Elo-type ratings in tennis

Abstract

Στο επαγγελματικό τένις, τα συστήματα κατάταξης παίζουν καθοριστικό ρόλο στην αξιολόγηση της απόδοσης των παικτών και στην πρόβλεψη των αποτελεσμάτων των αγώνων. Το επίσημο σύστημα κατάταξης της ATP αξιολογεί τους παίκτες με βάση τους πόντους που συγκεντρώνουν σε επιλεγμένα τουρνουά κατά τη διάρκεια μιας κυλιόμενης περιόδου 52 εβδομάδων. Ωστόσο, αυτή η προσέγγιση δεν αντικατοπτρίζει πάντα με ακρίβεια την τρέχουσα απόδοση ενός παίκτη. Το σύστημα αξιολόγησης Elo, που αναπτύχθηκε αρχικά για το σκάκι, θεωρείται ανώτερο λόγω της ικανότητάς του να ενημερώνει δυναμικά τις βαθμολογίες των παικτών μετά από κάθε αγώνα. Αυτή η διπλωματική εργασία εξετάζει την αποτελεσματικότητα των συστημάτων αξιολόγησης Elo στην πρόβλεψη αποτελεσμάτων αγώνων τένις. Συγκεκριμένα, εφαρμόζεται το σύστημα Elo με δύο διαφορετικές προσεγγίσεις —τη μέθοδο με σταθερό συντελεστή K και τη μέθοδο με δυναμικό συντελεστή K— πάνω σε ιστορικά δεδομένα αγώνων τένις. Η προγνωστική ικανότητα των μεθόδων αυτών αξιολογείται μέσω ενός λογιστικού μοντέλου παλινδρόμησης. Τα αποτελέσματα δείχνουν ότι η μέθοδος με σταθερό συντελεστή K επιτυγχάνει μεγαλύτερη ακρίβεια πρόβλεψης σε σύγκριση με τη δυναμική μέθοδο, ενώ η ενσωμάτωση βαρύτητας για τα τουρνουά Grand Slam δεν βελτιώνει σημαντικά την απόδοση του μοντέλου. Επιπλέον, η μελέτη εξετάζει γραφήματα που βασίζονται στις βαθμολογίες Elo, όπως οι κατατάξεις των παικτών, η εξέλιξη της καριέρας τους, και οι αποδόσεις τους ανά επιφάνεια, προσφέροντας μια βαθύτερη κατανόηση της δυναμικής των παικτών στο επαγγελματικό τένις. Τα ευρήματα αυτά ενισχύουν τη χρησιμότητα των συστημάτων τύπου Elo στο τένις και προσφέρουν πολύτιμες πληροφορίες σχετικά με τα πλεονεκτήματα και τους περιορισμούς τους ως εργαλείο πρόβλεψης.

In professional tennis, ranking systems play a crucial role in evaluating player performance and predicting match outcomes. The official ATP ranking system assesses players based on points accumulated in selected tournaments over a rolling 52-week period. However, this approach does not always accurately reflect a player’s current form. The Elo rating system, originally developed for chess, is considered superior due to its ability to dynamically update player ratings after each match. This thesis examines the effectiveness of Elo-type ratings in predicting tennis match outcomes. Specifically, the study implements the Elo rating system using two approaches—the constant K-factor and the dynamic K-factor methods—applied to historical tennis match data. The predictive performance of these methods is evaluated using a logistic regression model. Results indicate that the constant K-factor method achieves higher predictive accuracy compared to the dynamic K-factor, while the integration of the Grand Slam importance weighting does not significantly improve the model performance. In addition, the study analyses visual insights derived from Elo ratings, including player rankings, career progression, and surface-specific performance, to gain a deeper understanding of player dynamics in professional tennis. These findings support the application of Elo-type ratings in tennis and provide valuable information into their strengths and limitations as a predictive tool.