a tese
Tutorial de como usar IA (um agente no Codex) para caçar "valor esperado" comparando os preços de mercados de previsão (Polymarket, Kalshi) com as odds das casas de aposta, em vez de tentar adivinhar quem vence.
aprofundar
não
é tutorial prático de EV e apostas com IA; toca no seu interesse por agentes de IA e no laboratório de Investimentos, mas é raso e voltado a betting, sem densidade para uma sessão.
O que foi dito
- Premissa: parar de perder no longo prazo exige pensar em valor esperado (EV), não em “quem ganha o jogo”; vale para apostas esportivas, trading e sistemas automáticos.
- Exemplo Arsenal × Manchester City: Polymarket e Kalshi ficam quase idênticos (37/36/28), logo há pouco valor entre eles, e a saída é comparar com as casas de aposta.
- Mostra a matemática: inverter as odds decimais (1 sobre a odd), somar (dá cerca de 108%), e normalizar removendo a margem da casa (cerca de 8%) para obter as probabilidades implícitas.
- Regra prática: se as casas (Bet365, DraftKings) precificam algo como 45% e o mercado de previsão só 37%, há uma vantagem de cerca de 8% para comprar barato, independentemente de quem vença.
- Monta um sistema simples no Codex: usar o web socket gratuito de Polymarket e Kalshi para preços ao vivo, receber as odds das casas (idealmente via API), normalizar e sinalizar outliers e possíveis mispricings.
- Resultado do agente no exemplo: Man City no Kalshi “vale monitorar” a 34 centavos ou menos, mas sem EV executável no momento.
- Filosofia de fundo: não existe “valor justo verdadeiro”; a questão é em quem confiar (casas de aposta ou mercados de previsão, nunca “um cara do Reddit”), e ele constrói modelos próprios de fair value.