As armadilhas do mercado de previsão: por que a carteira que você escolhe sempre perde

Autor: Terry Lee

Título original: Por que os mercados de previsão estão precificando incorretamente as apostas combinadas – o ponto cego da correlação

Tradução e organização: BitpushNews

Introdução

Em plataformas como a Polymarket, a maioria das pessoas (incluindo eu anteriormente) costuma calcular o preço de uma aposta combinada (Parlay, ou seja, uma combinação de múltiplos eventos) simplesmente multiplicando as probabilidades de cada evento.

Por exemplo:

• Probabilidade do evento A ocorrer P(A) = 80%
• Probabilidade do evento B ocorrer P(B) = 70%
• Probabilidade do evento C ocorrer P© = 60%

Então, a probabilidade total da aposta combinada = 80% × 70% × 60% = 33,6%

(Nota: Parlay é um termo usado em apostas e investimentos, geralmente chamado de “串关” ou “过关” em chinês. Definição: você combina duas ou mais apostas independentes. Regra: só ganha se todas as apostas estiverem corretas. Se uma delas errar, toda a aposta perde.)

Parece simples, certo?

O problema não está na matemática, mas na suposição oculta.

Essa multiplicação assume que cada evento é independente dos demais. Ou seja, o resultado de A não influencia B. Mas, na prática, isso nem sempre é verdade.

Por exemplo:

1. Uma decisão do Federal Reserve numa reunião pode influenciar fortemente a próxima.
2. Um candidato à presidência que ganha nos “Estados do Cinturão da Ferrugem” indica uma maior chance de vitória na Pensilvânia, afetando a probabilidade geral de vitória na eleição.

Na realidade, a maioria dos eventos relevantes para apostas combinadas estão correlacionados. Ignorar essa correlação pode fazer você pagar um preço excessivo ou perder oportunidades de lucro.

Este artigo apresentará uma estrutura simples para ensinar como precificar de forma científica uma aposta combinada, assim como a indústria financeira faz há décadas para opções multi-leg.

Por que há erros de precificação?

Na minha opinião, a maioria das ferramentas de previsão de mercado focam na “execução” e não na “análise de correlação”. Além disso, esses mercados ainda são relativamente imaturos. Embora apostas combinadas sejam comuns em apostas esportivas, na análise de eventos sociais/econômicos, o mercado ainda está em estágio inicial, e os mecanismos de precificação não estão totalmente desenvolvidos.

Estudo de caso: Decisão de taxa de juros do Federal Reserve

(Figura 1: O Fed tende a repetir ações, com 83% de chance de manter a taxa após uma manutenção)

Usando dados do Federal Reserve de St. Louis (FRED), de 1994 até o início de 2026, construí uma matriz de transição (Transition Matrix) que captura as mudanças de decisão do Fed entre duas reuniões consecutivas.

Os resultados são claros:

• Manter -> Manter: probabilidade de 83,1%
• Corte de juros -> Corte de juros: probabilidade de 69,2%
• Aumento de juros -> Aumento de juros: probabilidade de 62,5%

Claramente, o funcionamento do Fed é “coerente”. Como uma instituição que depende de dados e previsão, eles tendem a repetir ações até uma mudança de regime (Regime Shift).

Quão forte é essa “coerência”?

Para testar, criei um modelo que identifica as tendências de decisão consecutivas na história (por exemplo, ciclos de manutenção, corte ou aumento).

Os resultados:

• Manutenção: 32 ciclos, média de 5,4 reuniões por ciclo
• Corte: 12 ciclos, média de 3,3 reuniões por ciclo

Depois, simulei 1000 “universos paralelos” do Fed, assumindo que cada reunião é independente (como lançar uma moeda). Com base nos dados históricos, defini as probabilidades de manutenção em 66%, corte em 15% e aumento em 19%, sem qualquer correlação entre decisões.

(Figura 2: A coerência real das decisões do Fed é 2-3 vezes maior que a de um modelo aleatório)

Sob essa hipótese de independência, a duração média de ciclos de manutenção é de apenas 2,9 reuniões, enquanto de cortes e aumentos é de 1,2 reuniões.

Comparando com a história real:

• Manutenção: 5,4 vs 2,9 (1,9x maior)
• Corte: 3,3 vs 1,2 (2,8x maior)
• Aumento: 2,6 vs 1,2 (2,1x maior)

Note que a coerência de cortes é quase três vezes maior que a de um modelo aleatório. Isso ocorre porque, quando o Fed começa a cortar, geralmente é para combater uma deterioração econômica contínua, que não se resolve em uma única reunião. Eles cortam, avaliam os dados, e se a situação continuar ruim, provavelmente cortam novamente.

O cálculo simples de multiplicar probabilidades para apostas combinadas ignora totalmente essa correlação. A realidade mostra uma coerência 2-3 vezes maior do que o esperado por um modelo de independência.

O que acontece após duas reuniões consecutivas?

Apenas observar a última reunião não é suficiente. Para precificar uma aposta de “três eventos” (três reuniões), é preciso estudar as probabilidades condicionais com base nos resultados das duas reuniões anteriores.

A análise pode ser dividida em duas partes:

Continuação do mesmo padrão

@image.png@

(Figura 3: Após duas ações iguais, a terceira quase sempre repete a mesma)

Da figura, fica claro que, quando o Fed repete a mesma ação duas vezes, a probabilidade de continuar a mesma ação na terceira é esmagadora:

• Duas manutenções seguidas -> terceira manutenção: 87%
• Dois aumentos seguidos -> terceiro aumento: 84%
• Dois cortes seguidos -> terceiro corte: 68% (um pouco menor)

Também importante notar que na matriz, células com 0% indicam que o Fed nunca faz uma mudança de direção após duas ações iguais: nunca após duas altas ele faz uma queda repentina, nem após duas quedas ele sobe de repente. Sempre há uma fase de “pausa (manutenção)”. Reconhecer isso ajuda a eliminar combinações “infantis” que, por serem improváveis, não valem a pena apostar.

Após uma mudança de regime

(Figura 4: Mudanças de regime têm diferenças enormes dependendo da direção)

Este é o aspecto mais interessante para traders. Nem toda mudança de direção é igual:

• Manutenção -> Corte -> Corte: probabilidade de 75%. Uma vez que o Fed inicia o corte, a “porta” se abre, e a continuidade é altamente provável.
• Corte -> Manutenção -> Manutenção: probabilidade de 100%. Na história recente, o Fed nunca retomou cortes imediatamente após uma pausa.
• Manutenção -> Aumento -> Manutenção: probabilidade de 79%. O primeiro aumento após manutenção costuma ser uma tentativa de sondar o mercado, com pausa subsequente.
• Aumento -> Manutenção -> Aumento ou Manutenção: 60% e 40%. Diferente do corte, a pausa no aumento tem maior incerteza.

Essa assimetria é o insight central. O valor de “Manutenção -> Corte -> Corte” é muito maior do que o preço simples de multiplicar probabilidades. Por outro lado, “Corte -> Manutenção -> Corte” tem valor quase zero na prática. O mesmo evento, apenas em ordem diferente, tem valor totalmente distinto. Modelos independentes não capturam isso.

O que a precificação geral implica?

Este é o panorama completo. Não devemos usar probabilidades médias cegamente, mas sim as probabilidades condicionais observadas na história.

Por exemplo, para “três manutenções consecutivas” (Hold-Hold-Hold):

• Modelo inicial: usando a probabilidade geral de manutenção (67%), calcula-se: 67% × 67% × 67% = 30,1%
• Modelo ajustado: usando probabilidades condicionais, calcula-se: 67% (primeira) × 83% (segunda|primeira) × 87% (terceira|duas anteriores) = 48,4%

(Figura 5: Combinações de ações na mesma direção são sistematicamente subestimadas, enquanto combinações com mudanças de direção são superestimadas)

Monitoramento de mercado em tempo real

Usando dados da Polymarket como exemplo:

(Figura 6: Distribuição de odds da Polymarket versus probabilidades reais)

Primeira combinação: Manutenção – Manutenção – Manutenção (subestimada)

• Precificação inicial: 93% (março) × 75% (abril) × 38% (junho) ≈ 26%
• Precificação condicional: 87% × 87% × 87% ≈ 65,8%
• Conclusão: o mercado subestimou essa combinação em até 39 pontos percentuais.

Segunda combinação: Manutenção – Manutenção – Corte (superestimada)

• Precificação inicial: 93% × 75% × 49% = 34,2%
• Precificação condicional: 87% × 87% × 8,5% = 6,4%
• Conclusão: o mercado precificou essa em cerca de 34%, enquanto a probabilidade real é apenas 6,4%. Uma superestimação de mais de 5 vezes.

Isso dá para ganhar dinheiro?

Fiz um backtest simples. Desde 1994, para cada par ou tripla de reuniões do Fed, se o preço ajustado estivesse acima do preço de mercado (ou seja, subestimado), apostava 100 dólares.

(Figura 7: Exemplo de lucros acumulados em apostas de duas apostas combinadas)

(Figura 8: Exemplo de lucros acumulados em apostas de três apostas combinadas)

Desde 1994, apostar 100 dólares em cada combinação subestimada gerou cerca de 169 mil dólares em ganhos com apostas de duas apostas, e mais de 1 milhão de dólares com três apostas. Os picos de ganhos coincidem com os ciclos de afrouxamento do Fed em 2001, 2008, 2020 e 2024-2025, quando ações similares se repetiram continuamente, enquanto o modelo inicial sempre subestimou essa coerência.

A forma “de escada” do gráfico mostra que o dinheiro foi ganho durante esses ciclos de ação contínua do Fed. Contudo, o limite é que, nos anos 90 e 2000, talvez não existissem mercados de previsão suficientemente maduros para executar essas estratégias.

Além do Fed, onde mais aplicar?

O caso do Fed é clássico, pois há dados abundantes e forte correlação. Mas o mesmo método serve para qualquer evento correlacionado:

1. Primárias de candidatos presidenciais: se um candidato ganha em um estado, suas chances em estados com perfil demográfico semelhante mudam.
2. Criptomoedas e ações de crescimento/macro: o movimento do Bitcoin está relacionado ao risco macroeconômico. Apostar que “Bitcoin estará acima de X e Nasdaq acima de Y” tem valor maior que o produto das probabilidades independentes, pois compartilham fatores comuns.

Em qualquer cenário, a abordagem é a mesma: analisar dados históricos, medir as ligações reais entre eventos, usar dados melhores que médias cegas, e comparar com os preços de mercado.

Conclusão

Os mercados de previsão ainda estão em estágio inicial. A maioria dos investidores de varejo, ao precificar apostas combinadas, ainda usa a abordagem primária de “multiplicar probabilidades simples e confiar no acaso”.

Esse framework exige conhecimento do contexto específico, mas, no fundo, há uma questão central: o resultado do primeiro evento pode fornecer informações sobre o próximo? Se sim, então o preço “ingênuo” da aposta combinada está errado, e os dados históricos mostram exatamente onde e quanto.

O estudo do Fed demonstra que essa vantagem é real e mensurável. Mas esse princípio é universal. Em qualquer lugar onde eventos relacionados sejam tratados como independentes, há oportunidades não descobertas.

A única questão é: você consegue enxergar isso e agir?