WTA官网发布的CLAY COURT POWER RANKINGS（原文链接附在这里：网页链接），我看了一下甚至都不是来自WTA insider的文章，也没有记者名，落款就是WTA Staff哈哈哈哈哈，好正式好官方的一篇文章，因为太官方了又太草率了，反而产生了一丝莫名其妙的招笑感。

WTA为了量化排名，引入了一个kpi，基于过去4年的加权公式：* 2025年和2026年红土积分的100%；* 2024年积分的75%；* 2023年积分的50%；* 2022年积分的25%。

个人感觉kpi定得也太稚嫩了吧，这个落款的WTA Staff里有没有可能有人稍微脱离一点小学算术题的范畴，上过点建模的课或者能用AI做做分析呢。

首先这个25+26来量化当下的竞技势头有一个逻辑漏洞，举个极端例子就是假设球员A在25年拿了3000分，26年伤病直接skip掉了红土；球员B在25年还籍籍无名，26年异军突起，25+26也差不多3000分，那这两个人的公式得分是一样的，但两个人的目前势头不可能等同。

而且25包含完整的红土赛季积分，26目前还少一个斯堡和法网的大头，导致在100%权重的池子里，旧数据在体量上绝对碾压新数据，体现的更加不是什么所谓“当前势头”，而是既有成绩。我认为在任何合理的体育预测模型中，t的权重必须大于t-1。

其次是取值衰减方面，他们用的是一个很简单的等差数列线形衰减，这个在竞技体育中是完全不合理的，网球世界里三四年前的战绩对于今天而言有多断崖式下跌就不必多说了，更科学的模型一般是指数递减，比如以 e−λt 的速度衰减（比如100-50-15-5）。

基于一个草率的指标和权重，感觉也是想写篇作文给出一些“大战在即”感的宏大叙事分析，心中拟出了一个大概的名单，为了醋包了饺子。没必要认真去看最后上榜的球员们拿了多少points了，因为这个榜单体现的并不是对未来能力的预测，而是在奖励榜上这些球员过去的成绩。

想到哪写到哪，我其实没怎么研究过bocai之类的模型，毕竟我看网球不爱买股，但稍微合理一点点的预测模型应该是：先做场地加权elo（红土elo和全场低elo的综合权重），然后根据今年马德里、罗马站、斯堡几站表现设一个动态化K值（其实可以是正面的也可以是负面的，毕竟有时候状态出早了，对备战法网也不一定好）。

然后引入一些DR值等重要的微观数据，避免热门选手在模型里受到一些爆冷比赛的过度惩罚，比如萨巴伦卡今年罗马的情况，让偶然的输赢不要过分影响全局。

还有一些动态的环境modifiers和签表模拟之类的就不说了。没有说WTA有义务搞这些，就是觉得他们一本正经地在这整了个分数加权公式算势头很有意思，上一集感觉如此好笑还是川川宣布关税。

（纯个人观点仅供参考）