网球的三个决定性变量
网球是一对一项目，没有队友可以掩盖状态起伏，这让它比团队运动更「干净」，但也更容易被三件事主导：场地类型、发球局稳定性和体能负荷。任何忽略这三点的分析都不完整。
- 场地：红土球速慢、弹跳高，有利于底线拉锯型选手；草地球速快、弹跳低，有利于大发球和上网；硬地介于两者之间。同一个选手在不同场地上的胜率可以相差 20 个百分点以上。
- 发球局：一发得分率和保发率是网球最有预测力的指标。一个保发率 90% 的选手，只需要偶尔破发一次就能拿下盘。
- 体能：五盘三胜的大满贯和三盘两胜的常规赛完全是两种运动。上一轮打了四小时的选手，下一轮的表现会明显下滑。
为什么排名不是好的预测指标
ATP 与 WTA 排名是过去 52 周的积分累计，包含大量与当前状态无关的历史成绩。一个刚伤愈复出的前十选手，排名还很高但状态可能不如一个排名五十的上升期球员。模型更看重的是分场地的近期数据，而不是排名数字。
网球最容易被忽略的变量是比赛时段和赛程间隔。夜场比赛球速更慢、湿度更高；连续三天出赛的选手在第三场的失误率明显上升。这些在排名里完全看不出来。
模型的实际做法
- 把选手数据按场地类型分开建模，红土、硬地、草地各算各的。
- 用发球局与接发局的得分率推导每一分的胜率，再逐分模拟出整场比赛的结果分布。
- 加入体能变量：上一场的时长、赛程间隔、本周已出赛场次。
- 输出胜负概率以及总局数大小的概率，与市场赔率对照。
值得关注的市场
- 总局数大小：由两位选手的保发率直接推导，逻辑清晰，定价效率低于胜负市场。
- 让局盘：适合实力差距明显但赔率过低的对阵。
- 正确盘数：赔率高、方差大，只在模型概率明显偏离时才值得考虑。
三个常见误区
- 只看历史交锋：三年前的对战记录在场地不同、状态不同的情况下参考价值很低。
- 忽略退赛风险：网球的中途退赛率远高于团队运动，伤病消息必须核实。
- 低估女子赛事的波动：WTA 的爆冷率长期高于 ATP，用同一套阈值会吃亏。
小结
网球的数据结构干净、变量清晰，是模型表现稳定的项目。关键是坚持分场地建模、重视发球局数据、把体能负荷纳入计算。方法论和其他项目是一致的：算概率，找价值，控仓位。
常见问题
网球预测该不该看排名？
排名参考价值有限。ATP 与 WTA 排名是过去 52 周的积分累计，包含大量与当前状态无关的成绩。分场地的近期数据比排名数字更有预测力。
为什么必须分场地建模？
红土球速慢弹跳高，有利于底线相持型选手；草地球速快弹跳低，有利于大发球。同一位选手在不同场地上的胜率可以相差 20 个百分点以上，混在一起算必然失真。
保发率为什么这么重要？
网球的计分结构决定了保住自己的发球局就不会输盘。保发率 90% 的选手只要偶尔破发一次就能拿下一盘，这是最直接的胜率来源。
大满贯和常规赛能用同一套模型吗？
需要调整。大满贯男子单打是五盘三胜，体能与心理的权重明显上升，爆冷率也低于三盘两胜的常规赛。
网球哪个市场最值得关注？
总局数大小。它可以由两位选手的保发率直接推导，逻辑清晰，而且定价效率低于胜负市场，模型更容易找到偏差。
WTA 和 ATP 的分析方式一样吗？
框架一样但参数不同。WTA 的爆冷率长期高于 ATP，用同一套阈值判断价值会系统性吃亏，必须分别校准。