Del momio al porcentaje: por qué el valor esperado decide la rentabilidad
La primera vez que alguien me pidió que le explicara por qué había perdido dinero apostando a favoritos «seguros» de NCAA football, la conversación duró cuarenta minutos. No porque el problema fuera complicado, sino porque tuve que reconstruir paso a paso algo que él jamás había hecho: traducir un momio en una probabilidad, y después compararla con su propia estimación del partido. Nunca en su vida había calculado si la línea que estaba tomando era justa o no. Apostaba por intuición, y la intuición a −650 le había costado tres temporadas.
Llevo seis años analizando el mercado moneyline del fútbol americano universitario y la conclusión es incómoda: la mayoría de los apostadores hispanohablantes que entran a NCAAF vienen del fútbol europeo, donde las cuotas decimales hacen evidente la probabilidad implícita. El momio americano la esconde. Un −200 parece una obviedad hasta que uno entiende que pide un acierto mínimo del 66,7% solo para no perder dinero. Y eso en un deporte donde los datos recientes demuestran que los underdogs ganaron 231 partidos outright en FBS vs FBS durante 2024 — un récord en toda la era FBS desde 1978 — y se impusieron en el 29,0% de los enfrentamientos totales, la tasa más alta registrada en esa misma época. Los números no están del lado del favorito como el sentido común sugiere.
El valor esperado no es un concepto abstracto de académicos. Es la única herramienta que distingue al apostador disciplinado del que sobrevive temporada a temporada. En este artículo voy a enseñarte a convertir cualquier momio NCAAF en una probabilidad justa, a identificar cuándo la casa te está ofreciendo una línea rentable y cuándo solo está cobrando peaje. Vamos a trabajar con fórmulas, pero también con partidos reales. La teoría sin ejemplos no sirve de nada, y los ejemplos sin teoría se olvidan en una semana.
Qué es el valor esperado (EV) en una apuesta moneyline
El EV es lo que ganarías, en promedio, si pudieras repetir la misma apuesta un millón de veces. No es lo que vas a ganar este sábado. Es el valor medio del resultado, y en ese matiz se juega toda la diferencia entre apostar por sensaciones y apostar por matemáticas.
Pongámoslo en términos prácticos. Cuando le explico EV a alguien que nunca lo ha visto, uso siempre la misma analogía: imagina que en un bar te ofrecen una moneda sesgada que cae cara el 55% de las veces. Te pagan uno a uno — apuestas 100 pesos y ganas 100 si sale cara. ¿Jugarías? Deberías, y hasta la madrugada. En cada lanzamiento tu expectativa es ganar 10 pesos, porque tu probabilidad real (55%) supera la probabilidad implícita del momio (50%). Ese hueco entre las dos probabilidades es el valor esperado positivo, el famoso «+EV» que mis colegas del sector repiten en cada podcast.
En NCAA football la lógica es idéntica, solo que la casa nunca te paga uno a uno. Te paga menos de lo que debería si el partido fuera una moneda justa, y esa diferencia se llama vig — o juice, o hold, depende de a quién preguntes. El operador necesita ese margen para sobrevivir. Tu trabajo como apostador es encontrar los partidos donde el vig no alcanza a compensar el error de la casa al estimar la probabilidad real del ganador. Ahí vive el value betting.
Conviene aclarar desde ya que EV positivo no significa victoria garantizada. Significa que, si repitieras esa apuesta con las mismas condiciones durante toda una temporada, tu saldo acumulado crecería. Una apuesta con +8% de EV puede perder este sábado, el siguiente, y el tercero. La ley de los grandes números exige paciencia, muchísima paciencia, y un volumen de apuestas que permita que la varianza se suavice. Sin volumen no hay EV que valga — es matemática aplicada a gran escala, no magia aplicada a un único partido.
Este punto es el que más cuesta interiorizar. Conocí a un apostador que tras doce semanas con EV positivo acumulado cerró su cuenta en febrero diciendo que «el método no funciona». La muestra era demasiado corta. Le faltaba otra temporada entera, quizá dos. El valor esperado se cobra a largo plazo o no se cobra.
La fórmula del EV aplicada a momios NCAAF
La fórmula del valor esperado se escribe en dos líneas, pero por alguna razón hay foros enteros dedicados a complicarla. Aquí va la versión limpia, sin adornos.
EV = (probabilidad de ganar × ganancia neta) − (probabilidad de perder × pérdida). La ganancia neta depende del momio americano. Si el momio es positivo — pongamos +180 — la ganancia por cada 100 unidades apostadas es 180. Si el momio es negativo — pongamos −180 — la ganancia por cada 180 unidades apostadas es 100. Esta asimetría es lo que hace que el cálculo se vea raro al principio y evidente al tercer ejemplo.
Voy a desarrollar un caso que uso cada vez que alguien me pide «un ejemplo numérico». Partido hipotético: Big Ten, equipo A favorito a −150 frente a equipo B a +130. Supongamos que tu modelo — ya veremos en la siguiente sección cómo construirlo — estima que el equipo A tiene 65% de probabilidad real de ganar. El momio −150 implica que necesitas apostar 150 para ganar 100 limpios. Entonces el EV por cada 150 unidades apostadas se calcula así: 0,65 multiplicado por 100 (ganancia si ganas) menos 0,35 multiplicado por 150 (pérdida si pierdes). Resultado: 65 − 52,5 = +12,5 unidades netas. Dividido entre las 150 unidades arriesgadas, el EV relativo es 8,3% por apuesta. Positivo. Interesante. Dentro del rango que, aplicado con disciplina durante una temporada, puede generar rentabilidad.
El mismo partido cambia de color si tu modelo dice que A gana solo el 58%. Repitamos: 0,58 por 100 menos 0,42 por 150 = 58 − 63 = −5 unidades por cada 150 apostadas. EV negativo, −3,3%. La misma línea, la misma casa, la misma noche de sábado — pero con una probabilidad estimada distinta el resultado financiero esperado se voltea. De ahí que la gente diga que EV es la honestidad matemática del apostador. No depende de lo que pase, depende de lo que tú creas que debería pasar, confrontado con lo que la casa cree.
Un umbral práctico que uso para mí y para quienes me consultan: por debajo de +3% de EV no vale la pena entrar. El vig, la varianza y los errores de modelado se comen ese margen. Entre +3% y +7% es una apuesta defendible. Por encima de +7% merece revisión antes de apostar, no porque sea mala sino porque suele significar que pasé algo por alto — una noticia de último momento, una lesión no confirmada, un error de mi propia probabilidad.
Cómo construir una probabilidad justa para un partido de college
La pregunta que me hacen más seguido es también la más difícil de responder: ¿cómo llego yo al 65% de probabilidad del equipo A? No existe una única respuesta correcta. Existe un método que funciona y otros que no.
Lo primero es olvidarse del «yo creo que Ohio State va a ganar». Esa frase no es un modelo, es una opinión. Construir una probabilidad justa significa partir de números — no de sensaciones — y luego ajustar por contexto. Los tres ingredientes que siempre uso son: una línea de spread de referencia, un factor de ventaja de local, y una calibración contra el mercado. Los combinamos en un orden específico.
El spread es el mejor predictor individual de quién gana un partido de college. No porque sea perfecto, sino porque condensa miles de horas de trabajo de analistas profesionales. Cuando las casas publican un favorito a −10, me están diciendo que calculan una diferencia esperada de 10 puntos. A partir de ese número puedo derivar una probabilidad aproximada de victoria outright usando tablas empíricas construidas sobre décadas de resultados. Un favorito de 10 puntos en NCAAF históricamente gana outright cerca del 76% de las veces; uno de 7 puntos, cerca del 68%; uno de 3 puntos, cerca del 57%.
Segundo ingrediente: el home-field advantage. El valor clásico aceptado en NCAA football es aproximadamente 2,3 puntos, aunque los operadores suelen cargar entre 2 y 3 puntos según la conferencia y el estadio. En 2025 este factor siguió pesando con fuerza — el Big Ten registró un 90% de victorias de favoritos locales durante la temporada, el porcentaje más alto entre conferencias. Si el equipo que estoy evaluando es local, ajusto el spread en función de ese diferencial. Si tienes curiosidad por cómo las casas cuantifican este factor y qué condiciones lo modifican, hay un análisis detallado sobre la ventaja de local en términos de puntos que complementa lo que vamos a ver aquí.
Tercer ingrediente: la calibración contra el mercado. Después de calcular mi probabilidad, la comparo con la probabilidad implícita del moneyline ofrecido. Si mi número está muy por encima, reviso por qué la casa piensa distinto. Quizá saben algo que yo no. Un apostador arrogante se planta y apuesta. Un apostador disciplinado baja la apuesta de tamaño o la descarta si no encuentra la razón del desacuerdo.
El error más caro que he visto consiste en saltarse el paso de la calibración. Uno confía en su modelo, ignora la señal del mercado y descubre tres horas antes del kickoff que el mariscal de campo titular está en el reporte de lesiones con «probable». El mercado ya lo sabía. Tu modelo no.
Eliminar el vig: del momio ofrecido al momio justo
Hay una pregunta sencilla que separa al apostador informado del resto: ¿cuánto me cobra la casa solo por aceptar mi apuesta? La respuesta está escondida en cada moneyline, y desarmarla es el primer paso real para apostar con ventaja.
El vig — también llamado juice, hold o margen de la casa — es la comisión implícita que el operador incluye en las líneas. No se muestra en ningún sitio. Se deduce sumando las probabilidades implícitas de ambos lados del partido. Si un equipo paga −150 y el rival paga +130, las probabilidades implícitas son 60% y 43,48% respectivamente. Suman 103,48%. Ese 3,48% extra es el vig del partido. En una moneda verdaderamente equilibrada, las dos probabilidades sumarían 100%. La casa las infla para asegurarse un margen.
Para calcular la probabilidad implícita de un momio negativo la fórmula es: momio dividido entre momio más cien, todo ello con el momio en valor absoluto. Para un momio positivo: cien dividido entre momio más cien. Un −150 devuelve 150/250 = 60%. Un +130 devuelve 100/230 = 43,48%. Estos dos números son la base de todo el trabajo siguiente.
El siguiente paso es retirar el vig y quedarse con los momios justos — los no-vig odds. La forma más rápida consiste en dividir cada probabilidad implícita entre la suma total. Siguiendo el ejemplo: 60/103,48 = 57,98% y 43,48/103,48 = 42,02%. Ahora suman 100%. Esas son las probabilidades que la casa cree, limpias del margen. Si yo calculo una probabilidad propia del 62% para el favorito, la comparación correcta no es con el 60% del momio original sino con el 57,98% del momio justo. El hueco entre mi 62% y el 57,98% de la casa es más grande de lo que parecía — y ahí, en ese hueco, es donde vive el valor esperado positivo.
Los hold medios en NCAA football oscilan entre 4% y 6% por partido en operadores mayoristas. En mercados menos líquidos — conferencias de Grupo 5, partidos de miércoles por la noche — el hold puede subir al 8% o más. A escala macro, la industria completa reportó un hold de 9,24% en febrero de 2026, aunque esa cifra mezcla todos los deportes y no refleja NCAAF específicamente.
Un consejo que aplico sin excepciones: si un partido tiene hold superior al 7%, paso. El margen extra que la casa está cobrando casi nunca se compensa con valor real. Mejor esperar a que se abra el mercado en otro operador, o simplemente no apostar ese juego.
Closing Line Value (CLV) como indicador de acierto a largo plazo
Hay un indicador que los analistas profesionales vigilan más que los resultados semanales. Se llama Closing Line Value, o CLV, y mide si las líneas que tomaste durante la semana se movieron a tu favor o en tu contra antes del kickoff.
El concepto es contraintuitivo. Puedes perder la apuesta y haber ganado CLV. Puedes ganar y haber perdido CLV. A corto plazo lo único que sientes es el resultado financiero del sábado. A largo plazo, solo importa si tus líneas tomadas fueron mejores o peores que la línea de cierre. Si apostaste a un underdog casero a +140 y la línea cerró en +115, moviste la línea 25 puntos a tu favor. El mercado validó tu lectura, aunque el partido se resolviera con el favorito cubriendo. Ese CLV positivo sostenido durante cientos de apuestas es el único predictor fiable de rentabilidad a medio plazo.
La razón de fondo es que la línea de cierre es, con mucho, el mejor estimador disponible de la probabilidad real de un partido. Reúne la información de todos los apostantes, todos los sharps, todas las noticias de última hora y todas las correcciones de la casa. Cuando tu línea tomada supera sistemáticamente la línea de cierre, estás comprando barato lo que después subirá de precio — igual que en bolsa. Y en NCAAF la ventana para capturar CLV positivo es especialmente ancha porque el spread medio se comprimió a 10,44 puntos en 2024, el mínimo de los últimos 40 años, lo que significa que los operadores están moviendo líneas con más ajuste y menos colchón que antes.
Mi regla personal es medir CLV cada diez apuestas, no cada una. Sacar la media del diferencial en puntos de moneyline — o en puntos de spread si apostaste totales mixtos — y comprobar el signo. Si después de 50 apuestas mi CLV medio es positivo, estoy haciendo algo bien aunque el saldo esté abajo. La varianza se corrige sola con volumen; la ventaja matemática, no. Por eso CLV es la métrica que miro primero y los dólares ganados son la que miro después, cuando han pasado al menos 150 apuestas.
Ejemplo práctico 1: favorito grande con EV negativo
Voy a trabajar este ejemplo con la línea que más veces he visto a apostadores ocasionales tomar sin pensar: un favorito enorme contra un rival de conferencia inferior.
Partido hipotético en septiembre. Equipo SEC favorito a −850 en casa contra un rival del Sun Belt a +600. El apostador recreativo mira el −850 y piensa «dinero fácil, apuesto 100 pesos, gano unos pesos extra, me quedo tranquilo». Vamos a destripar ese razonamiento con la misma caja de herramientas que hemos construido.
Paso uno: probabilidad implícita del −850. Fórmula: 850/950 = 89,47%. El +600 implica 100/700 = 14,29%. Suma 103,76%. Vig del partido: 3,76%. Ahora quitamos vig: 89,47/103,76 = 86,23%. El mercado limpio dice que el favorito gana el 86,23% de las veces.
Paso dos: mi propia probabilidad. Un favorito SEC de esta magnitud contra un rival Sun Belt tiene datos históricos contundentes. En partidos de este spread implícito — alrededor de 27 puntos — los favoritos ganan outright alrededor del 87% de las veces. Mi estimación propia, ajustando por ventaja de local, lesiones y ritmo de juego, queda en 88%. Casi pegada al mercado.
Paso tres: valor esperado. Aplico la fórmula. 0,88 por 11,76 (ganancia de 100 sobre una apuesta de 850) menos 0,12 por 850. Resultado: 10,35 − 102 = −91,65 por cada 850 apostadas. EV relativo: −10,78%. Negativo, fuertemente negativo. Incluso si mi probabilidad fuera un punto más alta — 89% en lugar de 88% — el EV seguiría siendo negativo. La línea −850 simplemente no compensa.
Esto ilustra el problema estructural de los favoritos extremos. El momio −850 exige ganar casi nueve veces de cada diez solo para estar en tablas. El vig aplasta cualquier ventaja marginal que puedas tener sobre la probabilidad real. En NCAA football, donde los spreads extremos se acompañan de momios que dejan prácticamente cero margen al apostador, estos juegos son casi siempre -EV. La casa lo sabe. Por eso los ofrece.
Ejemplo práctico 2: underdog casero con EV positivo
El segundo ejemplo cambia de signo. Este es el perfil de apuesta donde los datos recientes de NCAAF han sido más favorables al apostador disciplinado.
Partido hipotético en octubre. Equipo casero del Big 12 underdog a +175 contra un rival de la misma conferencia favorito de visitante a −205. El contexto importa: durante el 2024 los underdogs locales en NCAA FBS ganaron el 33,0% de sus partidos, el porcentaje más alto registrado desde 2004. No es un dato decorativo — cambia la forma de estimar probabilidades en esta categoría de matchup.
Paso uno: probabilidades implícitas. El +175 implica 100/275 = 36,36%. El −205 implica 205/305 = 67,21%. Suma 103,57%. Vig de 3,57%. Momios limpios: 35,11% para el underdog local y 64,89% para el favorito visitante.
Paso dos: probabilidad propia. Aquí entran el home-field advantage — aplicable con fuerza porque el underdog juega en casa — y un análisis del spread implícito, que ronda los 5 puntos. Un favorito de 5 puntos en NCAAF históricamente gana outright cerca del 62% de los partidos. Si el local tiene un 33% histórico en la categoría «home dog» del ciclo reciente, mi estimación de victoria del local se ajusta a 41%. Ajusto marginalmente al alza por desajuste del mercado en partidos de Big 12 — la conferencia ha mostrado variance alta en 2025 — y cierro en 42%.
Paso tres: EV. Aplico la fórmula para el moneyline del underdog casero a +175. 0,42 por 175 menos 0,58 por 100. Resultado: 73,5 − 58 = +15,5 por cada 100 apostadas. EV relativo: +15,5%. Sustancial. Incluso si mi probabilidad está inflada y la real es 40% en lugar de 42%, el cálculo sigue arrojando +10%. Hay margen de error y la apuesta aguanta.
Este es el tipo de línea que justifica el trabajo previo. La casa está cobrando su vig pero subestima estructuralmente a los underdogs locales en conferencias balanceadas. Encontrar dos o tres de estas por fin de semana es el objetivo real del método EV aplicado a moneyline NCAAF.
Ejemplo práctico 3: parlay de moneylines y el efecto compuesto
Los parlays de moneylines son el rincón más incomprendido del valor esperado. Conozco apostadores que evitan los parlays por dogma — «multiplican el vig» — y otros que los persiguen por la promesa del payout grande. Las dos posturas están a medias equivocadas.
El EV de un parlay no es una entidad nueva. Es la multiplicación de los EV individuales de cada pata, ajustada por el momio combinado. Si cada pata del parlay tiene EV positivo por sí misma, el parlay también lo tendrá — y de hecho con más fuerza porque los errores de la casa se componen. El problema viene cuando una o más patas tienen EV negativo o cercano a cero: la multiplicación amplifica la desventaja.
Un caso concreto, el del ticket que hizo historia en 2025: un apostador combinó varias patas incluyendo a Indiana campeón a +10000 y cerró un parlay de +36627 con apenas 15 dólares invertidos. El equipo de Indiana, que había abierto 100 a 1 en la temporada 2025, cerró el año 16–0 y ganó el primer título nacional de su historia derrotando a Miami 27–21 en la final del CFP. Fue una de las apuestas combinadas más comentadas de la temporada, y técnicamente tuvo EV negativo ex-ante — la probabilidad conjunta era mínima — pero ilustró por qué los parlays con patas de long shot atraen tanto al apostador recreativo.
Mi regla para parlays de moneylines es estricta. Máximo tres patas. Todas con EV individual superior al 5%. Verificar que no haya correlación entre partidos — si dos de mis patas dependen del mismo resultado, el cálculo se cae. Con esas restricciones, el parlay pasa de ser lotería a ser amplificador de ventaja. Sin ellas, es solo un producto de casa con hold disfrazado de ilusión.
Errores comunes al modelar la probabilidad de un partido NCAA
El error que más me ha costado dinero a lo largo de seis temporadas no fue una mala lectura del spread ni una lesión imprevista. Fue confiar demasiado en mi propio modelo cuando los datos decían lo contrario.
El primer error estructural del modelado amateur es usar muestras demasiado cortas. Evaluar a un equipo por sus últimos tres partidos cuando la temporada va por la semana seis produce probabilidades ruidosas. Un equipo puede venir de un tramo favorable de calendario y parecer dominante, cuando en realidad no ha jugado todavía contra nadie de élite. Ampliar la ventana a la temporada completa, y si es posible incorporar las dos previas, suaviza esa distorsión.
El segundo error es ignorar la regresión a la media. Los equipos que están arriba de su media histórica casi siempre bajan, y viceversa. Cuando un programa encadena cinco partidos ganando contra el spread, el mercado se ajusta. Seguir apostando a favor de ese equipo esperando que el patrón continúe es tomar una línea sobrevalorada. La varianza regresa a la media mucho más rápido de lo que el sentimiento del apostador se adapta.
El tercer error — y el más caro — es modelar solo el talento. NCAA football es un deporte de 18–22 años, con rotación de roster constante, lesiones semanales y factores emocionales que el estadístico puro no puede capturar. La diferencia entre la estimación de un modelo matemático y el resultado real puede ser enorme en partidos rivales, en partidos después de derrotas humillantes, o en los bowl games donde la motivación varía drásticamente entre programas. Datos históricos indican que en regular season los underdogs ganan outright cerca del 23% de los partidos, pero en los bowl games esa cifra sube a casi 37% — porque los favoritos de mayor ranking a menudo llegan con plantillas afectadas por declaraciones a la NFL Draft y saltos por transfer portal.
El modelo es una herramienta. El juicio final sigue siendo humano. Quien olvida esto construye sistemas perfectos que pierden dinero contra operadores imperfectos que saben ajustar.
Preguntas frecuentes sobre valor esperado en NCAAF
Quiero cerrar la sección con las preguntas que me llegan una y otra vez por parte de apostadores hispanohablantes que están dando el salto del moneyline intuitivo al moneyline con EV.