Data Science
Gestão de Banca: Critério de Kelly e Stake
95% dos apostadores quebram — e não é por falta de análise. É por falta de gestão de banca. Neste artigo, você aprende o Critério de Kelly, compara
DevDoido
Carregando
95% dos apostadores quebram — e não é por falta de análise. É por falta de gestão de banca. Neste artigo, você aprende o Critério de Kelly, compara
95% dos apostadores quebram — e não é por falta de análise. É por falta de gestão de banca. Neste artigo, você aprende o Critério de Kelly, compara com flat betting, e constrói um simulador em Python.
Modelos estatísticos usados em apostas profissionais com código Python
Entenda como casas de apostas definem odds e calculam margem
Galera, vou ser direto: o motivo pelo qual a grande maioria dos apostadores perde dinheiro não tem nada a ver com saber ou não saber de futebol. Não é falta de modelo estatístico. Não é falta de dados. É falta de gestão de banca.
O cenário típico é assim: a pessoa começa com R$ 1.000 de banca. Encontra uma aposta que parece boa com odd 2.50. Aposta R$ 200 — 20% da banca. Perde. Fica nervosa. A próxima aposta parece ainda melhor. Aposta R$ 300 pra recuperar. Perde de novo. Em duas semanas, a banca acabou.
O problema não era a qualidade das apostas. O problema era o tamanho delas. Se a pessoa tivesse apostado R$ 30 em cada uma — 3% da banca — teria sobrevivido facilmente a uma sequência de perdas e estaria no jogo pra quando as vitórias viessem. Sobrevivência é condição necessária pra lucro.
A gestão de banca é a diferença entre um apostador recreativo que perde dinheiro se divertindo e um apostador que trata isso como investimento. E o Critério de Kelly é o framework matemático mais robusto que existe pra definir o tamanho ideal de cada aposta.
O Critério de Kelly foi criado por John Kelly no Bell Labs em 1956. A ideia original era otimizar apostas em corridas de cavalos baseado em informações de insiders transmitidas por linhas telefônicas. Sim, a história real é exatamente tão doida quanto parece.
A fórmula é simples: f* = (bp - q) / b, onde f* é a fração da banca que você deve apostar, b é a odd decimal menos 1 (o lucro líquido por unidade apostada), p é a probabilidade real de ganhar (sua estimativa), e q é a probabilidade de perder (1 - p).
Digamos que você acha que o Flamengo tem 60% de chance de ganhar, e a odd oferecida é 2.00. Então: b = 2.00 - 1 = 1.00, p = 0.60, q = 0.40. Kelly = (1.00 x 0.60 - 0.40) / 1.00 = 0.20. O Kelly diz pra apostar 20% da banca.
Parece muito, né? E é. O Kelly puro é agressivo demais na prática. A maioria dos apostadores profissionais usa o meio Kelly (metade do valor sugerido) ou até um quarto do Kelly. No exemplo acima, meio Kelly seria 10% — ainda agressivo — e um quarto seria 5%, que é muito mais razoável.
Existem três estratégias principais de sizing de aposta. Cada uma tem trade-offs diferentes entre crescimento, risco e simplicidade. Vou explicar as três e depois mostrar na simulação qual performa melhor.
Aposta o mesmo valor fixo em todas as apostas, independente do edge ou da odd.
Ajusta o stake proporcionalmente ao edge estimado de cada aposta.
Teoria é bonita, mas ver os números em ação é outra coisa. Vamos construir um simulador que roda milhares de cenários e mostra a distribuição de resultados pra cada estratégia de gestão de banca.
O melhor sistema de gestão de banca do mundo é inútil se você não segue ele. E aí é que a automação entra. Quando o cálculo do stake é manual, a emoção interfere. Você vê uma aposta que parece certeza e coloca mais do que devia. Ou perde três seguidas e reduz o stake pra proteger a banca — exatamente quando o Kelly diz pra manter.
A solução: tire a decisão de tamanho de aposta da sua mão. O código calcula, você executa. Melhor ainda: integre o Kelly com o bot de Telegram pra que a mensagem de alerta já venha com o stake recomendado. Assim você recebe: 'VALUE BET — Flamengo x Palmeiras — Casa: Bet365 — Odd: 2.15 — Edge: 4.2% — Stake recomendado: R$ 38 (3.8% da banca)'. Pronto. Decisão tomada sem emoção.
Um último ponto que pouca gente fala: o maior risco não é uma sequência de perdas. É overconfidence. Quando você ganha 15 apostas seguidas, a tentação de aumentar o stake além do que o Kelly recomenda é enorme. Não faça isso. O Kelly já leva em conta o edge. Se o edge é 5%, o Kelly diz 5% (ou 1.25% no quarto de Kelly). Não importa se você acertou as últimas 50 — o edge da próxima aposta não mudou.
A beleza do Kelly é que ele automaticamente ajusta o stake ao tamanho do edge. Edge grande? Aposta mais. Edge pequeno? Aposta pouco. Sem edge? Não aposta. Essa proporcionalidade é o que maximiza o crescimento no longo prazo segundo a teoria da informação.
Aposta sempre o mesmo percentual da banca atual (ex: 3%).
Minha recomendação: comece com flat betting enquanto valida seu modelo. Depois migre pra quarto de Kelly quando tiver confiança na calibração das probabilidades. Nunca use Kelly puro — a variância é grande demais pro mundo real, onde seu modelo tem erros que você nem sabe que existem.
A simulação mostra um padrão consistente: Kelly puro tem a maior média de banca final, mas também a maior taxa de ruína e o maior drawdown. Kelly de um quarto tem crescimento decente com risco controlado. Flat betting tem o menor risco mas o menor crescimento. Proporcional fica no meio.
O detalhe matador: olhe pra mediana, não pra média. A média é distorcida por poucos cenários onde o Kelly puro deu muito certo. A mediana mostra o resultado que a maioria das simulações teve. E aí o quarto de Kelly costuma ser o mais equilibrado.
Gestão de banca é uma peça do sistema. Combine com os modelos de Poisson, ELO e xG do artigo de análise estatística, visualize tudo no dashboard de React, e receba alertas prontos pelo bot de Telegram. Na CrazyStack, você aprende a construir sistemas completos com código real — não só teoria.