CÓMO IMPORTA CADA FACTOR
Level (Elo/ranking)▸ Gormaz●●●
Romero Gormaz ranks #145 vs Garland #201 (56 places). Model assigns 53% to favorite; ranking advantage is the primary structural edge.
Serve/Return▸ Garland●●●
Garland serves 64% vs Romero Gormaz 54% (+10 pp). Garland returns 37% vs Romero Gormaz 48% (−11 pp). Garland's serve dominance outweighs her return weakness.
Surface (Hard court)▸ Garland●●
Garland holds 60% on Hard. Romero Gormaz has zero Hard matches in 90 days and no Hard history indexed—surface switch context signals unfamiliarity.
Recent form▸ Gormaz●●
Romero Gormaz 4/10 in recent matches. No form data for Garland. Slight lean to favorite by model attribution, though limited sample.
Weather= Igualado●
Warm (25°C), dry (52% humidity), moderate wind (15 km/h). Conditions favor big servers slightly; neither player's style is severely penalized.
Layoff/Rust▸ Garland●●
Romero Gormaz returning from 33-day layoff. Risk of timing loss and coordination delay, particularly on unfamiliar Hard surface.
RANKING Y NIVEL ESTRUCTURAL
Romero Gormaz (145) cuenta con una ventaja de 56 puestos sobre Garland (201), que es la base del diferencial de calidad. El modelo WTA calibrado asigna 53% a la favorita, reflejando ese advantage. Sin embargo, el ranking por sí solo no domina el partido; hay fuerzas opuestas significativas que erosionan esa ventaja.
Romero Gormaz ha descendido 12 posiciones recientemente, mientras que Garland ha caído 69, lo que sugiere volatilidad en ambas. La tendencia de Garland es más aguda, pero ese dato contexto no altera el diferencial actual de ranking.
SAQUE Y RESTO: VENTAJA GARLAND
El perfil de saque/resto favorece claramente a Garland. Ella convierte el 64% de puntos de saque frente al 54% de Romero Gormaz—una brecha de 10 puntos porcentuales que es estructuralmente importante. En pistas rápidas como el Hard, especialmente con 25°C y 52% de humedad (aire seco), el saque potente se beneficia.
La debilidad de Garland es el resto: 37% frente al 48% de Romero Gormaz (−11 pp). Esa diferencia de 11 puntos mitiga pero no invierte la ventaja de saque. En términos netos, el perfil de saque de Garland pesa más en un torneo como el US Open sobre Hard.
SUPERFICIE: CAMBIO SIN HISTORIA
Romero Gormaz no ha jugado partidos en Hard en los últimos 90 días (11 partidos en otras superficies) y no tiene historial indexado en Hard. Ese cambio de superficie es un riesgo material. Garland, en cambio, posee un 60% en Hard, evidencia de familiaridad y confort.
Combinado con el descanso prolongado de 33 días, Romero Gormaz enfrenta un triple desafío: falta de ritmo, falta de adaptación a Hard y falta de práctica reciente en ese entorno. Garland, aunque con menor ranking, llega con datos de desempeño positivos en la superficie específica.
FORMA RECIENTE Y DESCANSO
Romero Gormaz registra 4/10 en partidos recientes, un ratio débil que refleja inconsistencia. No hay dato de forma para Garland, lo que impide comparación directa. El descanso de 33 días para Romero Gormaz plantea riesgo de oxidación: recupera ritmo físico y coordinación, pero es vulnerable en los primeros juegos.
En torneos de Grand Slam, especialmente para jugadoras fuera del top 50, la falta de ritmo competitivo es un factor táctico real, no solo teórico. Garland, sin registro de layoff en los datos, llega presumiblemente con continuidad de competencia.
EVALUACIÓN DE VALOR
El modelo asigna 53% a Romero Gormaz; el mercado (odds 2.4) implica 42%. La diferencia genera un EV positivo de +26.3% para la favorita, lo que sugiere que las cuotas subestiman su probabilidad verdadera según el modelo WTA. Sin embargo, ese modelo tiene una precisión validada del ~64% out-of-sample, no es infalible.
En contexto: Romero Gormaz es ligera favorita por ranking, pero Garland cuenta con saque superior (64% vs 54%), comodidad en Hard (60% vs sin data) y Romero Gormaz llega tras 33 días sin competir y sin matches en esta superficie. El modelo ve valor en la favorita, pero la realidad del partido es competitiva y las fuerzas se compensan parcialmente. No es una apuesta de certeza; es una leve inclinación respaldada por diferencial de ranking y un modelo calibrado, con volatilidad palpable en ambos perfiles.
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.