Nicolás Kiguel es un economista recibido en Di Tella en el 2010. Está terminando un MBA en Columbia y a punto de mudarse a Ginebra a trabajar en Credit Suisse, en el área de Wealth Management. Nació en Buenos Aires y es fanático de River.

Desarrolló un modelo de predicción de resultados para el fútbol argentino. Suena complejo y complicado, pero ¿qué es un modelo de predicción de resultados? Surgieron inicialmente en Estados Unidos, aplicados a deportes como la NBA, el Baseball o el Fútbol Americano. Y, en palabras de Nicolás, funciona básicamente así:

“Imaginate que en lo que va del torneo River le ganó 2 a 0 a Racing y Racing le ganó 1 a 0 a San Lorenzo. Mañana juegan River y San Lorenzo y vos tenés que adivinar cómo va a salir el partido” explica Kiguel. El modelo se propone responder cuál es la mejor predicción.

“Un matemático puro te diría que esos no son tres partidos sino tres ecuaciones. Y que por `transitividad’, si River es 2 goles mejor que Racing y Racing es 1 gol mejor que San Lorenzo, River debería ser 3 goles mejor que San Lorenzo.

A ese matemático, un verdadero hincha de fútbol le diría que no entiende nada. Y la verdad es que el hincha tiene razón. La transitividad no se cumple de forma perfecta en el fútbol. Pero sin embargo nos da más información de la que pensamos para predecir el futuro.

Mi modelo se basa en esta idea de transitividad para resolver 120 ecuaciones al mismo tiempo. Uso los resultados de las primeras ocho fechas para tratar de predecir la novena, los de las primeras nueve fechas para tratar de predecir la décima, y así sucesivamente.”

Entonces, ¿es posible predecir cómo se van a dar los resultados de la próxima fecha en el fútbol y quién va a salir campeón?
Si los equipos fueran computadoras que juegan exactamente igual todas las fechas, podríamos predecir casi a la perfección cómo va a salir un partido. Por suerte son humanos, y aunque no tienen una performance perfecta cada domingo, tampoco son aleatorios como una ruleta. La capacidad de hacer buenas predicciones en un deporte tiene que ver con cuán cambiantes son los equipos o los jugadores.

Este modelo (como tantos otros de deportes), no asegura que equipo va a ganar el partido o el campeonato, sino que arroja una probabilidad a cada resultado posible.

¿Qué te inspiró a desarrollarlo?
En mi vida conocí a tres tipos de estudiantes:

1) Los que dominan la teoría pero no quieren o no pueden encontrarle una aplicación a los problemas de la vida diaria.
2) Los que la tienen tan clara que creen que lo que se aprende en clase tiene poco valor en el “mundo real”.
3) Los que pueden conectar una idea teórica con un problema práctico.
Este modelo es el producto de algunas clases de estadística, matemática y sports analytics, mucha curiosidad y algo de tiempo libre.

Hay una frase que dice que ‘el fútbol es la dinámica de lo impensado’, que le dirías a las personas? Mirá que uno de los que defienden esta frase es Horacio Pagani, no lo vas a querer hacer enojar.
La frase de Panzeri podría ser una versión criolla y futbolística del “Cisne Negro” de Nicholas Taleb; hay sucesos impensados o inimaginables que son los que al final resultan determinantes para la historia.

En principio, estas ideas parecen opuestas a los que un modelo como este propone. Pero si cambiáramos la palabra “impensado” por “improbable” quizás no estaríamos tan distanciados.

En lo que va del año, su modelo acertó el 75% de las veces. Nada mal, ¿no? Pero, ¿cuáles son los problemas que tiene? Es decir, ¿por qué el modelo acertó “únicamente” el 75% de las veces?
Hay muchas cosas a mejorar. La primera tentación es agregarle variables al modelo. Lesiones, cambio de técnico, el clima, el árbitro. La pregunta es si mayor complejidad siempre genera mayores aciertos.

Algo que me gustaría agregar pronto es la rotación. Las peores fechas para el modelo en términos de aciertos fueron la 9, 10 y 11. Precisamente las últimas semanas de la zona de grupos de la Libertadores, cuando varios clubes argentinos jugaron el torneo con suplentes.

Otra gran dificultad es modelar el empate. Esta familia de modelos surgió inicialmente en Estados Unidos, aplicado a deportes como la NBA, el Baseball o el Fútbol Americano. Todos estos deportes tienen una particularidad que los diferencia del Fútbol: no existe el empate.

Esta te la tenemos que preguntar, ¿quién va a salir campeón el domingo?
El modelo indica que Lanús es el favorito con un 73% de probabilidades de ganar la final contra San Lorenzo

¿Pensas hacer de esto un negocio?
Por ahora es un hobby apasionante. Si el porcentaje de aciertos empieza a aumentar, volvé a preguntarme.

Para el que lee, que cree que esto es asombroso y piensa que se puede hacer millonario apostando si sabe quien va a ganar cada fecha, ¿que le dirías?
No es tan fácil como parece. El primer paso es estimar la probabilidad de un equipo de ganar un partido. Suponiendo que pudiéramos hacer eso, el siguiente paso es encontrar una apuesta que pague al ganador lo suficiente para compensar por la probabilidad de que pierda. Lo más sorprendente al terminar este modelo, fue ver que las probabilidades implícitas en los pagos de las páginas de apuestas eran muy parecidas a las que el modelo indicaba. Es como si existiera una “Teoría de los Mercados Eficientes” para las casas de apuestas.

¿Apostarías contra tu equipo si el modelo te lo indica? ¿O la pasión es más grande?
El día que le haga más caso a mi modelo que a mi pasión, desinstalo el Excel

Si alguien quedó entusiasmado por conocer más de esto, cómo te encuentra?
Con muchísimo gusto: nicolaskiguel@gmail.com

Foto de portada: .