Ex-ante y post-mortem: cómo saber si la previsión fue correcta

Para confiar en un modelo que predice si una contratación va a funcionar, no basta con que parezca bueno. Hay que probar que acierta antes de que ocurra el desenlace. Dos ideas sostienen esa prueba: ex-ante, que significa antes del hecho, y post-mortem, que significa después del hecho. Cuando las dos se encuentran de forma consistente, sabemos que el acierto es real.

Qué significan ex-ante y post-mortem

Ex-ante viene del latín y quiere decir antes del evento. Es la evaluación hecha antes de que la contratación ocurra, usando solo la información disponible en ese momento. Es la previsión propiamente dicha.

Post-mortem también viene del latín y quiere decir después del evento. Es el análisis hecho más tarde, mirando lo que de hecho ocurrió a lo largo de la temporada. Es el resultado real.

La honestidad del modelo está en comparar los dos. De un lado, lo que predijo, el ex-ante. Del otro, lo que de hecho ocurrió, el post-mortem. Si los dos coinciden de forma consistente, a lo largo de muchos casos y muchas temporadas, el modelo acierta de verdad.

Cómo medimos el acierto

El método es directo. Tomamos años que ya pasaron. Colocamos el modelo de vuelta en aquel momento, con una regla simple: solo puede usar lo que se conocía hasta entonces, nada del futuro. Luego hace su previsión, el ex-ante. Por último, comparamos esa previsión con lo que de hecho ocurrió, el post-mortem.

El acierto nace de esa comparación. Son las previsiones correctas divididas por el total. Como ya conocemos el desenlace real, podemos medirlo con precisión.

Una analogía ayuda. Es como pedirle a alguien que prediga los resultados de un campeonato que ya terminó, pero ocultándole los marcadores. Si la persona acierta sin ver el resultado, el método tiene valor real. El modelo se somete exactamente a esa prueba.

Qué es la filtración, y cómo la evitamos

La filtración ocurre cuando el modelo, sin querer, espía una información del futuro, un dato que solo existiría después de la contratación. Eso infla el acierto de forma artificial. El modelo parece brillante, pero solo porque vio lo que no debía.

Evitamos este problema en varias capas de verificación. Las bases son aisladas: el modelo de cada liga se desarrolla en una base separada, sin ningún dato de los años que se están evaluando. No hay dato del futuro: la previsión usa solo lo que existía en el momento de la contratación, y nada de lo que ocurrió después entra en el cálculo. La validación es hacia adelante y real: la previsión se registra antes y solo más tarde se compara con el desenlace. Como el desenlace es un hecho verificable y la previsión vino antes de él, no hay forma de que el modelo haya hecho trampa. Y hay auditoría continua: revisamos las variables y las ventanas de tiempo para detectar cualquier filtración, y si algo aparece, el modelo se corrige.

De ahí viene la confianza. Datos reales sobre lo que de hecho ocurrió, comparados con una previsión hecha antes de ocurrir.

Cómo este método ayuda a superar al mercado

La mayoría de los fichajes del mercado nace de una combinación de reputación, recomendación e impresión reciente. Es un proceso legítimo, pero expuesto a sesgos: un jugador que brilló en las últimas fechas parece más seguro de lo que es, y la evaluación cambia una vez que el resultado ya apareció. Por eso el mercado acierta, en promedio, cerca de un fichaje de cada tres.

La disciplina descrita aquí ataca justamente esos puntos ciegos. Registrar la previsión ex-ante elimina el sesgo de decidir mirando hacia atrás. Compararla con el post-mortem, temporada tras temporada, separa lo que realmente funciona de lo que solo lo parecía. Impedir la contaminación garantiza que el acierto medido es real, no un número inflado. Y modelos calibrados liga por liga, sobre años de datos, capturan patrones que una planilla aislada no ve.

Este método también acelera la evolución de los propios modelos. Sin él, probar cada nuevo modelo exigiría esperar a que pasara una temporada entera solo para ver si lo previsto se confirmaba. Al aplicar ex-ante y post-mortem a temporadas que ya terminaron, SigningLab valida un nuevo modelo y mide su acierto de inmediato, sin esperar a que pase el período, y mantiene en uso solo el mejor modelo para cada liga.

El efecto acumulado de estas técnicas es una tasa de acierto muy por encima de la del mercado: cerca del 81 por ciento en promedio en 2025, frente al cerca del 36 por ciento que los clubes alcanzan por su cuenta, y superior a la de los clubes en todas las ligas que seguimos. No es suerte ni opinión: es el resultado de medir correctamente, reconocer que en la evaluación de retornos complejos toda previsión tiene un margen de error, y nunca depender de información del futuro.

Por qué esto le importa a un club

Un número de acierto solo vale algo si es honesto. Ex-ante, más post-mortem, más la ausencia de filtración, es lo que separa un modelo confiable de una simple promesa.

Es también lo que hace que el resultado sea auditable. Cualquier persona puede verificar, después de la temporada, si la previsión registrada antes se confirmó. No hay forma de ajustar la respuesta una vez que el partido terminó, porque la previsión ya estaba escrita.

SigningLab publica esta confrontación temporada tras temporada. No se trata de parecer que acertó. Se trata de probar que acertó antes del hecho.