Introducción: Peleas y números

El mundo de los deportes de combate hace tiempo que dejó de ser solo deporte. Es espectáculo, negocio, una industria donde cada decisión —desde el emparejamiento hasta la exposición mediática— tiene un precio. En este sistema de coordenadas, los rankings adquieren un valor especial. Quien está más alto, está más cerca del título, del dinero, de las transmisiones.

El problema es que la mayoría de los rankings en los deportes de combate se basan en opiniones subjetivas. Comités, periodistas, promotores —personas cuyas decisiones están influenciadas por simpatías, presión mediática y políticas internas. Esto vuelve al sistema opaco e, incluso, injusto (Szymanski, 2003).

Pero la era digital ofrece una alternativa: rankings sin factor humano. Algoritmos como los que utilizan BoxRec (BoxRec.com, s.f.) y FightMatrix (FightMatrix.com, s.f.), o basados en los sistemas Elo y Glicko-2 (Elo, 1978; Glickman, 1999, 2001), proponen un modelo diferente: objetivo, calculable, independiente. Sin embargo, un segmento aún permanece fuera de este marco: el boxeo a puño limpio.

Rankings manuales: ¿deporte o favoritismo?

Los rankings tradicionales en ligas profesionales (como UFC, WBC, ONE) se forman manualmente. Puede tratarse de votaciones entre editores o decisiones de un consejo cerrado. En tales sistemas:

Un peleador con un buen mánager o una imagen mediática fuerte puede obtener una alta posición sin grandes victorias.
Peleadores prometedores pero poco conocidos pueden quedar fuera del radar durante años.
Los rankings pueden adaptarse a las necesidades del promotor: "impulsar" la pelea deseada, evitar a un contendiente incómodo o negar una oportunidad titular.

Este enfoque refuerza las desigualdades y socava la confianza tanto del público como de los propios deportistas (Berri, Leeds, & von Allmen, 2011).

Cuando el ranking lo calcula una máquina

Los rankings automatizados abordan estos problemas de forma diferente. Se basan en modelos matemáticos donde cada victoria o derrota tiene un peso. Los más conocidos son:

Elo: sistema originalmente desarrollado para el ajedrez, donde el cambio en la calificación de un peleador depende de la diferencia de puntuación inicial y del resultado de la pelea (Elo, 1978).
Glicko-2: una evolución del modelo Elo, que incorpora la desviación (RD) y la incertidumbre (σ) asociada al rating, lo cual es crucial para peleadores con actividad irregular o forma variable (Glickman, 1999; 2001).
BoxRec utiliza una fórmula propia, cercana al Elo modificado, con ajustes por actividad y fuerza del oponente (BoxRec.com, s.f.).
FightMatrix, por su parte, aplica principios similares, permitiendo que peleadores de ligas regionales entren en los rankings globales (FightMatrix.com, s.f.).

Cómo influye el ranking en la economía del combate

Un ranking no es solo una posición en una tabla. Se convierte en una herramienta económica. Estas son las principales formas en que influye:

Contratos de peleadores: El ranking impacta en las bolsas, bonificaciones y capacidad de negociación (Berri et al., 2011).
Emparejamientos (matchmaking): Las parejas se forman de forma justa y equilibrada, reduciendo desigualdades deportivas.
Transmisiones y patrocinadores: Un ranking alto vuelve a un peleador más atractivo para plataformas mediáticas y anunciantes.
Promociones y ligas: Un ranking unificado permite comparar organizaciones y realizar combates "interplataforma".

Un ranking justo y automatizado reduce los costos de transacción y aumenta la confianza de todos los participantes: atletas, inversores, espectadores y casas de apuestas.

Boxeo a puño limpio: una industria sin coordenadas

Las ligas de boxeo a puño limpio (como BKFC, BYB, Top Dog, Hardcore, RCC Hard) están creciendo rápidamente —en visualizaciones, ingresos y redes sociales. Sin embargo, este sector carece por completo de un sistema de ranking independiente y objetivo (Sechka Rating Project, 2025).

La ausencia de un ranking común provoca:

Emparejamientos opacos.
Expectativas infladas hacia peleadores mediáticos.
Dificultades en los traspasos entre ligas.
Falta de métricas objetivas para valorar el nivel real de un peleador.

Solución: el primer ranking mundial de boxeo a puño limpio

Se necesita un sistema de ranking automatizado, análogo al Glicko-2 (Glickman, 2001), pero adaptado a la especificidad del boxeo a puño limpio. El cálculo debe considerar:

Tipo de victoria: KO y TKO valen más que decisiones divididas.
Categoría de peso: Las victorias contra rivales más pesados pueden ponderarse más.
Prestigio de la liga: Ganar en BKFC pesa más que en un torneo local.
Peleas por título: Se computan por separado, con un coeficiente adicional.
Inactividad y ritmo de combate: Cuanto más inactivo el peleador, mayor la incertidumbre de su rating.

Conclusión: la justicia deportiva empieza con una fórmula

Los rankings basados en algoritmos formales no solo hacen el deporte más justo, sino que redistribuyen recursos y oportunidades. En este sistema no importa quién sea tu representante o cuántos seguidores tengas. Importa a quién venciste y cómo.

La creación del primer ranking mundial independiente para el boxeo a puño limpio es un paso hacia la madurez de toda la industria. Es una infraestructura de confianza, sin la cual no es posible ni desarrollo deportivo ni sostenibilidad comercial.

Bibliografía

Berri, D. J., Leeds, M. A., & von Allmen, P. (2011). The role of performance and marketability in determining salary in sports. International Journal of Sport Finance, 6(4), 318–334.
BoxRec.com. (s.f.). Official site of the BoxRec rating system. Recuperado de https://boxrec.com/
Elo, A. E. (1978). The rating of chessplayers, past and present. Arco Publishing.
FightMatrix.com. (s.f.). Independent MMA ranking system. Recuperado de http://www.fightmatrix.com/
Glickman, M. E. (1999). Parameter estimation in large dynamic paired comparison experiments. Journal of the Royal Statistical Society: Series C, 48(3), 377–394.
Glickman, M. E. (2001). Dynamic paired comparison models with stochastic variances. Journal of Applied Statistics, 28(6), 673–689.
Sechka Rating Project. (2025). Algorithmic rating system for bare-knuckle boxing based on Glicko-2 with contextual weights. Internal documentation (unpublished manuscript).
Szymanski, S. (2003). The economic design of sporting contests. Journal of Economic Literature, 41(4), 1137–1187.

Algoritmo versus fator humano: como os rankings estão mudando a economia dos esportes de combate

Como sistemas automatizados estão substituindo a subjetividade e o que mudará com o primeiro ranking mundial do boxe sem luvas

Introdução: Lutas e números

O mundo dos esportes de combate já ultrapassou os limites do esporte. É show, negócio, uma indústria onde cada decisão — do matchmaking à exposição na mídia — tem um custo. Nesse sistema de coordenadas, os rankings assumem um papel central. Quem está no topo está mais próximo do título, do dinheiro e das transmissões.

O problema é que a maioria dos rankings nos esportes de combate ainda se baseia em opiniões subjetivas. Comitês, jornalistas, promotores — pessoas cujas decisões são influenciadas por simpatias, pressões midiáticas e políticas internas. Isso torna o sistema opaco e, muitas vezes, injusto (Szymanski, 2003).

Mas a era digital oferece uma alternativa: rankings sem fator humano. Algoritmos como os usados pelo BoxRec (BoxRec.com, s.d.) e FightMatrix (FightMatrix.com, s.d.), ou baseados nos sistemas Elo e Glicko-2 (Elo, 1978; Glickman, 1999, 2001), propõem um modelo diferente: objetivo, calculável e independente. Contudo, um segmento ainda permanece fora desse escopo — o boxe sem luvas.

Rankings manuais: esporte ou favoritismo?

Os rankings tradicionais em ligas profissionais (como UFC, WBC, ONE) são formados manualmente. Isso pode significar votações entre editores ou decisões de conselhos fechados. Em tais sistemas:

Um lutador com um bom empresário ou forte presença midiática pode alcançar altas posições sem grandes vitórias.
Atletas promissores, mas desconhecidos, podem ficar invisíveis durante anos.
Os rankings podem ser manipulados conforme os interesses do promotor: promover a luta desejada, evitar adversários incômodos, ou bloquear chances de título.

Essa abordagem reforça desigualdades e mina a confiança tanto do público quanto dos próprios atletas (Berri, Leeds e von Allmen, 2011).

Quando a máquina calcula o ranking

Os rankings automatizados tratam esses problemas de forma diferente. Eles se baseiam em modelos matemáticos, onde cada vitória ou derrota possui um peso. Os mais conhecidos são:

Elo: sistema originalmente desenvolvido para o xadrez, onde a variação no ranking depende da diferença entre os rankings iniciais e o resultado da luta (Elo, 1978).
Glicko-2: uma evolução do Elo que considera a dispersão (RD) e a incerteza (σ) do ranking, ideal para atletas com atividade irregular ou variação de desempenho (Glickman, 1999; 2001).
O BoxRec utiliza fórmula própria, próxima ao Elo modificado, com ajustes para frequência de luta e força do adversário (BoxRec.com, s.d.).
O FightMatrix adota princípios semelhantes, permitindo que lutadores de ligas regionais entrem nas classificações globais (FightMatrix.com, s.d.).

Como o ranking impacta a economia das lutas

Um ranking não é apenas uma posição numa tabela. Ele se torna uma ferramenta econômica. As principais formas de impacto incluem:

Contratos de lutadores: O ranking afeta cachês, bônus e poder de negociação (Berri et al., 2011).
Matchmaking: Combates mais justos e equilibrados são formados automaticamente, reduzindo distorções esportivas.
Transmissões e patrocinadores: Um ranking alto torna o lutador mais atrativo para plataformas de mídia e marcas.
Promoções e ligas: Um ranking unificado permite comparações entre organizações e viabiliza confrontos interligas.

Um ranking justo e automatizado reduz custos de transação e aumenta a confiança de todos os envolvidos: atletas, investidores, espectadores e casas de apostas.

Boxe sem luvas: uma indústria sem coordenadas

As ligas de boxe sem luvas (como BKFC, BYB, Top Dog, Hardcore, RCC Hard) vêm crescendo rapidamente — em visualizações, receita e redes sociais. No entanto, o setor ainda carece de um sistema de ranking independente e objetivo (Sechka Rating Project, 2025).

A ausência de um ranking comum leva a:

Matchmaking opaco.
Expectativas infladas em torno de lutadores midiáticos.
Dificuldade de mobilidade entre ligas.
Falta de métrica objetiva para o nível dos atletas.

Solução: o primeiro ranking mundial do boxe sem luvas

É necessária uma sistema de ranking automatizado, análogo ao Glicko-2 (Glickman, 2001), mas adaptado às particularidades do boxe sem luvas. Os cálculos devem considerar:

Tipo de vitória: nocautes e interrupções valem mais que decisões divididas.
Categoria de peso: vitórias contra oponentes mais pesados podem receber maior ponderação.
Prestígio da liga: vencer no BKFC tem mais peso que em torneios locais.
Lutas por título: contabilizadas separadamente, com fator de correção adicional.
Inatividade e ritmo de luta: quanto menos ativo o atleta, maior a incerteza do ranking.

Conclusão: a justiça esportiva começa com uma fórmula

Rankings baseados em algoritmos formais não apenas tornam o esporte mais justo, como também redistribuem recursos e oportunidades. Neste sistema, não importa quem é seu empresário ou o tamanho do seu público. O que importa é a qualidade das vitórias.

A criação do primeiro ranking mundial independente para o boxe sem luvas representa um passo rumo à maturidade de toda a indústria. É uma infraestrutura de confiança — sem a qual não há desenvolvimento esportivo nem sustentabilidade comercial.

Referências bibliográficas

Berri, D. J., Leeds, M. A., & von Allmen, P. (2011). The role of performance and marketability in determining salary in sports. International Journal of Sport Finance, 6(4), 318–334.
BoxRec.com. (s.d.). Official site of the BoxRec rating system. Recuperado de https://boxrec.com/
Elo, A. E. (1978). The rating of chessplayers, past and present. Arco Publishing.
FightMatrix.com. (s.d.). Independent MMA ranking system. Recuperado de http://www.fightmatrix.com/
Glickman, M. E. (1999). Parameter estimation in large dynamic paired comparison experiments. Journal of the Royal Statistical Society: Series C, 48(3), 377–394.
Glickman, M. E. (2001). Dynamic paired comparison models with stochastic variances. Journal of Applied Statistics, 28(6), 673–689.
Sechka Rating Project. (2025). Algorithmic rating system for bare-knuckle boxing based on Glicko-2 with contextual weights. Documentação interna (manuscrito não publicado).
Szymanski, S. (2003). The economic design of sporting contests. Journal of Economic Literature, 41(4), 1137–1187.

Александр Скаредин