Takedown defense като прогностичен индикатор в UFC: моят single-metric модел
Available in US
Съдържание
- Защо TDD е най-подцененият metric в UFC handicapping
- Как UFC изчислява TDD и защо това е manipulable
- Моят формула: коригиран TDD
- Worked example: wrestler срещу striker калкулация
- Едни от най-силните TDD profiles, които съм видял
- Кога TDD спира да работи
- Бизнес-страната: защо TDD не е priced в линиите
- Практическо ползване
- Какво да правиш с числата
Защо TDD е най-подцененият metric в UFC handicapping
Преди шест години бях абсолютно сигурен, че значимите удари на минута са най-важният single-metric в UFC анализа. Страйкингът е visible, лесен за измерване, и YouTube highlight reels го превръщат в очевиден показател за качество. След стотици часове model-building и backtesting, промених мнението си: takedown defense — съкратено TDD — е по-силен предиктор от което и да е друго отделно число в UFC статистиката.
Причината е структурна. ММА позволява няколко начина за победа, но takedown-ът е единствената движеща сила, която принудително отнема контрола от единия боец и го дава на другия за 5-минутни прозорци. Боец с 85% TDD може да диктува къде се води бой му — на крака, където неговите skills работят. Боец с 55% TDD е заложник на opponent-а — ако другият иска wrestling, ще има wrestling, независимо от striking преимуществото.
Тази асиметрия е причина TDD да доминира prediction modelite. Стандартното отклонение на TDD в UFC е около 12 процентни пункта, което е голяма дисперсия — има boyetsi с 90%+ и бойци с 40%-. Тази вариация се пренася директно в outcome distributions.
Как UFC изчислява TDD и защо това е manipulable
UFCStats — официалният източник — изчислява TDD като отношение takedowns defended / takedown attempts срещу боеца, изразено в процент. На хартия simple. На практика — пълно с шум.
Първи проблем: sample size. Боец с 5 UFC двубоя може да има 90% TDD просто защото е се борил срещу не-wrestlers. Сравнението с боец с 20 двубоя срещу разнообразни opponents е unfair. Аз изхвърлям всеки UFC fighter с по-малко от 8-10 двубоя в UFC promotion от TDD анализа — преди това sample-ът просто не е надежден.
Втори проблем: opponent quality adjustment. TDD от 70% срещу средни wrestlers не е същото като TDD 70% срещу top-10 wrestlers. Аз правя opponent-adjusted TDD, claving wrestling rank на всеки opponent и теглейки защитата според силата им. Това отнема време, но дава много по-чисти числа.
Трети проблем: cage position bias. UFC статистиката не отразява cage proximity. Wrestler, който заковава opponent-а до cage преди да опита takedown, има много по-висок success rate от такъв в центъра. Боец с 80% TDD може да е 95% в центъра и 60% срещу cage — а матчъп срещу cage cutter ще доведе до 60%-точна prediction, не 80%.
Моят формула: коригиран TDD
Аз ползвам формула с три фактора. TDD raw е стандартното число от UFCStats. Opponent quality multiplier е от 0.85 до 1.15 според средното wrestling ниво на последните 10 opponents. Cage proximity adjustment е от -10 до +5 процентни пункта.
Финалното число е (TDD raw × opponent multiplier) + cage adjustment. За боец с 75% TDD raw, 1.10 multiplier (силни opponents) и -8 cage penalty (лош срещу cage), финалното число е 75 × 1.10 – 8 = 74.5%. Звучи близо до raw 75%, но в matchup срещу cage cutter, разликата става осезаема.
Когато сравнявам двама бойци, аз вземам стрелеца TDD (от страната на нападение — takedown accuracy) и защитника TDD. Real-life success rate в matchup е приблизително (нападател точност × (1 – защитник TDD)). Това е първата ми оценка, преди да добавя style и cardio фактори.
Worked example: wrestler срещу striker калкулация
Конкретен пример. Wrestler с 45% takedown accuracy raw срещу striker с 70% TDD raw. На повърхността изглежда, че striker-ът ще защитава 70% от takedown-ите. Реалността:
Wrestler-ът има 1.05 opponent quality multiplier (последните 10 opponents са били over-average defenders). Adjusted accuracy: 47%. Striker-ът има 0.92 opponent quality (последните 10 opponents са били below-average wrestlers — не са го тествани здраво). Adjusted TDD: 64%. Cage adjustment -5 (известно е, че striker-ът е заковаван срещу cage в предишни боеве). Final TDD: 59%.
Successful takedown rate: 47% × (1 – 59%) = 47% × 41% = 19% от опитите successful. Wrestler-ат обикновено опитва 4-6 takedowns на бой. Очаквани successful: 0.8-1.1 takedown за бой. Това е недостатъчно за wrestling-dominated game plan, и striker-ът ще има 14-15 минути на крака.
В такъв matchup, moneyline-ът на striker-а може да бъде undervalued. Ако линията е +150, а моят модел дава 55% win probability за strikera, имам 17% edge. Това е залог.
Едни от най-силните TDD profiles, които съм видял
Khabib Nurmagomedov с 84% TDD статистика звучи нормално — много champions го имат. Но при сравнение с opponent quality в lightweight division, неговото adjusted TDD беше около 95%. Просто никой не можеше да го свали.
Israel Adesanya с 75% TDD raw, но adjusted около 70% защото e срещал предимно average wrestlers. Когато се срещна с Jan Blachowicz на light heavyweight, моделите подцениха Adesanya защото size differential промени cage proximity dynamics — Blachowicz натискаше към cage по различен начин.
Cory Sandhagen с 86% TDD raw, adjusted близо до 80% защото е срещал силни wrestlers в bantamweight. Тази defensive ability е причина за неговите stable +EV moneyline линии в striker vs grappler matchups.
Кога TDD спира да работи
TDD е силен метрик до около 90 секунди от петминутен рунд. След това cardio започва да доминира. Боец с 80% TDD raw в първия рунд може да падне до 50% в трети, ако е cardio compromised. Това е причина TDD да трябва да се комбинира с pace metrics — significant strikes landed per minute като proxy за cardio capacity.
Друго ограничение: wrestler-и с unique takedown styles, които не са обичайни в UFC sample. Грузински wrestlers с трип-based takedowns или европейски Greco-Roman specialists могат да имат успех срещу боец с високо TDD просто защото неговият defensive training не е калибриран за тези styles. Това е едно от местата, където model-ите fail-ват, и където video review допълва числата.
Бизнес-страната: защо TDD не е priced в линиите
Bookmakers ценят базови metric-и — record, recent form, общо страйкинг output. Те имат малко ресурси за opponent-adjusted TDD analysis. Това е причината TDD-based edge да остава наличен дори в 2026 година. Глобалният онлайн sports betting пазар е $54.75 милиарда през 2026 година, но дълбочината на ММА-specific анализа в bookmaker pricing е значително под нивото на NFL или NBA.
За контекст: UFC handle от 10.3 милиарда долара през 2024 година звучи внушително, но в сравнение с над 166 милиарда долара общ US sports betting handle, ММА е малка fraction. Bookmakers инвестират ресурси пропорционално, и това оставя дисциплинирания TDD анализатор с persistent edge.
Практическо ползване
Моят personal workflow е следния. Когато UFC card излиза, изтеглям TDD данните за всеки боец от UFCStats. Изчислявам opponent-adjusted TDD за всички бойци с поне 8 UFC двубоя. Cross-reference-вам с takedown accuracy на opponent. Calculation на expected takedown success rate. Crosschek със стиловия мач — striker vs wrestler matchups получават приоритет.
Когато имам wrestler с високо adjusted accuracy срещу striker с ниско adjusted TDD, гледам moneyline на wrestler-а. Когато имам striker с високо adjusted TDD срещу wrestler с ниско adjusted accuracy, гледам moneyline на striker-а — особено ако линията тегли към underdog. Underdog-ите в ММА печелят около 32% от двубоите, и много от тези upset-и идват точно от такива TDD mismatches, които пазарът не цени правилно.
За допълнителен анализ на как cardio variabledra взаимодейства с TDD в late rounds, виж cardio и gas tank analysis — там разглеждам third-round patterns по-детайлно.
Какво да правиш с числата
TDD-base моделирането не е магическа formula. Това е дисциплиниран подход за идентифициране на mismatches, които bookmakers подценяват. Аз правя около 30-40 UFC залога годишно базирани предимно на TDD analysis. ROI-ът ми над последните три години е около 6-8% — нищо ослепително, но стабилно положителен, и достатъчно за justify-ване на времето, инвестирано в analysis-а.
Грешката, която начинаещите правят, е да гледат само raw TDD и да приемат, че боец с 80% автоматично побеждава wrestler. Opponent-adjusted TDD променя картината значително. Cage positioning я променя още. Cardio decay е финалният слой. Само когато всички четири слоя сочат в една посока, тогава имам convincing залог. Иначе предпочитам да skip-на двубоя и да чакам по-чист setup.
Quarter Kelly размер на залога, дисциплинирано записване на резултатите, и месечен review на model performance — това са ingredients, които правят TDD-based анализ устойчив на дългосрочна вариация. Без тези три, дори най-добрият модел се разпада в първия лош месец.
Колко мини UFC двубоя са необходими за надеждно TDD?
Минимум 8-10 UFC двубоя срещу разнообразни opponents. Под този sample, TDD-то е твърде шумно за моделиране. Regional MMA TDD не се counts — стандартите за wrestling skill там са различни.
Кой е по-добър предиктор: TDD или striking accuracy?
TDD, особено в striker vs wrestler matchups. Striking accuracy е полезен в pure stand-up двубои, но TDD определя дали изобщо ще има stand-up бой. Контролът върху местоположението на боя е по-важен от ефикасността в дадено местоположение.
Може ли TDD да се подобри с тренировка между двубои?
Да, но бавно. Възрастни UFC бойци рядко правят dramatic подобрения. По-чест е сценарият на постоянно decline след 32-34 годишна възраст, когато reactive speed започва да пада.
Подготвено от редакторите на „ММА Букмейкър”.
