Modelo Elo aplicado al tenis femenino: cómo convertir ratings en probabilidades
Available in US
Cuando entendí que el ranking oficial no era suficiente
El ranking WTA oficial me sirvió durante años como punto de partida, pero en algún momento empecé a notar que mis predicciones fallaban sistemáticamente en ciertos patrones: jugadoras con buen ranking histórico pero forma actual mediocre, jugadoras en racha que el ranking no reflejaba, resultados contra rivales específicas que desafiaban la ordenación oficial. Cuando empecé a trabajar con ratings Elo adaptados al tenis femenino, muchas de esas inconsistencias encontraron explicación.
Este artículo explica qué es el modelo Elo en términos accesibles, cómo se adapta al tenis femenino, qué papel juega el ajuste por superficie, y dónde están los límites del sistema. No es una guía técnica exhaustiva para construir tu propio modelo: es una explicación conceptual de por qué Elo aporta información que el ranking oficial no da, y cuándo conviene recurrir a él.
El modelo Elo en términos simples
El Elo es un sistema de rating inventado originalmente para ajedrez y adaptado después a multitud de deportes. La idea es simple: cada jugadora tiene un número (su rating Elo), y ese número sube o baja después de cada partido en función de quién ganó, quién era considerado favorito, y por qué margen se esperaba que ganara.
Cuando dos jugadoras se enfrentan, el modelo calcula la probabilidad de victoria de cada una basándose en la diferencia entre sus ratings. Una diferencia de 100 puntos Elo equivale aproximadamente a una probabilidad del 64% para la favorita. Una diferencia de 200 puntos, al 76%. Una diferencia de 400 puntos, al 91%. Estas probabilidades son las predichas por el modelo, y se comparan con el resultado real para ajustar los ratings al finalizar el partido.
Si gana la favorita (como predijo el modelo), el ajuste de ratings es pequeño. Si gana la no favorita (sorpresa), el ajuste es grande: sube mucho el rating de la ganadora y baja mucho el de la perdedora. Esta dinámica hace que los ratings Elo incorporen la información de cada partido con pesos proporcionales a la sorpresa, lo que los vuelve sensibles a la forma reciente de una manera que el ranking oficial no captura.
Para el apostador, el modelo Elo tiene una ventaja clave sobre el ranking oficial: convierte directamente ratings en probabilidades de victoria. No hay que interpretar la posición del ranking, aplicar ajustes subjetivos o ponderar factores cualitativos. La salida del modelo es una probabilidad numérica que se puede comparar directamente con la probabilidad implícita en la cuota del mercado, calculando expected value de forma transparente.
Adaptar Elo al tenis femenino
El Elo genérico no funciona bien aplicado al tenis sin adaptaciones específicas. Hay tres adaptaciones que merecen comentario. La primera es el k-factor, que determina cuánto cambia el rating tras cada partido. En tenis, el k-factor óptimo depende del tipo de torneo: los partidos de Grand Slam deberían mover el rating más que los de un WTA 250, porque la información contenida en el resultado es más valiosa.
La segunda adaptación es la incorporación del decay temporal. Una jugadora que ganó muchos partidos hace dos años y no ha jugado desde entonces debería ver su rating ajustarse gradualmente, no quedar congelado. El decay aplica una pequeña reducción al rating tras periodos de inactividad prolongada, reconociendo que la forma se deteriora sin competición.
La tercera adaptación es la separación por superficie. Una jugadora puede tener un rating alto en tierra y bajo en hierba, y viceversa. El modelo Elo generalizado para tenis suele mantener un rating global y uno específico por superficie, combinándolos con ponderaciones según el contexto del próximo partido. Esta separación es especialmente relevante en el circuito femenino, donde el porcentaje medio de puntos ganados al servicio en WTA se sitúa alrededor del 57%, y donde las jugadoras más específicas de superficie tienen perfiles de rendimiento marcadamente distintos entre superficies.
Khalid Ali, CEO de la IBIA, mencionó en un informe reciente que «la reducción trimestre a trimestre se debió principalmente a una caída en las alertas de tenis, que han mostrado una reducción bienvenida en los últimos años». Esta estabilidad del mercado es relevante para el modelo Elo: las inestabilidades estructurales o las sorpresas masivas fruto de amaños introducen ruido que degrada la calibración de cualquier modelo. Un mercado más estable produce resultados más consistentes con las probabilidades predichas por el Elo.
Elo por superficie: la capa que marca la diferencia
El Elo separado por superficie es, para mi criterio, la adaptación que más valor añade al modelo aplicado al tenis femenino. Una jugadora WTA top 50 rompe el servicio rival en torno al 37% de las veces en agregado, pero ese porcentaje varía sustancialmente entre tierra, hierba y pista dura. Un modelo que promedia los tres produce estimaciones mediocres para los partidos de superficies específicas.
Mantener ratings Elo separados por superficie implica duplicar o triplicar el trabajo de cálculo, pero el retorno en precisión predictiva es sustancial. Una jugadora puede tener un rating Elo global de 1.900 y un rating específico en tierra de 2.000 y en hierba de 1.700. Cuando se enfrenta en tierra a una rival con rating global 1.950 pero específico en tierra de 1.850, el modelo global sugiere equilibrio (1.900 vs 1.950), pero el modelo específico sugiere ventaja clara para la primera (2.000 vs 1.850).
Los partidos donde el rating específico por superficie diverge más del rating global son precisamente los partidos donde el mercado puede tener cuotas mal calibradas. Los modelos de los operadores suelen usar algún tipo de Elo o equivalente como input, pero la calidad del ajuste por superficie varía mucho entre casas. Identificar partidos donde el tu Elo específico diverge notablemente del rating global, y comparar ese dato con la cuota publicada, es uno de los ejercicios más productivos del value betting disciplinado en WTA.
Limitaciones del modelo en el circuito WTA
Ningún modelo es perfecto, y el Elo tiene limitaciones que conviene reconocer. La primera es que no incorpora información cualitativa sobre cada partido: cambios de entrenador recientes, lesiones no documentadas, alteraciones en el material, cambios tácticos. El modelo solo ve resultados; los contextos quedan fuera de su alcance.
La segunda limitación es que el Elo necesita muchos partidos para calibrarse correctamente. Una jugadora joven que asciende rápidamente del circuito ITF al WTA Tour tiene un historial corto a nivel profesional, y su rating Elo inicial es necesariamente aproximado. Los primeros meses de cualquier jugadora nueva en el circuito son un periodo donde el modelo es menos fiable, y conviene combinar su salida con análisis cualitativo específico.
La tercera limitación es estructural al propio tenis. El formato a tres sets introduce varianza alta partido a partido, y el Elo modela probabilidades promediadas. Un modelo con rating fiable puede predecir que una jugadora tiene 65% de probabilidad de ganar, y la jugadora puede perder un partido concreto sin que eso invalide la predicción. En muestras pequeñas, el Elo parece impreciso; en muestras grandes, se acerca a las frecuencias reales con razonable fidelidad.
Para el apostador, la implicación es que el Elo es una herramienta de apoyo, no una solución automática. Mi uso habitual consiste en calcular la probabilidad Elo de cada jugadora y compararla con la probabilidad implícita en la cuota. Cuando la diferencia supera el 5-7%, investigo el partido más a fondo para entender si hay factores cualitativos que justifican la divergencia o si el mercado tiene una ineficiencia genuina. Esa investigación adicional es donde el modelo se integra con análisis humano, no donde termina su utilidad.
¿Qué valor de k-factor se recomienda para el Elo WTA?
No hay un valor único óptimo. Los modelos más utilizados trabajan con k-factors variables según el tipo de torneo: alrededor de 40 para Grand Slams, 30 para WTA 1000, 25 para WTA 500 y 20 para WTA 250 o menores. Los partidos con más importancia competitiva generan ajustes más grandes porque la información contenida es más valiosa. El k-factor también debería ser algo mayor para jugadoras con historial corto (primeros 20-30 partidos profesionales), porque cada partido aporta proporcionalmente más información sobre su nivel real.
¿Elo supera al ranking oficial WTA para predecir resultados?
En general, sí, cuando se implementa con las adaptaciones adecuadas (decay temporal, k-factor variable y separación por superficie). La ventaja del Elo es que es sensible a la forma reciente de una manera proporcional al valor informativo de cada partido, mientras que el ranking oficial trabaja con puntos acumulados en ventana de 52 semanas con pesos nominalmente iguales. Estudios aplicados sobre el circuito WTA han encontrado que modelos Elo correctamente calibrados producen predicciones con menos error medio que el ranking oficial cuando se aplican al resultado del próximo partido.
El modelo Elo es una herramienta estadística, pero su salida se interpreta mejor cuando se combina con análisis técnico profundo del circuito: los pressure points WTA vs ATP aportan el contexto micro del juego que completa la información macro del rating.
Escrito por los editores de «wta Tenis Apuestas».
