Pronósticos en la ACB: del análisis al modelo propio
Mi primer intento de construir un modelo de pronósticos para la ACB fue un desastre ilustrativo. Tomé las medias de puntos por partido de cada equipo, resté las del visitante a las del local y proclamé que esa diferencia era mi pronóstico. Funcionó razonablemente bien durante tres jornadas. En la cuarta, el modelo falló en seis de nueve partidos. Aprendí algo fundamental ese día: las medias simples son el peor predictor posible en una liga de 18 equipos con dinámicas cambiantes.
Elaborar pronósticos fiables para la Liga Endesa no requiere un doctorado en estadística, pero sí requiere un método. Un método que combine datos con contexto, que se actualice con cada jornada y que, sobre todo, sea honesto consigo mismo sobre sus limitaciones. La temporada 2025-26 de la ACB – 18 equipos, 306 partidos de fase regular, del 4 de octubre al 30 de mayo – ofrece un campo de práctica amplio para desarrollar y depurar ese método.
Fuentes de datos para construir pronósticos en la Liga Endesa
Todo pronóstico empieza con datos, y los datos de la ACB están más accesibles de lo que muchos creen. La web oficial de la competición publica actas detalladas de cada partido: estadísticas por jugador, por cuarto, porcentajes de tiro, rebotes, asistencias, pérdidas, minutos jugados. Esa es la materia prima básica y es gratuita.
A partir de las actas, necesito construir una base de datos propia que me permita calcular métricas derivadas: ritmo de posesiones, eficiencia ofensiva y defensiva por 100 posesiones, splits de local/visitante, tendencias de las últimas N jornadas, rendimiento con y sin jugadores específicos. Una hoja de cálculo bien organizada es suficiente para empezar; una base de datos relacional es preferible si quieres escalar el análisis a largo plazo.
Las fuentes complementarias incluyen plataformas de estadísticas avanzadas que cubren el baloncesto europeo, comparadores de cuotas que registran movimientos de línea, y las retransmisiones televisivas que aportan información cualitativa que los números no capturan. No subestimes el valor de ver partidos: un dato de porcentaje de tiro del 42% no te dice si los tiros fueron abiertos o forzados, si el equipo generó buenas posiciones o si la defensa rival fue excepcional. El contexto visual complementa el análisis cuantitativo.
Un error habitual es buscar la fuente de datos «perfecta» y no empezar hasta encontrarla. Mi consejo es empezar con lo que tienes – las actas oficiales – e ir incorporando fuentes adicionales a medida que tu modelo evoluciona. El progreso en la construcción de pronósticos es iterativo, no lineal.
Variables que más afectan al resultado: fatiga, racha y calendario
Después de probar decenas de variables en mis modelos, he destilado las que más peso tienen en el pronóstico de un partido de la ACB.
La localía es la variable más predecible y la que mayor impacto tiene. El factor cancha en la ACB es uno de los más marcados del baloncesto europeo, y cualquier modelo que no ajuste por localía está incompleto. El Real Madrid, con su balance de 11-1 como local en la temporada 2025-26, es el ejemplo extremo, pero incluso los equipos de la zona baja ganan un porcentaje significativo de sus partidos en casa.
La fatiga es la segunda variable y la más difícil de cuantificar. Un equipo que viene de jugar un partido de Euroliga el jueves y afronta la ACB el sábado no rinde igual que si tuviera una semana de descanso. El número de partidos en los últimos diez días, la distancia de los desplazamientos y la duración de los partidos recientes (los que van a prórroga generan más desgaste) son indicadores de fatiga que mi modelo incorpora.
La racha es una variable engañosa. Los apostadores tienden a sobrevalorar las rachas recientes – un equipo que ha ganado cinco seguidos parece imparable, y uno que ha perdido tres parece en crisis. La realidad estadística es que las rachas, por sí solas, tienen un poder predictivo limitado. Una racha de victorias puede deberse a un calendario favorable, no a una mejora real del equipo. Lo que busco no es la racha en sí, sino los indicadores subyacentes: ha mejorado el equipo su eficiencia ofensiva o simplemente ha tenido rivales débiles.
El calendario futuro es la cuarta variable. Un equipo con un partido de Euroliga entre semana y un desplazamiento largo el fin de semana en la ACB está en desventaja objetiva. El calendario de la ACB es público desde el inicio de la temporada, lo que permite identificar semanas de congestión con antelación y ajustar los pronósticos en consecuencia.
Sesgos y errores frecuentes al pronosticar partidos ACB
Llevo años documentando mis propios errores de pronóstico, y los patrones son reveladores. El sesgo más costoso que he identificado es lo que llamo el «sesgo de fichaje estrella». Al inicio de cada temporada, los equipos que han fichado un jugador mediático reciben una sobrevaloración sistemática en mis pronósticos y en los del mercado. La realidad es que la integración de un nuevo jugador lleva semanas, a veces meses, y su impacto real rara vez se materializa en la primera vuelta.
El segundo error frecuente es pronosticar partidos aislados en lugar de jornadas completas. Cuando analizo un partido de forma aislada, mis estimaciones son razonablemente precisas. Cuando intento pronosticar los nueve partidos de una jornada, la acumulación de pequeños errores produce resultados decepcionantes. La solución que encontré fue seleccionar – apostar solo en los tres o cuatro partidos de cada jornada donde mi modelo tiene mayor confianza y dejar pasar el resto.
El tercer error es no recalibrar el modelo a lo largo de la temporada. La ACB de octubre no es la ACB de marzo. Equipos que empezaron fuertes se desinflan, otros que arrancaron con plantillas nuevas necesitan tiempo para encajar. Un modelo que no se actualiza con los datos de las últimas jornadas pierde relevancia rápidamente. Mi rutina incluye una recalibración completa después de cada ventana FIBA y una actualización parcial después de cada jornada.
Del pronóstico a la apuesta: el paso que muchos olvidan
Un pronóstico no es una apuesta. Es una estimación de probabilidad. La apuesta solo tiene sentido cuando esa estimación difiere lo suficiente de la probabilidad implícita en la cuota. Un pronóstico puede ser correcto – «creo que este equipo gana el 60% de las veces» – y la apuesta ser incorrecta si la cuota implica un 62%. La distancia entre pronosticar y apostar con valor es el territorio donde la mayoría de los modelos pierden su utilidad, y donde la disciplina del apostador marca la diferencia.