Modelo de Apuestas MLB: Construye Tu Propio Sistema Desde Cero (2026)

Imagina esto: es martes por la mañana, la cartelera completa de MLB se publica en 3 horas, y tienes 14 juegos para evaluar. Tu intuición dice que los Dodgers son una apuesta segura. Tu amigo jura que los White Sox están "listos". Mientras tanto, el dinero inteligente está moviendo una línea de la que nadie habla.

Aquí está la diferencia entre tú y los profesionales: ellos tienen un modelo. No es una bola de cristal — es un proceso sistemático que convierte datos en probabilidades, compara esas probabilidades con las cuotas del mercado, y les dice exactamente qué apuestas tienen valor esperado positivo.

¿La buena noticia? A partir de 2026, todos los datos que necesitas para construir un modelo de apuestas de MLB están disponibles gratis. FanGraphs, Baseball Savant y Statcast te dan los mismos números brutos que utilizan los sindicatos profesionales. Lo que separa a los ganadores es cómo ingenian esos números en características, entrenan modelos que realmente predicen resultados, y gestionan el bankroll con disciplina.

Esta guía te acompaña en todo el proceso — desde tu primera hoja de cálculo hasta un modelo de conjunto completo en Python. Ya seas un principiante absoluto o un científico de datos buscando ideas de ingeniería de características específicas para MLB, hay un nivel para ti. Construyamos algo que realmente funcione.

Resumen — Referencia Rápida de Modelo de Apuestas MLB

Niveles de Modelo de Un Vistazo

Para Quién Es Esta Guía

Esta guía es para cualquiera que quiera pasar de apuestas por intuición a un sistema de apuestas de MLB basado en datos. No necesitas un título en estadística — si puedes usar una hoja de cálculo, puedes empezar en el Nivel 1. Si conoces Python básico, salta directo a la sección intermedia.

¿Qué Es un Modelo de Apuestas de MLB (y Por Qué Construir Uno)?

Modelo vs Intuición — La Diferencia Clave

Un modelo de apuestas es una máquina de probabilidades. Le alimentas datos (estadísticas del pitcher, factores del parque, uso del bullpen), y te genera una probabilidad para cada resultado posible. Esa probabilidad se compara entonces con las cuotas del mercado para encontrar apuestas con valor esperado positivo.

La diferencia importa: cuando "sientes" que los Dodgers van a ganar, no tienes forma de saber si -180 es justo. Cuando tu modelo dice que los Dodgers tienen un 63% de probabilidad de ganar, puedes calcular que -180 implica solo 64.3% — lo que significa que el mercado tiene un precio justo y no hay apuesta.

Lo Que Realmente Hace un Buen Modelo

Un buen modelo de apuestas de MLB hace tres cosas:

1. Predice la probabilidad de victoria más precisamente que el mercado (incluso en 2-3%)
2. Identifica apuestas con valor esperado positivo donde tu probabilidad excede las cuotas implícitas
3. Dimensiona apuestas apropiadamente usando Criterio de Kelly o una variante

NO predice ganadores con certeza. Un modelo del 55% es extremadamente rentable con las cuotas correctas. El objetivo no es precisión — es calibración e identificación de ventaja.

Elige Tu Nivel — Principiante, Intermedio o Avanzado

Principiante: Hoja de Cálculo + Estadísticas Clave

Empieza aquí si nunca has construido un modelo. Registra 4-5 estadísticas clave en una hoja de cálculo (xFIP del pitcher, wOBA del equipo, carga de trabajo del bullpen, factor del parque) y asigna pesos simples. No vencerás a Vegas consistentemente, pero aprenderás el marco y dejarás de hacer apuestas puramente emocionales.

Tiempo: 1-2 semanas | Herramientas: Google Sheets o Excel | Datos: FanGraphs

Si eres completamente nuevo en análisis deportivo, comienza con nuestra guía de estrategia de apuestas de underdogs en MLB para ver cómo se ve un sistema basado en datos en la práctica antes de construir el tuyo.

Intermedio: Python + Regresión

Sube de nivel con las librerías pandas y scikit-learn de Python. Construye modelos de regresión logística, calcula la importancia adecuada de características, y realiza backtesting contra cuotas históricas. Este es donde operan la mayoría de los apostadores aficionados rentables.

Tiempo: 3-4 semanas | Herramientas: Python, Jupyter Notebooks | Datos: FanGraphs + Statcast

Avanzado: XGBoost + Métodos de Conjunto

Combina múltiples tipos de modelos (regresión lineal, regresión logística, XGBoost) en un conjunto que es más robusto que cualquier modelo individual. Añade características avanzadas como datos a nivel de lanzamiento, tendencias de zona de strike de árbitros, y ajustes de alineación en tiempo real.

Tiempo: 6-8 semanas | Herramientas: Python, XGBoost, LightGBM | Datos: Statcast + APIs de clima

El mismo marco aplica a otros deportes. Consulta nuestro análisis del sistema de apuestas de NBA y guía de estrategia de apuestas de NFL si estás construyendo modelos multi-deporte.

Fase 1: Recopilación de datos — Dónde obtener datos de MLB

FanGraphs — Estadísticas de equipos y jugadores (xFIP, wOBA, K-BB%)

FanGraphs es la base. Descarga estadísticas a nivel de equipo y lanzador de las últimas 3-5 temporadas. Las métricas clave:

• xFIP (Expected Fielding Independent Pitching): Predice el rendimiento futuro del lanzador mejor que ERA
• wOBA (Weighted On-Base Average): Captura el valor ofensivo total en una sola escala
• K-BB% (Tasa de ponches menos bases por bolas): El predictor #1 de la calidad del lanzador
• BABIP (Promedio de bateo en bolas en juego): Identifica candidatos a regresión por suerte

Statcast (Baseball Savant) — Datos a nivel de lanzamiento

Baseball Savant proporciona datos Statcast — velocidad de salida, ángulo de lanzamiento, spin rate y estadísticas esperadas (xBA, xSLG, xwOBA). Estas estadísticas "esperadas" eliminan la defensa y la suerte, dándote una imagen más clara del verdadero talento.

Factores de parque — Por qué el lugar importa

Los factores de parque son la variable más subestimada en apuestas de MLB. Coors Field infla la anotación de carreras en un 38%. Dodger Stadium la suprime en un 12%. Si tu modelo no ajusta por lugar, estás dejando ganancias sobre la mesa.

Desplázate hacia abajo para ver nuestro completo gráfico de factores de parque de 30 estadios con clasificaciones visuales.

Datos de árbitro y clima

Las tendencias de zona de strike del árbitro afectan las tasas de ponches y bases por bolas. Un árbitro de zona cerrada puede sumar 0.5 carreras a los totales del juego. El clima — particularmente la velocidad y dirección del viento en Wrigley Field — impacta directamente las apuestas over/under.

Tabla de fuentes de datos gratuitas vs de pago

Usa el Convertidor de cuotas para cambiar entre formatos americanos, decimales y fraccionarios mientras trabajas con diferentes fuentes de datos.

Fase 2: Ingeniería de características — Convirtiendo datos en predicciones

Estadísticas predictivas vs descriptivas

Aquí es donde la mayoría de principiantes fallan. Usan estadísticas descriptivas (promedio de bateo, registro W-L del lanzador, RBIs) que te dicen qué pasó, en lugar de estadísticas predictivas que pronostican qué pasará.

Índice de fatiga del bullpen (-0.6 MPH por B2B = -0.25 carreras)

La investigación de múltiples fuentes muestra que los relevistas pierden aproximadamente 0.6 MPH en su fastball por aparición de back-to-back. Esa caída de velocidad se traduce en aproximadamente -0.25 carreras por juego de prevención de carreras esperada.

Construye un índice de fatiga del bullpen:

• Rastrea las apariciones de cada relevista en los últimos 3 días
• Pondera más las apariciones recientes (ayer > hace 2 días)
• Marca bullpens con 3+ relevistas usados en juegos de back-to-back

Este es uno de los márgenes más explotables en MLB porque el mercado es lento para reaccionar al exceso de uso del bullpen, especialmente en la primera mitad de días de doble cartelera.

Divisiones por mano y construcción de alineación

Los bateadores zurdos pegando contra lanzadores zurdos (IvI) rinden significativamente peor que DvI. Tu modelo debe incluir:

• Mano del lanzador inicial
• Composición de alineación (porcentaje de bateadores del mismo lado)
• Divisiones históricas por mano para bateadores clave
• Tendencias del manager para construcción de alineación

Métricas rodantes del lanzador inicial

No uses estadísticas de temporada completa para un lanzador que ha estado luchando durante 3 semanas. Construye ventanas rodantes:

• Últimos 3 lanzamientos: Captura la forma reciente
• Últimos 10 lanzamientos: Muestra más estable
• Lo que va de temporada: Línea base

Pondera las ventanas rodantes: 40% últimos-3, 35% últimos-10, 25% temporada. Esto detecta tanto rachas calientes como regresión mejor que los promedios de temporada crudos.

Clasificaciones de importancia de características

Basado en backtesting de datos 2019-2025, aquí está lo que más importa:

Fase 3: Tipos de Modelos Con Código Python (2026)

Regresión Lineal (Punto de Partida)

La regresión lineal predice totales de carreras directamente. Es el modelo más simple pero sorprendentemente efectivo para totales de juegos.

from sklearn.linear_model import LinearRegression
import pandas as pd

# Carga tu matriz de características
features = ['sp_xfip', 'team_woba', 'park_factor',
            'bullpen_fatigue', 'k_bb_pct', 'platoon_score']

X_train = train_data[features]
y_train = train_data['total_runs']

model = LinearRegression()
model.fit(X_train, y_train)

# Predice los juegos de hoy
today_pred = model.predict(today_data[features])

Regresión Logística (Clasificación)

Para apuestas moneyline, quieres probabilidad de victoria, no totales de carreras. La regresión logística genera probabilidades directamente.

from sklearn.linear_model import LogisticRegression

X_train = train_data[features]
y_train = train_data['home_win']  # 1 o 0

model = LogisticRegression(max_iter=1000)
model.fit(X_train, y_train)

# Obtén probabilidades de victoria
probs = model.predict_proba(today_data[features])
home_win_prob = probs[:, 1]  # probabilidad de victoria local

XGBoost (Gradient Boosting)

XGBoost captura relaciones no lineales que la regresión pierde. Es la herramienta principal de los modelos profesionales de MLB.

import xgboost as xgb

params = {
    'objective': 'binary:logistic',
    'max_depth': 5,
    'learning_rate': 0.05,
    'subsample': 0.8,
    'colsample_bytree': 0.8,
    'eval_metric': 'logloss'
}

dtrain = xgb.DMatrix(X_train, label=y_train)
model = xgb.train(params, dtrain, num_boost_round=300)

# Predice
dtest = xgb.DMatrix(today_data[features])
probs = model.predict(dtest)

Modelo Conjunto (Combinando Los Tres)

Ningún modelo es mejor para todos los juegos. Un modelo conjunto promedia predicciones de múltiples modelos, reduciendo el sobreajuste y mejorando la calibración.

Código Python: Pipeline Completo del Modelo Conjunto

import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.calibration import CalibratedClassifierCV
import xgboost as xgb

# Entrena modelos individuales
lr_model = LogisticRegression(max_iter=1000)
lr_model.fit(X_train, y_train)
lr_probs = lr_model.predict_proba(X_test)[:, 1]

xgb_model = xgb.XGBClassifier(
    max_depth=5, learning_rate=0.05,
    n_estimators=300, subsample=0.8
)
xgb_model.fit(X_train, y_train)
xgb_probs = xgb_model.predict_proba(X_test)[:, 1]

# Conjunto ponderado (ajusta pesos vía conjunto de validación)
ensemble_probs = 0.4 * lr_probs + 0.6 * xgb_probs

# Compara con la probabilidad implícita del mercado
for i, game in enumerate(today_games):
    model_prob = ensemble_probs[i]
    implied_prob = game['implied_probability']
    edge = model_prob - implied_prob

    if edge > 0.03:  # umbral de ventaja mínima del 3%
        kelly = (model_prob * (game['decimal_odds'] - 1)
                 - (1 - model_prob)) / (game['decimal_odds'] - 1)
        bet_size = bankroll * kelly * 0.25  # Kelly al cuarto
        print(f"{game['teams']}: Ventaja {edge:.1%}, "
              f"Apuesta \${bet_size:.0f}")

Fase 4: Backtesting y Validación

Estrategia Train/Test Split (2019-2022 Entrenamiento / 2023 Validación / 2024-2025 Prueba)

Nunca pruebes tu modelo con los mismos datos en los que lo entrenaste. Usa una división temporal estricta:

• Conjunto de entrenamiento (2019-2022): ~9,700 juegos. Tu modelo aprende patrones de estos datos
• Conjunto de validación (2023): ~2,430 juegos. Ajusta hiperparámetros y selección de características
• Conjunto de prueba (2024-2025): ~4,860 juegos. Evaluación final e intacta del verdadero desempeño

Si tu modelo tiene buen desempeño en datos de entrenamiento pero pobre en el conjunto de prueba, has sobreajustado. Vuelve atrás y simplifica.

Métricas Clave — Log Loss, Brier Score, Calibración

La precisión de victoria/pérdida sola es engañosa. Un modelo que dice "52% en cada juego" tiene 52% de precisión pero cero ventaja. Usa métricas de puntuación adecuadas:

• Log Loss: Penaliza predicciones confiadas incorrectas. Menor = mejor. Objetivo < 0.68
• Brier Score: Error cuadrático medio de probabilidades. Objetivo < 0.24
• Calibración: Cuando tu modelo dice 60%, el equipo debe ganar ~60% de las veces

Verifica la calibración trazando probabilidad predicha vs tasa de victoria real en grupos (50-55%, 55-60%, 60-65%, etc.). Un modelo bien calibrado sigue la línea diagonal.

Evitar Sobreajuste — El Error #1 de Principiantes

Signos de sobreajuste:

• Precisión de entrenamiento > 60% pero precisión de prueba < 52%
• El modelo adora características oscuras (ID de árbitro, día de la semana) sobre estadísticas fundamentales
• El desempeño se degrada dramáticamente en nuevas temporadas

Soluciones:

• Usa menos características (5-8 suele ser óptimo para MLB)
• Agrega regularización (L1/L2 en regresión, límites de max_depth en XGBoost)
• Valida cruzadamente dentro de tu conjunto de entrenamiento antes de tocar el conjunto de prueba
• Si una característica no tiene sentido en béisbol, elimínala independientemente de la significancia estadística

Fase 5: Convertir el resultado del modelo en apuestas

De la probabilidad al valor esperado (fórmula EV + explicación simple)

La fórmula central:

$EV = P(ganar) \times Ganancia - P(perder) \times Apuesta$

En palabras simples: multiplica tu probabilidad de ganar por cuánto ganarías, luego resta la probabilidad de perder por cuánto perderías. Si el número es positivo, la apuesta tiene +EV.

Ejemplo: Tu modelo da a los Astros un 55% de probabilidad. Las cuotas son +130 (una apuesta de $100 gana $130).

• EV = (0.55 × $130) - (0.45 × $100)
• EV = $71.50 - $45.00 = +$26.50 por cada $100 apostados

Eso es una ventaja masiva del 26.5%. En realidad, las ventajas suelen ser del 3-8%. Usa nuestra Calculadora de Apuestas de Valor para verificar rápidamente cualquier apuesta, o ejecuta tus números a través del Analizador de Ventaja para un análisis más detallado.

Criterio de Kelly para el dimensionamiento de apuestas en MLB

El Criterio de Kelly calcula el tamaño de apuesta matemáticamente óptimo:

$f^* = \frac{bp - q}{b}$

Donde:

• b = cuotas decimales - 1 (cuotas netas)
• p = tu probabilidad de ganar estimada
• q = 1 - p (probabilidad de perder)

Para el ejemplo de los Astros: b = 2.30 - 1 = 1.30, p = 0.55, q = 0.45

$f^* = \frac{(1.30 \times 0.55) - 0.45}{1.30} = \frac{0.715 - 0.45}{1.30} = \frac{0.265}{1.30} = 20.4\%$

Kelly completo dice apostar el 20.4% de tu bankroll. Eso es agresivo. Los apostadores inteligentes usan fracciones.

Quarter-Kelly — Por qué menos es más

Kelly completo maximiza el crecimiento a largo plazo pero con varianza brutal. Un retroceso del 30% es común. Quarter-Kelly (apostar el 25% de la cantidad recomendada por Kelly) sacrifica algo de crecimiento por resultados dramáticamente más suaves.

Recomendación: Comienza con quarter-Kelly. Pasa a half-Kelly solo después de 500+ apuestas verificadas y rentables. Usa nuestra Calculadora de Kelly para dimensionar correctamente cada apuesta.

Factores de campo de MLB — Todos los estadios clasificados (2024-2025)

Lectura del gráfico de factores de campo

Un factor de campo de 1.00 significa que el estadio es perfectamente neutral — la anotación coincide con el promedio de la liga. Por encima de 1.00 significa que el parque infla la anotación (favorable para bateadores). Por debajo de 1.00 significa que el parque suprime la anotación (favorable para lanzadores).

Cómo usar factores de campo en tu modelo

Multiplica tus carreras proyectadas por el factor de campo. Si tu modelo proyecta 4.5 carreras para los Rockies y juegan en Coors Field (1.38), ajusta a 4.5 × 1.38 = 6.21 carreras proyectadas.

Para juegos de visitantes en parques favorables para lanzadores como Dodger Stadium (0.88), ajusta hacia abajo: 4.5 × 0.88 = 3.96 carreras proyectadas.

Fase 6: Tu flujo de trabajo diario de apuestas en MLB

Rutina matutina (cuotas + alineaciones)

1. 7:00 AM — Descarga los movimientos de cuotas nocturnas de tu casa de apuestas. Marca juegos donde la cuota se movió significativamente (>10 centavos en el moneyline)
2. 8:00 AM — Ejecuta tu modelo con alineaciones proyectadas (las alineaciones típicamente se confirman 3-4 horas antes del primer lanzamiento)
3. 9:00 AM — Compara probabilidades del modelo con cuotas de mercado actuales. Lista todos los juegos +EV con ventaja > 3%

Verificaciones previas al juego (clima, árbitros, bullpen)

Antes de colocar cualquier apuesta, verifica:

• Alineación confirmada (los retiros de último minuto pueden eliminar la ventaja)
• Condiciones climáticas (viento en Wrigley, retrasos por lluvia)
• Asignación del árbitro en home plate
• Disponibilidad del bullpen (revisa los resultados de la noche anterior)

Colocar apuestas y registrar resultados

Registra cada apuesta en una hoja de cálculo o Rastreador de Apuestas:

• Fecha, equipos, probabilidad del modelo, cuotas de mercado, tamaño de apuesta, resultado
• Calcula CLV (Closing Line Value) — ¿se movió la cuota hacia el precio del modelo?
• Revisa semanalmente: ¿tus juegos del 60% realmente ganan el 60% de las veces?

Calculadora de CLV es la herramienta individual más útil para validar la ventaja de tu modelo a lo largo del tiempo.

Calculadora EV de MLB — Verifica Cualquier Apuesta Al Instante

Ingresa la probabilidad de victoria de tu modelo y las cuotas del mercado para ver si una apuesta es +EV. La calculadora muestra el valor esperado, el porcentaje de ventaja y el tamaño de apuesta recomendado según el Criterio de Kelly.

Modelos de Apuestas de Prop — Hits, Strikeouts, Primeras 5 Entradas

Modelos de Prop de Jugador (Hits O/U, Strikeouts)

Las apuestas de prop de jugador usan el mismo marco que los modelos de juego, pero se enfocan en el desempeño individual:

• Props de strikeouts: Usa la tasa K del lanzador (últimas 5 aperturas), tasa K del bateador vs lateralidad, y datos de zona del árbitro
• Hits arriba/abajo: Usa xBA del bateador, tasa de manejo de contacto del lanzador, y regresión BABIP
• Home runs: Usa tasa de barrel, tasa de golpes duros, componente HR del factor de parque, y dirección del viento

La idea clave: las líneas de prop de jugador son más débiles que las líneas de juego porque las casas de apuestas dedican menos tiempo a fijarlas. Aquí es donde se esconden los bordes en 2026.

Modelo de Primeras 5 Entradas (F5)

Las apuestas de primeras 5 entradas (F5) aíslan el desempeño del lanzador abridor, eliminando la incertidumbre del bullpen. Construye un modelo separado con:

• xFIP del lanzador abridor y porcentaje K-BB% en movimiento
• Equipo contrario bateando contra la lateralidad de ese lanzador
• Factor de parque (sigue aplicándose a las primeras 5 entradas)

Las líneas de dinero F5 son especialmente valiosas cuando un gran abridor enfrenta una alineación débil, pero el bullpen no es confiable. Tu modelo de juego completo podría decir "sin apuesta" mientras que el modelo F5 dice "+EV".

Modelos de Total de Equipo

En lugar de predecir qué equipo gana, predice cuántas carreras anota cada equipo de forma independiente. Luego compara con la línea de total de equipo publicada. Este enfoque:

• Duplica tus oportunidades de apuesta (2 totales de equipo por juego)
• Elimina la correlación entre dos lados
• Funciona bien con factores de parque y datos meteorológicos

Usa la Calculadora de Probabilidad Implícita para convertir cuotas de totales en probabilidades de equilibrio. Entender qué significan los spreads alternos también puede ayudarte a encontrar valor en líneas de carrera con números no estándar.

Lo Que Un Modelo NO Incluye (Limitaciones Honestas)

Lesiones y Bajas de Último Minuto

Tu modelo no puede predecir que el as lanzador será dado de baja 2 horas antes del primer lanzamiento. Siempre vuelve a ejecutar tu modelo después de que se confirmen las alineaciones y nunca precoloque apuestas en juegos donde el abridor no está asegurado.

Drama del Vestuario y Motivación

Un equipo en una racha de 10 derrotas podría recuperarse después de una reunión solo de jugadores. Un equipo que aseguró los playoffs podría descansar a los abridores. Estos factores son reales pero casi imposibles de cuantificar. Acepta esta limitación en lugar de agregar variables de "motivación" basura a tu modelo.

Varianza en la Zona de Strike del Árbitro

Aunque las tendencias promedio del árbitro son útiles, la variación en juegos individuales es alta. Un árbitro que generalmente llama una zona cerrada podría llamarla amplia en una noche determinada. Los datos del árbitro agregan un pequeño borde, pero no los sobrepeses.

Cuándo Anular Tu Modelo

Anula tu modelo solo cuando tengas información concreta que el modelo no tenga:

• Un cambio de alineación confirmado después de ejecutar el modelo
• Una actualización meteorológica (cambio repentino del viento)
• Noticias de lesión verificadas que no se reflejan en los datos

Nunca anuler porque "no se siente bien". Si tu intuición está en desacuerdo con tu modelo regularmente, tu modelo necesita arreglarse — o tu intuición también.

Si te interesa enfoques sistemáticos de apuestas más allá del modelado, mira cómo la estrategia Wong Teaser aplica un marco basado en reglas similar a los teasers de NFL, o explora sistemas progresivos como Fibonacci y Labouchere — aunque estos funcionan diferente a los modelos basados en datos.

Historial Real — Qué Esperar

Tasas de Victoria y Puntos de Referencia ROI Realistas

Seamos honestos sobre lo que es lograble. Aquí hay historiales documentados de apostadores de MLB verificados:

Observa que incluso el desempeño de élite es 3-5% ROI. Cualquiera que prometa 20%+ ROI está mintiendo. La consistencia en 500+ apuestas con 3% ROI es excepcional. Usa nuestro Analizador de Varianza para entender cuánto pueden oscilar tus resultados incluso con un borde real.

Requisitos de Tamaño de Muestra

• 200 apuestas: Puedes comenzar a ver tendencias, pero nada es concluyente
• 500 apuestas: Mínimo para confianza estadística. Un modelo de 55% tiene aproximadamente 95% de probabilidad de mostrar ganancia
• 1,000+ apuestas: Evidencia fuerte de borde. Tu intervalo de confianza del 95% se estrecha significativamente

No abandones un modelo sólido después de 50 apuestas perdidas. No te declares un genio después de 50 apuestas ganadoras. Las matemáticas necesitan tiempo para converger. Rastrea el crecimiento de tu bankroll durante toda la temporada.

Si tu modelo consistentemente vence la línea de cierre (CLV positivo) en 500+ apuestas, tu metodología es sólida incluso si los resultados a corto plazo son negativos. CLV es la señal más verdadera de rentabilidad a largo plazo.

Preguntas Frecuentes