Почему ATP ranking не лучший предиктор, и как Elo (+ Glicko-2) даёт +7-10% accuracy на том же наборе матчей.
ATP ranking — накопительная точковая система. За победу на Grand Slam final 2000 очков, ATP 1000 — 1000, ATP 500 — 500, ATP 250 — 250. Учитываются лучшие 19 результатов за последние 52 недели. Проблемы: (1) Не учитывает силу оппонентов — победа над 200-м даёт такие же points как над 2-м (в рамках турнира); (2) Не учитывает margin — 6-4 6-4 и 6-0 6-0 имеют одинаковое очков значение; (3) 52-week window — игрок может быть в top-10 по rank но в ужасной форме сейчас. ATP rank — marketing инструмент и basis для seeding, не прогностический tool.
Elo rating (from chess Arpad Elo 1960s) измеряет чистый skill. Принцип: победа над более сильным противником даёт больше очков чем над слабым. Потеря против слабого — больше penalty. Formula: new_rating = old + K×(actual − expected), где expected = 1/(1+10^((opp−you)/400)). В теннисе K=32 для bo3, 40 для Grand Slams. Обновляется после каждого матча. Не учитывает points за турниры (no politics), только head-to-head результаты. Все топ-игроки получают объективный merit rating.
На dataset 2018-2024 (50,000 матчей ATP+WTA): (1) Прогноз по ATP rank: 65% accuracy (favorit выигрывает); (2) Elo overall: 71% accuracy; (3) Surface-specific Elo: 74% accuracy; (4) Surface Elo + recent form weight: 76% accuracy. Это +11 percentage points от baseline rank. Причина: Elo реагирует на каждый матч (включая recent form + quality of opponent), rank — накопительный и замедленный. Пример: Sinner в начале 2023 был rank 15, но Elo 2050 (выше чем у многих top-10). Elo правильно prediction того что он станет №1 в 2024.
Glicko-2 — улучшение Elo, добавляет (1) uncertainty rating (rating deviation RD) — насколько мы уверены в текущем rating; (2) volatility — насколько быстро rating меняется. Новый игрок стартует с RD=350 (высокая неопределённость), после 30 матчей RD падает до 50 (уверенный rating). Preimushchesstvo: когда встречаются два игрока с разными RD, модель правильно учитывает. Stable veteran Djokovic (RD=35) vs young Alcaraz до 2022 (RD=180) — модель более conservative в prediction despite equal Glicko-2 mean. StarkTennis использует Glicko-2 для точности +2-3% над plain Elo.
Не обязательно выбирать. Модель Pure Math Winner использует BOTH: ATP rank (как proxy для tour experience, seed matters для draw), Elo (для skill), forma last 10 (for momentum), H2H recent 3yr (for matchup), surface Elo delta (for specialism). Feature importance: Elo/Glicko (0.35), recent form (0.20), surface delta (0.15), ATP rank (0.08), H2H (0.12), прочее (0.10). Rank не бесполезен — он карриет информацию о draw strength и scheduling, но он не primary predictor.
Edge cases где rank даёт правильный signal а Elo не успел: (1) Player return after injury — rank fall (из-за weeks missed), Elo помнит его peak level. Букмекер reacts на rank (favorit по lower) → Elo видит edge. (2) Sudden retirement rumors: player plays but worse, Elo slowly updates. Rank не реагирует. (3) New player breakout: young player без rank (protected) но Elo rises fast from wins. Модель использует Elo primarily. В whole 95% cases Elo лучше rank.
Tennisabstract.com публикует Elo rankings ATP+WTA weekly. StarkTennis fetches там + внутренне обновляет после каждого match.
Используют. Sharp bookmakers (Pinnacle) имеют internal Elo-like models. Soft bookmakers частично reacts на ATP rank что создаёт arbitrage edges vs Pinnacle.
Да, но с большей error margin. На challenger-level игроки волатильны, RD больше. Модель использует более conservative predictions там.
Теория — полезно, практика — полезнее. Все модели StarkTennis работают в реальном времени:
📊 Открыть миниаппTelegram канал: @cxcap. Обновление каждые 30 минут. Всё бесплатно.