Jun 13, 2019
Jun 13, 2019

1. Teil: Die Dynamik in einem Tennismatch modellieren

Wie wichtig ist die Dynamik beim Tennis?

Die Dynamik zwischen den Sätzen analysieren

Leitfaden für das Wetten während eines Tennismatches

1. Teil: Die Dynamik in einem Tennismatch modellieren

Bei Tennisvorhersagen, insbesondere während eines Matches, sollten die Wettenden unbedingt bedenken, welche Wirkung die Dynamik auf das Ergebnis haben kann. In seinem neuesten Artikel erstellt Jonathon Brycki ein Modell, um die Dynamik zwischen den Sätzen eines Tennismatches zu verstehen und zu quotieren.

In einem früheren Artikel habe ich erklärt, wie man mit den Aufschlagquoten eines Spielers ein Tenniswettquotenmodell erstellt. Der Artikel zeigte, wie dieses Modell zur Quotierung von Spielen, Sätzen und Matches verwendet werden kann. Das Modell hatte seine Grenzen, da es keine Dynamik im Match berücksichtigte und nicht auf die Quotierung von Gesamtwerten und Handicaps ausgeweitet werden kann.

Zwischen dem zweiten und dritten Satz gibt es weniger Dynamik als zwischen dem ersten und zweiten.

In diesem Artikel wird das vorherige Modell erweitert, um die Dynamik zwischen den Sätzen eines Tennismatches zu verstehen und zu quotieren. Auch hier verwende ich die Aufschlagquote als Basis für das Modell.

Satzdynamik

Dynamik ist ein wesentlicher Faktor bei einem Tennismatch. Im Artikel Quoten und Statistiken bei Satzwetten habe ich gezeigt, dass es wahrscheinlicher ist, dass ein Spieler den zweiten Satz gewinnt, wenn er bzw. sie bereits den ersten gewonnen hat (nachdem die Wettquoten vor dem Spiel berücksichtigt wurden). Die überdurchschnittliche Entwicklung liegt seit 2010 bei allen ATP-Matches bei 16 %. Im nachstehenden Diagramm ist diese Beziehung aufbereitet.

tennis-1.jpg

Der Effekt nimmt in der Regel ab, wenn die implizierte Wahrscheinlichkeit eines Spielers zunimmt. Das heißt, dass Außenseiter die Dynamik normalerweise besser in den zweiten Satz mitnehmen als Favoriten.

Durch die Aufbereitung dieses Diagramms in implizierten Wettquoten wird diese Beziehung deutlich. Implizieren die Wettquoten eines Spielers beispielsweise eine Wahrscheinlichkeit von 11 bis 20 % für einen Matchgewinn, sollten die fairen Gewinnchancen für den zweiten Satz bei 4,78 liegen. Wurde jedoch der erste Satz gewonnen, liegen die fairen implizierten Wettquoten für den zweiten Satz im Durchschnitt tatsächlich bei 3,0.

tennis-2.jpg

Ebenso gilt, dass der Spieler, der den zweiten Satz gewinnt, um das Match mit einem Satz auszugleichen, mit größerer Wahrscheinlichkeit den dritten Satz gewinnt. Zwischen dem zweiten und dritten Satz gibt es weniger Dynamik als zwischen dem ersten und zweiten. Die Größe des Effekts liegt durchschnittlich bei gerade einmal 1,4 %.

tennis-3.jpg

Was diese Dynamik zwischen den Sätze für unser Tennisquotierungsmodell bedeutet ist, dass wir Grundlinienwahrscheinlichkeiten (und daher Aufschlagquoten) aktualisieren müssen, um zu berücksichtigen, welche Entwicklung wir während eines Matches erwarten können. Analysieren wir zuerst den Dynamikeffekt zwischen dem ersten und zweiten Satz.

Die besten Tenniswettquoten erhalten

Jetzt mit den besten Margen und höchsten Limits wetten 

Aktuelle Wettquoten

Dynamik zwischen dem ersten und zweiten Satz

Frühere Analysen haben gezeigt, dass die Match- und Satzgewinnwahrscheinlichkeiten anhand der Differenz bei der Aufschlagquote der Spieler modellierbar sind. Im nachstehenden Diagramm ist aufbereitet, wie sich die Differenz bei der Aufschlagquote in der Wahrscheinlichkeit eines Satzgewinns zeigt. Beispielsweise ist bei einem Spieler, der beim Aufschlag 4 % mehr Punkte gewinnt als der Gegner, damit zu rechnen, dass er 64 % der Sätze gewinnt.

tennis-4.jpg

Mit dieser Beziehung drücken wir die Wahrscheinlichkeit des Gewinns des zweiten Satzes aus, abhängig vom Gewinn des ersten Satzes, als entsprechende Zunahme bei der Aufschlagquote aus. Dies ist im nachstehenden Diagramm aufbereitet. Gewinnt beispielsweise ein Spieler mit einer vor dem Match implizierten Gewinnwahrscheinlichkeit von 65 % (implizierte Wettquote 1,54) den ersten Satz, sollte seine bzw. ihre Aufschlagquote im zweiten Satuz um 2,3 % zunehmen.

tennis-5.jpg

Dynamik zwischen dem zweiten und dritten Satz

Da eine erkennbare Entwicklung innerhalb der implizierten Wahrscheinlichkeiten fehlt, habe ich für den Gewinner des zweiten Satzes einen konstanten Vorteil von 1,4 % im dritten Satz angenommen. Das entspricht einer Aufschlagquotenanpassung von 0,45 % im Vergleich zur Aufschlagquote vor dem Match.

Wie steht das Modell da?

Ich habe das Modell für 150.000 Matches durch das Variieren der Aufschlagquote der Spieler simuliert. Im nachstehenden Diagramm ist die Beziehung zwischen den Match- und Satzgewinnwahrscheinlichkeiten des Modells aufbereitet. Diese Beziehung wird auch anhand aller Matches seit 2010 im ATP dargestellt. Das Modell scheint eine gute Abschätzung tatsächlicher Satzergebnisse zu bieten.

tennis-6-new.jpg

Betrachten wir als Nächstes die bedingten Zusammenhänge für einen Gewinn des zweiten und dritten Satzes, wenn jeweils der erste bzw. zweite Satz gewonnen wurde. Im nachstehenden Diagramm wird das Modell mit allen ATP-Matches seit 2010 verglichen.

tennis-7-new.jpg

Auch hier scheint das Modell gut kalibriert zu sein. Im nächsten Schritt wollen wir verstehen, wie genau das Modell Gesamtwerte und Handicaps quotiert. Während der von mir für die Analyse verwendete Datensatz keine Gesamtwert- und Handicapwettquoten für jedes Match enthält, können wir die tatsächlichen Matchergebnisse mit den Modellsimulationen vergleichen.

Betrachten wir zuerst eng quotierte Matches, wo die implizierten Wahrscheinlichkeiten der Spieler zwischen 40 % und 60 % liegen. Ich habe 30.000 Matches simuliert (mit ähnlicher Aufschlagquote wie der durchschnittliche ATP-Langzeitwert von 64 %) und die Gesamtwerte und Handicaps aufgezeichnet. Diese werden in den nachstehenden Diagrammen mit über 6.000 ATP-Matches seit 2010 verglichen, die in diesem Bereich implizierter Wahrscheinlichkeiten liegen.

tennis-8.jpg

tennis-9.jpg

Das Modell scheint zwar ziemlich gut kalibriert zu sein, doch man kann feststellen, dass es bei 12 bis 18 Spielen (der Verlierer gewinnt maximal sechs Spiele) die Gesamtwerte unter- und bei mehr als 30 überschätzt.

Die andere wesentliche Abweichung liegt in der Überschätzung der Gesamtwerte 22 und 23 sowie der Unterschätzung von 26 Gesamtwerten. Entsprechend überschätzt das Modell niedrige Handicaps und unterschätzt hohe Handicaps.

Wie sieht es bei ungleichmäßiger quotierten Matches aus? Im nachstehenden Diagramm werden die Gesamtwerte für implizierte Wahrscheinlichkeiten zwischen 60 % und 80 % (20 % bis 40 % für den Gegner) aufbereitet.

tennis-10.jpg

Das Manko des Modells scheint erhalten zu bleiben. Was ist los? Die Diskrepanz zeigt scheinbar, dass es für die Dynamik nicht ausreicht, die Aufschlagquote (und damit die Wahrscheinlichkeiten) nur am Ende jedes Satzes zu aktualisieren. Idealerweise werden die Aufschlagquoten regelmäßig nach jedem Spiel, wenn nicht gar nach jedem Punkt aktualisiert.

Führt ein Spieler im ersten Satz mit 3-0, sollten die Aufschlagquoten der Spieler nicht nur für den zweiten Satz, sondern auch für den restlichen ersten Satz aktualisiert werden. Ein erster Satz mit 6-2 würde sich daher stärker auf die Wettquoten im zweiten Satz auswirken als ein engeres Ergebnis von, sagen wir, 7-5.

Diese Faktoren zu quantifizieren und einzubinden, sollte die Diskrepanz zwischen diesem Modell und tatsächlichen ATP-Matches beseitigen, so dass das Modell alle Hauptmärkte eines Tennismatches genauer quotieren kann. Der 2. Teil dieses Artikels enthält diese Analyse.

Wenn Sie das Meiste aus unseren besten Wettquoten herausholen wollen, lesen Sie unbedingt mehr Wetttipps von Pinnacle-Experten.

Wettressourcen – Für bessere Wetten

Die Wettressourcen von Pinnacle sind eine der umfangreichsten Sammlungen von Expertenratschlägen zum Thema Wetten im Internet. Sie richten sich an alle Erfahrungslevel mit dem Ziel, den Wettenden wertvolles Wissen zu vermitteln.