Por que um modelo preciso do UFC ainda pode perder dinheiro

Resposta rápida

Um modelo de previsão do UFC pode ser preciso e ainda perder dinheiro. Apontar o vencedor provável não é o mesmo que encontrar uma boa odd. Uma taxa de acerto de 70% dá prejuízo quando a odd exige 72% para empatar. A margem da casa aumenta essa barreira. Probabilidades mal calibradas podem criar uma vantagem que não existe. Algumas zebras caras também apagam muitos ganhos pequenos. A rentabilidade depende da odd, da qualidade das probabilidades, da seleção das apostas e do tamanho da amostra. A taxa de acerto trata cada palpite certo do mesmo jeito. Sua banca não.

Resumo dos dados: um estudo de MMA cobre 2,122 lutas de eventos numerados do UFC entre julho de 2009 e setembro de 2023. Outro cobre 6,190 lutas entre junho de 2007 e dezembro de 2022.

Por que a taxa de acerto não é o mesmo que lucro?

A acurácia responde a uma pergunta estreita: o modelo apontou o vencedor?

Nas apostas, a pergunta é mais difícil: a chance estimada justificava o retorno oferecido?

Imagine que um modelo dê 70% de chance de vitória a Israel Adesanya. Um acerto conta igual a -150 e a -400. Mas essas odds exigem 60% e 80% de vitórias, respectivamente.

O modelo pode acertar quem tem mais chance e ainda perder dinheiro.

A acurácia de classificação ignora confiança e odd. Um palpite de 50.1% vale o mesmo que um de 90%. Escolher favoritos com odds baixas pode gerar uma taxa vistosa sem acrescentar informação ao mercado.

Como uma taxa de acerto menor pode render mais?

A probabilidade de equilíbrio vem direto da odd. Em odds americanas negativas, divida o valor absoluto da odd por esse valor mais 100. Nas positivas, divida 100 pela odd mais 100.

Veja uma comparação hipotética de 20 apostas. Cada aposta é de $100, e todas as odds ficam constantes. Isto não é um backtest histórico do UFC.

O primeiro registro perde porque cada acerto de $100 rende somente $40. O segundo lucra porque cada acerto de $100 gera $150 de lucro.

Isso não torna as apostas em zebras melhores. Mostra que a taxa de acerto não diz nada sem a odd média.

Como a margem da casa aumenta a barreira?

Ao somar as probabilidades brutas de uma moneyline de dois lados, o total costuma superar 100%. O excesso é a margem da casa, também chamada de vig ou overround.

Considere um favorito hipotético a -200 e um azarão a +170:

• -200 implica 66.7%.
• +170 implica 37.0%.
• Juntas, as duas odds implicam 103.7%.

Após uma normalização simples, o mercado sem margem estima 64.3% para o favorito e 35.7% para o azarão. A aposta a -200 ainda exige 66.7% para empatar.

Se o modelo dá 65% ao favorito, ele supera por pouco o mercado sem margem. Mesmo assim, fica abaixo da taxa exigida pela odd.

Superar uma referência não basta. A diferença entre o modelo e a linha precisa ser maior que o custo embutido. Uma vantagem real a +120 pode sumir a -105.

Por que calibração importa mais que confiança?

Um modelo calibrado cumpre o que suas probabilidades prometem. Entre muitos lutadores com 70% de chance, cerca de 70% deveriam vencer.

Você precisa agrupar previsões feitas antes das lutas. Depois, compare cada faixa de probabilidade com os resultados observados.

O guia do scikit-learn recomenda curvas de calibração para esse teste. O escore de Brier e o log loss também avaliam probabilidades, não só vencedores.

Walsh e Joshi testaram essa diferença em um estudo revisado por pares de 2024. Eles treinaram modelos com várias temporadas da NBA. Depois, simularam apostas em uma temporada de teste. A seleção por calibração superou a seleção por acurácia nesse experimento.

O resultado não é evidência específica sobre o UFC, e uma temporada de teste forma uma base pequena. A lição é mais limitada. Se a decisão depende do tamanho da vantagem, a qualidade das probabilidades importa mais do que apenas apontar o vencedor.

O excesso de confiança custa caro. Se o modelo atribui 75% a lutas cuja chance real é 60%, ele aprova apostas que apenas parecem ter valor. A vantagem nasceu de uma escala ruim, não de uma análise melhor.

O que os estudos sobre apostas em MMA mostram?

As odds reais do UFC são uma referência difícil de superar. Elas já incorporam informação pública, análises especializadas e notícias de última hora.

A dissertação de Kaiana Miller, da Universidade de Nevada, estudou eventos numerados do UFC 100 ao UFC 293. Após as exclusões, restaram 2,122 lutas entre julho de 2009 e setembro de 2023.

As duas estratégias mais simples perderam:

Em sete anos específicos, uma dessas regras terminou no lucro. Nenhum ganho anual teve significância estatística.

Esse resultado alerta sobre a sorte em backtests. Uma regra pode parecer útil durante uma temporada e falhar no período completo.

Um artigo de 2023 estudou 6,190 lutas do UFC entre junho de 2007 e dezembro de 2022. Lutadores cotados como azarões por pequena margem deram retorno positivo, mas sem significância estatística. Nenhuma estratégia baseada apenas nas odds gerou lucro significativo no longo prazo entre os esportes testados.

Miller e Nichols publicaram um estudo de MMA mais novo, revisado por pares, em 2026. As previsões fora da amostra trouxeram poucos retornos positivos com significância estatística. Os autores classificaram o mercado de MMA como amplamente eficiente.

Uma suposta vantagem ainda precisa de uma avaliação em amostra reservada, muitas apostas e uma medida da incerteza do retorno.

O que grandes zebras do UFC ensinam a um modelo?

No UFC 293, Sean Strickland fechou como azarão de +500 contra Israel Adesanya. Ele venceu por decisão unânime, com 49-46 nos cartões dos três juízes.

A odd +500 equivale a uma probabilidade implícita bruta de 16.7%. Isso não significa que o mercado prometeu a derrota de Strickland. Antes do ajuste da margem, a cotação representava um desfecho esperado em cerca de um a cada seis casos semelhantes.

Essa luta mostra o custo dos grandes favoritos. Muitos pagamentos pequenos podem desaparecer quando um favoritismo tão amplo quanto o de Adesanya dá errado. A zebra ainda pode caber em uma previsão bem calibrada.

Avalie a probabilidade, não o drama.

Por que uma boa vantagem pode ficar meses no vermelho?

Resultados de lutas têm muito ruído estatístico. Cortes, decisões dos juízes, lesões e uma troca podem mudar o desfecho. Isso não torna a probabilidade original irracional.

Imagine 100 apostas independentes, cada uma com chance real de 55% a odds pares. O registro esperado é 55-45, com desvio padrão perto de cinco vitórias.

Uma vantagem pequena pode ficar escondida pela variância normal durante um bom tempo.

Oito semanas lucrativas podem fazer um modelo comum parecer fora da curva. Um preprint sobre o FightTracker relatou 80% de acurácia ao vivo em um recorte do UFC. Também informou ROI de 90.17% ao longo de oito semanas. Em 2026, o autor retirou o preprint após uma análise mais longa mostrar desempenho muito menor.

Essa correção ensina mais que o número chamativo. Testes curtos abrem espaço para viés de seleção, um período favorável e poucos ganhos enormes.

O que uma auditoria séria de modelo deve registrar?

Guarde a previsão exatamente como ela existia antes do fechamento do mercado. Um registro útil precisa de mais que vitórias e derrotas:

• evento, lutador, adversário e horário da previsão;
• probabilidade do modelo para cada lado;
• odd disponível, casa de apostas e momento do registro;
• probabilidade do mercado sem margem naquele momento;
• valor apostado, pagamento, resultado e odd de fechamento;
• versão do modelo e qualquer ajuste manual;
• apostas canceladas, anuladas e casos excluídos;
• acurácia, escore de Brier, log loss, ROI e perda máxima da banca.

Separe os resultados por faixa de probabilidade. Se o grupo de 60% a 69.9% vence metade das lutas, o modelo está confiante demais ali.

Use testes em ordem cronológica. Treinar com lutas posteriores introduz dados do futuro no passado.

Registre toda aposta que cumpriu os critérios. Retirar derrotas por causa de um rumor tardio cria viés de sobrevivência. A regra de exclusão precisaria existir antes.

Por fim, separe o prognóstico do tamanho da aposta. Uma fórmula pode ajustar o risco. Ela não transforma uma previsão com valor esperado negativo em positivo.

Até que ponto esses dados são confiáveis?

As duas maiores amostras do UFC cumprem funções diferentes. Robbins analisa 6,190 lutas e testa padrões do mercado de odds. Miller cobre 2,122 lutas em eventos numerados e inclui odds de fechamento e características dos lutadores. Nenhum dos dois avalia seu modelo.

Miller exclui eventos menores, pick'ems e lutas sem dados de alcance ou idade. Apostar um valor fixo também difere de apostar apenas nas seleções do modelo.

O estudo de calibração usa jogos da NBA e uma temporada de teste. O FightTracker foi retirado e aparece aqui somente como alerta sobre períodos curtos.

Odds históricas também mudam conforme a casa e o momento do registro. Limites, disponibilidade e movimento da linha podem dificultar a repetição do retorno de um estudo.

A conclusão mais bem sustentada é direta. A taxa de acerto, sozinha, não prova valor em apostas. Você precisa de probabilidades calibradas, odds arquivadas, testes fora da amostra e observações suficientes para separar vantagem de sorte.

Perguntas frequentes

Qual taxa de acerto um modelo de apostas do UFC precisa para lucrar?

Não existe uma taxa única. O ponto de equilíbrio depende das odds usadas. Um modelo que aposta somente em favoritos a -250 precisa superar 71.4% antes de outros custos. Apostas a +150 precisam superar 40%.

Um modelo do UFC com 70% de acerto pode perder dinheiro?

Sim. Com odd média de -250, uma taxa de acerto de 70% perde dinheiro porque o equilíbrio exige 71.4%. O modelo pode acertar com frequência e aceitar odds baixas demais.

O que é calibração em um modelo de previsão do UFC?

Calibração mede se as probabilidades previstas correspondem às frequências observadas depois. Em uma amostra grande, lutadores com 70% de chance deveriam vencer cerca de 70% dessas lutas.

ROI é melhor que acurácia para avaliar palpites do UFC?

ROI responde à pergunta financeira, mas continua instável em amostras pequenas. Analise também calibração, escore de Brier, log loss, odds de fechamento, perda máxima e total de apostas que cumpriram os critérios.

Valor esperado positivo garante lucro?

Não. Valor esperado descreve uma média em apostas comparáveis e repetidas. Qualquer luta pode terminar em derrota. A variância comum também pode manter um método sólido no negativo durante uma amostra limitada.