Dette er første del av en artikkelserie i to deler. Vi vurderer om visse spillerdynamikker drar fordel av bestemte banehastigheter og forholdene generelt. Først ser denne første delen på hvordan visse spillestiler lykkes under raske forhold og om markedene reflekterer dette på riktig måte.
Tippestrategi for raske baner
I undersøkelsene våre for denne artikkelen prioriterte vi å se på de historiske forholdene for nåværende arrangementer, for å finne ut hvilke baner som kan antas å gi de raskeste forholdene i fremtiden.
14 av banene i touren hadde 65,2 % eller flere poenggivende server over tre år, som er et viktig tall – siden det er 1,5 % over gjennomsnittet for poenggivende server i ATP totalt.
Statistisk sett er Madrid den raskeste grusbanen i ATP-touren.
Av disse var fem gressbaner – ikke overraskende – mens tre var harde innendørsbaner (New York, Paris og Marseille), fem var harde utendørsbaner (Atlanta, Auckland, Shanghai, Cincinnati og Brisbane), men litt mer uventet ga dette filteret oss også en grusbane – Madrid, som spilles litt i høyden og statistisk sett er den raskeste grusbanen i ATP-touren.
Nå som vi har funnet ut hvilke baner i touren som historisk har hatt det raskeste spillet, kan vi se på hvordan bestemte spillerdynamikker lykkes under disse forholdene.
Det finnes mange måter å finne ut om en spiller er serve- eller returorientert – enten ved å bruke en spillers grunnleggende prosentandel for poenggivende server, eller ved å bruke differansen mellom prosentandelene for poenggivende server og poenggivende returer.
De to tabellene nedenfor viser hvordan de profilerte serveorienterte spillerne gjorde det fra 1. januar 2016 til 23. april 2019, med en flat innsats på £ 100:
Filter 1: Topp 10 spillere etter poenggivende server
Filter 1: Topp 10 spillere etter poenggivende server
Spiller
|
Resultater på raske baner, 2016+
|
Resultater på raske baner, 2016+
|
Resultater på raske baner, 2016+
|
|
Kamper
|
G/T
|
Avk
|
Isner
|
63
|
346
|
5,49
|
Karlovic
|
32
|
–336
|
–10,50
|
Raonic
|
63
|
427
|
6,78
|
Federer
|
47
|
–65
|
–1,38
|
Kyrgios
|
59
|
276
|
4,68
|
Opelka
|
18
|
883
|
49,06
|
Anderson
|
44
|
686
|
15,59
|
Tsonga
|
36
|
–285
|
–7,92
|
Cilic
|
65
|
907
|
13,95
|
Querrey
|
54
|
3503
|
64,87
|
Filter 2: Topp 10 spillere etter differanse mellom poenggivende server og poenggivende returer
Filter 2: Topp 10 spillere etter differanse mellom poenggivende server og returer
Spiller
|
Resultater på raske baner, 2016+
|
Resultater på raske baner, 2016+
|
Resultater på raske baner, 2016+
|
,
|
Kamper
|
G/T
|
Avk
|
Karlovic
|
32
|
–336
|
–10,50
|
Isner
|
63
|
346
|
5,49
|
Opelka
|
18
|
883
|
49,06
|
Klahn
|
20
|
649
|
32,45
|
Raonic
|
63
|
427
|
6,78
|
Kyrgios
|
59
|
276
|
4,68
|
Anderson
|
44
|
686
|
15,59
|
Copil
|
27
|
–180
|
–6,67
|
Kokkinakis
|
16
|
633
|
39,56
|
Querrey
|
54
|
3503
|
64,87
|
Det viser seg at disse serveorienterte spillerne gjorde det veldig bra under raske forhold de siste årene, med begge filtrene.
Filter 1 – ATP-spillere sortert etter prosentandel poenggivende, ga en gevinst på £ 6342 fra et ganske rimelig utvalg på 481 kamper (13,19 % i avkastning), mens filter 2 ga enda bedre gevinst og akkumulerte £ 6887 på 396 teoretiske innsatser (17,39 % i avkastning).
Det er imidlertid verdt å nevne at Sam Querreys utvalg i stor grad ble påvirket av sluttprisen på 32,891 på seieren over Novak Djokovic i Wimbledon 2016, og dette påvirket selvfølgelig totalresultatet – halvparten av den teoretiske gevinsten kom fra bare én kamp. Resultatene er likevel betydelige også når vi ser bort fra seieren til Querrey.
Teorien om at ekstremt serveorienterte spillere undervurderes av markedet under raske forhold, ble styrket av resultatene til returorienterte spillere under samme forhold. Tabellene nedenfor viser de ti mest returorienterte spillerne, med samme filtre:
Filter 3: 10 spillere på bunn etter poenggivende server
Filter 3: 10 spillere på bunn etter poenggivende server
Spiller
|
Resultater på raske baner, 2016+
|
Resultater på raske baner, 2016+
|
Resultater på raske baner, 2016+
|
'
|
Kamper
|
G/T
|
Avk
|
Nishioka
|
20
|
197
|
9,85
|
Albot
|
29
|
903
|
31,14
|
Andreozzi
|
2
|
–200
|
–100,00
|
Dzumhur
|
26
|
–44
|
–1,69
|
Daniel
|
18
|
–1001
|
–55,61
|
Fabbiano
|
24
|
–367
|
–15,29
|
Andujar
|
5
|
521
|
104,20
|
Berlocq
|
3
|
58
|
19,33
|
Olivo
|
4
|
–400
|
–100,00
|
Kavcic
|
11
|
–118
|
–10,73
|
Filter 4: 10 spillere på bunn etter differanse mellom poenggivende server og poenggivende returer
Filter 4: 10 spillere på bunn etter differanse mellom poenggivende server og poenggivende returer
Spiller
|
Resultater på raske baner, 2016+
|
Resultater på raske baner, 2016+
|
Resultater på raske baner, 2016+
|
,
|
Kamper
|
G/T
|
Avk
|
Simon
|
46
|
–428
|
–9,30
|
Nishioka
|
20
|
197
|
9,85
|
Berlocq
|
3
|
58
|
19,33
|
Fognini
|
28
|
–477
|
–17,04
|
Fabbiano
|
24
|
–367
|
–15,29
|
Kamke
|
19
|
–106
|
–5,58
|
Olivo
|
4
|
–400
|
–100,00
|
Dzumhur
|
26
|
–44
|
–1,69
|
Andujar
|
5
|
521
|
104,20
|
Schwartzman
|
24
|
–1019
|
–42,46
|
Her ser vi umiddelbart det motsatte av suksessen til de serveorienterte spillerne under disse raske forholdene. Ved å tippe blindt på filter 3 – de 10 spillerne med minst poenggivende server – fikk vi et tap på –£ 451 på 142 kamper (–3,18 % i avkastning), og resultatene til spillerne som fremheves av filter 4 var enda verre, med et tap på –£ 2065 på 199 kamper (–10,38 %).
I tillegg til at returorienterte spillere fikk problemer under raske forhold, valgte de også å spille mindre i disse arrangementene – kanskje for å unngå disse banene.
På samme måte er det tydelig at serveorienterte spillere gjorde det bra under raske forhold og hovedsakelig prøvde å spille på disse banene så mye som mulig.
Den andre delen av denne serien ser på hvordan både serveorienterte og returorienterte spillere gjorde det under motsatte forhold – de tregeste banene på touren.
For å få mest mulig fordel av oddsene våre med best verdi bør du lese Pinnacles tipperåd fra eksperter.