El Sesgo Favorito-No Favorito: Evidencia Empírica en 2.490 Partidos de la Premier League y Mecánica Cuantitativa

1. Introducción: La Anomalía Fundamental de los Mercados de Apuestas

En la teoría económica clásica, la Hipótesis del Mercado Eficiente (HME) sostiene que los precios de los activos reflejan instantáneamente toda la información disponible y que el rendimiento esperado de cualquier inversión debería ser equivalente una vez ajustado por el riesgo sistemático. Si los mercados de apuestas deportivas fueran perfectamente eficientes desde la perspectiva de la teoría de la información, el rendimiento matemático esperado al realizar una apuesta sería idéntico en cualquier rango de precios. Un apostador que respalda a un favorito absoluto a cuota 1.25 debería afrontar exactamente la misma desventaja matemática porcentual —dictada únicamente por el margen o overround de la casa— que un apostador que respalda a una sorpresa a cuota 15.00.

La evidencia empírica en todas las jurisdicciones de apuestas del mundo contradice frontalmente este principio teórico. Durante casi un siglo, investigadores empíricos, econometristas y sindicatos cuantitativos han documentado una distorsión sistemática, persistente y estadísticamente incuestionable: el Sesgo Favorito-No Favorito (Favourite-Longshot Bias o FLB).

Documentado por primera vez por Griffith (1949) en las carreras de caballos de Estados Unidos y confirmado en Europa por Ali (1977), Thaler y Ziemba (1988) y Shin (1991, 1993), este fenómeno no representa un error muestral transitorio. Es una propiedad intrínseca de la microestructura del mercado de apuestas. Ya sea en fútbol internacional, tenis profesional o baloncesto de la NBA, la curva de rendimiento tiende a descender: a mayores cuotas, mayores suelen ser las pérdidas porcentuales.

Este artículo presenta un análisis empírico exhaustivo basado en nuestro conjunto de datos de investigación abierta de 2.490 partidos de la Premier League inglesa (EPL) (cubriendo el periodo de agosto de 2019 a enero de 2026, totalizando 7.470 selecciones 1X2, fuente: football-data.co.uk, dataset: public/papers/epl-closing-lines-2019-2026.csv). Analizamos las causas cognitivas y de microestructura, comparamos cómo los métodos multiplicativo y de Shin valoran las sorpresas y presentamos reglas cuantitativas para tener en cuenta este sesgo.

2. Evidencia Empírica: Análisis de 2.490 Líneas de Cierre de la Premier League

Para medir con precisión matemática el impacto del sesgo favorito-no favorito en el fútbol de élite, el departamento cuantitativo de SportsBettingMath analizó 2.490 partidos consecutivos de la Premier League (09/08/2019 a 08/01/2026, 7 temporadas) utilizando cuotas de cierre de Pinnacle y promedios de cierre del mercado, catalogados en nuestro repositorio abierto (fuente: football-data.co.uk, dataset: public/papers/epl-closing-lines-2019-2026.csv).

La muestra comprende exactamente 7.470 selecciones individuales de mercados 1X2. Agrupamos cada selección en seis intervalos de cuotas decimales y simulamos el rendimiento financiero acumulado mediante apuestas de importe constante (flat stake) de 1,00 unidad por evento en las líneas de cierre de Pinnacle y en el promedio del mercado.

Rendimiento Financiero Empírico por Rango de Cuotas (2.490 Partidos EPL, 7.470 Selecciones)

Aun así, la trayectoria empírica indica que los rendimientos tienden a deteriorarse a medida que las cuotas aumentan. En el cierre de Pinnacle, las apuestas en favoritos moderados (1.50–2.00) arrojaron una pérdida contenida de -0,32% de ROI, mientras que las selecciones superiores a 5.00 registraron pérdidas de -5,44% y -5,51%. En las cuotas medias de cierre del mercado —donde el overround medio es superior (4,16% frente al 2,70% de Pinnacle)—, las pérdidas en cuotas superiores a 5.00 alcanzan marcas de -9,70% y -6,62%.

3. Economía del Comportamiento: ¿Por Qué el Público Paga Sobreprecio por las Sorpresas?

¿Por qué perdura esta ineficiencia en mercados que mueven miles de millones de euros? En los mercados bursátiles, un activo con un sobreprecio del 20% sería inmediatamente vendido en corto por fondos cuantitativos hasta devolver su cotización al valor razonable. En las apuestas deportivas, las opciones para operar en corto son restringidas y la afluencia continua de apostadores recreativos reabastece ininterrumpidamente la distorsión.

El origen del sesgo se explica mediante tres teorías contrastadas de la economía del comportamiento.

1. Teoría de la Perspectiva Acumulativa (Kahneman & Tversky, 1992)

Bajo la Teoría de la Utilidad Esperada tradicional, se asume que los individuos ponderan las ganancias de manera lineal según su probabilidad objetiva $p$. Daniel Kahneman y Amos Tversky demostraron que el cerebro humano procesa las probabilidades mediante una función de ponderación cognitiva con forma de S invertida $w(p)$:

Con estimaciones empíricas habituales de $\gamma \approx \mathrm{0,65}$ para ganancias monetarias. Esto genera dos distorsiones sistemáticas:

• Sobreponderación de Probabilidades Bajas ($p<\mathrm{0,10}$): Un apostador recreativo percibe una probabilidad objetiva del 2% como si fuera del 6% o 7%. La posibilidad de que gane la sorpresa parece mucho más cercana de lo que dictan las leyes de la física y el deporte.
• Subponderación de Probabilidades Medias y Altas ($p>\mathrm{0,40}$): Un favorito con un 75% de probabilidad real es percibido como si tuviera solo un 68%, generando la impresión de que "el beneficio es demasiado pequeño para el riesgo asumido".

Esta alteración perceptiva hace que el apostador recreativo esté dispuesto a pagar un precio muy superior al valor matemático justo por apuestas a cuotas altas. Las casas de apuestas aprovechan esta demanda inelástica reduciendo el pago (incrementando el margen) en los no favoritos.

2. Preferencia por la Asimetría Positiva (Efecto Lotería)

Mientras que los gestores de fondos miden el riesgo mediante la varianza (${\sigma }^2$), los apostadores recreativos persiguen la asimetría positiva (skewness), que mide el tercer momento estadístico (${\mu }_3$).

Apostar por un favorito sólido (cuota 1.20) tiene asimetría negativa: ganancias modestas frecuentes y pérdidas infrecuentes del 100% del importe. Apostar por una sorpresa (cuota 12.00) tiene asimetría positiva: pérdidas frecuentes de importes reducidos compensadas por la expectativa de una ganancia desproporcionada. El cerebro humano obtiene satisfacción psicológica de la asimetría positiva, aceptando conscientemente un valor esperado desfavorable (-20% EV) a cambio de la posibilidad de un premio extraordinario.

3. Anclaje Cognitivo en Ganancias Absolutas

El apostador casual no calcula probabilidades de Bernoulli; evalúa el importe monetario potencial en el ticket de apuestas. Al comparar:

• Apuesta A: Arriesgar $100 para ganar $20 con un favorito a 1.20 (82% de probabilidad).
• Apuesta B: Arriesgar $10 para ganar $110 con una sorpresa a 12.00 (7% de probabilidad).

La psicología humana descarta la Apuesta A por considerarla "poco atractiva" y adopta la Apuesta B por su bajo coste de entrada. Esto vuelve la demanda de cuotas altas insensible a incrementos en el margen de la casa: si el corredor reduce la cuota de 12.00 a 10.50, el volumen de apuestas no disminuye significativamente. El operador optimiza su rentabilidad concentrando el margen donde la demanda es menos elástica.

4. Microestructura del Mercado: Gestión del Riesgo y el Modelo de Shin

La psicología del consumidor explica la demanda de cuotas altas, pero la microestructura de mercado explica por qué las casas de apuestas aplican esta asimetría de forma deliberada. En 1991 y 1993, el econometrista Hyun Song Shin formuló un modelo seminal para explicar este comportamiento institucional.

Shin demostró que la existencia de apostadores informados (insiders) —agentes que poseen información privilegiada sobre alineaciones, lesiones de última hora o acuerdos ilegales— obliga a las casas de apuestas a deprimir las cuotas altas para proteger su solvencia.

La Ecuación de Microestructura de Shin

Shin dividió a los participantes en dos categorías: 1. Apostadores No Informados (Proporción $1-z$): Usuarios recreativos que apuestan por intuición o sesgos afectivos. 2. Apostadores Informados (Proporción $z$): Profesionales o insiders que conocen el resultado con certeza antelada.

Si un operador informado apuesta $1.000 a un favorito a cuota 1.25, el beneficio que extrae es de $250. Pero si ese mismo agente detecta una irregularidad y apuesta $1.000 a una sorpresa a cuota 12.00, el quebranto para el corredor asciende a $11.000. Para blindar su balance ante esta asimetría de riesgo, el corredor debe recortar drásticamente el pago de los resultados improbables.

Shin estableció que la probabilidad publicada ${\pi }_i=1/O_i$ se relaciona con la probabilidad justa $p_i$ y el parámetro de información privilegiada $z$ mediante:

Despejando la ecuación cuadrática se obtiene la Fórmula de Inversión de Shin:

Donde el valor de $z$ se calcula numéricamente (mediante Newton-Raphson) garantizando la condición de cierre ${\sum }_{i=1}^n{p}_i=\mathrm{1,000}$.

La Distribución del Margen según Shin: Ilustración

El modelo de Shin demuestra matemáticamente que los corredores racionales que maximizan beneficios deben asignar un margen porcentual más alto a las cuotas altas.

Ejemplo ilustrativo (modelo de Shin), no una observación del conjunto de datos:

La razón $(q-p)/p$ del ejemplo hipotético es carga relativa de precio, no pérdida esperada por unidad ni hold realizado. La pérdida es $1-pO=1-p/q$, con $q=1/O$. Las razones 10.40% y2.45% comparan carga relativa a los p supuestos, no pérdida porcentual del volumen.

5. La Trampa del Devig: Método Multiplicativo vs. Modelo de Shin

La limitación del método multiplicativo radica en suponer que el corredor distribuye el margen proporcionalmente a la probabilidad de cada opción. En 2.490 partidos de la Premier League (football-data.co.uk), los cuatro métodos ofrecieron la misma precisión en las cuotas de cierre de Pinnacle (Brier 0,5676). Shin desplaza probabilidad hacia los favoritos (+0,79 p.p. para cuotas inferiores a 1,70 y −0,28 p.p. para cuotas superiores a 3,50). La elección del método importa sobre todo para cuotas altas y mercados con márgenes elevados o muchos resultados; en líneas líquidas 1X2 de la Premier League no mejoró la precisión.

Caso Práctico: +EV con un Solo Método

Supongamos un partido hipotético donde una casa de apuestas ofrece las siguientes cuotas con un overround total del 105,63%:

• Manchester City (Super Favorito): $O_1=1.30$
• Empate: $O_2=5.50$
• Luton Town (Gran Sorpresa): $O_3=9.50$

Comparando el cálculo multiplicativo frente al Modelo de Shin ($z=\mathrm{0,029}$):

Si otra casa de apuestas ofrece a Luton Town a cuota 10.50:

1. La Evaluación Multiplicativa: Compara 10.50 con la probabilidad estimada del $\mathrm{9,97}\%$ (cuota justa 10.035).
   $${\text{EV}}_{\text{mult}}=(\mathrm{0,0997}\times 10.50)-1=+\mathrm{4,69}\%\text{(+EV aparente)}$$
   El usuario cree haber encontrado valor y arriesga capital.
2. La Misma Apuesta con Shin: Bajo el modelo de Shin ($z=\mathrm{0,029}$), la probabilidad justa es del $\mathrm{9,01}\%$ (cuota justa 11.104).
   $${\text{EV}}_{\text{Shin}}=(\mathrm{0,0901}\times 10.50)-1=-\mathrm{5,40}\%\text{(-EV)}$$
   Según Shin, la apuesta tiene un EV del −5,40%. La ventaja solo existe con un método, así que no es una ventaja confirmada.

6. Estrategias Cuantitativas: Cómo Capitalizar el Sesgo

El entendimiento del sesgo permite implementar cuatro estrategias cuantitativas consistentes para la gestión de apuestas:

1. Apuestas en Contra (Lay) en Bolsas de Intercambio

Una operación lay exige responsabilidad, comisión actual de la cuenta y cruce de órdenes. Evalúe cada estado tras costes y precios aceptados. Comparar con una probabilidad estimada puede indicar EV de modelo, no probar beneficio ni tarifa universal.

2. Transición hacia Hándicaps Asiáticos

Un hándicap de dos vías no implica probabilidades reales 50/50. Sus precios pueden tener carga asimétrica. Compare cuotas completas y el modelo de victoria/devolución/derrota de la línea. La etiqueta no elimina el sesgo por teorema ni establece rango universal.

3. Eliminación de Apuestas Combinadas con Cuotas Altas

No se establece participación en ingresos. Con selecciones independientes y pérdida esperada elegida 15% cada una, la fórmula siguiente da pérdida del boleto. Es un escenario; correlación exige probabilidad conjunta.

4. Gestión de Banca con Fracciones Conservadoras de Kelly

Bajo el Criterio de Kelly, la fracción de capital a destinar es:

Quarter Kelly y Eighth Kelly son fracciones posibles de una estimación, no reglas obligatorias para cuotas superiores a3.50. Elija exposición bajo incertidumbre y un evento de pérdida definido; reducir el importe no valida la probabilidad ni garantiza crecimiento.

7. Conclusión y Resumen Metodológico

El Sesgo Favorito-No Favorito es una tendencia empírica fundamental en los mercados de apuestas deportivas. Impulsado por la psicología del apostador recreativo (Teoría de la Perspectiva) y sostenido por la gestión de solvencia de los operadores (Modelo de Shin), penaliza a quienes persiguen ganancias improbables sin un margen de seguridad analítico.

Conclusiones fundamentales: 1. Los rendimientos en cuotas elevadas sufren un mayor lastre (-5,44% y -5,51% de ROI en cuotas > 5.00 al cierre de Pinnacle y hasta -9,70% en el promedio del mercado en 2.490 partidos de la Premier League, fuente: football-data.co.uk). 2. Los favoritos moderados registran pérdidas contenidas (-0,32% de ROI en cuotas de 1.50 a 2.00 en Pinnacle, con intervalo de confianza del 95% que cruza el cero). 3. Frente a Shin, el método multiplicativo asigna algo más de probabilidad a las sorpresas (0,28 p.p. más de media por encima de cuota 3,50), lo que puede hacer que una sorpresa parezca +EV sin serlo; compruebe ambos métodos. 4. En 2.490 partidos de la Premier League los cuatro métodos para eliminar el margen tuvieron la misma precisión (Brier 0,5676); el método importa en apuestas aisladas a sorpresas, no en la calibración general de líneas 1X2 líquidas.