Analysis of tennis matches

Tato práce se zaměřuje na vytvoření a porovnání tří modelů určených k předpovídání vítězů tenisových zápasů na hlavním okruhu ATP Tour a grandslamových turnajích a také na porovnání různých sázkových strategií pro tyto zápasy. Cílem práce je zjistit procentuální úspěšnost předpovědí jednotlivých modelů na základě podílu správných předpovědí, otestovat různé strategie sázení a zjistit, jaká je jejich návratnost investic. Následně je cílem porovnat tyto modely na základě procentuální úspěšnosti a návratnosti investic a určit ty nejlepší. Práce obsahuje tři různé modely, a to Kurzový model, Žebříčkový model a Výkonnostní model. Kurzový model předpovídá jako vítěze zápasu hráče s vyšší pravděpodobností výhry, která je určena pomocí logistické regrese, kde jediným parametrem je rozdíl kurzů sázkových kanceláří na oba hráče před zápasem. Žebříčkový model předpovídá hráče s vyšší pravděpodobností výhry jako vítěze zápasu, která je určena pomocí logistické regrese, kde jediným parametrem je rozdíl v oficiálním tenisovém žebříčku obou hráčů v den zápasu. Výkonnostní model předpovídá hráče s vyšší pravděpodobností výhry jako vítěze zápasu, která je určena pomocí logistické regrese, kde parametry jsou rozdíly v hodnotách výkonnostních statistik (za celou předchozí sezónu) hráčů jednotlivých zápasů. Pro zpracování dat a tvorbu modelů se používá programovací jazyk R v prostředí RStudio a Microsoft Excel. Pro dosažení co nejvyšší procentuální úspěšnosti předpovědí se jako nejvhodnější řešení ukazuje použití Kurzového modelu, zatímco pro dosažení kladných hodnot návratnosti investic se doporučuje použití Rankingového a Výkonnostního modelu.

This thesis focuses on the creation and comparison of three models designed to predict the winners of tennis matches played on the ATP Tour and at the Grand Slam tournaments, as well as comparing different betting strategies on these matches. The aim of the thesis is to determine the percentage accuracy of predictions made by each model based on the proportion of correct predictions, to test various betting strategies and determine their return on investment, and subsequently compare these models based on their percentage accuracy and return on investment to identify the best ones. This thesis includes three different models: the Odds-based model, the Ranking-based model, and the Performance-based model. The Odds-based model predicts as the winner of the match the player with a higher probability of winning, which is determined by using logistic regression, with the only parameter being the difference in betting odds from the bookmaker before the match. The Ranking-based model predicts as the winner of the match the player with a higher probability of winning, which is determined by using logistic regression, with the only parameter being the difference in ranking of the official tennis ranking on the day of the match. The Performance-based model predicts as the winner of the match the player with a higher probability of winning, which is determined by using logistic regression, with parameters being the differences in performance statistics (for the entire previous season) of the players in each match. For data processing and model development, the programming language R in the RStudio environment and Microsoft Excel were used. For achieving the highest percentage accuracy in predictions, it is most suitable to use the Odds-based model, while for achieving positive investment returns, it is recommended to utilize the Ranking-based and Performance-based models.