Compara precios de mercados de predicción con cuotas de casas de apuestas

Qué necesitas

Estado del código: El código Python de este tutorial se ejecutó con las respuestas de ejemplo publicadas en la documentación de Odds-API.io (comprobadas el 3 de noviembre de 2026), no con una clave real. Las respuestas reales pueden traer más campos; el código solo lee los documentados.

1. Cómo se traducen los precios

En los mercados de predicción un contrato cuesta de 0 a 100 céntimos y paga 1 $, así que el precio es la probabilidad implícita; cuota decimal = 1 / (precio / 100) ^{[1] [2]}. Odds-API.io devuelve la parte alta del libro (mejores precios) y campos de profundidad en dólares, no el Libro de órdenes completo ^[1].

2. Obtén los tres en una llamada

Pide a /odds Polymarket, Kalshi y una casa de apuestas. El código muestra las probabilidades implícitas de cada fuente y su suma, y la profundidad al mejor precio.

# reuses get() and ml_prices() from the Python tutorial
ev = get("/odds", eventId=EVENT_ID, bookmakers="Polymarket,Kalshi,Bet365", markets="ML")

prices = ml_prices(ev)            # back prices, decimal
for book, p in prices.items():
    implied = {side: 1 / o for side, o in p.items()}
    total = sum(implied.values())
    print(f"{book:11} sum {total:.1%} ", {s: f"{q:.1%}" for s, q in implied.items()})

for book in ("Polymarket", "Kalshi"):          # depth: USD at the best back price
    for m in ev["bookmakers"].get(book, []):
        if m["name"] == "ML":
            row = m["odds"][0]
            print(book, {k: row[k] for k in row if k.startswith("depth")})

Con el ejemplo Leeds-Arsenal de la documentación, los precios de compra de Kalshi suman el 103,1 % y los de Polymarket el 102,1 %: el exceso sobre el 100 % es el diferencial, no un margen de casa.

3. Compara con una línea sin margen

Quita primero el margen de la casa (como en la Calculadora de probabilidad implícita y sin margen) y después resta. Las diferencias pequeñas son normales; las grandes con poca profundidad suelen desaparecer al intentar operar.

def no_vig(p):
    s = sum(1 / o for o in p.values())
    return {side: (1 / o) / s for side, o in p.items()}

book_fair = no_vig(prices["Bet365"])
for pm in ("Polymarket", "Kalshi"):
    if pm in prices:
        gap = {side: (1 / prices[pm][side]) - book_fair[side] for side in book_fair if side in prices[pm]}
        print(pm, "minus Bet365 no-vig (percentage points):",
              {s: f"{g * 100:+.1f}" for s, g in gap.items()})

4. Interpreta el resultado con cuidado

Las comisiones, los diferenciales, las reglas de liquidación y la resolución de los mercados de predicción difieren de las casas ^[3]. La cobertura aquí es solo de eventos deportivos ^[1]. Para investigar, puntúa ambas fuentes a lo largo del tiempo con la Puntuación de Brier y la Calibración.

Términos del glosario y herramientas relacionados

• Mercado de predicción
• Probabilidad implícita
• Overround
• Liquidez
• Diferencial de compra-venta
• Calibración
• Conversor de cuotas
• Calculadora de probabilidad implícita y sin margen
• Cuotas en vivo con Python
• Automatización de cuotas sin código con n8n o Make
• Datos de cuotas en Claude y ChatGPT con MCP
• Buscador de arbitraje y +EV con Odds-API.io
• Odds-API vs SportsGameOdds

Preguntas frecuentes