Transformar probabilidades em ativos: Perspectivas sobre agentes inteligentes de previsão de mercado

作者：0xjacobzhao

Nas análises anteriores da série Crypto AI, temos reiterado que os cenários de maior valor prático na área de criptomoedas atualmente concentram-se em pagamentos com stablecoins e DeFi, sendo o Agent a interface principal do setor de IA voltada ao usuário. Assim, as duas rotas mais valiosas na tendência de fusão entre Crypto e AI são: a curto prazo, o AgentFi, baseado em protocolos DeFi já consolidados (empréstimos, mineração de liquidez, estratégias básicas, além de Swap, Pendle PT, arbitragem de taxas de financiamento etc.) e estratégias avançadas; e, a médio e longo prazo, o Agent Payment, centrado em liquidações com stablecoins, apoiado por protocolos como ACP/AP2/x402/ERC-8004.

Espera-se que, até 2025, o mercado de previsões se torne uma nova tendência de destaque, com volume total de transações anuais crescendo de aproximadamente 9 bilhões de dólares em 2024 para mais de 40 bilhões em 2025, representando um crescimento superior a 400% ano a ano. Esse crescimento é impulsionado por diversos fatores: eventos políticos macroeconômicos que aumentam a demanda por incerteza, maturidade de infraestrutura e modelos de negociação, além de mudanças regulatórias favoráveis (como a vitória judicial da Kalshi e o retorno do Polymarket aos EUA). Em início de 2026, o agente de mercado de previsões (Prediction Market Agent) já apresenta um protótipo inicial, com potencial para se tornar uma nova forma de produto no setor de agentes no próximo ano.

1. Mercado de Previsões: de ferramenta de apostas a “Camada de Verdade Global”

O mercado de previsões é um mecanismo financeiro que negocia resultados de eventos futuros, com o preço do contrato refletindo a avaliação coletiva do mercado sobre a probabilidade de ocorrência. Sua eficácia decorre da combinação de inteligência coletiva e incentivos econômicos: em ambientes anônimos de apostas com dinheiro real, informações dispersas são rapidamente integradas em sinais de preço ponderados pelo volume de fundos, reduzindo ruídos e julgamentos falsos.

Gráfico de tendência de volume nominal de negociações do mercado de previsões

Fonte: Dune Analytics (Query ID: 5753743)

Até o final de 2025, o mercado de previsões deve estar dominado por uma estrutura de duopólio entre Polymarket e Kalshi. Segundo a Forbes, o volume total de transações em 2025 deve atingir cerca de 44 bilhões de dólares, com Polymarket contribuindo com aproximadamente 21,5 bilhões e Kalshi com cerca de 17,1 bilhões. Dados de fevereiro de 2026 indicam que o volume de Kalshi (25,9 bilhões de dólares) já supera o do Polymarket (18,3 bilhões), atingindo quase 50% de participação de mercado. Graças à vitória judicial em contratos eleitorais, à vantagem regulatória inicial nos mercados esportivos nos EUA e a expectativas regulatórias mais claras, Kalshi tem expandido rapidamente. Atualmente, os dois apresentam trajetórias de desenvolvimento distintas:

• Polymarket usa uma arquitetura híbrida de “matchmaking off-chain e liquidação on-chain” com mecanismo de livro de ofertas descentralizado (CLOB), formando um mercado global, não custodial, de alta liquidez. Após a conformidade nos EUA, opera em um modelo de “dupla via” (onshore + offshore).

• Kalshi integra-se ao sistema financeiro tradicional, conectando-se via API a corretoras de varejo mainstream, atraindo market makers de Wall Street para negociações de contratos macroeconômicos e baseados em dados. Seus produtos são regulados por processos tradicionais, com demanda de cauda longa e resposta a eventos emergenciais mais lentas.

Além de Polymarket e Kalshi, outros participantes competitivos no setor de previsões evoluem por duas rotas principais:

• Rota de distribuição regulada: incorporando contratos de eventos em plataformas de corretoras ou grandes plataformas com sistemas de contas e liquidação existentes, aproveitando canais de distribuição, credenciais regulatórias e confiança institucional (exemplos: ForecastTrader da Interactive Brokers × ForecastEx, FanDuel × CME Group). Essa abordagem é altamente regulada e possui vantagens de recursos, mas seus produtos e base de usuários ainda estão em estágio inicial.

• Rota de blockchain nativa de criptomoedas: representada por Opinion.trade, Limitless, Myriad, que utilizam mineração de pontos, contratos de curto ciclo e distribuição via mídia para rápida expansão, enfatizando desempenho e eficiência de capital. Sua sustentabilidade a longo prazo e robustez de risco ainda precisam ser validadas.

A combinação de entradas regulatórias tradicionais e vantagens de desempenho de blockchains nativos forma um ecossistema de mercado de previsões com múltiplas frentes competitivas.

Embora superficialmente o mercado de previsões se assemelhe a jogos de azar, sua essência é um jogo de soma zero, com uma distinção fundamental: a externalidade positiva. Através de negociações com dinheiro real, dispersa informações são agregadas para precificar eventos reais, formando sinais de valor. Essa tendência está se deslocando de um jogo de apostas para uma “Camada de Verdade Global” — com a integração de instituições como CME e Bloomberg, a probabilidade de eventos já se tornou metadado de decisão acessível a sistemas financeiros e corporativos, fornecendo uma verdade de mercado mais rápida e quantificável.

Do ponto de vista regulatório global, o caminho de conformidade do mercado de previsões é altamente fragmentado. Os EUA são o único grande mercado que regula explicitamente previsões como derivativos financeiros. Europa, Reino Unido, Austrália e Cingapura geralmente os veem como apostas, com regulamentação mais restritiva. China e Índia proíbem completamente, e a expansão global futura dependerá das estruturas regulatórias de cada país.

2. Arquitetura do Agente de Mercado de Previsões

Atualmente, os agentes de mercado de previsões (Prediction Market Agents) estão em estágio inicial de implementação prática. Seu valor não está em “prever melhor com IA”, mas em ampliar a eficiência de processamento de informações e execução. O mercado de previsões é uma mecanismo de agregação de informações, onde o preço reflete a avaliação coletiva de probabilidade; a ineficiência real decorre de assimetrias de informação, liquidez limitada e atenção dispersa. Assim, o papel do agente é o gerenciamento de ativos probabilísticos executáveis (Executable Probabilistic Portfolio Management): transformar notícias, textos de regras e dados on-chain em desvios de precificação verificáveis, permitindo execução mais rápida, disciplinada e de baixo custo, além de arbitragem entre plataformas e gerenciamento de risco para capturar oportunidades estruturais.

O agente ideal pode ser abstraído em uma arquitetura de quatro camadas:

• Camada de Informação: coleta de notícias, redes sociais, dados on-chain e oficiais;

• Camada de Análise: uso de LLM e ML para identificar erros de preço e calcular margens de vantagem (Edge);

• Camada de Estratégia: aplicação de fórmulas de Kelly, construção de posições por lotes e gerenciamento de risco para converter Edge em posições;

• Camada de Execução: realização de ordens em múltiplos mercados, otimização de slippage e Gas, execução de arbitragem, formando um ciclo automatizado eficiente.

3. Estrutura de Estratégia do Agente de Mercado de Previsões

Diferentemente de ambientes tradicionais de negociação, os mercados de previsões apresentam diferenças marcantes em mecanismos de liquidação, liquidez e distribuição de informações, tornando inviável a automação de todas as estratégias. A principal questão é se o agente será implantado em cenários com regras claras, codificáveis e que explorem suas vantagens estruturais. A seguir, analisamos em três níveis: seleção de ativos, gestão de posições e estrutura de estratégias.

Seleção de Ativos

Nem todos os mercados de previsões possuem valor negociável. O valor de participação depende de fatores como: clareza de liquidação (regras bem definidas, fontes de dados únicas), qualidade de liquidez (profundidade, spread, volume), risco de informação privilegiada (assimetria de informações), estrutura temporal (prazo de vencimento e ritmo do evento) e vantagem informacional e background dos participantes. Quando a maioria desses fatores é atendida, o mercado tem uma base para participação; o participante deve alinhar suas vantagens e características de mercado:

• Vantagem humana central: mercados que dependem de conhecimento especializado, julgamento e integração de informações ambíguas, com janelas de tempo relativamente amplas (dias/semanas). Exemplos: eleições políticas, tendências macroeconômicas e marcos corporativos.

• Vantagem de agentes de IA: mercados que dependem de processamento de dados, reconhecimento de padrões e execução rápida, com janelas de decisão muito curtas (segundos/minutos). Exemplos: preços de criptomoedas de alta frequência, arbitragem entre mercados e market making automatizado.

• Áreas não compatíveis: mercados dominados por informações privilegiadas ou de natureza puramente aleatória/manipulável, onde qualquer participante está em desvantagem.

Gestão de Posições

A fórmula de Kelly é uma das principais teorias de gestão de capital em jogos repetidos, visando não maximizar ganhos pontuais, mas o crescimento exponencial de longo prazo do capital. Baseia-se na estimativa de taxa de vitória e odds, calculando a proporção ótima de aposta para maximizar o crescimento de capital esperado. É amplamente utilizada em investimentos quantitativos, apostas profissionais, poker e gestão de ativos.

Forma clássica:

f* = (b * p - q) / b

onde:

• f*: proporção ótima de aposta

• b: odds líquidas

• p: probabilidade subjetiva de vitória

• q = 1 - p

No mercado de previsões, essa fórmula se simplifica para:

p: probabilidade subjetiva real

market_price: probabilidade implícita de mercado

A eficácia teórica do Kelly depende de estimativas precisas de p e b, o que é difícil na prática. Assim, operadores profissionais e participantes de previsões tendem a usar estratégias mais práticas, com menor dependência de estimativas de probabilidade:

• Sistema de unidades (Unit System): dividir o capital em unidades fixas (ex.: 1%), apostar de acordo com o nível de confiança, limitando risco por unidade.

• Aposta fixa (Flat Betting): apostar uma porcentagem fixa do capital a cada rodada, priorizando disciplina e estabilidade.

• Níveis de confiança (Confidence Tiers): pré-definir níveis de posição discretos e limites absolutos, simplificando a decisão.

• Abordagem de risco invertido (Inverted Risk): determinar a posição a partir do máximo risco tolerável, priorizando limites de risco.

Para o agente de previsões, a estratégia deve priorizar execução confiável e estabilidade, não a otimização teórica. Regras claras, parâmetros simples e tolerância a erros de julgamento são essenciais. Assim, a combinação de níveis de confiança com limites fixos de posição é a abordagem mais adequada, pois não depende de estimativas precisas de probabilidade, controlando riscos mesmo em cenários de alta confiança.

Estratégias de escolha de estratégias

No nível de estratégias, os mercados de previsões podem ser divididos em duas categorias principais:

• Arbitragem de certeza (Arbitrage): estratégias de resolução (Resolution Arbitrage), que ocorrem quando o resultado do evento já está quase certo, mas o mercado ainda não precificou totalmente. São regras claras, de baixo risco e totalmente codificáveis, ideais para automação.

• Arbitragem de probabilidades (Dutch Book Arbitrage): aproveita desequilíbrios de preços em eventos mutuamente exclusivos e exaustivos, combinando posições para garantir retorno sem risco direcional. Baseada em regras e relações de preço, de baixo risco, altamente automatizável.

• Arbitragem entre plataformas: captura de diferenças de preço entre mercados diferentes para o mesmo evento, com risco relativamente baixo, mas exigindo infraestrutura avançada e monitoramento paralelo.

• Arbitragem de portfólio (Bundle): combina contratos relacionados para explorar discrepâncias de preço, com lógica clara, mas oportunidades limitadas e maior complexidade de implementação.

No campo especulativo, estratégias baseadas em interpretação de informações estruturadas (Information Trading), sinais de desempenho passado (Signal Following) e estratégias de alta frequência (Market Microstructure) também existem, mas apresentam maior risco, maior dependência de infraestrutura e menor estabilidade de longo prazo.

Gestão de risco e hedge

Estratégias de hedge visam reduzir a exposição ao risco, não gerar lucro direto. São regras bem definidas, com objetivos claros, essenciais para controle de risco de longo prazo.

De modo geral, as estratégias mais adequadas ao agente de previsões são aquelas baseadas em regras claras, com baixa subjetividade, priorizando arbitragem e estratégias estruturadas de informação. A gestão de posições deve priorizar confiabilidade e tolerância a erros, com uso de limites fixos e níveis discretos de confiança.

4. Modelo de negócio e produtos do agente de mercado de previsões

O modelo de negócio ideal para agentes de previsões pode explorar diferentes camadas:

• Infraestrutura: fornecimento de dados em tempo real, bancos de endereços de smart money, motor de execução de previsões e ferramentas de backtest, cobrando por serviços B2B, gerando receita estável independente da acurácia.

• Estratégia: incorporação de estratégias de comunidade e terceiros, criando ecossistemas de estratégias reutilizáveis e avaliáveis, com monetização via chamadas, pesos ou divisão de lucros.

• Camada de agente/vault: gestão fiduciária direta, com registros transparentes on-chain e sistemas de controle de risco, cobrando taxas de gestão e performance.

Produtos podem variar entre:

• Modelo de entretenimento/jogos: interfaces intuitivas tipo Tinder, com forte potencial de crescimento de usuários e educação de mercado, podendo evoluir para assinaturas ou produtos de execução.

• Assinatura de estratégias/sinais: sem custódia de fundos, regulado, com receita SaaS estável, porém com limitação de replicabilidade e teto de receita a longo prazo. Pode melhorar com soluções semi-automáticas (“sinal + execução com um clique”).

• Vault de gestão: com escala e eficiência operacional, similar a produtos de gestão de ativos, mas com desafios regulatórios, confiança e riscos de centralização. Recomendado apenas com performance comprovada e respaldo institucional.

A estratégia mais sustentável combina “infraestrutura de monetização + ecossistema de estratégias + participação nos lucros”, reduzindo a dependência de uma única hipótese de “IA sempre vencer o mercado”. Mesmo que o alpha se consolide, as capacidades de execução, risco e liquidação terão valor duradouro, formando um ciclo de negócio mais sustentável.

5. Casos de projetos de agentes de mercado de previsões

Atualmente, os agentes de mercado de previsões ainda estão em fase inicial de exploração. Diversas tentativas de estruturas de base e ferramentas superiores surgem, mas ainda não há um produto padronizado, maduro em geração de estratégias, execução, gestão de risco e ciclo de negócios.

A ecologia atual pode ser dividida em três camadas: infraestrutura, agentes autônomos e ferramentas de previsão.

Infraestrutura

• Polymarket Agents: framework oficial para desenvolvedores, padroniza conexão e interação, encapsula dados de mercado, construção de ordens e chamadas a LLM. Ainda não oferece estratégias, calibração de probabilidade ou gestão de risco completas. É uma norma de acesso, não um produto com alpha embutido. Requer desenvolvimento interno para uma solução completa.

• Gnosis Prediction Market Tools: suporte completo para Omen/AIOmen e Manifold, mas com restrições de leitura em Polymarket. Serve como base para agentes na plataforma Gnosis, mas com utilidade limitada para quem foca em Polymarket.

• Polymarket e Gnosis são os ecossistemas que já formalizaram frameworks oficiais de desenvolvimento de agentes. Outros, como Kalshi, oferecem apenas APIs e SDKs em Python, exigindo desenvolvimento próprio de estratégias, risco e monitoramento.

Agentes autônomos de negociação (Autonomous Agents)

A maioria dos “agentes de IA para mercados de previsões” ainda está em estágio inicial, com capacidades limitadas a automações parciais, sem controle de risco sistemático, gestão de posições, stop-loss ou hedge integrados. Ainda não há sistemas maduros de operação contínua.

• Olas Predict: um dos mais avançados, baseado na plataforma Gnosis, com FPMM e mecanismo de arbitragem descentralizado, suporta pequenas negociações de alta frequência, mas com liquidez limitada. Usa LLM genérico, sem dados em tempo real ou gestão de risco sistemática. Em fevereiro de 2026, lançou Polystrat, que permite definir estratégias em linguagem natural, identificar desvios de probabilidade em mercados de 4 dias e executar automaticamente, com controle de risco via execução local e contas seguras.

• UnifAI Network: oferece agentes automatizados para Polymarket, focados em risco de cauda, comprando contratos com probabilidade implícita >95%, buscando lucros de 3-5%. Dados indicam alta taxa de acerto, mas resultados variam por categoria.

• Noya.ai: tenta integrar pesquisa, julgamento, execução e monitoramento em um ciclo fechado, com camadas de inteligência, abstração e execução. Já entregou Vaults Omnichain, mas o agente de previsão ainda está em desenvolvimento, sem ciclo completo na mainnet.

Ferramentas de previsão de mercado (Prediction Market Tools)

Atualmente, essas ferramentas não constituem um agente completo, mas oferecem suporte às camadas de análise e informação, sendo mais próximas de “assinatura de estratégias / sinais / pesquisa aprimorada”. São protótipos iniciais de agentes de previsão.

A partir do mapeamento de projetos do repositório Awesome-Prediction-Market-Tools e análise empírica, selecionamos exemplos com produtos e cenários de uso, concentrando-se em quatro categorias: análise e sinais, alertas e rastreamento de baleias, ferramentas de arbitragem e terminais de negociação com execução agregada.

Ferramentas de análise de mercado

• Polyseer: ferramenta de pesquisa, com arquitetura de múltiplos agentes (Planner / Researcher / Critic / Analyst / Reporter), coleta de evidências bilateral, agregação bayesiana, geração de relatórios estruturados. Transparente, automatizada e de código aberto.

• Oddpool: “terminal Bloomberg do mercado de previsões”, agrega dados de Polymarket, Kalshi, CME, com varredura de arbitragem e painel de dados em tempo real.

• Polymarket Analytics: plataforma de análise de dados do Polymarket, exibe dados de negociações, posições e volumes de forma clara, útil para pesquisa.

• Hashdive: ferramenta de dados para traders, com Smart Score e Screener multivariado, identifica “dinheiro inteligente” e sinais de decisão.

• Polyfactual: foco em inteligência de mercado de IA, análise de emoções e riscos, com extensão Chrome que integra resultados na interface de negociação.

• Predly: plataforma de detecção de desvios de preço com IA, compara preços de mercado e probabilidades calculadas, com alerta de precisão de 89%, voltada para sinais e oportunidades.

• Polysights: monitora mais de 30 mercados e indicadores on-chain, rastreia carteiras novas, apostas grandes e comportamentos anômalos, para monitoramento diário.

• PolyRadar: análise paralela com múltiplos modelos, fornece interpretações em tempo real, evolução de linhas do tempo, pontuações de confiança e fontes transparentes, com validação cruzada de IA.

• Alphascope: motor de inteligência de mercado de previsões com IA, oferece sinais em tempo real, resumos de pesquisa e monitoramento de mudanças de probabilidade, ainda em fase inicial.

Alertas e rastreamento de baleias

• Stand: foco em alertas de movimentos de baleias e ações de alta confiança.

• Whale Tracker Livid: produto de monitoramento de posições de baleias.

Ferramentas de arbitragem

• ArbBets: ferramenta de arbitragem com IA, identifica oportunidades entre Polymarket, Kalshi e apostas esportivas, com foco em oportunidades de alta frequência (+EV).

• PolyScalping: plataforma de arbitragem em tempo real para Polymarket, com varredura a cada 60 segundos, cálculo de ROI e alertas via Telegram, com filtros por liquidez, spread e volume.

• Eventarb: ferramenta leve de arbitragem cruzada, cobre Polymarket, Kalshi e Robinhood, com funções focadas e uso gratuito.

• Prediction Hunt: ferramenta de comparação e arbitragem entre mercados de diferentes plataformas, com atualização a cada 5 minutos, visando eficiência de informações e detecção de ineficiências.

Terminais de negociação / execução agregada

• Verso: terminal institucional de negociação de mercados de previsões, apoiado pelo YC Fall 2024, com interface estilo Bloomberg, monitoramento de mais de 15.000 contratos em tempo real, análise de dados e notícias com IA, voltado a traders profissionais e institucionais.

• Matchr: ferramenta de agregação e execução de mercados de previsões, cobre mais de 1.500 mercados, com roteamento inteligente para melhor preço, planejando estratégias automáticas de arbitragem e eventos de alta probabilidade, voltada à execução eficiente.

• TradeFox: plataforma de execução avançada, apoiada pela Alliance DAO e CMT Digital, com ordens avançadas (limit, stop, TWAP), trading autônomo e roteamento inteligente, voltada a traders institucionais, com planos de expansão para Kalshi, Limitless, SxBet, entre outros.

6. Conclusão e perspectivas

Atualmente, os agentes de mercado de previsões (Prediction Market Agents) ainda estão em fase inicial de desenvolvimento. Apesar de diversas tentativas de estruturas de base e ferramentas superiores, ainda não há um produto padronizado, maduro em geração de estratégias, execução, gestão de risco e ciclo de negócios.

A ecologia atual pode ser dividida em três camadas: infraestrutura, agentes autônomos e ferramentas de previsão. Os principais exemplos incluem:

• Infraestrutura: frameworks como Polymarket Agents, Gnosis Prediction Market Tools, que padronizam conexão, coleta de dados e chamadas a LLM, mas ainda requerem desenvolvimento interno para uma solução completa com estratégias, risco e monitoramento.

• Agentes autônomos: como Olas Predict, UnifAI, Noya.ai, que oferecem automações parciais, mas ainda não possuem sistemas maduros de operação contínua, gestão de risco sistemática ou ciclo completo na mainnet.

• Ferramentas de previsão: como Polyseer, Oddpool, Polymarket Analytics, Hashdive, Polyfactual, Predly, Polysights, PolyRadar, Alphascope, que fornecem suporte analítico e de sinais, mas não constituem agentes completos.

O futuro dos agentes de previsão depende da evolução de estratégias automatizadas confiáveis, integração de gestão de risco, validação de modelos e desenvolvimento de ciclos de negócios sustentáveis. A expectativa é que, com o amadurecimento do mercado, surjam produtos padronizados, com maior eficiência, segurança e escalabilidade, consolidando o papel do agente de previsão como uma ferramenta essencial na tomada de decisão baseada em dados dispersos e probabilísticos.

Aviso legal: Este documento foi elaborado com auxílio de ferramentas de IA como ChatGPT-5.2, Gemini 3 e Claude Opus 4.5. O autor esforçou-se para verificar a veracidade das informações, mas possíveis imprecisões podem ocorrer. Ressalta-se que o mercado de ativos cripto frequentemente apresenta divergências entre fundamentos e preços de mercado secundário. Este conteúdo destina-se apenas a fins informativos e acadêmicos, não constituindo recomendação de investimento ou compra/venda de tokens.