Cuando realizan predicciones de tenis, particularmente en vivo, los apostadores deben considerar el impacto que puede tener la inercia en el resultado. En su último artículo, Jonathon Brycki desarrolla un modelo para comprender y determinar el precio de la inercia entre sets de un partido de tenis.
En un artículo anterior, expliqué como desarrollar un modelo de precios de tenis mediante el uso de porcentajes de servicio de los jugadores. Mostré cómo se podría usar este modelo para determinar el precio de juegos, sets y partidos. El modelo era limitado porque no contabilizaba la inercia dentro de un partido y, por lo tanto, no podía extenderse para fijar el precio de los totales y los hándicaps.
Hay un menor efecto de la inercia entre el segundo y el tercer set que entre el primer y el segundo set
Este artículo extiende el modelo anterior con el objetivo de comprender y determinar el precio de la inercia entre los sets de un partido de tenis. También en este caso uso los porcentajes de servicio como la base de este modelo.
Inercia del set
La inercia es un factor importante durante un partido de tenis. En el artículo Cuotas de apuestas y estadísticas para sets de tenis, demostré que es más probable que un jugador gane el segundo set si ganó el primer set (después de contabilizar las cuotas previas al partido). El rendimiento sobresaliente promedio fue de 16 % en todos los juegos de la ATP desde 2010. La siguiente tabla muestra esta relación.
Por lo general, el efecto disminuye a medida que aumenta la probabilidad implícita de un jugador. Es decir, los improbables tienden a mantener una inercia en el segundo set mejor que los favoritos.
Al expresar esta tabla en cuotas implícitas, podemos ver esta relación con claridad. Por ejemplo, un jugador cuyas cuotas implican entre 11 y 20 % de probabilidades de ganar el partido debería, en promedio, tener cuotas equitativas de 4,78 para el segundo set. Sin embargo, si ganó el primer set, sus cuotas implícitas equitativas para el segundo set son de 3,0, en promedio.
De manera similar, el jugador que gana el segundo set para igualar el partido en un set tiene más probabilidades de ganar el tercer set. Hay un menor efecto de la inercia entre el segundo y el tercer set que entre el primer y el segundo set. La magnitud del efecto es, en promedio, de solo 1,4 %.
Lo que esta inercia entre sets significa para nuestro modelo de precios de tenis, es que necesitamos actualizar las probabilidades base (y, por lo tanto, los porcentajes de servicio) para contabilizar lo que podemos esperar que suceda durante un partido. Primero, analicemos el efecto de la inercia entre el primer y el segundo set.
Obtén las mejores cuotas de tenis
Apuesta ahora mismo con los mejores márgenes y los límites más altos
Probabilidades más recientesInercia entre el primer y el segundo set
El análisis anterior demostró que las probabilidades del ganador del partido y del set pueden determinarse mediante la diferencia en el porcentaje de servicio de los jugadores. El siguiente cuadro muestra cómo una diferencia en el porcentaje de servicio se traduce en la probabilidad de ganar un set. Por ejemplo, se espera que un jugador que gana 4 % más puntos en el servicio que su oponente gane el 64 % de los sets.
Podemos usar esta relación para expresar la probabilidad de ganar el segundo set supeditada a la victoria del primer set gracias al aumento correspondiente en el porcentaje de servicio. Esto se muestra en el cuadro a continuación. Por ejemplo, si un jugador con una probabilidad implícita de victoria previa al partido del 65 % (cuotas implícitas 1,54) gana el primer set, su servicio durante el segundo set debería aumentar un 2,3 %.
Inercia entre el segundo y el tercer set
Dado que no hay una tendencia discernible entre la gama de probabilidades implícitas, supuse una ventaja constante del 1,4 % en el tercer set para el ganador del segundo set. Esto equivale a un ajuste del 0,45 % en el porcentaje de servicio con respecto a los porcentajes del servicio previos al partido.
¿Cómo es este modelo?
Simulé el modelo para 150 000 partidos al variar los porcentajes de servicio de los jugadores. El siguiente cuadro muestra la relación entre las probabilidades del ganador del set y del partido de este modelo. También se muestra esta relación en la ATP, trazada mediante el uso de todos los partidos desde 2010. El modelo proporciona una buena estimación de los resultados reales de los sets.
A continuación, consideremos las relaciones condicionales del segundo y el tercer set dada una victoria en el primer y el segundo set, respectivamente. El siguiente cuadro compara el modelo con todos los partidos de la ATP desde 2010.
De igual modo, el modelo está bien calibrado. El próximo paso es comprender la precisión que este modelo tiene para fijar el precio de los totales y hándicaps. Aunque el conjunto de datos que usé para el análisis no contiene las cuotas de totales y hándicaps para cada partido, podemos comparar los resultados reales de los partidos con las simulaciones del modelo.
Consideremos primero los partidos con precios similares, donde las probabilidades implícitas de los jugadores se encuentren entre el 40 y el 60 %. Simulé 30 000 partidos (en torno al porcentaje de servicio promedio a largo plazo de la ATP del 64 %) y registré los totales y hándicaps. En el siguiente cuadro se comparan estas cifras con más de 6000 partidos de la ATP desde 2010 que caen en este rango de probabilidades implícitas.
Aunque el modelo parece estar razonablemente calibrado, notarás que subestima los totales de 12 a 18 juegos (el perdedor que gana seis juegos o menos) y sobrestima los totales de más de 30.
La otra principal diferencia es la sobrestimación de totales de 22 y 23, y la subestimación de totales de 26. En consecuencia, el modelo sobrestima los hándicaps bajos y subestima los hándicaps altos.
¿Qué sucede con los partidos que tienen precios más desiguales? El siguiente cuadro muestra los totales de juegos para probabilidades implícitas de entre 60 y 80 % (de 20 a 40 % para su oponente).
El modelo sigue siendo deficiente. ¿Qué sucede aquí? La diferencia aparentemente muestra que actualizar los porcentajes de servicio (y, por lo tanto, las probabilidades) solo al final de cada set no es lo suficientemente dinámico. Idealmente, los porcentajes de servicio requieren un ajuste continuo después de cada juego, o bien después de cada punto.
Si un jugador va ganando 3 a 0 en el primer set, no solo se deben actualizar los porcentajes de servicio de los jugadores para el segundo set, sino que también se deben actualizar durante el resto del primer set. Por lo tanto, un primer set 6 a 2 tendría un mayor impacto en las cuotas del segundo set que un set más peleado de 7 a 5, por ejemplo.
Cuantificar e incorporar estos factores debería eliminar la diferencia entre este modelo y los partidos reales de la ATP, lo que permitiría que el modelo fije el precio de todos los mercados principales de un partido de tenis con mayor precisión. La segunda parte de este artículo contendrá este análisis.
Para sacar el mayor provecho de nuestras cuotas con mayor valor, lee más consejos de los expertos en apuestas de Pinnacle