Bote regular y velocidad media-alta: condiciones neutras, sin favorecer un estilo.
Ambiente cálido: la bola vuela algo más y el físico cuenta.
Aire seco: la bola viaja con normalidad.
Algo de viento: dificulta el control desde el fondo.
La superficie sí entra en el modelo (la especialización por superficie es uno de sus factores). El clima y la altitud son contexto que publicamos para ti — NO mueven la probabilidad.
›Ranking: #165 vs #158
›Forma reciente: 2/10 en los últimos partidos
›Modelo 89% vs mercado 51% → el modelo lo ve MÁS probable que la cuota
!Vuelve tras un parón largo (156d) — posible falta de ritmo
En clasificación y Elo, Sakamoto mantiene una ventaja discreta: Elo 1821 vs 1761 (60 puntos; #165 vs #158). El modelo cuantifica esto en una probabilidad del 89%, que es sustancialmente más alta que la implied por el mercado (51%). Sin embargo, esta ventaja se erosiona cuando se observa el contexto inmediato.
La forma reciente de Sakamoto es deficiente: 2 de 10 últimas partidas, racha negativa de 1 derrota. Zhang, pese a tener un 4/10 similar, ha ganado dos encuentros de calidad relevante (Faria Elo 1947, Safiullin Elo 1941) y muestra tendencia de mejora. Además, Zhang venció a Sakamoto en su único enfrentamiento previo (2026 Challenger), un dato que contradice la lógica de ranking puro.
El factor más tangible es el descanso. Zhang lleva 26 días sin jugar y ningún partido en los últimos 14 días. Sakamoto, por el contrario, ha disputado 5 encuentros en los últimos 14 días y solo descansa 4 días desde su última participación. La acumulación de minutos de juego y la fatiga muscular pesan más cuanto más cortos son los intervalos de recuperación.
En un torneo ATP de gran demanda como el US Open, esta diferencia es estructural. Zhang entra con frescura; Sakamoto con riesgo de fatiga progresiva. Este factor mitiga—aunque no anula—la ventaja de nivel del favorito.
Zhang es el servidor ligeramente mejor: 69% en saque vs 66% de Sakamoto (+3 puntos porcentuales). El resto está empatado (35% Sakamoto, 35% Zhang). En un clima cálido (25 °C, 54% humedad) con 18 km/h de viento, las condiciones favorecen al servidor mejor ejecutado, lo que beneficia marginalmente a Zhang.
La superficie de hard no ofrece datos comparativos directos para Zhang. Sakamoto marca 17% en hard, una cifra débil que sugiere dificultad en esta superficie. La falta de data del opponent dificulta una evaluación simétrica, pero la inferencia es que Sakamoto no es un jugador de hard fuerte.
El modelo imputa 89% de probabilidad a Sakamoto; el mercado (cuota 1.97) implica 51%. Esta brecha de 38 puntos es significativa. Sakamoto es el favorecido por ranking y Elo, pero el mercado—quizás con razón—descuenta la forma débil, el descanso deficiente y el historial adverso contra Zhang. El EV del favorito es del 74.9%, un valor positivo pero que refleja una subestimación de Zhang por el modelo en comparación con las expectativas reales de precio.
Sakamoto es favorito en rango teórico (Elo, ranking) pero con evidencia contextual en su contra: forma débil, acumulación de fatiga, saque no superior, y precedente directo perdido. Zhang regresa con descanso prolongado, ha mostrado capacidad de ganar a oponentes de nivel superior y posee un saque mejor. El mercado a 1.97 sugiere una probabilidad de ~51%, que es más realista que los 89% del modelo. La cuota implica que existe valor en ella solo si se cree que el modelo es significativamente más acertado que su accuracy reportada (65% out-of-sample). En caso contrario, Sakamoto a 1.97 no ofrece margen de seguridad suficiente para compensar los riesgos de fatiga y forma; Zhang a ~2.0 en el lado contrario es la propuesta más equilibrada.
Impacto y análisis a partir de datos reales del partido (Elo, forma, cara a cara, descanso, superficie vs base, clima, altitud). El modelo ≈ el mercado de media; la cuota ya captura casi toda la ventaja. +18 · juega con responsabilidad.