Análisis pre-partido de LoL: qué mirar antes de apostar

La primera vez que un aprendiz me pidió que le enseñara a «analizar un partido» antes de apostar, le di una hoja en blanco y le pedí que la llenara con lo que iba a mirar. Me la devolvió con tres cosas: nombres de los equipos, cuota que ofrecía la casa y su corazonada sobre quién iba a ganar. Eso no es análisis, le dije. Eso es apostar con adorno. Análisis es un protocolo, un orden de preguntas que te haces antes de que la casa te haga la suya.

Llevo nueve años haciendo el mismo protocolo, adaptándolo a cada parche y cada temporada. No es infalible, pero me ha ahorrado muchos boletos. Lo comparto aquí en el orden exacto en que lo ejecuto, porque el orden importa: si empiezas por las estadísticas sin haber entendido el parche, tus números son ruido. Si empiezas por el head-to-head sin haber revisado la forma reciente, estás leyendo el pasado sin filtrar.

Este artículo es ese protocolo, pieza por pieza. Parche, forma reciente, head-to-head, estadísticas clave, roster y fatiga, contexto del torneo, y por último la detección de value. Cada paso añade una capa, cada capa filtra la siguiente. Al final tienes una cuota esperada propia que puedes comparar con la cuota del operador. Si tu cuota está por debajo, hay valor; si está por encima, dejas pasar el partido. No se me ocurre forma más honesta de apostar a LoL.

Parche actual y ventanas de meta

El parche es la variable más volátil y la más ignorada por apostadores ocasionales. Cada dos semanas Riot publica cambios que pueden alterar el balance competitivo de forma sustancial, y el primer partido tras un parche suele tener cuotas mal calibradas porque el operador todavía no tiene datos para ajustar. Chris Greeley ha repetido en entrevistas esa idea de ecosistema que se construye con paciencia y horizonte largo: «me siento satisfecho con el camino que hemos recorrido en los últimos 15 años, y miro hacia adelante. Espero que se convierta en un esport del que podamos disfrutar dentro de 30 años». Para el apostador, ese horizonte largo de Riot se traduce en una rutina corta: revisar cada patch note antes de cada ventana competitiva.

Cómo leer un patch note con ojo de apostador

No lees un patch note igual que un jugador de solo queue. Un jugador de solo queue busca qué está fuerte para subir elo; tú buscas qué cambia las ventanas competitivas. Los cambios que importan son tres tipos.

Primero, cambios a campeones que son pick identitario de un jugador estrella. Si Azir recibe un nerf, los equipos cuyo mid laner depende de Azir pierden vector. Si Azir recibe un buff, equipos con mids especialistas ganan.

Segundo, cambios a sistemas (items, dragones, objetivos). Un buff al dragón alma cambia el valor de composiciones que escalan a minuto 30. Un nerf a las wards modifica la visión y por tanto el estilo de jungla agresiva.

Tercero, cambios a roles. Un parche que fortalece top lane reduce indirectamente el peso del bot, y los equipos cuyo vector principal es bot pierden prioridad competitiva. Un parche que fortalece jungla cambia el impacto del early game.

Ventanas de meta

Cada temporada tiene al menos dos o tres ventanas de meta claras. Al inicio del split, el meta está en construcción y los equipos experimentan; las cuotas en esas primeras jornadas son menos fiables. Hacia mitad del split, el meta se estabiliza y los equipos muestran sus verdaderas fortalezas; aquí las cuotas son más precisas y las ineficiencias son más raras. Al final del split, cuando se acerca el playoff, los equipos empiezan a reservar estrategias para rondas eliminatorias; las cuotas de regular season pueden subestimar partidos tácticamente cargados.

Worlds siempre se juega en un parche específico congelado. Desde hace años, Riot congela el parche aproximadamente tres semanas antes del arranque del torneo y todo Worlds se disputa en esa versión. Esto es información valiosa: los equipos han preparado esa versión durante semanas; los operadores han calibrado sus modelos con datos específicos de ese parche; los análisis pre-partido deben enfocarse solo en esa ventana de meta, no en parches previos.

El parche como filtro inicial

Antes de mirar cualquier otro dato, compruebo el parche. Si un partido se juega en un parche que acaba de salir (menos de 7 días desde publicación), reduzco mi stake a la mitad o directamente paso: la información asimétrica entre yo y el libro es demasiado grande. Si el parche lleva ya 2-3 semanas estable, procedo con análisis completo.

Forma reciente: últimos 10 partidos, no todo el split

Una de las trampas más caras del análisis pre-partido es confundir «récord del split» con «forma actual». Un equipo puede estar 12-4 en un split y haber perdido tres de sus últimos cinco partidos. El operador conoce ese matiz y lo incorpora; el apostador ocasional mira el récord global y asume que el equipo sigue en la misma dinámica.

La regla de los 10 últimos partidos

Mi ventana de referencia son los últimos 10 partidos oficiales de cada equipo. Diez es suficiente para tener muestra estadística razonable sin diluir la forma reciente con datos antiguos. Menos de 10 es muestra pequeña y ruidosa; más de 20 contamina con meta diferentes o parches obsoletos.

De esos 10 partidos, miro: récord (victorias/derrotas), diferencia media de oro al minuto 15, promedio de kills a favor y en contra, porcentaje de dragón alma conseguido, porcentaje de Baron conseguido. Esos cinco indicadores capturan 80 % de lo que quiero saber sobre el estado de un equipo en un momento dado.

El dato que más importa: oro al minuto 15

La diferencia de oro al minuto 15 es el indicador individual con más valor predictivo en LoL competitivo. Un equipo con +800 de oro a minuto 15 en sus últimos 10 partidos de promedio gana el mapa en un 70-75 % de los casos. Un equipo con -800 gana en un 25-30 %. La diferencia es brutal y el operador lo sabe, pero muchas veces la cuota se fija sobre el récord agregado, no sobre ese indicador específico.

Cuando un equipo cambia de trayectoria reciente (por ejemplo, pierde tres partidos seguidos con oro negativo a minuto 15 tras un split consistente), la cuota no siempre se ajusta con rapidez. Ahí hay valor, especialmente si el cambio coincide con un parche que penaliza el estilo del equipo.

Scrims filtrados: úsalos con precaución

Los scrims (partidos de práctica entre equipos profesionales) a veces se filtran a través de cuentas de Twitter, Reddit o canales de analistas. La información que contienen es parcial y no siempre representa lo que el equipo mostrará en escenario oficial. Algunos equipos practican composiciones experimentales en scrims y juegan lo clásico en oficial; otros hacen lo contrario.

Mi regla: los scrims filtrados valen como señal cualitativa (este equipo está practicando más composiciones de X tipo) pero no como señal cuantitativa (este equipo gana el 70 % de sus scrims, por tanto gana el próximo oficial). Usa scrims como contexto, no como dato estadístico.

Final de split vs inicio: dos realidades distintas

La forma reciente tiene que contextualizarse por momento de temporada. Un equipo que termina el split con victorias suele subir a playoff con ritmo; uno que lo termina con derrotas puede estar desorganizado internamente. Pero los playoffs son otra cosa: muchos equipos que rindieron poco en regular season alcanzan su mejor nivel en playoff precisamente porque han reservado estrategias. Gen.G 2025 fue un caso: regular season correcto, MSI 2025 excelente.

Traducción práctica: la forma de los últimos 10 partidos de regular season es predictiva para otros partidos de regular season. Para playoff o torneo internacional, el peso del indicador baja. Cuenta mucho el histórico del equipo en playoff: los equipos «de playoff» existen, y lo son por razones estructurales (coach veterano, jugadores experimentados en Bo5).

Head-to-head y sesgos de enfrentamiento directo

El head-to-head es el dato más pedido por los apostadores novatos y el que menos valor predictivo tiene en aislamiento. «T1 ganó 6 de los últimos 8 contra Gen.G, por tanto T1 gana el próximo» es un razonamiento que parece lógico y es, casi siempre, equivocado.

Por qué el h2h engaña

El problema del h2h en LoL competitivo es el tamaño de muestra. Dos equipos se enfrentan 2-4 veces por split. En dos años tienes 8-12 partidos entre ellos, suficiente para crear ruido estadístico pero insuficiente para conclusiones robustas. Además, dentro de esos 8-12 partidos suele haber cambios de roster, cambios de meta y cambios de coach, que rompen la continuidad del enfrentamiento.

Cuando ves «T1 ha ganado 6 de 8 contra Gen.G en los últimos dos años», la pregunta correcta es: ¿cuántos de esos 8 partidos se jugaron con el roster actual de ambos equipos, en el parche actual, con el meta actual? Si la respuesta es menos de 3, el dato es casi inútil.

Cuándo sí vale la pena mirar h2h

Hay dos contextos donde el h2h añade valor real. Primero, cuando los equipos tienen rosters estables de al menos un año y se han enfrentado 5 o más veces en ese período. Ahí hay «química» de matchup: un equipo que ha encontrado la forma de explotar a otro suele seguir haciéndolo mientras los rosters no cambien.

Segundo, cuando el h2h se filtra por fase (regular vs playoff). T1 vs Gen.G en regular season 2024 fue 50/50, pero en playoff T1 ganó los tres enfrentamientos. Ese patrón de «mejor en playoff» es información útil: sugiere que el coach y los jugadores tienen mejor preparación para series Bo5 bajo presión.

Ajustar por cambios de roster

Cada vez que un equipo cambia un jugador, el h2h anterior se reduce a referencia de contexto. No es dato predictivo puro. Un roster que pierde su ADC estrella y lo sustituye con un rookie necesita meses para estabilizar la nueva sinergia; cualquier h2h previo con el ADC anterior no aplica.

Lo mismo con el coach. El cambio de coach afecta el draft, que afecta las composiciones, que afectan los matchups. Un equipo que cambia coach en mitad de temporada es, funcionalmente, un equipo distinto para efectos de h2h.

Caso T1 vs Gen.G

Ejemplo reciente concreto. T1 y Gen.G se han enfrentado repetidamente durante los últimos ciclos. El h2h agregado favorece ligeramente a T1, pero si filtras por parches y rosters similares a los actuales, el balance es mucho más equilibrado. Apostar a T1 sobre Gen.G citando el h2h agregado ignora la volatilidad real del matchup y suele ser una apuesta que paga cuota ligeramente subida porque el libro sabe leer el contexto, y tu narrativa h2h te hace pagar sobreprecio.

Estadísticas clave: KDA, KP%, DPM, GPM, objetivos

Las estadísticas son el componente más técnico del análisis pre-partido y el lugar donde el apostador informado separa las decisiones sólidas de las intuitivas. Desde el lado mediático, lo relevante del ecosistema LoL en 2025 son los 136.433.306 horas vistas de Worlds y los picos de audiencia que todos citan. Desde el lado del apostador, esas cifras son contexto; lo que importa son los datos por jugador y por equipo. Explico los cinco indicadores que realmente uso.

KDA: útil con matices

KDA significa kills + assists / deaths. Un KDA de 5,0 es bueno, uno de 3,0 es medio, uno inferior a 2,0 es bajo. La métrica es fácil pero engaña si no se contextualiza. Un ADC con KDA 6,0 en una composición donde es el carry dedicado es normal; ese mismo KDA en un support es extraordinario. Comparar KDA entre roles sin ajustar es error de principiante.

Para un ADC profesional, KDA por encima de 5,0 se considera élite. Entre 3,5 y 5,0 es sólido. Por debajo de 3,0 hay problemas, bien de rendimiento individual bien de composición que no le favorece.

KP%: la métrica más subestimada

El Kill Participation, o KP%, mide el porcentaje de kills del equipo en las que el jugador participó (con kill o assist). Un KP% alto indica un jugador involucrado en el juego del equipo; uno bajo indica un jugador aislado o que juega pasivo.

Para junglas y supports, KP% por encima del 70 % es estándar profesional. Para ADCs y mids, entre 65-75 %. Para tops, 50-65 % es lo habitual (el top lane tiene más juego aislado estructuralmente). Un KP% muy alto no siempre es positivo: puede indicar que el jugador está robando kills que deberían ir al carry, lo que penaliza el escalado de la composición.

DPM y GPM

DPM (Damage Per Minute) mide el daño a campeones por minuto. GPM (Gold Per Minute) mide el oro generado por minuto. Son métricas útiles especialmente para ADCs y mids, los roles más «carry» del juego.

Un ADC profesional suele tener DPM entre 600 y 800; por debajo de 500 está en problemas. Un mid laner estrella puede superar los 700 DPM en composiciones agresivas. GPM alto indica capacidad de farmeo y aprovechamiento de recursos; un jugador con GPM consistentemente superior al promedio de su rol tiene valor carry adicional.

Control de objetivos

El porcentaje de dragones conseguidos y de Barones conseguidos es el indicador macro más importante del equipo, más aún que las estadísticas individuales. Un equipo que se lleva el 65 % de los dragones y el 70 % de los Barones suele ganar mapas independientemente de kills individuales. Es el indicador que mejor se correlaciona con victorias en pro play.

El porcentaje de dragón alma conseguida (el cuarto dragón de la partida, que otorga bonificación permanente) es especialmente revelador para composiciones escalables: equipos que construyen alrededor del late game tienen que conseguir el alma para que su estrategia funcione.

Fuentes fiables

Los datos oficiales más completos vienen de la propia plataforma de esports de Riot (Leaguepedia, sitios agregadores como Oracle’s Elixir o Games of Legends). Evita las páginas que mezclan datos de solo queue con competitivo: son realidades distintas y la mezcla contamina. Para un análisis serio, limita tu fuente a competitivo profesional del último trimestre.

Cambios de roster, sustitutos y fatiga

El roster es la variable más infravalorada del análisis. Los apostadores hablan mucho de parche y meta; hablan mucho menos de quién está jugando realmente esa noche.

Sustituciones y rostermania

Cada año, entre noviembre y enero, el ecosistema vive la conocida como rostermania: movimientos masivos de fichajes entre ligas y equipos. Un equipo que cierra la temporada con un roster y abre el split siguiente con tres cambios no es el mismo equipo. Las cuotas del primer mes del nuevo split deberían reflejar incertidumbre, pero a menudo reflejan exceso de optimismo (si los fichajes fueron sonados) o exceso de pesimismo (si el equipo perdió a un jugador estrella).

Mi regla: durante las primeras tres jornadas de cualquier split posterior a rostermania, no apuesto a favor de equipos con cambios recientes. La información sobre su química real es insuficiente. Apuesto en contra o paso.

Sustitutos (subs) de última hora

Cuando un equipo anuncia un sub pocas horas antes de un partido, la cuota se mueve pero no siempre en la dirección correcta. Un sub profesional llega con días o semanas de preparación interna; un sub de academia que sube de urgencia puede estar completamente fuera de ritmo. El anuncio en sí es información; lo es más el contexto del anuncio.

Si el sub viene de la academia del equipo y ha estado practicando con el roster principal todo el split, el impacto en la cuota debería ser moderado. Si el sub viene de otra liga y llega la semana antes, el impacto debería ser mayor del que el operador suele aplicar.

Fatiga y calendario

LoL competitivo tiene calendarios densos. Un equipo que jugó Bo5 el sábado y tiene Bo3 el martes tiene menos tiempo de recuperación que un equipo con semana completa libre. La fatiga mental en LoL es real: los profesionales entrenan 10-12 horas al día durante semanas de competición.

En torneos internacionales la fatiga se amplifica por el jet lag. Un equipo europeo llegando a jugar Worlds en Shanghái atraviesa 6-7 zonas horarias; su forma puede verse afectada durante los primeros 4-5 días. Los operadores lo saben pero no siempre lo modelan con precisión, especialmente en la fase Play-In donde los equipos recién llegados juegan.

Coach y staff

Ya lo mencioné en el contexto de Fearless Draft: el coach importa ahora más que nunca. Un cambio de coach en mitad de temporada rompe la continuidad estratégica del equipo y suele traducirse en peores resultados a corto plazo, incluso si el coach nuevo tiene mejor historial. El equipo necesita tiempo para adaptarse a las nuevas prioridades.

El staff analítico también pesa. Equipos con departamentos de análisis robustos (T1, Gen.G, BLG) tienden a leer mejor el meta y adaptarse más rápido a los parches. Esto se refleja en rendimiento consistente split tras split, pero también en capacidad para sorprender en torneos internacionales donde el tiempo de preparación es limitado.

Contexto del torneo: formato, calendario, descanso

El contexto del torneo es la capa que empaqueta todo lo anterior. Un mismo partido con los mismos equipos puede tener resultados distintos según cuándo y dónde se juega.

Formato del torneo

Un Bo1 de regular season en la fase Swiss de Worlds no se parece a un Bo5 de cuartos en el mismo torneo. La LCK 2025 fue el torneo de esports más visto del año con más de 161 millones de horas vistas, precisamente por la cantidad de series Bo3 y Bo5 competitivas que ofreció a lo largo del año. Esa densidad de formato largo permite que los equipos coreanos muestren su mejor nivel porque pueden preparar contra-drafts específicos.

En Bo1 la varianza es alta y cualquier equipo puede ganar un mapa aislado. En Bo3 la volatilidad se reduce. En Bo5 la varianza es baja y el mejor equipo en nivel puro suele imponerse. Esto tiene implicación directa para las cuotas: el hándicap y los totales se comportan distinto en cada formato, y el apostador debería ajustar su perfil de apuestas según.

Calendario y descanso

Ya toqué la fatiga en la sección anterior, pero el calendario tiene dimensiones adicionales. Un equipo que juega el último partido del día (a la madrugada hora local para algunos jugadores) tiene desventaja estructural. Los equipos que juegan en horarios cómodos rinden mejor; los que juegan en horarios incómodos sufren de concentración.

En torneos internacionales, los equipos con buenos staff logistan mejor el ajuste horario. Los que viajan con pocos días de adaptación llegan peor preparados. Revisa cuándo llegó cada equipo al país sede antes del primer partido; es información accesible y casi nadie la usa.

Estacionalidad: Spring vs Summer

Los equipos europeos y norteamericanos históricamente rinden mejor en Summer Split que en Spring. Hay teorías sobre por qué (menos presión inicial, más preparación acumulada, descanso primaveral), pero el patrón es consistente. Un equipo que terminó Spring Split 6-12 y empieza Summer Split 8-1 no necesariamente ha mejorado tanto como parece; es la estacionalidad del ecosistema.

LCK y LPL muestran patrón inverso más suave: Spring Split suele ser donde T1 y Gen.G llegan mejor afinados, y Summer tiende a ser más experimental. Ajusta tus expectativas regionales según la ventana del año.

Pressure games y non-pressure games

Un partido que determina clasificación a playoff se juega distinto que uno de mitad de regular season sin implicación. Los equipos top suelen reservar estrategias para partidos relevantes. Si apuestas en una jornada intermedia donde ninguno de los dos equipos se juega nada, las cuotas pueden reflejar récord agregado pero no rendimiento real esperado.

El caso contrario es el final de regular season: ambos equipos se juegan clasificación y salen con todo. Ahí las cuotas son más fiables porque los equipos juegan su mejor LoL disponible, no versiones prudentes.

Cuota esperada y detección de value

Llego al final del protocolo. Aquí es donde todo el análisis anterior se convierte en decisión: comparar mi cuota esperada con la cuota del operador y decidir si hay valor. Si no hay valor, no hay apuesta. Esa es la parte que más cuesta asimilar y la que más diferencia al apostador con criterio del que simplemente apuesta.

Construir la cuota esperada propia

Tras revisar parche, forma, h2h, estadísticas, roster y contexto, tengo una estimación de probabilidad para cada equipo. Redondeo a múltiplos de 5 %: 55/45, 60/40, 65/35. No intento ser más preciso, porque mi modelo no lo permite y fingir precisión es autoengañarse.

La cuota esperada se calcula invirtiendo la probabilidad. Si estimo 60 % para T1 y 40 % para el rival, mi cuota justa es 1/0,60 = 1,67 para T1 y 1/0,40 = 2,50 para el rival. Esas son mis cuotas. Sin margen de operador, son las cuotas que pagarían si el mercado fuera perfectamente eficiente.

Comparar con la cuota del libro

Ahora miro lo que el operador paga. Si paga 1,55 por T1 y 2,65 por el rival, ambos lados están mal calibrados respecto a mi modelo: T1 está infrapagado (mi cuota es 1,67, la suya 1,55) y el rival está sobrepagado (mi cuota 2,50, la suya 2,65). Apuesto al rival, porque es donde el operador me da más de lo que creo que vale.

El edge se calcula: (cuota operador / cuota esperada) – 1. En el ejemplo, 2,65 / 2,50 – 1 = 6 %. Un edge del 6 % es modesto pero apostable; yo personalmente no apuesto por debajo del 5 %. Por encima del 10 % hay que sospechar: o mi modelo está equivocado o el operador tiene información que yo no tengo. Un edge genuino y detectable suele moverse entre 5-8 %. La IBIA registró 300 alertas sospechosas en 2025 y esports generó 34 de ellas: esos partidos son exactamente los que producen edge artificial de dos dígitos, y mejor no tocarlos.

Tamaño de la apuesta

Detectar edge no significa apostar lo mismo en cada caso. Un edge del 5 % con convicción baja (mi modelo no es muy fiable para ese partido) merece stake menor que un edge del 5 % con convicción alta (conozco bien el matchup, parche estable, roster sin cambios).

Mi sistema: stake unitario de 1 % del bankroll para convicción base. Subo a 2 % cuando la convicción es alta. Bajo a 0,5 % cuando la convicción es baja pero el edge es notable. Nunca pongo más del 3 % en un solo partido, por mucho que la convicción sea alta. La varianza en LoL es suficiente para arruinar a quien apuesta grande con convicción absoluta.

El descarte como decisión

La mayoría de mis análisis terminan sin apuesta. Paso la mitad o más de los partidos que analizo. No hay edge, o el edge está por debajo de mi umbral, o mi convicción es baja. Esta disciplina es la que mantiene el bankroll a lo largo de temporadas enteras. Apostar todos los partidos que se analizan es la receta clásica para perder dinero.

Preguntas sobre análisis pre-partido

Las tres preguntas que vuelven una y otra vez cuando alguien empieza a aplicar este protocolo. Si el análisis pre-partido te resulta un territorio nuevo y quieres ver cómo se integra con el resto de la estrategia, las apuestas de League of Legends funcionan como mapa general donde este análisis es solo una pieza.