Las asociaciones entre el ATP, la WTA y los proveedores de datos como Sportradar han transformado el panorama de las apuestas de tenis en los últimos dos años. Los feeds de datos oficiales alimentan las plataformas en tiempo real, reducen la latencia y amplían los tipos de apuestas disponibles. Carsten Koerl, CEO de Sportradar, describió esa alianza como una oportunidad para «aplicar tecnologías como la visión artificial y la inteligencia artificial para crear productos y servicios que enganchen al aficionado». Para el apostador, eso significa más datos disponibles que nunca — y la obligación de saber cuáles importan y cuáles son ruido.
Durante nueve años analizando mercados de apuestas de tenis, he pasado por una evolución que creo que es universal: empecé mirando demasiados datos, me abrumé, reduje a muy pocos, perdí dinero, y finalmente encontré un equilibrio — un puñado de estadísticas que, bien filtradas, me dan una ventaja consistente. Esta guía comparte ese puñado. No son todas las estadísticas que existen, sino las que he comprobado que funcionan cuando las conectas con las cuotas.
El porcentaje de primer servicio y lo que revela
El primer dato que miro antes de cualquier partido no es el ranking, no es el H2H, no es la forma reciente. Es el porcentaje de primeros servicios entrantes de cada jugador en esa superficie durante las últimas seis semanas. Suena específico porque lo es — y esa especificidad es precisamente lo que lo hace útil.
El porcentaje de primer servicio entrante — cuántos primeros saques entran en juego respecto al total — es la estadística más predictiva del rendimiento en tenis. Un jugador que mete el 65% de sus primeros servicios tiene una dinámica de juego radicalmente diferente a uno que mete el 55%. El primero arranca más puntos con ventaja, presiona al restador con velocidad y colocación, y reduce la cantidad de segundos servicios que le exponen al ataque. El segundo depende más de su segundo saque — más lento, más predecible, más vulnerable.
¿Cómo traduzco esto a una apuesta? Si un jugador que normalmente mete el 68% de primeros servicios en pista dura lleva tres torneos seguidos bajando a 60-62%, hay una señal de alerta. Puede ser fatiga, puede ser un problema mecánico en el movimiento del saque, puede ser falta de confianza. Sea lo que sea, ese descenso afecta directamente a su capacidad de mantener el servicio — y eso mueve la probabilidad del partido más de lo que la cuota suele reflejar.
Un matiz que la mayoría ignora: el porcentaje de primer servicio entrante no es independiente de la superficie. En tierra batida, donde el bote alto da más tiempo al restador, un 62% puede ser suficiente porque la velocidad del saque importa menos. En hierba, donde el punto se define a menudo en los dos primeros golpes, un 62% es un problema serio. Cuando comparo el primer servicio de dos jugadores, siempre lo hago dentro de la misma superficie. Mezclar estadísticas de tierra y pista dura es como comparar el kilómetro por litro de un coche en ciudad y en autopista.
Break points salvados: el indicador de resiliencia
Hay jugadores que juegan bien cuando todo va a favor y se desmoronan cuando la presión aprieta. Y hay otros que mejoran bajo presión — que sacan su mejor tenis cuando están abajo 15-40 en su servicio. La estadística que separa a unos de otros es el porcentaje de break points salvados, y es uno de los datos más infravalorados en el análisis de apuestas de tenis.
Un jugador con un porcentaje de break points salvados del 70% es un animal competitivo. Significa que siete de cada diez veces que el rival tiene oportunidad de romperle el servicio, se salva. Ese dato trasciende la calidad técnica — refleja fortaleza mental, capacidad de subir la intensidad en momentos clave y confianza en su saque bajo presión. Un jugador con un 55% en la misma estadística tiene una fuga de energía que se nota en el marcador: pierde más breaks, necesita más contrabreaks para mantenerse en el partido, y acumula más desgaste emocional.
La forma en que uso esta estadística en mis apuestas es cruzarla con el mercado de hándicap de juegos. Si un jugador tiene un porcentaje alto de break points salvados (por encima del 65%) y el otro tiene un porcentaje bajo de break points convertidos (por debajo del 35%), el partido probablemente tendrá pocos breaks y sets igualados — lo que favorece el under en juegos y reduce la probabilidad de que el favorito gane con un hándicap amplio. Es una relación que no siempre se refleja en las cuotas, especialmente en partidos de menor perfil.
Un detalle operativo: esta estadística necesita una muestra mínima para ser fiable. Menos de 50 break points enfrentados en la superficie relevante no dice nada — la varianza es demasiado alta. Busco al menos 80-100 break points para que el porcentaje sea estadísticamente significativo. Si un jugador ha disputado solo tres partidos en hierba en los últimos dos años, su porcentaje de break points salvados en hierba no es un dato — es una anécdota.
Head-to-head: cuándo importa y cuándo engaña
El H2H — historial de enfrentamientos directos — es la estadística más consultada y la más mal interpretada en las apuestas de tenis. El público mira «5-2 a favor de A» y asume que A ganará. Los operadores lo saben, y a veces la cuota ya refleja ese sesgo popular más que la probabilidad real del partido.
El H2H importa cuando se cumplen tres condiciones simultáneamente: los enfrentamientos fueron en la misma superficie, en los últimos tres años, y con ambos jugadores en un nivel competitivo similar al actual. Si un jugador ganó 4-0 al otro hace cinco años en tierra, pero ahora se enfrentan en pista dura y el perdedor ha subido 50 posiciones en el ranking, ese historial es ruido — no señal.
El H2H engaña cuando se usa sin filtro. He visto apostadores perder dinero porque «el favorito tenía un 6-1 en el H2H», sin notar que cuatro de esos seis partidos fueron en una superficie diferente y dos fueron hace más de seis años. El tenis cambia — los jugadores maduran, ajustan su juego, mejoran o declinan. Un H2H de 2019 entre dos jugadores que entonces tenían 22 y 29 años puede ser completamente irrelevante en 2026, cuando uno tiene 29 y está en su prime táctico y el otro tiene 36 y gestiona su cuerpo.
Mi regla: uso el H2H como factor de ajuste, nunca como factor principal. Si mi modelo estadístico dice 58% de probabilidad para un jugador y el H2H filtrado (misma superficie, últimos tres años) muestra una ventaja clara del rival, ajusto un 2-3% a favor del rival. Si el H2H es ambiguo o no hay suficientes enfrentamientos recientes, lo ignoro por completo. Mejor operar sin un dato que operar con un dato engañoso.
Una excepción: el «dominio táctico». Hay combinaciones de estilos de juego donde un jugador tiene una ventaja estructural sobre otro, independientemente de la superficie. Un restador agresivo con gran lectura del saque puede dominar consistentemente a un sacador potente pero predecible. Cuando detecto este tipo de dominio táctico en el H2H — no solo en los resultados sino en cómo se ganaron los puntos de break — sí le doy más peso al historial, porque la ventaja táctica cambia menos con el tiempo que la forma física.
Estadísticas filtradas por superficie: donde está la señal
Las líneas de over/under de juegos en tenis cambian según la superficie: 21,5-22,5 juegos en pista dura frente a 23,5-24,5 en tierra batida para partidos a tres sets. Esa diferencia de dos juegos no es un capricho de los operadores — es el reflejo estadístico de cómo cambia el tenis cuando cambias el suelo bajo los pies.
Filtrar estadísticas por superficie no es un lujo analítico — es un requisito mínimo. Un jugador puede tener un 75% de puntos ganados con el primer servicio en pista dura y un 65% en tierra. Usar el promedio global (70%) para analizar un partido en arcilla sobreestima su rendimiento y puede llevarte a apostar en una cuota que no tiene valor real.
Los datos que más cambian por superficie son cuatro: porcentaje de primeros servicios entrantes (la hierba lo sube, la tierra lo baja), porcentaje de break points convertidos (la tierra lo sube, la hierba lo baja), longitud media de los rallies (que afecta al desgaste físico y a la probabilidad del over) y porcentaje de tiebreaks por set (mucho más alto en hierba, mucho más bajo en tierra).
En mi hoja de análisis, cada jugador tiene columnas separadas para cada superficie. Cuando analizo un partido, solo miro los números de la superficie relevante. Si no hay datos suficientes en esa superficie — menos de diez partidos en los últimos dos años — considero que no tengo información fiable y paso al siguiente factor. Es tentador rellenar huecos con datos de otra superficie, pero esa tentación lleva a estimaciones infladas y apuestas sin fundamento.
Un caso que ilustra la importancia del filtro: un jugador con un record de 18-5 en el año que parece un sólido favorito. Pero desglosado por superficie, su record es 14-2 en pista dura y 4-3 en tierra. Si el partido es en tierra, su verdadero nivel no es el de un jugador 18-5 sino el de un 4-3 — y la cuota que refleja el record global le está sobrevalorando. Esas discrepancias aparecen más de lo que imaginas, y son una fuente recurrente de valor.
Forma reciente vs. ranking: qué pesa más en la cuota
El crecimiento de las apuestas de tenis en Norteamérica fue del 56% interanual en el tercer trimestre de 2025, frente al 9% en Europa. Eso significa que millones de nuevos apostadores están entrando al mercado, muchos de ellos con un sesgo hacia el ranking como indicador principal. Para el apostador europeo con experiencia, eso puede ser una oportunidad: cuando el dinero nuevo apuesta al ranking, el dinero informado apuesta a la forma reciente.
El ranking ATP o WTA es una media ponderada de resultados de los últimos 12-14 meses. Es útil para tener una idea general del nivel de un jugador, pero tiene un retraso incorporado. Un jugador que fue número 15 del mundo hace seis meses y ha perdido en primera ronda de sus últimos cuatro torneos sigue teniendo un ranking alto — pero su forma actual no justifica ese ranking. Las cuotas, sin embargo, todavía reflejan en parte esa inercia del ranking, especialmente en partidos donde el público casual apuesta por nombre.
La forma reciente — resultados y rendimiento estadístico en las últimas cinco o seis semanas — es un indicador más dinámico pero más ruidoso. Un jugador puede ganar tres partidos seguidos pero haberlo hecho contra rivales débiles en un torneo menor. O puede perder dos partidos seguidos pero haber competido a alto nivel contra jugadores del top 10. Por eso, la forma reciente que yo miro no son solo los resultados — son las estadísticas de servicio y respuesta dentro de esos resultados.
Mi ponderación personal: en partidos de circuito principal, le doy un 60% de peso a la forma reciente filtrada por superficie, un 25% al perfil estadístico del jugador (promedios de largo plazo en esa superficie), y un 15% al ranking. En Challengers y Futures, donde la variabilidad es mayor y los datos de largo plazo menos fiables, subo la forma reciente al 70% y bajo el ranking al 10%. Estos porcentajes no son científicos — son el resultado de años ajustando y viendo qué funciona.
Un truco que uso para determinar cuándo el ranking engaña: miro los «puntos a defender» del jugador. Si un jugador ganó un torneo hace once meses y está a punto de perder esos puntos del ranking, su posición en la clasificación bajará pronto — pero la cuota de hoy todavía refleja el ranking de hoy. Ese desfase temporal es una fuente de valor recurrente, especialmente a principios de temporada cuando muchos jugadores pierden puntos de la temporada anterior.
Fuentes de datos y herramientas gratuitas para análisis
No necesitas una suscripción de 200 euros al mes para tener datos suficientes que alimenten tu análisis de apuestas. Las fuentes gratuitas cubren más del 80% de lo que necesita un apostador individual — el 20% restante es comodidad, velocidad y profundidad, pero no un requisito para ser rentable.
Las páginas oficiales del ATP y la WTA publican estadísticas detalladas de cada partido: porcentajes de servicio, break points, aces, dobles faltas, puntos ganados con primer y segundo servicio. Estos datos están disponibles partido a partido y se pueden filtrar por torneo, superficie y período. No tienen una interfaz pensada para apostadores — son datos deportivos puros — pero contienen toda la materia prima que necesitas.
Las plataformas de seguimiento de apuestas — no las nombro porque van y vienen, pero sabes cuáles son si llevas tiempo en esto — ofrecen históricos de cuotas, movimientos de línea y en algunos casos estadísticas agregadas por jugador y superficie. La clave es encontrar una que actualice los datos con rapidez y que permita filtrar por superficie y por período temporal.
Para el H2H, existen bases de datos públicas que registran todos los enfrentamientos del circuito desde hace décadas. Algunas permiten filtrar por superficie, por torneo y por período — que es exactamente lo que necesitas para que el H2H sea útil en lugar de engañoso.
Un recurso que infravaloran muchos apostadores: las tablas de resultados en tiempo real durante los torneos. No solo te dan el marcador — te dan las estadísticas actualizadas punto a punto, que es la base del análisis in-play. Si combinas esas estadísticas con la transmisión del partido (para ver lo que los números no cuentan), tienes un sistema de análisis completo sin gastar un euro en herramientas de pago.
La diferencia entre el apostador que gana y el que pierde rara vez está en la calidad de las herramientas. Está en la consistencia con la que las usa. Tener los mejores datos del mundo no sirve de nada si no los procesas antes de cada apuesta con la misma disciplina.
Cómo construir un modelo básico de predicción
Después de años usando modelos ajenos — algunos buenos, muchos malos — decidí construir el mío propio. No porque sea programador o estadístico, sino porque quería un modelo que reflejara exactamente los factores que yo considero importantes, con los pesos que yo he verificado que funcionan. Y la verdad es que un modelo básico no necesita más que una hoja de cálculo y cuatro columnas bien pensadas.
El modelo que uso tiene cinco variables de entrada para cada jugador: porcentaje de puntos ganados con el primer servicio en la superficie del partido (últimas seis semanas), porcentaje de puntos ganados con el segundo servicio (mismo filtro), porcentaje de puntos ganados al resto (mismo filtro), porcentaje de break points salvados (mismo filtro), y un factor de forma que calculo como la diferencia entre su rendimiento actual y su media de largo plazo.
Con esas cinco variables, calculo un «índice de rendimiento» para cada jugador que es simplemente la suma ponderada de los cinco factores. Los pesos los he calibrado durante años — empecé con pesos iguales y fui ajustando según qué variables predecían mejor los resultados en mi historial de apuestas. Hoy, el primer servicio tiene el peso más alto (30%), seguido del segundo servicio (25%), el resto (20%), los break points (15%) y la forma (10%).
La probabilidad de victoria la estimo comparando los índices de ambos jugadores. No uso una fórmula sofisticada — normalizo los índices para que sumen 100% y ese es mi punto de partida. Luego ajusto manualmente por H2H filtrado (si existe), por factores contextuales (fatiga, viaje, motivación) y por el formato del partido (tres sets vs. cinco).
¿Es este modelo perfecto? No. ¿Es mejor que apostar por intuición? Enormemente. La ventaja de tener tu propio modelo no es que sea más preciso que el del operador — no lo es, porque el operador tiene más datos y más potencia de cálculo. La ventaja es que te obliga a tomar decisiones basadas en un proceso repetible y verificable, lo que elimina la arbitrariedad y te permite identificar dónde falla tu análisis cuando las cosas van mal.
Si quieres profundizar en las estrategias que mejor se apoyan en estos datos, el modelo básico es el punto de partida natural. Sin modelo, las estrategias son conjeturas con nombre técnico.