Vou explicar como os principais quants do Polymarket modelam o preço como uma sequência de estados para encontrar trades de alta probabilidade de forma consistente e fornecer a você o framework completo que pode começar a construir hoje.
Vamos direto ao ponto →
Abra qualquer mercado e observe o que seu cérebro faz. Você vê "42¢", sente algo barato demais, caro demais, mais ou menos certo, e esse sentimento vira um clique. Esse é todo o processo de decisão para quase todo mundo na plataforma. Um número, uma reação instintiva, uma posição.
Agora observe o que uma mesa profissional faz com o mesmo gráfico. Eles não veem um número. Eles veem um preço que passou as últimas seis semanas em determinadas faixas, ricocheteando em outras, ocasionalmente ficando preso perto de uma borda. Eles veem algo que se move com memória de onde está, mas não de onde esteve. E eles têm um nome para objetos que se comportam exatamente assim, porque o mesmo comportamento aparece em inadimplências de crédito, em sequências genéticas, em como nêutrons saltam dentro de um reator nuclear, no algoritmo que decidia qual página da web importava antes do Google ser um verbo.
Esse objeto é uma Cadeia de Markov. É uma das ferramentas mais testadas em batalha da probabilidade aplicada, e quase ninguém em mercados de previsão está usando.
A multidão está ocupada respondendo à pergunta errada. Eles querem saber: isso vai resolver SIM. Isso é um cara ou coroa disfarçado de opinião. As mesas estão respondendo a uma pergunta muito mais útil: dado exatamente onde esse preço está agora, como é a distribuição completa dos próximos movimentos e com que frequência cada um realmente acontece? Responda isso com dados reais e o trade se dimensiona sozinho.
Você não precisa de um diploma em quant para fazer isso. Você precisa de cinco passos, algumas dezenas de linhas de Python e a disciplina para confiar no resultado em vez do seu instinto. Esse é o artigo inteiro.
Aqui está o que você será capaz de fazer ao final: ler um contrato da maneira que uma máquina de estado lê, em vez da maneira que um apostador lê; transformar o histórico bruto de preços em um mapa de transição que mostra cada movimento que o mercado realmente faz; rodar dez mil simulações de resolução a partir desse mapa em uma fração de segundo; ajustar esses resultados de volta para a realidade usando 72,1 milhões de negociações como evidência, para que seu modelo pare de pagar caro demais por azarões; e evitar o hábito de execução com um clique que silenciosamente entrega sua vantagem para outra pessoa antes mesmo do mercado liquidar.
Parte 1 – A Ideia Central
Uma Cadeia de Markov modela um sistema que se move entre estados, onde a probabilidade do próximo estado depende apenas do estado atual, não de todo o histórico.
No Polymarket, o "estado" é o preço do contrato.
Um contrato é negociado entre 0¢ e 100¢. A qualquer momento, o preço está em um desses estados. Para onde ele vai a seguir depende de onde está agora, não de onde estava há três semanas.
Essa propriedade única é o que torna isso tratável. Você não precisa modelar todo o histórico de um mercado. Você só precisa saber duas coisas: em que estado ele está agora e com que frequência historicamente ele se moveu desse estado para todos os outros.
Essa segunda coisa — o mapa de como os preços se movem entre estados — é chamada de matriz de transição. Tudo começa aí.
Parte 2 – Passo 1: Construir a Matriz de Transição
A matriz de transição é o mapa do seu mercado. Ela diz: a partir de qualquer preço dado, qual é a probabilidade de ir para qualquer outro preço a seguir?
Veja como construí-la.
Primeiro, pegue o histórico de preços de um mercado. Depois, discretize o preço em estados — para o Polymarket, 10 estados funcionam bem [0-10¢, 10-20¢, ... 90-100¢]. Em seguida, conte quantas vezes o preço se moveu de cada estado para cada outro estado e normalize para que cada linha some 1,0.
O insight chave: mercados próximos de 50¢ têm distribuições de transição amplas — podem oscilar para qualquer lado. Mercados próximos de 5¢ ou 95¢ têm distribuições estreitas — tendem a ficar presos nos extremos.
Essa assimetria é toda a base do viés de azarão (longshot bias), que exploraremos no Passo 3.
Uma regra crítica: todo estado na sua matriz precisa ser estimado a partir de pelo menos 20 a 30 transições observadas. Se um balde de preço foi visitado apenas duas vezes, sua linha é ruído. Ou colete mais histórico ou mescle estados esparsos.
Parte 3 – Passo 2: Rodar Simulação de Monte Carlo
A matriz de transição diz o que acontece em um passo. Mas você não se importa com um passo. Você se importa com onde o mercado termina na liquidação.
Então você simula. Comece no estado de preço atual. Caminhe pela matriz, um passo aleatório de cada vez, até o vencimento. Depois repita isso 10.000 vezes e conte quantos caminhos terminaram no território SIM.
Essa fração é sua probabilidade verdadeira estimada:
Cada um desses 10.000 caminhos simulados é um futuro possível. Alguns vão para 90¢ (resolve SIM). Alguns despencam para 5¢ (resolve NÃO). A fração que cai no território SIM é sua estimativa de probabilidade — e 10.000 simulações rodam em cerca de um décimo de segundo.
Esse é o mesmo método que físicos usaram para simular o comportamento de nêutrons nos primeiros reatores nucleares. Você não calcula todos os futuros possíveis analiticamente. Você amostra milhares deles e conta.
Parte 4 – Passo 3: Calibrar Contra o Viés de Azarão
Aqui é onde a maioria dos modelos das pessoas quebra.
Sua simulação de Monte Carlo vai superestimar sistematicamente a probabilidade de azarões. Por quê? Porque a matriz de transição bruta não sabe que contratos baratos são estruturalmente superfaturados pela multidão.
Sabemos que são por causa dos dados.
Em 2026, o pesquisador Jonathan Becker analisou 72,1 milhões de negociações em US$ 18,26 bilhões de volume. O maior estudo empírico sobre microestrutura de mercados de previsão já publicado. As descobertas são brutais e consistentes:
Um contrato precificado a 5¢ deveria vencer 5% das vezes. Na realidade, vence 4,18%. Um contrato precificado a 1¢ deveria vencer 1% das vezes. Na realidade, vence 0,43%.
Para cada dólar que você coloca em contratos de 1¢ como tomador (taker), você recebe 43 centavos de volta. Isso é pior que uma máquina caça-níqueis, que devolve cerca de 90 centavos para cada dólar.
Então, antes de agir com base no resultado do seu Monte Carlo, você calibra contra esse viés conhecido:
Há uma segunda descoberta que vale a pena gravar na memória. Becker descobriu que NÃO supera SIM em 69 de 99 níveis de preço. Tomadores compram SIM desproporcionalmente — eles apostam no seu time, no seu candidato, nas suas criptos. Essa demanda inflaciona os preços do SIM e deprime os preços do NÃO.
A regra: se você precisa negociar como tomador abaixo de 30¢, compre NÃO em vez de SIM. Você não está lutando contra o viés — você está surfando nele.
Parte 5 – Passo 4: Dimensionar com Kelly
Você tem uma probabilidade calibrada. O mercado tem um preço. Existe uma vantagem. Agora: quanto você aposta?
A resposta errada é "muito, porque estou confiante". É assim que traders com vantagem genuína ainda vão à falência — eles superdimensionam, pegam uma sequência de perdas e nunca se recuperam.
A resposta certa é o Critério de Kelly, que fornece o tamanho da aposta matematicamente ótimo para qualquer vantagem.
Kelly faz algo que nenhum instinto consegue: ele dimensiona sua aposta automaticamente com sua vantagem. Vantagem pequena, aposta pequena. Vantagem enorme, aposta grande — mas nunca grande o suficiente para te quebrar em uma sequência ruim.
Use Kelly pela metade (0,25×). O Kelly completo maximiza o crescimento no longo prazo no papel, mas as quedas são psicologicamente insuportáveis e um único erro de estimativa pode ser catastrófico. Todo profissional fraciona.
Parte 6 – Passo 5: Executar com Ordens Limitadas
Você pode ter um modelo perfeito e ainda sangrar dinheiro na execução. Este é o passo que os traders de varejo pulam, e vale mais do que o modelo em si.
Os dados de Becker sobre as 72,1 milhões de negociações encontraram o fato de execução mais importante nos mercados de previsão:
Criadores de mercado (ordens limitadas) ganham +1,12% por negociação. Tomadores (ordens a mercado) perdem −1,12% por negociação.
Isso é uma oscilação de 2,24 pontos percentuais, e é estatisticamente à prova de balas em todo o conjunto de dados.
Aqui está a parte que as pessoas perdem: criadores não vencem porque preveem melhor. Criadores comprando SIM ganham +0,77%. Criadores comprando NÃO ganham +1,25%. Eles vencem porque fornecem liquidez para pessoas que pagam sistematicamente a mais para serem preenchidas instantaneamente.
Toda ordem a mercado que você coloca paga o que Becker chama de "Imposto do Otimismo". Seu Monte Carlo pode gritar COMPRE, mas se você cruzar o spread com uma ordem a mercado, você devolveu sua vantagem antes mesmo da negociação começar.
A categoria também importa. Becker descobriu que a diferença criador-tomador varia 40× entre categorias. Mercados financeiros são quase eficientes (diferença de 0,17 pp) — estão cheios de macroanalistas que pensam em probabilidades. Mercados de entretenimento e eventos mundiais têm diferenças de 4,79 a 7,32 pp — estão cheios de fãs e apostadores narrativos pagando a mais pelo SIM.
Se você está executando uma estratégia de criador, mire em Esportes, Cripto e Entretenimento, onde o Imposto do Otimismo é mais gordo.
Parte 7 – O Sistema Completo
Aqui está tudo montado em um único pipeline. O histórico de preços entra. Uma decisão completa de trade — direção, tamanho e instrução de execução — sai.
Esse é o framework completo. Cinco passos, uma classe, totalmente executável. Alimente-o com o histórico de preços de um mercado e o preço atual, e ele retorna uma decisão de trade calibrada, dimensionada corretamente e executada corretamente — ou manda você passar.
O Sistema de 5 Passos, Resumido
- Construa o modelo de Markov. Pegue 30 a 60 dias de histórico de preços. Discretize em 10 estados. Calcule a matriz de transição. Isso captura como o mercado realmente se move, não como você acha que ele se move.
- Rode Monte Carlo. Comece do estado atual. Execute 10.000 caminhadas aleatórias pela matriz. A fração que termina no território SIM é sua estimativa de probabilidade bruta.
- Calibre contra o viés. Aplique a correção empírica de Becker. Um bruto de 5% vira um real de 4,18%. Pular este passo é por que a maioria dos modelos caseiros perde dinheiro.
- Dimensione com Kelly pela metade. Nunca aposte mais do que a matemática permite. Kelly completo é ótimo no papel e ruinoso na prática. Kelly pela metade sobrevive.
- Execute com ordens limitadas. Criador = +1,12%. Tomador = −1,12%. Essa oscilação de 2,24 pp vale mais que seu modelo. Nunca cruze o spread a menos que sua vantagem seja enorme e urgente.
Conclusão – O Que Fazer a Seguir
Este framework é totalmente implementável em um fim de semana. A matriz de transição é uma dúzia de linhas de Python. Monte Carlo é um décimo de segundo. A tabela de calibração está bem aqui neste artigo, extraída de 72,1 milhões de negociações reais.
Mas um backtest não é negociação ao vivo. Antes de arriscar um dólar, faça três coisas:
Primeiro, teste com walk-forward. Reestime a matriz de transição a cada passo usando apenas os dados disponíveis naquele momento. Nunca deixe preços futuros vazarem para estimativas passadas. Um modelo que parece brilhante com viés de olhar para frente vai te sangrar silenciosamente ao vivo.
Segundo, comece com negociações simuladas (paper trades). Rode o sistema completo em mercados ao vivo sem dinheiro real por duas semanas. Compare suas probabilidades calibradas com as liquidações reais. Se estiver bem calibrado, as previsões de 55% devem resolver SIM cerca de 55% das vezes.
Terceiro, respeite as premissas. A propriedade de Markov é uma aproximação — mercados às vezes têm memória mais longa que um passo. As probabilidades de transição mudam com o tempo, então reestime em uma janela móvel. E nunca confie em uma célula da matriz construída com menos de 20 a 30 transições.
A Cadeia de Markov não prevê o futuro. Ela faz algo mais útil: quantifica a probabilidade de todos os futuros possíveis dado onde você está agora e diz precisamente quando o mercado precificou mal essa probabilidade.
Essa é toda a vantagem. A multidão observa o preço. Você observa a estrutura por baixo dele.
Agora vá construir!
