1/ A essência do problema: ineficiência do mercado e oportunidades de arbitragem
> O mercado na Polymarket (como eleições e eventos esportivos) parece simples (como o preço de YES/NO que deve somar $1), mas devido à dependência lógica entre eventos (por exemplo, se A acontece, então B deve acontecer), pode levar a distorções de preços e criar oportunidades de arbitragem.
> Um estudo mostrou que, entre 2024-2025, traders profissionais extraíram $40 milhões em lucros de arbitragem através dessas falhas, com os melhores traders ganhando mais de $2 milhões cada. Isso não é sorte, mas uma operação sistemática impulsionada por matemática.
2/ Estrutura matemática: por que cálculos simples falham?
>> Poliedro marginal (Marginal Polytope)
O mercado tem resultados potenciais exponenciais (2^n), mas os resultados efetivos são limitados. Os preços devem estar dentro do casco convexo efetivo, caso contrário, há arbitragem.
>> Programação inteira (Integer Programming)
Substituir verificações exaustivas por restrições lineares, detectando eficientemente dependências e falhas de preço (ex: 41% de 17.218 condições apresentaram arbitragem, com uma média de falha de 40%)
3/ Arbitragem otimizada: Projeção de Bregman
>> Não é uma simples média de preços, mas sim projetar o preço atual no espaço livre de arbitragem usando a divergência de Bregman (uma medida de distância baseada em teoria da informação), calculando a melhor direção de negociação, tamanho e lucro esperado.
• Isso respeita a microestrutura do mercado (como a função de custo logarítmica), garantindo a fidelidade da informação.
4/ Viabilidade computacional: algoritmo Frank-Wolfe
>> Cálculo de projeção direta inviável (complexidade exponencial), Frank-Wolfe se aproxima gradualmente através de programação linear iterativa + solver de programação inteira (como Gurobi), precisando de poucas iterações (50-150 vezes), mesmo em um espaço de resultados trilionário, consegue concluir em segundos/minutos
>> Processamento de contração adaptativa para lidar com explosão de gradientes, garantindo convergência.
5/ Desafios de execução: da teoria à prática
>> Após a detecção de arbitragem, a execução enfrenta riscos de negociação não atômica (execução de ordens em sequência, uma perna pode ser concluída enquanto a outra falha), restrições de liquidez, slippage (cálculo VWAP) e competição de velocidade
>> Sistemas profissionais requerem dados WebSocket em tempo real, submissão paralela de ordens, baixa latência (<30ms), e ajuste de posições usando a regra de Kelly. Estudos mostram que a taxa de sucesso na execução varia de 45-87%, e pequenos capitais têm dificuldade em competir (taxas de gas, slippage consomem lucros)
>> Traders de elite usam capital superior a $500 mil, trading sistemático (cerca de 11 operações por dia), enquanto os varejistas muitas vezes se tornam provedores de liquidez
6/ Arquitetura de sistema completa
>> Pipeline de dados: API em tempo real + dados históricos na blockchain (86M transações)
>> Detecção de dependências: filtragem com LLM (como DeepSeek) + validação manual
>> Motor de otimização: hierárquico (programação linear → projeção inteira → simulação de execução)
>> Monitoramento: painel em tempo real para rastrear oportunidades, lucros e riscos.
7/ Insights e recursos chave
>> Varejista vs. Quant
O primeiro faz verificações manuais, enquanto o segundo domina o mercado com infraestrutura matemática (teoria da otimização + engenharia). $40 milhões de lucro vêm da execução precisa, não da sorte.
Você consegue construir um sistema assim? Caso contrário, os próximos $40 milhões serão levados por outra pessoa. No geral, este texto enfatiza que o mercado de previsão é um jogo puramente matemático, onde profissionais dominam através de otimização convexa, programação inteira e execução em tempo real, não por intuição ou operação manual.
Muito difícil, vamos jogar um Polymarket 🫠