Joyas

Un ranking, no una nota: el número es el puesto. Mezcla 60% la subida esperada en su temporada y 40% el nivel, cada parte comparada dentro de su puesto.

Solo entran los que rinden mejor que al menos 69 de cada 100 jugadores de la base (el 31% de arriba). Sin ese mínimo el ranking se llena de jóvenes baratos que aún no juegan bien.

Antes era mitad calidad y mitad ganga, y el resultado eran jugadores de 28 años en cuartas divisiones: baratos de verdad, inútiles de verdad.

Subida en su temporada

Cuánto espera el modelo que cambie su valor de mercado del inicio al cierre de la temporada en que rinde así, en porcentaje (no es un pronóstico a 12 meses). Sale de un modelo entrenado sobre 89.983 jugador-temporadas con su rendimiento, la dificultad de su liga, la edad, el precio de partida, la fuerza de su club y sus partidos de copa internacional.

Validado fuera de muestra como se debe: se entrena hasta 2023 y se prueba en 2024 en adelante, con jugadores que el modelo no vio.

Es una estimación, y en ligas nuevas acierta menos (0,66 frente a 0,77 en las de siempre).

Y está calibrado por cobertura de datos. Medido fuera de muestra, el modelo crudo sobreestimaba justo donde menos datos hay: en ligas con cobertura <60% pronosticaba +29% donde se cumplió +16%, y en el decil alto — donde vive el ranking de scout — prometía +33pp de más, mientras a las ligas bien cubiertas les escatimaba. Por eso el top de scout se llenaba de ligas flojas. Cada banda de cobertura se recalibra ahora contra lo que esa banda cumplió de verdad: la promesa de una liga a medio cubrir vale ×0,74, la de una cubierta del todo ×1,08. Tras el ajuste, el exceso queda en ~0 en las cuatro bandas.

★ Mejor del partido

Cuántas veces fue el mejor valorado de los 22 en el campo en sus últimos 10 partidos — ventana fija para que el mismo criterio mida al titular con 30 partidos y al juvenil con 12. La fuente de rendimiento no publica ese premio como dato: se lo lleva la nota más alta del encuentro, y las notas partido a partido ya las teníamos, así que esto es aritmética sobre lo nuestro, no una fuente nueva.

Mide algo distinto del nivel: correlacionan 0,57. El nivel es el promedio de la temporada; esto son los picos. Sobre 89.983 jugador-temporadas vale t=+22,6 por encima de calidad, edad, precio y año — de 0 premios a 9 o más, el valor pasó de +14% a +45%.

No mejora el pronóstico: al meterlo al modelo el IC se movió de 0.7232 a 0.7234. El modelo ya sacaba esa señal de otras variables. Está aquí porque se entiende de un vistazo, no porque añada precisión.

Perfil por áreas

Cada eje junta los percentiles que tenemos para esa área, medidos dentro de su familia de posición y contra las 155 ligas. El problema es que no todas las ligas publican las mismas métricas: la Primera Federación da una de las tres de Finalización, la Premier las tres.

Entran todas las métricas del área —también las que salen partido a partido— y no pesan todas igual: cada una pesa según cuánto va de la mano con el nivel en su puesto, con un mínimo para que ninguna de las que se ven en la ficha quede fuera. La ficha dice de cuántas sale el número, cuáles pesan más y cuál es el promedio ponderado. La prueba de más abajo se hizo antes, con el promedio simple de las de la temporada; la regla de ordenar dentro del grupo es la misma.

Y promediar una métrica no es lo mismo que promediar tres. Con una alcanza un buen número para llegar a 99; con tres hacen falta tres. Sin corregirlo, el 9,7% de los jugadores con una sola métrica llegaba a 90 o más en Finalización, contra el 0,2% de los que tenían tres — no porque fueran mejores, sino porque su promedio no se diluía. Los completos salían castigados.

Ahora cada jugador se ordena contra los demás medidos con sus mismas métricas, dentro de su familia de posición. Así el 90 quiere decir lo mismo en todos lados: el 10% de arriba entre quienes se miden igual.

No lo elegimos a ojo. En las ligas que publican todo sabemos la respuesta, así que tapamos dos de cada tres métricas justo en las ligas más flojas —que es como la cobertura falla de verdad— y miramos qué regla recupera el número que habríamos dado con información completa. Sobre cinco categorías y 106.000 jugadores, ordenar dentro del grupo fue lo único que dejó las colas parejas en las cinco (10,0% contra 10,0%), y en Defensa fue además lo que mejor reprodujo el orden real entre ligas (error 0.022 contra 0.294 de no corregir nada).

Lo que cuesta: dentro de una categoría, las diferencias de nivel entre grupos de cobertura se aplanan — en Defensa el grupo cegado queda 5,2 puntos por debajo de su verdad. Calibrar el desplazamiento en vez de ordenar recupera eso (sesgo +0,5) y acierta mejor jugador por jugador, pero deja al de liga pobre en un 0,7% de llegar a 90 contra el 17,2% del resto: le devuelve el techo, que es el bug del que veníamos. Para un número que se compara entre fichas preferimos que signifique lo mismo en todas.

⏱ Disponibilidad

Qué proporción de los minutos de su equipo jugó, tomando como 100% al jugador más utilizado de la plantilla esta temporada. Sale solo de minutos: no dice el motivo del resto (rotación, cesión, llegada reciente), y esa ambigüedad es deliberada.

Responde la pregunta que un club hace primero: ¿puedo contar con que esté en el campo? Por debajo del 45% de los minutos del más usado sale marcado como poco usado; por encima del 75%, inamovible.

Valor justo y brecha

El valor justo es lo que su perfil justifica cobrar hoy: calidad, dificultad de liga, edad (curva suave, no tramos), minutos, goles y asistencias, fuerza del club, años de contrato restantes, ser extranjero en su liga, pasaporte de país exportador, y la altura donde el mercado la paga (porteros y centrales). R² — sobre — jugadores de hoy.

La brecha es la diferencia con el precio de Transfermarkt. +50% quiere decir que el mercado lo paga un 50% por debajo de lo que el perfil justifica. Se re-centra contra el puesto mejor pagado que sabe jugar: un extremo que también juega de mediapunta se compara con mediapuntas.

Validada donde importa: sobre el panel histórico, los jugadores del decil más infravalorado subieron al año siguiente y los del más sobrevalorado bajaron, en los diez deciles sin saltos. Pero no predice que un club pague de más sobre el precio de lista — eso lo probamos contra traspasos reales y no aguanta.

Un solo modelo, y por qué. Cada dato nuevo que llegó —altura, versatilidad, posición fina, mejor del partido, disponibilidad, y las métricas avanzadas (recuperaciones, presión, bloqueos)— pasó por la misma prueba: ¿mejora la capacidad de la brecha para anticipar lo que el mercado hace después, fuera de muestra? Todos mejoran el ajuste al precio de hoy; ninguno mejoró la predicción (IC 0,359 sin, 0,352 con, sobre 7.783 jugador-temporadas históricas). Así que se muestran como dato en la ficha y no entran al modelo. Sólo el contrato y el pasaporte entraron, y porque el mercado los paga.

El tope de €60M — a quién no tasamos. No hay valoración para jugadores de más de €60M, y no están en el Explorador: arriba de ese precio, el valor de mercado es marketing, escasez y cláusulas — cosas que este modelo no mide. Y la historia no alcanza para calibrar: en 98.000 jugador-temporadas no hay ni un caso de ≥€30M al que el modelo llamara sobrevalorado un 40% y se pueda comprobar qué pasó, y las señales de compra en €60–100M acertaron el 13% — peor que una moneda. Antes que inventar un número para Bellingham, nos callamos. Nuestro terreno es el mercado donde compra un club real: de €0 a €60M. Entre €15M y €60M el jugador se muestra, pero una brecha negativa se explica en vez de afirmarse (la prima de estrella no está en la regresión).

Una brecha de +200% no significa lo mismo a los 19 que a los 31, y la probabilidad que la acompaña lo sabe: el modelo de certeza recibe la brecha junto con la edad y el precio, y devuelve lo que una brecha así, en ese perfil, hizo después. En un sub-22 barato P(sube) suele pasar del 80%; pasados los 30, con la misma brecha, cae por debajo del 20%. Ni topes ni tablas: la misma probabilidad para todos, calibrada.