Backtest temporada a temporada

Un modelo puede verse bien en una temporada afortunada y desmoronarse en la siguiente. Para comprobarlo, el modelo de partidos 1X2 (Dixon-Coles) se somete a un backtest walk-forward contra cada temporada completa con historial previo: reajustado semanalmente durante la temporada, siempre calificado contra partidos que aún estaban en el futuro respecto al ajuste — la misma disciplina que usa el pipeline en producción, no un ajuste dentro de la muestra que favorecería los números.

Calificado de dos maneras: puntuación de probabilidad clasificada (RPS, menor es mejor — recompensa una distribución completa y calibrada sobre victoria/empate/derrota, no solo acertar al ganador) y log loss (menor es mejor, penaliza más las respuestas incorrectas con alta confianza que las inciertas). Un RPS creíble para este tipo de modelo en una liga de primer nivel se ubica aproximadamente en el rango 0.19–0.21; adivinar al azar queda muy por encima de 0.22.

Cada temporada para ambas ligas cae dentro de esa banda creíble, sin que ninguna temporada atípica sostenga el promedio. Esa es la afirmación real que esta página existe para respaldar: el desempeño del modelo no es una historia de un solo buen año.