En la parte 1 construimos un modelo que simuló el ATP 250 de Bucharest 10.000 veces y eligió el equipo óptimo de Smash It. Ahora llegó la hora de la verdad: ¿qué pasó realmente?
Cómo le fue al equipo del modelo
| Jugador | Créditos | Ronda alcanzada | Veredicto |
|---|---|---|---|
| M. Navone | 2.4 | Campeón | ✓ |
| F. Marozsan | 4.2 | Semifinal | ✓ |
| D. Dzumhur | 2.0 | Cuartos de final | ✓ |
| D. Prizmic | 1.2 | 2da ronda | ✓ |
| S. Baez | 4.4 | 2da ronda | ✗ |
| M. Arnaldi | 2.4 | 1era ronda | ✗ |
| Total | 16.6 / 30 | 4 de 6 |
Cuatro de seis jugadores rindieron bien o mejor de lo esperado. El modelo acertó la dirección general: encontró al campeón del torneo a 2.4 créditos, un semifinalista y un cuartofinalista. Los dos fallos fueron Arnaldi (primera ronda) y Baez (segunda ronda).
El modelo vs elegir por créditos
Acá está el punto clave. La alternativa más obvia al modelo es la intuición directa: elegir a los jugadores más caros del cuadro, que son los cabezas de serie, los que “deberían” avanzar más lejos. ¿Cómo habría salido esa estrategia?
| Jugador | Créditos | Seed | Resultado real |
|---|---|---|---|
| N. Borges | 5.1 | [4] | Cayó en 2da ronda |
| G. Diallo | 5.0 | [1] | Cayó en 2da ronda |
| S. Baez | 4.4 | [5] | Cayó en 2da ronda |
| F. Marozsan | 4.2 | [3] | Semifinal |
| B. Van De Zandschulp | 3.1 | [8] | Semifinal |
| D. Altmaier | 3.0 | [6] | Cuartos de final |
| Total | 24.8 / 30 |
El equipo “por créditos” gasta 24.8 créditos y se lleva a los tres primeros cabezas de serie. El problema: Diallo [1], Borges [4] y Baez [5] cayeron todos en segunda ronda. Los 14.5 créditos gastados en ellos tres produjeron puntos de derrota.
El modelo pagó 2.4 créditos por Navone, que ganó el torneo entero. Elegir por créditos habría costado 5.0 por Diallo, que cayó en su primer partido. Esa diferencia de 2.6 créditos es también la diferencia entre el máximo puntaje posible del torneo y una eliminación temprana.
Esto no es casualidad. El modelo descartó a Diallo y Borges explícitamente porque su Elo en arcilla no justificaba el precio. En la parte 1 escribimos: “los jugadores más caros del cuadro tienen Elo bajo en arcilla comparado con alternativas mucho más baratas”. El torneo lo confirmó.
Lo que el modelo hizo bien
El modelo encontró al campeón del torneo en la franja de 2.4 créditos. Navone, séptimo preclasificado, venció a O'Connell, Moller, Molcan, Van De Zandschulp y Merida Aguilar para levantar el título. El modelo lo eligió no por su seeding sino por su Elo en arcilla — un dato que los créditos de Smash It no capturan.
Dzumhur por 2.0 créditos eliminó al cuarto cabeza de serie (Borges, 5.1 créditos) en segunda ronda y llegó a cuartos. Eso es exactamente lo que busca el modelo: jugadores con buen historial en la superficie que el mercado subvalora.
Lo que falló
Arnaldi cayó en primera ronda contra Molcan 0-2. Era el jugador con más puntos esperados del equipo (50.8) y cero puntos reales. Duele.
Baez, quinto preclasificado, cayó en segunda ronda contra Droguet. Aunque su Elo en arcilla era alto, el torneo no le fue bien — algo que pasa cuando el cuadro es parejo y las diferencias son chicas.
Pero acá hay un punto importante: que un pick no haya funcionado en un torneo no significa que fue una mala decisión. Arnaldi y Baez eran picks con probabilidad a favor. En 10.000 simulaciones, ambos daban buen rendimiento en la mayoría. El tenis real se juega una sola vez. El modelo no necesita acertar siempre — necesita acertar en promedio, tomando mejores decisiones que la alternativa.
Lo que nadie podía predecir
La historia del torneo la escribió Merida Aguilar: un qualifier que venció a Mannarino [2], a Droguet (vía retiro) y a Marozsan [3] para llegar a la final. Ningún modelo razonable puede anticipar que un jugador sin ranking entrará al cuadro por clasificación y eliminará al segundo cabeza de serie.
Ese tipo de recorrido es lo que hace al tenis impredecible — y es exactamente por lo que un modelo probabilístico es más honesto que una predicción única. El modelo no dijo “Navone va a ganar”. Dijo “Navone tiene buena probabilidad de avanzar lejos dado su nivel en arcilla y su precio”. Eso sí se cumplió.
El veredicto
Puesto 15 de 38 jugadores. Mitad superior de la tabla, pero lejos del podio. ¿Es un buen resultado? Depende contra qué lo midas.
Si la pregunta es “¿ganamos la liga?”, la respuesta es no. Pero si la pregunta es “¿el modelo tomó mejores decisiones que elegir a ojo?”, la respuesta es sí. El modelo identificó correctamente que los cabezas de serie caros eran mala inversión en este cuadro. Encontró al campeón en la franja barata. Acertó en 4 de 6 jugadores.
La diferencia entre el puesto 15 y el puesto 1 no fue la estrategia general — fue la combinatoria específica: qué jugadores se cruzaron en qué ronda, quién tuvo un buen o mal día. El tipo de varianza que se promedia con más torneos.
Un modelo no gana un torneo de fantasy. Gana una temporada. Con más torneos, la ventaja sistemática de elegir por datos en vez de por precio se acumula. Bucharest fue el primer intento — los datos dicen que el enfoque tiene sentido.