Kelly Criterion, ou Critério de Kelly, é uma fórmula matemática criada para determinar qual proporção de um capital deveria ser destinada a uma oportunidade quando existe uma vantagem estatística estimada.
No universo das apostas esportivas, o conceito ganhou popularidade porque oferece uma maneira matemática de relacionar probabilidade, cotação e tamanho da exposição. Mas o Kelly Criterion vai muito além das apostas: ele também pode ser estudado em investimentos, jogos e outros cenários nos quais existe risco e retorno.
O ponto central é simples: não basta saber se uma oportunidade parece vantajosa. Também é preciso considerar quanto de capital está em risco.
Quem criou o Kelly Criterion?
O método foi desenvolvido pelo matemático e cientista americano John Larry Kelly Jr., que publicou seu trabalho sobre o assunto em 1956.
A ideia original estava relacionada a problemas de transmissão de informação e à forma de maximizar o crescimento de um capital ao longo de uma sequência de oportunidades.
Posteriormente, o conceito passou a ser aplicado em diferentes áreas, incluindo investimentos e apostas.
Como funciona o Critério de Kelly?
O Kelly Criterion procura encontrar uma proporção do capital que, teoricamente, maximiza o crescimento logarítmico desse capital ao longo do tempo.
Na versão mais conhecida para uma aposta de dois resultados, a fórmula pode ser apresentada como:
f = (bp – q) / b
Onde:
- f = fração do capital a ser utilizada;
- b = lucro líquido oferecido pela cotação;
- p = probabilidade estimada de vitória;
- q = probabilidade estimada de derrota, ou seja, 1 − p.
O detalhe mais importante está justamente na probabilidade estimada.
O Kelly Criterion não consegue transformar uma estimativa ruim em uma decisão boa. Se a probabilidade utilizada no cálculo estiver errada, o resultado do modelo também estará.
Um exemplo matemático simples
Imagine, apenas como exemplo hipotético, uma situação na qual uma pessoa estima que determinado resultado tenha 60% de probabilidade de acontecer.
Suponha também uma cotação decimal de 2,00.
Nesse caso:
- Probabilidade estimada: 60%
- Probabilidade de não acontecer: 40%
- Lucro líquido da cotação: 1,00
Aplicando a fórmula:
f = (1 × 0,60 − 0,40) / 1
f = 0,20
O resultado seria uma fração de 20% do capital segundo o Kelly integral.
Esse número, entretanto, não significa que 20% seja necessariamente uma exposição adequada na vida real.
O exemplo serve principalmente para mostrar como probabilidade e cotação entram simultaneamente no cálculo.
Por que o Kelly Criterion depende tanto da probabilidade?
Essa é uma das partes mais importantes para entender o método.
O Kelly Criterion precisa de uma estimativa de probabilidade. Essa estimativa pode vir de modelos estatísticos, históricos, avaliações quantitativas ou outras metodologias.
O problema é que uma pequena diferença na probabilidade estimada pode provocar uma grande mudança no resultado do cálculo.
Por isso, existe uma diferença fundamental entre:
“Meu modelo estima uma probabilidade de 60%.”
e
“Eu tenho certeza de que a probabilidade é 60%.”
Modelos estatísticos trabalham com incerteza. Uma estimativa não é uma garantia.
Quanto maior for o erro na probabilidade utilizada, maior pode ser o risco de o tamanho calculado pelo Kelly ser inadequado.
Kelly não prevê resultados
Outro ponto importante é que o Critério de Kelly não prevê o resultado de uma aposta ou investimento.
Ele também não aumenta a probabilidade de determinado evento acontecer.
Sua função é diferente: o método tenta responder a uma pergunta relacionada ao tamanho da exposição diante de uma vantagem estimada.
Isso significa que uma aplicação baseada em Kelly pode continuar apresentando resultados negativos durante determinado período.
Uma sequência de resultados desfavoráveis não significa automaticamente que a fórmula esteja errada. Da mesma maneira, uma sequência positiva não prova que a estimativa utilizada estava correta.
É necessário analisar uma amostra suficientemente grande e a qualidade das premissas utilizadas.
O que é Kelly integral?
Quando alguém utiliza diretamente a fração indicada pela fórmula, está falando do chamado Kelly integral ou Full Kelly.
A teoria matemática do método está associada à maximização do crescimento geométrico do capital sob determinadas condições e premissas.
Na prática, porém, o Kelly integral pode produzir exposições bastante agressivas quando a vantagem estimada é grande.
E existe um problema adicional: quanto mais incerta for a estimativa de probabilidade, menos confiável tende a ser o tamanho calculado.
Por isso, o conceito de Kelly fracionado ganhou bastante atenção.
O que é Kelly fracionado?
O Kelly fracionado consiste em utilizar apenas uma parte da fração indicada pelo Kelly integral.
Por exemplo, conceitualmente, alguém poderia analisar:
- Kelly integral;
- meia-Kelly;
- um quarto de Kelly.
A ideia não é alterar a probabilidade estimada. O objetivo é reduzir a exposição e, consequentemente, a volatilidade associada às estimativas.
Isso é especialmente relevante porque modelos reais raramente conhecem a probabilidade verdadeira de um evento com precisão absoluta.
Kelly e valor esperado
O Critério de Kelly também ajuda a compreender uma relação importante entre valor esperado e gestão de capital.
Uma oportunidade pode apresentar valor esperado positivo e, ainda assim, não ser uma boa ideia assumir uma exposição desproporcional.
Em outras palavras:
ter vantagem e definir o tamanho da exposição são problemas diferentes.
O primeiro está relacionado à existência de uma possível vantagem matemática.
O segundo está relacionado ao risco que se deseja assumir diante dessa vantagem.
Essa distinção é fundamental para entender por que o Kelly Criterion é estudado em conjunto com conceitos como probabilidade, valor esperado e variância.
Kelly não elimina o risco
É um erro interpretar o Critério de Kelly como uma fórmula capaz de proteger o capital contra perdas.
Ele não elimina:
- variância;
- sequências de resultados negativos;
- erros de modelagem;
- estimativas incorretas;
- mudanças nas condições do mercado;
- eventos inesperados.
O método apenas fornece uma estrutura matemática para relacionar vantagem estimada e tamanho da exposição.
Por isso, Kelly não é sinônimo de segurança.
O problema da falsa precisão
Imagine dois modelos que analisam o mesmo evento.
Um estima uma probabilidade de 54%.
Outro estima 57%.
Dependendo da cotação, essa diferença aparentemente pequena pode produzir resultados significativamente diferentes no cálculo de Kelly.
Isso demonstra um dos maiores desafios do método: o cálculo pode apresentar muitas casas decimais, mas a precisão matemática do resultado não significa que a estimativa original seja precisa.
Uma planilha pode calcular uma fração de Kelly com enorme precisão. O problema é saber se a probabilidade inserida naquela planilha realmente merece tanta confiança.
Kelly e a falácia do jogador
O Critério de Kelly também ajuda a compreender por que decisões anteriores não devem ser usadas de maneira irracional para alterar probabilidades futuras.
Imagine uma sequência de resultados negativos.
É incorreto concluir automaticamente que uma vitória “está para acontecer” simplesmente porque houve várias derrotas anteriores.
Esse raciocínio está relacionado à falácia do jogador.
O Kelly Criterion, por si só, não corrige esse tipo de erro. Se uma probabilidade incorreta for inserida no modelo, a fórmula continuará produzindo um resultado matematicamente correto para uma premissa possivelmente errada.
É por isso que matemática e estatística precisam caminhar juntas.
Kelly não é uma máquina de lucro
Uma das maiores confusões sobre o método é tratá-lo como uma espécie de fórmula para ganhar dinheiro.
Não é.
O Kelly Criterion depende de uma vantagem estimada. Se essa vantagem não existir, o método não cria uma vantagem do nada.
Podemos resumir assim:
Probabilidade ruim + Kelly = decisão matematicamente calculada, mas potencialmente errada.
Por outro lado:
Boa estimativa + gestão adequada do risco = uma estrutura muito mais consistente para estudar decisões sob incerteza.
Ainda assim, nenhum método matemático garante resultados futuros.
Por que o conceito é importante?
Mesmo fora de sua aplicação prática, estudar o Kelly Criterion é interessante porque ele apresenta uma ideia fundamental sobre tomada de decisão:
não basta procurar retorno; é necessário considerar o risco necessário para obtê-lo.
Essa lógica aparece em diversas áreas da economia, estatística e teoria da decisão.
No contexto esportivo, o conceito também ajuda a separar três perguntas diferentes:
- Qual é a probabilidade estimada de um resultado?
- A cotação oferecida é compatível com essa probabilidade?
- Qual seria o nível de exposição adequado diante da incerteza?
Cada pergunta exige uma análise diferente.
Conclusão
O Kelly Criterion é uma fórmula matemática criada para relacionar probabilidade, retorno e tamanho da exposição com o objetivo de maximizar o crescimento logarítmico do capital sob determinadas premissas.
Seu grande ensinamento, porém, vai além da fórmula.
O método mostra que uma vantagem estimada não deve ser analisada separadamente do risco necessário para explorá-la.
Ao mesmo tempo, Kelly apresenta uma importante limitação: tudo depende da qualidade da estimativa de probabilidade. Se a premissa estiver errada, o resultado do cálculo também poderá estar.
Por isso, entender o Critério de Kelly não significa simplesmente aprender uma fórmula. Significa compreender a relação entre probabilidade, vantagem, risco, variância e incerteza.
No Esporte com Valor, esse é justamente o objetivo: analisar o universo das apostas esportivas sob uma perspectiva matemática e racional, mostrando não apenas os resultados, mas também os conceitos que estão por trás das decisões.
Leia também: valor esperado, CLV (Closing Line Value), gestão de banca e falácia do jogador.