CÓMO IMPORTA CADA FACTOR
Level (Elo/ranking)▸ Valdmannova●●●
Kalieva #115 vs Valdmannova #165; model 62% vs market 49% signals undervalued favorite. Elo 1540 vs 1609 slightly favors opponent, but ranking and model consensus override it.
Surface▸ Valdmannova●●
Hard court: Kalieva 57% vs baseline 40% (+17 pts edge). Valdmannova's hard percentage unavailable, so no direct comparison; Kalieva's +10% specialist boost on hard is concrete advantage.
Form▸ Kalieva●●
Kalieva 4/10 recent (two-match streak). Valdmannova 8/10 recent (two-match streak). Opponent's win rate and momentum significantly stronger into this match.
Serve/Return▸ Kalieva●●
Serve: Valdmannova 57% vs Kalieva 56% (+1% edge). Return: Kalieva 45% vs Valdmannova 47% (−2% edge). Opponent holds marginal but real advantage in both phases.
Rest/Fatigue= Igualado●
Both played 2 days ago (US Open semi-finals). Both logged 2–3 matches in 14 days. Recovery symmetrical; deep-run fatigue context applies equally to both.
Weather= Igualado●
Warm (26°C), humid (74%), light wind (8 km/h). Humidity favours baseline players, but Kalieva's 57% hard rate vs 40% career baseline suggests she thrives on hard regardless.
RANKING Y NIVEL
Kalieva (#115) entra favorita sobre Valdmannova (#165), brecha que respalda el modelo de probabilidad de Baseline (62% para Kalieva vs 49% del mercado). Sin embargo, la comparación Elo (1540 vs 1609) invierte ligeramente ese favor: Valdmannova posee un Elo superior, lo que refleja rendimiento histórico neto superior. Esta contradicción es clave: el ranking reciente de Kalieva la coloca por delante, pero la métrica acumulada de Elo sugiere que Valdmannova ha demostrado consistencia más sólida a lo largo del tiempo.
SAQUE Y RESTO
Valdmannova mantiene una ligera ventaja en ambas disciplinas: saque 57% vs 56% de Kalieva, y resto 47% vs 45%. Aunque los márgenes son mínimos (+1% y −2%, respectivamente), muestran que Valdmannova gestiona mejor tanto el servicio propio como la lectura del contrario. En pistas duras con ritmo moderado y humedad como la de hoy, esa eficiencia en el punto de saque es particularmente relevante: cada quiebre economiza energía en un contexto donde la fatiga acumulada (ambas vienen de semifinales hace 2 días) puede castigar errores.
FORMA Y MOMENTO
Kalieva llega con 4/10 en sus últimos diez partidos; Valdmannova con 8/10. El contraste es nítido y favorece claramente a la rival. Ambas mantienen racha de dos victorias consecutivas, pero la base sobre la que se asientan es totalmente distinta. Kalieva acumula tres derrotas en los últimos cinco encuentros, lo que sugiere inconsistencia táctica o mental. Valdmannova ha ganado ocho de diez, patrón que revela ajuste y confianza. En un contexto de fatiga post-semifinal, el tenis de quien arriba en forma suele prevalecer.
SUPERFICIE Y ESPECIALIZACIÓN
En pista dura, Kalieva rinde al 57%, frente a su baseline de 40% (ventaja de +17 puntos porcentuales). Ese impulso de especialista es sólido y la diferencia respecto a su promedio de carrera está documentada. La cancha de US Open es dura, rápida y favorece el golpe plano; Kalieva lo aprovecha. El dato de Valdmannova en hard no está disponible, así que no hay comparación directa, pero la superior tasa general de saque y resto de Valdmannova (57% y 47%) sugiere adaptabilidad universal más que especialización en superficie.
VALOR Y PROBABILIDADES
El modelo asigna a Kalieva una probabilidad de 62%, pero el mercado (implícito en cuota 2.04) la valora a 49%. Esa discrepancia de +13 puntos porcentuales genera un valor esperado positivo (EV +26.5%), lo que en principio favorecería apostar por Kalieva. Sin embargo, ese diferencial puede reflejar simplemente que el modelo —calibrado para WTA con ~64% de precisión fuera de muestra— *es* la línea correcta y el mercado aún no ha ajustado. La realidad es que Kalieva es favorita sobre el papel, pero la ventaja es estrecha y vulnerable: Valdmannova llega con forma superior, saque/resto marginalmente mejor, y fatiga simétrica. No existe una brecha clara de calidad. El valor aparente de Kalieva no es lo mismo que la probabilidad de que gane; ambas magnitudes son próximas, y la volatilidad inherente a semifinales post-fatiga añade ruido que el modelo no captura completamente.
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.