Entender mercados esportivos vai muito além de escolher um time para vencer. Por trás de cada cotação existe uma combinação de probabilidade, margem, liquidez, informação e, cada vez mais, modelos estatísticos e inteligência artificial.

Para quem trata apostas esportivas sob uma perspectiva analítica, conceitos como Hold, liquidez, odds, distribuição de Poisson e redes neurais ajudam a interpretar melhor o mercado e avaliar se uma cotação faz sentido diante da probabilidade estimada.

Neste artigo, vamos entender cada um desses conceitos e, principalmente, como eles se relacionam.

---

O que são mercados e dados nas apostas esportivas?

Os mercados esportivos transformam acontecimentos de uma partida em probabilidades negociáveis.

Resultado final, total de gols, ambas marcam, handicap, escanteios e diversos outros mercados possuem uma odd, que representa uma determinada probabilidade implícita.

Por exemplo:

• Odd 2,00 → probabilidade implícita de 50%
• Odd 2,50 → probabilidade implícita de 40%
• Odd 1,50 → probabilidade implícita de 66,67%

A fórmula básica é:

Probabilidade implícita = 1 ÷ odd

Entretanto, existe um problema: a odd oferecida pelo mercado normalmente não representa uma probabilidade “pura”.

É aí que entram conceitos como Hold e margem.

---

1. Hold: quanto a casa retém das apostas

O Hold é uma métrica utilizada para medir quanto uma casa de apostas efetivamente retém do dinheiro apostado em determinado mercado ou período.

De forma simplificada:

Hold = (Valor recebido em apostas − Valor pago em prêmios) ÷ Valor recebido em apostas

Imagine um mercado no qual os apostadores movimentaram R$ 100.000.

Ao final, a casa pagou R$ 93.000 em prêmios.

O cálculo seria:

Hold = (R$ 100.000 − R$ 93.000) ÷ R$ 100.000

Hold = 7%

Isso significa que, naquele conjunto de apostas, a casa reteve 7% do volume apostado como receita bruta.

Hold não é a mesma coisa que Overround

Essa distinção é fundamental.

O Overround é calculado a partir das odds oferecidas e representa a margem matemática embutida no conjunto de preços de um mercado.

Já o Hold é calculado a partir do resultado financeiro efetivamente observado: quanto entrou em apostas e quanto foi pago em prêmios.

Por exemplo, considere um mercado de três resultados:

Resultado	Odd
Casa	2,00
Empate	3,50
Fora	4,00

As probabilidades implícitas são:

• Casa: 50%
• Empate: 28,57%
• Fora: 25%

A soma é:

103,57%

Esse excedente de 3,57% representa o Overround do mercado.

Ele pode ser calculado por:

Overround = (1/odd₁ + 1/odd₂ + … + 1/oddₙ) − 1

Portanto:

Overround = 3,57%

Já o Hold só poderá ser conhecido depois que tivermos os dados efetivos das apostas e dos pagamentos.

Uma forma simples de diferenciar

Overround = margem presente no preço

Hold = margem efetivamente retida

Essa diferença é importante porque o Hold realizado pode variar bastante em relação à margem teórica das odds.

Imagine que um mercado tenha um overround de aproximadamente 5%. Isso não significa que a casa necessariamente ficará com exatamente 5% do dinheiro apostado naquele evento.

Se os resultados forem muito favoráveis aos apostadores, o Hold realizado pode ser baixo ou até negativo naquele período.

Se os resultados forem favoráveis à casa, o Hold pode ficar acima da margem inicialmente observada.

Por isso, o Hold é uma métrica especialmente útil para analisar o desempenho financeiro de uma operação de apostas ao longo do tempo.

Por que o Hold importa para quem analisa mercados?

Para o apostador, entender o Hold ajuda a compreender a economia por trás dos mercados.

Uma casa de apostas precisa construir preços que incorporem uma margem suficiente para gerar receita no longo prazo.

Essa margem ajuda a explicar por que simplesmente identificar a probabilidade implícita de uma odd não é suficiente.

É necessário considerar que o preço oferecido pelo mercado normalmente contém uma margem para o operador.

É justamente por isso que conceitos como probabilidade justa, odd justa e valor esperado (EV) são importantes.

Enquanto o Hold olha para o resultado financeiro efetivamente obtido pela casa, o Overround ajuda a entender a margem incorporada aos preços. São conceitos relacionados, mas não devem ser tratados como sinônimos.

---

2. Liquidez: quanto dinheiro existe no mercado?

Liquidez é a capacidade de um mercado absorver apostas sem provocar grandes alterações nas cotações.

Esse conceito é especialmente importante em bolsas de apostas, nas quais apostadores podem negociar diretamente entre si.

Um mercado com alta liquidez tende a apresentar:

• maior volume negociado;
• mais participantes;
• maior facilidade para entrar e sair de posições;
• menor impacto de uma aposta individual sobre o preço.

Já um mercado com pouca liquidez pode apresentar:

• poucos participantes;
• grandes diferenças entre preços disponíveis;
• alterações bruscas nas odds;
• dificuldade para conseguir determinado valor.

Por que a liquidez importa?

Imagine dois mercados:

Mercado A

R$ 10 milhões negociados.

Mercado B

R$ 20 mil negociados.

Uma aposta de R$ 5 mil representa:

• 0,05% do mercado A;
• 25% do mercado B.

O mesmo valor pode ter impactos completamente diferentes.

Por isso, odd não deve ser analisada isoladamente.

É necessário observar também a profundidade e a liquidez daquele mercado.

---

3. Odds: preço e probabilidade

A odd é uma das principais informações disponíveis para o analista.

Ela pode ser interpretada como um preço associado a uma probabilidade.

A relação básica é:

Probabilidade implícita = 1 ÷ odd

Veja:

Odd	Probabilidade implícita
1,20	83,33%
1,50	66,67%
1,80	55,56%
2,00	50,00%
2,50	40,00%
3,00	33,33%
4,00	25,00%
5,00	20,00%

Mas existe uma questão fundamental:

probabilidade implícita não é necessariamente probabilidade real.

Se um modelo estima que determinado evento possui 55% de probabilidade e o mercado oferece odd 2,00, temos:

Probabilidade estimada = 55%

Odd de mercado = 2,00

A odd 2,00 corresponde a 50%.

Existe, portanto, uma diferença de 5 pontos percentuais entre a estimativa e o preço.

É justamente nesse tipo de comparação que surge o conceito de valor esperado (EV).

EV simplificado

Para uma aposta de R$ 1:

EV = (probabilidade × odd) − 1

No exemplo:

EV = (0,55 × 2,00) − 1

EV = 0,10

Ou seja:

EV = +10%

O resultado não significa que a aposta necessariamente vencerá. Significa que, sob as premissas do modelo, o preço oferecido é superior ao preço justo estimado.

---

4. Poisson: transformando gols em probabilidades

A distribuição de Poisson é uma ferramenta estatística bastante utilizada para modelar a ocorrência de eventos em determinado intervalo.

No futebol, uma aplicação clássica é estimar a distribuição de gols.

A fórmula é:

P(X = k) = (e⁻λ × λᵏ) ÷ k!

Onde:

• X = número de gols;
• k = quantidade de gols desejada;
• λ = média esperada de gols;
• e = constante matemática aproximadamente igual a 2,718.

Imagine um modelo que estime:

λ = 1,50 gols

A distribuição de Poisson pode estimar a probabilidade de:

• 0 gols;
• 1 gol;
• 2 gols;
• 3 gols;
• 4 gols;
• e assim por diante.

Isso permite construir uma distribuição de placares.

Por exemplo, podemos combinar:

λ casa = 1,60

com

λ visitante = 1,10

E gerar probabilidades para placares como:

• 0–0;
• 1–0;
• 1–1;
• 2–0;
• 2–1;
• 2–2;
• 3–1.

A partir dessas probabilidades, é possível derivar estimativas para diferentes mercados.

LEIA TAMBÉM: Monte Carlo: entenda a técnica matemática nas apostas esportivas

---

Poisson não serve apenas para prever o placar

Uma das grandes vantagens do modelo é justamente transformar uma estimativa de gols em probabilidades de outros eventos.

A partir da distribuição podemos estimar, por exemplo:

Over 1,5 gols

Over 2,5 gols

Under 2,5 gols

Ambas marcam

Resultado final

Handicap

Isso transforma um modelo de gols em uma ferramenta para análise de diferentes mercados.

Mas existe uma limitação importante:

o futebol não é perfeitamente descrito por uma distribuição de Poisson simples.

O modelo depende das premissas utilizadas e pode não capturar adequadamente fatores como:

• expulsões;
• lesões;
• mudanças táticas;
• força real dos adversários;
• dependência entre gols;
• comportamento após determinado placar;
• contexto da partida.

Por isso, modelos mais sofisticados podem utilizar ajustes ou outras técnicas estatísticas.

---

5. Redes neurais: quando o modelo fica mais complexo

As redes neurais pertencem ao campo do aprendizado de máquina e podem identificar relações complexas entre diversas variáveis.

Enquanto um modelo simples pode trabalhar com poucas informações, uma rede neural pode receber dezenas ou centenas de variáveis.

Por exemplo:

• gols marcados;
• gols sofridos;
• xG (entenda mais sobre esse conceito clicando aqui!)
• xGA;
• finalizações;
• finalizações no alvo;
• posse de bola;
• desempenho como mandante;
• desempenho como visitante;
• sequência recente;
• força dos adversários;
• desfalques;
• descanso;
• histórico de confrontos;
• odds de abertura;
• movimentação das odds.

O modelo tenta encontrar padrões entre essas variáveis e o resultado observado.

---

Como uma rede neural pode ser usada no futebol?

Imagine uma base histórica com milhares de partidas.

Cada jogo possui variáveis de entrada:

X = [xG, xGA, forma, mando, odds, finalizações, …]

E um resultado:

Y = vitória, empate ou derrota

A rede neural aprende relações entre X e Y.

Depois de treinada, ela pode receber os dados de uma nova partida e produzir algo como:

Casa: 48%

Empate: 27%

Fora: 25%

A partir dessas probabilidades, o analista pode calcular as odds justas:

• Casa: 1 ÷ 0,48 = 2,08
• Empate: 1 ÷ 0,27 = 3,70
• Fora: 1 ÷ 0,25 = 4,00

Agora podemos comparar essas estimativas com o mercado.

---

6. Odds de mercado × modelo

É aqui que os conceitos começam a se conectar.

Imagine:

Modelo

Probabilidade de vitória do mandante: 48%

Odd justa:

1 ÷ 0,48 = 2,08

Mercado

Odd oferecida: 2,30

A comparação seria:

Informação	Valor
Probabilidade do modelo	48%
Odd justa	2,08
Odd de mercado	2,30

O mercado está oferecendo um preço superior ao preço justo estimado pelo modelo.

O EV seria:

EV = (0,48 × 2,30) − 1

EV = 0,104

Ou:

EV = +10,4%

Esse é o tipo de análise que permite sair da pergunta:

“Quem vai ganhar?”

E passar para uma pergunta mais interessante:

“O preço disponível está adequado à probabilidade que estimo?”

---

7. Como os cinco conceitos se relacionam?

Podemos visualizar o processo desta maneira:

DADOS

↓

MODELO

↓

PROBABILIDADE

↓

ODD JUSTA

↓

COMPARAÇÃO COM O MERCADO

↓

EV / EDGE

Mas existem duas camadas adicionais:

LIQUIDEZ

determina o quanto o preço pode ser negociado e a facilidade de execução.

HOLD / MARGEM

ajuda a entender quanto do preço de mercado está associado à margem do operador.

Portanto:

Dados → Modelo → Probabilidade → Odd justa → Mercado → EV

é uma estrutura muito mais robusta do que simplesmente observar a odd.

---

8. Poisson x redes neurais

As duas abordagens podem ser usadas para modelagem, mas possuem características diferentes.

Característica	Poisson	Redes neurais
Tipo	Modelo estatístico	Machine learning
Complexidade	Menor	Maior
Interpretabilidade	Alta	Geralmente menor
Dados necessários	Moderados	Normalmente grandes
Relações não lineares	Limitadas	Forte capacidade
Modelagem de gols	Muito adequada	Possível
Variáveis	Mais controladas	Muitas
Risco de overfitting	Menor em modelos simples	Maior
Facilidade de explicar	Alta	Menor

Não existe uma regra dizendo que uma abordagem sempre será superior.

Um modelo mais complexo não é automaticamente um modelo melhor.

Uma rede neural pode encontrar padrões inexistentes na amostra e sofrer overfitting.

Por isso, validação fora da amostra é fundamental.

---

9. O perigo de confundir precisão com vantagem

Esse talvez seja o ponto mais importante de toda a análise.

Um modelo pode acertar muitos resultados e ainda assim não apresentar vantagem econômica.

Imagine um modelo que acerte:

60% das partidas.

Isso parece excelente.

Mas se as apostas forem feitas em odds muito baixas, a rentabilidade pode ser ruim.

O contrário também é verdadeiro.

Um modelo pode acertar menos resultados, mas encontrar preços suficientemente altos para apresentar expectativa matemática positiva.

Por isso, o desempenho de um modelo não deve ser avaliado apenas pela taxa de acerto.

É necessário observar métricas como:

• ROI;
• EV;
• CLV;
• drawdown;
• calibração das probabilidades;
• tamanho da amostra;
• estabilidade fora da amostra.

---

10. Dados históricos não garantem o futuro

Uma base com milhares de partidas pode ajudar a identificar padrões, mas existe uma diferença enorme entre:

ENCONTRAR UM PADRÃO

e

ENCONTRAR UM PADRÃO QUE CONTINUARÁ EXISTINDO APÓS MILHARES DE EVENTOS

Esse é um dos maiores desafios da análise esportiva.

Um mercado pode mudar, assim como as escalações, os estilos de jogo, os técnicos… Não é porque o Flamengo joga muito bem hoje, tem um padrão de jogo ofensivo e costuma marcar gols nos primeiros 30 minutos de partida que esse padrão seguirá existindo daqui seis meses, 1 ano ou 2 anos.

Além disso, os modelos dos operadores evoluem, assim como outros apostadores também estão procurando ineficiências e, ao colocar dinheiro em um mercado, alteram o valor das odds!

Por isso, qualquer modelo precisa ser constantemente testado.

---

11. O papel do backtest

O backtest permite testar uma estratégia utilizando dados históricos.

Por exemplo:

Estratégia

Entrar quando:

• probabilidade do modelo ≥ 55%;
• odd ≥ 2,00;
• EV ≥ 8%;
• mercado com liquidez mínima determinada.

Depois, podemos analisar milhares de partidas.

Mas existe uma armadilha:

Não basta testar a estratégia no mesmo conjunto usado para criar o modelo.

Isso pode produzir resultados artificialmente bons.

Uma abordagem mais adequada é separar os dados em:

Treinamento

→ utilizado para construir o modelo.

Validação

→ utilizado para ajustar parâmetros.

Teste

→ utilizado para verificar o desempenho em dados que o modelo não viu.

Essa separação ajuda a reduzir o risco de overfitting.

---

12. O mercado também é uma fonte de informação

Existe outro ponto importante.

As odds não precisam ser tratadas apenas como concorrentes do modelo.

Elas também podem funcionar como variáveis informativas.

O mercado reúne milhares de decisões de participantes, modelos, traders e informações disponíveis.

Por isso, observar:

• odd de abertura;
• odd atual;
• movimentação;
• liquidez;
• diferença entre mercados;

pode adicionar informação ao processo de modelagem.

É possível, por exemplo, comparar a probabilidade produzida pelo modelo com a probabilidade implícita pelo mercado.

A diferença entre ambas pode ser chamada de edge estimado.

---

13. Um exemplo completo

Imagine uma partida hipotética.

Um modelo baseado em Poisson estima:

Probabilidade de Over 2,5 = 56%

A odd justa seria:

1 ÷ 0,56 = 1,79

O mercado oferece:

Odd = 2,00

Calculando o EV:

EV = (0,56 × 2,00) − 1

EV = 0,12

Portanto:

EV = +12%

Agora adicionamos uma segunda camada.

Uma rede neural, treinada com variáveis adicionais, estima:

Probabilidade = 54%

Odd justa:

1 ÷ 0,54 = 1,85

EV:

(0,54 × 2,00) − 1 = +8%

Temos então dois modelos apontando para a mesma direção, mas com estimativas diferentes.

Isso não significa automaticamente que exista uma oportunidade.

É necessário verificar:

• qualidade dos modelos;
• calibração;
• tamanho da amostra;
• liquidez;
• margem do mercado;
• estabilidade histórica;
• desempenho fora da amostra.

A análise fica muito mais robusta quando diferentes métodos chegam a conclusões semelhantes.

---

14. O verdadeiro objetivo: transformar dados em preço

A grande evolução na análise de mercados esportivos acontece quando deixamos de pensar apenas em prever resultados.

O objetivo passa a ser:

estimar probabilidades → transformar em odds justas → comparar com o preço disponível.

Esse processo cria uma estrutura quantitativa:

Dados

→ coletados e tratados

Modelo

→ Poisson, regressão, machine learning ou redes neurais

Probabilidade

→ estimativa do evento

Odd justa

→ 1 ÷ probabilidade

Odd de mercado

→ preço disponível

Edge

→ diferença entre modelo e mercado

EV

→ expectativa matemática

CLV

→ avaliação posterior da qualidade do preço obtido

ROI

→ resultado financeiro observado

É uma cadeia muito mais completa do que simplesmente acompanhar a taxa de acerto.

---

Conclusão

Hold, liquidez, odds, Poisson e redes neurais fazem parte de diferentes etapas da análise de mercados esportivos.

Odds representam o preço.

Hold e overround ajudam a entender a margem embutida no mercado.

Liquidez mostra a capacidade de negociação e profundidade de um mercado.

Poisson oferece uma maneira estruturada de modelar a ocorrência de gols.

Redes neurais permitem explorar relações mais complexas entre grandes quantidades de variáveis.

Mas nenhum desses conceitos, isoladamente, garante vantagem.

O ponto central está em combinar dados de qualidade, modelos bem construídos, probabilidades calibradas e comparação disciplinada entre preço e probabilidade.

No fim, a pergunta mais importante não é:

“Qual time vai ganhar?”

É:

“Qual probabilidade atribuo a esse evento e qual preço o mercado está oferecendo?”

Essa mudança de perspectiva transforma a análise de apostas esportivas em um problema de probabilidade, modelagem e precificação.

E é justamente nesse espaço entre probabilidade estimada e preço de mercado que começa a análise de valor.