Predicción Probabilística del Mundial de Fútbol FIFA 2026 mediante Gradient Boosting ySimulación Monte Carlo
DOI:
https://doi.org/10.66778/CTI.v02n01.01Palabras clave:
Fútbol, predicción, probabilística, XGBoost, Monte Carlo, ranking ELO, Mundial 2026, calibración de probabilidadesResumen
Se presenta un sistema end-to-end para estimar la probabilidad de campeonato de cada una de las 48 selec- ciones que disputarán la Copa Mundial de la FIFA 2026 bajo el nuevo formato de 12 grupos. El pipeline integra fuentes heterogéneas (resultados internacionales 1872–2026, datos de eventos, goleadores y tandas de pe- nales, Expected Goals (xG) de StatsBomb, valor de mercado de Transfermarket y ranking FIFA histórico exten- dido con un snapshot de 2026) para construir nueve características incluyendo features derivadas calculadas estrictamente as of date que alimentan cuatro modelos multiclase (Regresión Logística, XGBoost, LightGBM y XGBoost calibrado con Platt) entrenados con ponderación por decaimiento temporal exponencial y rebalan- ceo de clases. El mejor modelo (XGBoost calibrado con método Platt) obtiene un Log-Loss de ,855 y un Brier de ,166 sobre un conjunto de prueba temporal y se acopla a un motor Monte Carlo de 10,000 iteraciones que respeta el reglamento 2026 (2 primeros de grupo + 8 mejores terceros, desempates puntos - DG - GF, definición por penales). Los intervalos de confianza de Clopper–Pearson sitúan a un grupo reducido de selec- ciones históricamente fuertes entre los favoritos. Una sección dedicada discute las limitaciones del modelo: equipos debutantes sin historial, cobertura parcial de xG y ausencia de modelado estructural de lesiones.
Descargas
Referencias
Akiba, T., Sano, S., Yanase, T., Ohta, T., & Koyama, M. (2019). Optuna: A next-generation hyperparameter optimization framework. Proceedings of the 25th ACM SIGKDD International Conference on Knowledge. Discovery and Data Mining, 2623–2631. https://doi. org/10.1145/3292500.3330701
Brier, G. W. (1950). Verification of forecasts expressed in terms of probability. Monthly Weather Review, 78(1), 1–3. https://doi.org/10.1175/1520-0493(1950)078%3C0001:VOFEIT%3E2.0.CO;2
Cashncarry. (2023). FIFA world ranking 1993–2023 [Data set]. Kaggle. https://www.kaggle.com/datasets/cashncarry/fifaworldranking
Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. https://doi.org/10.1145/2939672.2939785
Clopper, C. J., & Pearson, E. S. (1934). The use of confidence or fiducial limits illustrated in the case of the binomial. Biometrika, 26(4), 404–413. https://doi.org/10.1093/ biomet/26.4.404
Deras, D. (2026a). Predictions—World Cup 2026 [Computer software]. GitHub. https://github.com/daiv05/fifa-world- cup-model
Deras, D. (2026b). Predictions—World Cup 2026 [Computer application]. Streamlit. https://fifa-world-cup-model. streamlit.app/
Dixon, M. J., & Coles, S. G. (1997). Modelling association football scores and inefficiencies in the football betting market. Journal of the Royal Statistical Society: Series C (Applied Statistics), 46(2), 265–280. https://doi.org/10.1111/1467-9876.00065
Elo, A. E. (1978). The rating of chessplayers, past and present. Arco Publishing.
FIFA. (2023). FIFA World Cup 2026 competition format and regulations. https://www.fifa.com/fifaplus/en/tournaments/mens/worldcup/canadamexicousa2026
Groll, A., Ley, C., Schauberger, G., & Van Eetvelde, H. (2019). A hybrid random forest to predict soccer matches in international tournaments. Journal of Quantitative Analysis in Sports, 15(4), 271–287. https://doi. org/10.1515/jqas-2018-0060
Jürisoo, M. (2026a). International football results from 1872 to 2026 (results, goalscorers, shootouts, former_ names) [Data set]. GitHub. https://github.com/martj42/international_results
Jürisoo, M. (2026b). International football results from 1872 to 2017 [Data set]. Kaggle. https://www.kaggle.com/ datasets/martj42/international-football-results-from- 1872-to-2017
Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A highly efficient gradient boosting decision tree. Advances in Neural Information Processing Systems, 30, 3146–3154.
Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774.
Maher, M. J. (1982). Modelling association football scores. Statistica Neerlandica, 36(3), 109–118. https://doi. org/10.1111/j.1467-9574.1982.tb00782.x
Niculescu-Mizil, A., & Caruana, R. (2005). Predicting good probabilities with supervised learning. Proceedings of the 22nd International Conference on Machine Learning, 625–632. https://doi.org/10.1145/1102351.1102430
Platt, J. C. (1999). Probabilistic outputs for support vector machines and comparisons to regularized likelihood methods. In A. J. Smola, P. Bartlett, B. Schölkopf, & D. Schuurmans (Eds.), Advances in large margin classifiers (pp. 61–74). MIT Press.
StatsBomb. (2024). StatsBomb open data [Data set]. GitHub. https://github.com/statsbomb/open-data
Transfermarkt. (2026). National teams market values [Data set]. https://www.transfermarkt.com
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Bladimir Díaz Campos, David Deras
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
