal español, y tus derechos como usuario no están protegidos. La licencia no garantiza mejores cuotas, pero garantiza que hay un regulador al que reclamar.