Pular para o conteúdo
    Notícia

    Por que a virada de Lula aconteceu primeiro na Polymarket e Kalshi?

    Resultados iniciais podem mudar rapidamente uma projeção quando revelam diferenças em relação ao desempenho esperado. Proteção contra perdas também pode movimentar preços, mas não há evidência suficiente para atribuir a virada a essa estratégia.

    Stock Charts during a live trading session
    Foto por Nicholas Cappello no Unsplash
    Neste artigo
    A mudança nas apostas chamou atenção neste domingo (25): depois de favorecerem Flávio Bolsonaro por vários dias antes da votação, Kalshi e Polymarket passaram a indicar uma vitória de Luiz Inácio Lula da Silva ainda no início da apuração. Segundo destacou a Exame, a inversão ocorreu por volta das 19h, com aproximadamente 1% das urnas apuradas. Na véspera, o Times Brasil havia registrado probabilidades superiores a 80% para Flávio nas duas plataformas.

    Como tão poucos resultados poderiam provocar uma mudança tão grande? A explicação envolve três mecanismos: o conteúdo estatístico dos primeiros votos, a atualização das expectativas e a forma como os preços são negociados.

    É importante separar, porém, a explicação técnica de como isso pode acontecer da comprovação do que motivou cada operação. Sem reconstruir os dados eleitorais disponíveis a cada instante e o histórico das ordens, não é possível determinar quanto da virada veio de modelos, novas informações ou proteção financeira.

    Poucas urnas podem trazer muita informação


    O percentual nacional apurado, isoladamente, diz pouco sobre a capacidade de prever o resultado. Importa saber quais localidades já apareceram, como costumam votar e quanto seus resultados diferem do esperado.

    Imagine um exemplo hipotético: um modelo estima que Lula precisaria alcançar 40% dos votos em determinado conjunto de localidades para sustentar uma disputa equilibrada nacionalmente. Os primeiros resultados mostram 45%.

    Mesmo que Flávio continue à frente nesses lugares, a informação pode ser favorável a Lula: ele está perdendo por uma margem menor do que a projetada.

    Se desvios semelhantes aparecem em localidades de perfis diferentes, o modelo ganha evidências para revisar a estimativa nacional. Métodos desse tipo comparam resultados atuais e históricos das seções eleitorais, explorando a relativa continuidade dos padrões territoriais de votação. Essa abordagem está documentada na literatura sobre previsões durante a apuração.

    O segredo está em estimar o que falta contar


    Uma projeção consistente combina os votos conhecidos com estimativas para as áreas ainda não apuradas. Ela não precisa esperar que a liderança no placar parcial corresponda à liderança esperada no resultado final.

    Mas existe uma dificuldade: as primeiras urnas não formam uma amostra aleatória do país. Diferenças na transmissão e na totalização podem fazer determinados territórios aparecerem antes de outros.

    Por isso, extrapolar diretamente o percentual inicial de um candidato seria um erro. Modelos precisam considerar a composição geográfica dos resultados e corrigir diferenças entre áreas já conhecidas e ainda pendentes. Trabalhos sobre previsão eleitoral utilizam regressões hierárquicas e informações anteriores justamente para lidar com essa seleção não aleatória.

    Milhares de votos de localidades muito semelhantes também não equivalem a milhares de observações independentes. Ignorar essa dependência pode produzir uma confiança artificialmente elevada.

    Como uma vantagem pequena vira uma probabilidade grande


    Percentual de votos e probabilidade de vitória respondem a perguntas diferentes.

    Uma estimativa de 51% dos votos pode representar uma probabilidade elevada de vitória se a incerteza restante for pequena. Já os mesmos 51%, com grande incerteza, indicam uma disputa aberta.

    Em modelos probabilísticos, novas informações atualizam as estimativas anteriores. Simulações calculam diferentes resultados possíveis para os votos restantes; a frequência com que um candidato vence nesses cenários ajuda a estimar sua chance de vitória. Métodos publicados de acompanhamento eleitoral combinam dados geográficos e demográficos com milhares de simulações.

    Isso explica por que uma projeção pode mudar depressa. Não demonstra, entretanto, que os participantes das duas plataformas utilizaram um modelo específico naquela noite.

    Kalshi e Polymarket não são uma pesquisa nem um único algoritmo


    As probabilidades exibidas nessas plataformas resultam de preços negociados. Participantes podem usar modelos estatísticos, acompanhar notícias, copiar outros investidores ou agir por convicção política.

    Um contrato que paga US$ 1 caso um evento aconteça e custa US$ 0,80 costuma ser interpretado como uma probabilidade implícita próxima de 80%. Isso não significa que 80% dos eleitores apoiem o candidato, nem que exista uma previsão científica independente validando aquele preço.

    Na Polymarket, o indicador exibido normalmente corresponde ao ponto médio entre a melhor oferta de compra e a melhor oferta de venda. Se a distância entre elas ultrapassa US$ 0,10, a plataforma utiliza o último preço negociado. Portanto, ofertas retiradas ou reposicionadas também podem alterar o indicador, sem exigir uma entrada proporcionalmente.


    Foto de Simão Vieira de Mairins

    Simão Vieira de Mairins

    COO e co-fundador do ia.com.br

    Ver perfil completo