Cuotas, probabilidad y valor (EV): la anatomía matemática de una apuesta rentable

Si tuviéramos que reducir las apuestas deportivas a una sola idea, sería esta: todo es probabilidad mal o bien valorada por un precio llamado cuota.

El resto —rachas, intuición, narrativa, “me gusta este equipo”— es ruido si no está respaldado por números.

En esta guía vamos a construir, paso a paso, el puente entre:

• Cuotas (precio)

• Probabilidad (estimación)

• Valor esperado (EV)

Y, lo más importante, veremos cómo se conectan con la gestión del stake y la supervivencia del bankroll.

---

---

1. Qué es realmente una cuota

En formato decimal (el estándar en España), la cuota representa el retorno total por cada unidad apostada.

Ejemplo:

• Cuota 2.00 → por cada 1€, recibes 2€ (incluye tu stake).

• Cuota 1.50 → por cada 1€, recibes 1.50€.

• Cuota 3.00 → por cada 1€, recibes 3€.

Pero la clave no es cuánto paga.

La clave es qué probabilidad está asumiendo la casa.

2. Probabilidad implícita: lo que el mercado está diciendo

La fórmula es sencilla:

Probabilidad implícita = 1 / cuota

Ejemplos:

• Cuota 2.00 → 1 / 2.00 = 0.50 → 50%

• Cuota 1.80 → 1 / 1.80 = 0.555 → 55.5%

• Cuota 3.50 → 1 / 3.50 = 0.2857 → 28.57%

La cuota es simplemente la inversa de la probabilidad… más el margen de la casa.

El margen (vig o overround)

En un mercado 1X2 típico:

• Local: 2.00

• Empate: 3.40

• Visitante: 3.80

Calculamos probabilidades implícitas:

• 1 / 2.00 = 50%

• 1 / 3.40 = 29.41%

• 1 / 3.80 = 26.32%

Suma total = 105.73%

Ese 5.73% adicional es el margen de la casa.

Hecho: el mercado no ofrece probabilidades “justas”.

Conclusión: debemos encontrar discrepancias entre probabilidad real y probabilidad implícita.

3. Probabilidad real vs probabilidad estimada

Aquí entra el modelo.

La probabilidad real no la conocemos.

Lo que tenemos es una estimación basada en:

• Modelos Poisson (goles).

• Ratings tipo Elo.

• Regresión logística.

• Modelos bayesianos.

• Simulaciones Monte Carlo.

Supongamos que nuestro modelo estima:

• Probabilidad real de victoria: 55%

• Cuota ofrecida: 2.10

Probabilidad implícita = 1 / 2.10 = 47.6%

Existe diferencia.

Pero ¿esa diferencia es suficiente?

4. Valor esperado (EV): la métrica central

La fórmula del valor esperado es:

EV = (p × cuota) − 1

Donde:

• p = probabilidad estimada real

Aplicando el ejemplo:

EV = (0.55 × 2.10) − 1

EV = 1.155 − 1

EV = 0.155

EV = +15.5%

Interpretación:

Por cada unidad apostada, el beneficio medio esperado es 0.155 unidades a largo plazo.

No significa que esta apuesta gane.

Significa que repetida miles de veces, genera rendimiento positivo.

Hechos

• EV positivo no garantiza ganar hoy.

• EV negativo garantiza perder a largo plazo.

• La varianza puede ocultar el edge durante cientos de apuestas.

5. Ejemplo comparativo completo

Imaginemos dos apuestas:

Apuesta A

• Cuota: 1.80

• Probabilidad estimada: 60%

EV = (0.60 × 1.80) − 1

EV = 1.08 − 1

EV = +8%

Apuesta B

• Cuota: 2.50

• Probabilidad estimada: 42%

EV = (0.42 × 2.50) − 1

EV = 1.05 − 1

EV = +5%

Aunque la cuota B es mayor, la apuesta A tiene más valor esperado.

La cuota alta no implica más valor.

Implica más varianza.

6. EV y tamaño del stake

Aquí conectamos con la gestión profesional.

Si EV > 0, la siguiente pregunta es cuánto apostar.

El criterio de Kelly propone:

f* = (b·p − q) / b

Donde:

• b = cuota − 1

• p = probabilidad estimada

• q = 1 − p

Para la apuesta A:

Cuota 1.80 → b = 0.80

p = 0.60

q = 0.40

f* = (0.80 × 0.60 − 0.40) / 0.80

f* = (0.48 − 0.40) / 0.80

f* = 0.08 / 0.80

f* = 0.10

Kelly recomienda apostar 10% del bankroll.

En la práctica profesional se usa Kelly fraccional (½ o ¼) para reducir varianza.

7. Varianza y distribución de resultados

Supongamos:

• EV = +5%

• 1.000 apuestas

• Stake medio = 2% del bankroll

Podemos experimentar:

• 15 pérdidas consecutivas.

• Drawdowns del 25%.

• Meses negativos pese a edge positivo.

Esto no invalida el modelo.

Es estadística.

La clave es entender que:

EV describe el promedio.

La varianza describe el camino hasta ese promedio.

8. Mercado eficiente y Closing Line Value (CLV)

En mercados líquidos, la cuota de cierre tiende a aproximarse a la probabilidad real agregada.

Si sistemáticamente:

• Apostamos a 2.10

• La cuota cierra en 1.95

Estamos obteniendo valor.

El CLV es un indicador empírico de que nuestras estimaciones están alineadas con información superior.

Sin CLV consistente, asumir EV positivo es peligroso.

9. Errores frecuentes en la interpretación del valor

• Confundir cuota alta con valor.

• Ignorar el margen de la casa.

• No cuantificar la probabilidad.

• Sobreestimar la precisión del modelo.

• Aumentar stake tras racha positiva.

El sesgo de confirmación es especialmente dañino: recordamos los aciertos “con valor” y olvidamos los errores sistemáticos.

10. Límites del análisis

• Las probabilidades estimadas tienen error.

• El mercado se adapta.

• La liquidez limita ejecución.

• El edge puede desaparecer.

El EV no es una promesa.

Es una expectativa matemática condicionada a la calidad de la estimación.

Conclusión

Las apuestas deportivas no son una cuestión de acertar más partidos que otros.

Son una cuestión de pagar menos por la probabilidad de lo que realmente vale.

Cuota es precio.

Probabilidad es estimación.

Valor esperado es la diferencia entre ambos.

Si no calculas EV, estás jugando.

Si lo calculas y gestionas stake correctamente, estás invirtiendo con riesgo.

Checklist profesional antes de apostar

• ¿He convertido la cuota en probabilidad implícita?

• ¿He estimado mi probabilidad con método objetivo?

• ¿He calculado el EV?

• ¿He considerado el margen del mercado?

• ¿Mi stake es coherente con el edge?

• ¿Tengo evidencia de CLV positivo histórico?

Si alguna respuesta es no, la apuesta no está lista.