O Guia Completo de Markov Chains para Polymarket
Vou detalhar como os melhores quants do Polymarket modelam preço como uma sequência de estados para encontrar trades de alta probabilidade consistentemente e dar a você o framework completo que pode começar a construir hoje.
Vamos direto ao ponto →
Puxe qualquer mercado e observe o que seu cérebro faz. Você vê "42¢", sente algo muito barato, muito caro, mais ou menos certo, e esse sentimento vira um clique. Esse é o processo de decisão inteiro para quase todo mundo na plataforma. Um número, uma reação instintiva, uma posição.
Agora observe o que uma mesa faz com o mesmo gráfico. Eles não veem um número. Eles veem um preço que passou as últimas seis semanas vivendo em certos intervalos, quicando em outros, 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 quicam dentro de um reator nuclear, no algoritmo que decidia qual página da web importava antes de 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 nos 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 o espectro completo 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 vai conseguir fazer ao final: ler um contrato do jeito que uma máquina de estados faz, em vez do jeito que um apostador faz; transformar histórico de preços brutos em um mapa de transição que mostra cada movimento que o mercado realmente faz; executar dez mil resoluções simuladas a partir desse mapa numa fração de segundo; dobrar esses resultados de volta à realidade usando 72,1 milhões de trades como evidência, para que seu modelo pare de pagar demais por zebras; e evitar o hábito de execução com um clique que silenciosamente entrega sua vantagem para outra pessoa antes mesmo de o 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 se move em seguida depende de onde está agora, não de onde estava há três semanas.
Essa propriedade 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 daquele estado para cada outro estado.
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: Construa a Matriz de Transição
A matriz de transição é o mapa do seu mercado. Ela te diz: a partir de qualquer preço dado, qual é a probabilidade de se mover para cada outro preço em seguida.
Aqui está como construí-la.
Primeiro, você pega o histórico de preços de um mercado. Depois, discretiza o preço em estados – para o Polymarket, 10 estados funcionam bem [0-10¢, 10-20¢, ... 90-100¢]. Então, você conta com que frequência o preço se moveu de cada estado para cada outro estado, e normaliza para que cada linha some 1,0.
A percepção chave: mercados perto de 50¢ têm distribuições de transição amplas – eles podem balançar para qualquer lado. Mercados perto de 5¢ ou 95¢ têm distribuições estreitas – eles tendem a ficar presos nos extremos.
Essa assimetria é a base inteira do viés de zebra (longshot bias), que vamos explorar no Passo 3.
Uma regra crítica: cada estado na sua matriz precisa ser estimado a partir de pelo menos 20-30 transições observadas. Se um balde de preço foi visitado apenas duas vezes, sua linha é ruído. Ou colete mais histórico ou funda estados esparsos.
Parte 3 - Passo 2: Execute a Simulação de Monte Carlo
A matriz de transição te diz o que acontece em um passo. Mas você não se importa com um passo. Você se importa com onde o mercado vai terminar na liquidação.
Então você simula. Comece no estado de preço atual. Caminhe para frente através da matriz, um passo aleatório de cada vez, até o vencimento. Depois, repita isso 10.000 vezes e conte quantos caminhos terminaram em território SIM.
Essa fração é sua probabilidade verdadeira estimada:
Cada um desses 10.000 caminhos simulados é um futuro possível. Alguns disparam para 90¢ (SIM resolve). Alguns despencam para 5¢ (NÃO resolve). A fração que termina em território SIM é sua estimativa de probabilidade – e 10.000 simulações rodam em cerca de um décimo de segundo.
Este é o mesmo método que físicos usaram para simular o comportamento de nêutrons nos primeiros reatores nucleares. Você não calcula todo futuro possível analiticamente. Você amostra milhares deles e conta.
Parte 4 - Passo 3: Calibre Contra o Viés de Zebra
Aqui é onde os modelos da maioria das pessoas quebram.
Sua simulação de Monte Carlo vai sistematicamente superestimar a probabilidade de zebras. Por quê? Porque a matriz de transição bruta não sabe que contratos baratos são estruturalmente supervalorizados pela multidão.
Sabemos que são por causa dos dados.
Em 2026, o pesquisador Jonathan Becker analisou 72,1 milhões de trades em US$ 18,26 bilhões em volume. O maior estudo empírico de microestrutura de mercados de previsão já publicado. As descobertas são brutais e consistentes:
Um contrato precificado a 5¢ deveria vencer 5% das vezes. Na verdade, vence 4,18%. Um contrato precificado a 1¢ deveria vencer 1% das vezes. Na verdade, vence 0,43%.
Para cada dólar que você coloca em contratos de 1¢ como 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 seu resultado de Monte Carlo, você calibra contra esse viés conhecido:
Há um segundo achado que vale a pena gravar na memória. Becker descobriu que NÃO supera SIM em 69 de 99 níveis de preço. Takers compram SIM desproporcionalmente – eles apostam no seu time, no seu candidato, nas suas bags. Essa demanda inflaciona os preços de SIM e deprime os preços de NÃO.
A regra: se você precisar negociar como taker abaixo de 30¢, compre NÃO em vez de SIM. Você não está lutando contra o viés – você está surfando nele.
Parte 5 - Passo 4: Dimensione com Kelly
Você tem uma probabilidade calibrada. O mercado tem um preço. Há uma vantagem (edge). 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, sofrem uma sequência de perdas, e nunca se recuperam.
A resposta certa é o Critério de Kelly, que te dá o tamanho de aposta matematicamente ótimo para qualquer vantagem.
Kelly faz algo que nenhum instinto pode: ele escala sua aposta automaticamente com sua vantagem. Vantagem pequena, aposta pequena. Vantagem massiva, aposta grande – mas nunca grande o suficiente para te eliminar numa sequência ruim.
Use Kelly fracionado (0,25×). Kelly completo maximiza o crescimento de longo prazo no papel, mas os drawdowns são psicologicamente insuportáveis e um único erro de estimação pode ser catastrófico. Todo profissional usa frações.
Parte 6 - Passo 5: Execute com Ordens Limite
Você pode ter um modelo perfeito e ainda assim sangrar dinheiro na execução. Este é o passo que os traders de varejo pulam – e vale mais que o próprio modelo.
Os dados de Becker sobre os 72,1 milhões de trades encontraram o fato de execução mais importante nos mercados de previsão:
Makers (ordens limite) ganham +1,12% por trade. Takers (ordens de mercado) perdem −1,12% por trade.
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: makers não vencem porque predizem melhor. Makers comprando SIM ganham +0,77%. Makers comprando NÃO ganham +1,25%. Eles vencem porque fornecem liquidez para pessoas que sistematicamente pagam demais para serem preenchidas instantaneamente.
Cada ordem de mercado que você coloca paga o que Becker chama de "Imposto do Otimismo". Seu Monte Carlo pode gritar COMPRE, mas se você atravessar o spread com uma ordem de mercado, você devolveu sua vantagem antes mesmo de o trade começar.
A categoria também importa. Becker descobriu que a diferença maker-taker varia 40× entre categorias. Mercados financeiros são quase eficientes (diferença de 0,17 pp) – estão cheios de analistas macro que pensam em probabilidades. Mercados de entretenimento e eventos mundiais têm diferenças de 4,79-7,32 pp – estão cheios de fãs e apostadores narrativos pagando demais por SIM.
Se você está executando uma estratégia de maker, 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 de trade completa – direção, tamanho e instrução de execução – sai.
Esse é o framework inteiro. 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, corretamente dimensionada e corretamente executada – ou te manda passar.
O Sistema de 5 Passos, Resumido
- Construa o modelo de Markov. Pegue 30-60 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.
- Execute Monte Carlo. Comece do estado atual. Rode 10.000 caminhadas aleatórias pela matriz. A fração que termina em território SIM é sua estimativa de probabilidade bruta.
- Calibre contra o viés. Aplique a correção empírica de Becker. Um 5% bruto se torna um 4,18% real. Pular este passo é por que a maioria dos modelos caseiros perde dinheiro.
- Dimensione com Kelly fracionado. Nunca aposte mais do que a matemática permite. Kelly completo é ótimo no papel e ruinoso na prática. Kelly fracionado sobrevive.
- Execute com ordens limite. Maker = +1,12%. Taker = −1,12%. Essa oscilação de 2,24 pp vale mais que seu modelo. Nunca atravesse o spread a menos que sua vantagem seja enorme e crítica em termos de tempo.
Conclusão - O Que Fazer Agora
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 trades 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 ponto no tempo. Nunca deixe preços futuros vazarem para estimativas passadas. Um modelo que parece brilhante com viés de olhar para frente (lookahead bias*) vai silenciosamente te sangrar ao vivo.
Segundo, comece com trades de papel. Rode o sistema completo em mercados ao vivo sem dinheiro real por duas semanas. Compare suas probabilidades calibradas contra 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 rolante. E nunca confie em uma célula da matriz construída com menos de 20-30 transições.
A Cadeia de Markov não prevê o futuro. Ela faz algo mais útil: quantifica a probabilidade de todo futuro possível dado onde você está agora, e te diz precisamente quando o mercado precificou mal essa probabilidade.
Essa é a vantagem toda. A multidão observa o preço. Você observa a estrutura por baixo dele.
Agora vá construí-la!
