En esta noticia
Un equipo de economistas del banco de inversión más influyente del mundo reprodujo 50.000 simulaciones del Mundial 2026.
El resultado colocó a la Selección argentina tercera en el ranking de favoritos, pero el método para llegar a esa conclusión revela algo más interesante que el número en sí.
Para Goldman Sachs, basado en su sistema, el Mundial terminará así: España es la favorita para ganar el Mundial 2026, con una probabilidad de título del 25,7%, seguida por Francia con 18,9% y la Argentina con 14,3%.
Más atrás aparecen Brasil, con 8%, e Inglaterra, con apenas 5%, pese a que el mercado de apuestas basadas en blockchain suele ubicarla más arriba.
En los mercados financieros, el precio de un activo no es más que la síntesis de millones de expectativas. Goldman Sachs aplicó esa misma lógica al fútbol.
A fines de mayo, el banco publicó un informe de investigación económica titulado “World Cup 2026: Predictions, Probabilities, and Paths to Victory”.
Esto no es algo nuevo. Goldman Sachs ya publicó modelos de predicción del Mundial desde hace varias ediciones y logró afinar la metodología con cada torneo. Esta versión es la más compleja hasta la fecha.
La arquitectura del modelo: cómo se convierte un partido en una ecuación
El punto de partida es una base de datos de casi 20.000 partidos internacionales obligatorios jugados desde 1978. Nada de amistosos: solo partidos en los que algo estaba en juego.
El modelo estima la cantidad de goles que un equipo determinado le marca a un rival. Para eso, usa una distribución estadística llamada Poisson, que es el instrumento estándar en la literatura académica sobre predicción de fútbol.
La distribución de Poisson describe eventos que ocurren con una frecuencia promedio conocida, pero de forma aleatoria, es, literalmente, la distribución de probabilidad más adecuada para modelar cuántos goles se anota en un partido.
Sobre esa base estadística, el modelo incorpora cinco capas de variables:
- El rating Elo. Es la columna vertebral. Diseñado originalmente para rankear jugadores de ajedrez, el sistema Elo asigna a cada selección un puntaje que sube o baja en función de los resultados y de la calidad del rival enfrentado. Ganarle a Brasil suma más que ganarle a Andorra. El modelo usa la diferencia de Elo entre los dos equipos de un partido como el principal predictor del marcador. Según esta métrica, España lidera el ranking global, seguida de Argentina y Francia.
- Talento goleador. El modelo cuantifica cuántos jugadores de cada selección figuran entre los 50 máximos artilleros de las ligas europeas de clubes. Ahí, España y Francia tienen alta densidad de goleadores de élite. Alemania no, y eso reduce sus probabilidades pese a tener un buen Elo.
- Momentum reciente. Se mide con los goles anotados por el equipo en sus últimos 10 partidos competitivos, y los goles concedidos por el rival en sus últimos cinco. En criollo, cuánto ganaste y contra quién.
- Factores de mentalidad. Aquí el modelo introduce algunos efectos interesantes. Primero, el winner’s slump: los campeones vigentes tienden a rendir por debajo de lo esperado en el Mundial siguiente.
- Factores geográficos. El modelo confirma el efecto local para los anfitriones. Pero además encuentra que la altitud del estadio perjudica a equipos de países de baja altitud, que la distancia entre la capital del país y la sede del partido reduce el rendimiento, y que una diferencia de temperatura significativa respecto al clima habitual también opera en contra. Estos factores son especialmente relevantes para los partidos en México, donde la altitud de Ciudad de México es un factor real.
La simulación: 50.000 mundiales en una noche
Con el modelo estimado, los economistas lo aplicaron al fixture real del Mundial 2026, que por primera vez tiene 48 equipos y una fase de grupos que desemboca en una ronda de 32. Simularon el torneo completo 50.000 veces, con resultados aleatorios extraídos de la distribución de probabilidad específica de cada partido.
El resultado es una tabla de probabilidades de avance para cada una de las 48 selecciones, en cada etapa: ronda de 32, octavos, cuartos, semifinales, final, y título. No es una predicción puntual sino una distribución de escenarios posibles (exactamente como se modela el riesgo en finanzas).
La predicción modal, es decir, el resultado más probable partido por partido ubica las semifinales como Francia vs. España por un lado, y Brasil vs. Argentina por el otro. La final: España vs. Argentina. Ganador: España.
Argentina: el campeón que el modelo penaliza
La Selección argentina tiene una probabilidad del 14,3% de ganar el torneo. Es el tercer favorito, detrás de España (25,7%) y Francia (18,9%).
El número parece razonable. Pero lo que lo vuelve financieramente interesante es entender por qué Argentina no está más arriba, dado que el sistema “Elo” la posiciona segunda en el mundo y es la campeona vigente.
La respuesta está en el winner’s slump o el efecto estadístico más contraintuitivo del informe. Los economistas de Goldman documentaron que, con escasas excepciones, los ganadores del Mundial previo rinden significativamente por debajo de lo esperado cuatro años después.
El historial es contundente: Argentina en 1978 llegó a segunda ronda en 1982. Italia ganó en 1982 y quedó eliminada en primera ronda en 1986. Brasil ganó en 1994 y cayó en cuartos en 1998. España ganó en 2010 y quedó eliminada en primera ronda en 2014. La única excepción reciente es Francia, que ganó en 2018 y llegó a la final en 2022.
En el lenguaje de Goldman, este patrón no es anecdótico: es estadísticamente robusto y se incorpora como variable negativa en el modelo para Argentina.
A eso se suma otro problema estructural: el sorteo. El modelo corrió una simulación adicional randomizando la composición de los grupos para medir el impacto del azar en el fixture.
“Los resultados muestran que Argentina fue el equipo más favorecido por el sorteo": su camino al título evita a España hasta la final. Si el sorteo hubiera sido diferente, la probabilidad de Argentina sería menor, concluye el banco.
Paradójicamente, lo que parece una ventaja, no cruzar a España hasta el último partido, es lo que le permite a Argentina tener un 14,3% y no menos. Sin ese sorteo favorable, el winner’s slump la hundiría más en la tabla.
El banco también señala interrogantes específicos sobre el equipo: si Messi, a punto de cumplir 39 años durante el torneo, puede mantenerse competitivo tras años alejado del fútbol europeo de élite. Es una variable que el modelo no puede cuantificar, pero Goldman la menciona explícitamente como limitación.
La validación histórica: ¿funciona el modelo?
La pregunta pertinente es si todo esto tiene algún poder predictivo real o es una elaborada forma de decir que los favoritos probablemente ganen.
Goldman ofrece una métrica de validación: la correlación entre la diferencia de goles predicha por el modelo y la diferencia de goles real, calculada sobre todos los partidos mundialistas desde 1978. El resultado es 0,49 — es decir, un 49% de correlación.
En finanzas, un R² de 0,49 en una regresión de series temporales sería considerado muy alto. En el fútbol, es modesto, pero eso dice más del fútbol que del modelo.
La correlación mejoró respecto a versiones anteriores (43% en el Mundial 2018, 45% en 2022), lo que sugiere que el refinamiento metodológico está teniendo efecto.
Para el Mundial 2022, el modelo preveía a Brasil con 24% de chances, Argentina con 21% y Francia con 19%. Argentina ganó siendo el segundo favorito.
Goldman lo presenta como una validación parcial — el modelo identificó bien a los candidatos, aunque no predijo el orden exacto del podio.
Lo que el modelo no puede ver
Los propios autores dedican un párrafo a las limitaciones, con una honestidad poco habitual en los reportes de research financiero.
El modelo es ciego al talento no ofensivo: no mide la profundidad del mediocampo francés, la calidad de un arquero en una tanda de penales, ni el impacto de un técnico con experiencia en torneos.
Goldman menciona explícitamente “el efecto Ancelotti” para Brasil. Tampoco procesa lesiones ni forma individual reciente: señalan la lesión de Lamine Yamal como una variable que podría afectar a España y que el modelo no capta.
Además, el modelo trata los goles de cada equipo como distribuciones independientes entre sí. Eso lleva a predecir varios empates lo cual es matemáticamente correcto como valor esperado, pero ignora las correlaciones tácticas dentro de un partido.
