Regressão à Média como Princípio Estratégico

Aula 14

Regressão à Média como Princípio Estratégico

O Conceito Fundamental

A regressão à média é talvez o princípio estatístico mais subvalorizado no mercado desportivo. O conceito é simples: extremos tendem a ser seguidos por valores mais próximos da média. Se uma equipa marcou 5 golos quando a sua média real é 1.6 golos/jogo, o esperado para o próximo jogo não é 5 nem 1.6 — é um valor entre 1.6 e 5, ponderado pela correlação temporal.

O mercado desportivo, movido por emoção e recência, sistematicamente sobrevaloriza a continuação de streaks — tanto positivas como negativas. Esta sobrevalorização cria oportunidades de valor previsíveis e exploráveis.

A Matemática da Regressão

O modelo matemático da regressão à média é elegante e diretamente aplicável:

Fórmula 14.1

Valor Esperado Pós-Regressão

E(X_t + 1 | X_t = x) = mu + rho * (x - mu)

Onde mu é a média de longo prazo da equipa, rho é o coeficiente de correlação entre observações consecutivas (0 < rho < 1), e x é o valor observado no jogo mais recente. Quanto mais próximo de 0 for rho, mais forte é a regressão à média.

Fórmula 14.2

Coeficiente de Regressão

Regressao = (1 - rho) * (x - mu)

A magnitude da regressão é proporcional ao desvio da média. Se rho = 0, a regressão é total — a melhor estimativa é a média. Se rho = 1, não há regressão — a melhor estimativa é o valor observado.

Valores de Rho no Futebol

O coeficiente rho varia drasticamente conforme a métrica que observamos:

Métrica	Rho	Interpretação
Golos marcados	0.18	Muito ruído, regressão forte
Golos sofridos	0.15	Quase aleatório semana a semana
xG criado	0.35	Sinal moderado, 3x mais informativo que golos
xG sofrido	0.30	Consistência defensiva mensurável
Posse de bola	0.55	Estável, regressão lenta
Chutes a gol	0.28	Sinal moderado
Cartões amarelos	0.12	Quase aleatório
Vitórias consecutivas	0.08	Extremamente volátil

Implicação crítica: Usar xG em vez de golos dá-te 3x mais sinal para as tuas estimativas. Modelar golos diretamente é modelar ruído.

O Erro do Mercado

O mercado comete um erro sistemático e previsível: subestima a magnitude e a velocidade da regressão à média. Após 3 ou mais jogos extremos (seja positiva ou negativamente), o mercado ajusta as odds aproximadamente 40% da diferença em relação à média, quando o ajuste correto seria entre 60% e 70%.

Exemplo de mercado

Overreação a Streak — Famalicão

Contexto

O Famalicão vence 4 dos últimos 5 jogos na Primeira Liga, incluindo vitórias sobre Braga e Vitória SC. A média real da equipa é 1.2 golos marcados e 42% de vitórias.

Leitura de preço

Antes da streak: odds Casa 3.20 (31.3%). Após 4 vitórias em 5: odds Casa 2.40 (41.7%). O mercado subiu a probabilidade implícita em 10.4 pontos percentuais. Modelo de regressão estima probabilidade real em 36.2% — a odd correta seria 2.76.

Hipótese

Posição contra o Famalicão ao preço de 2.40 Carrega EV positivo. O mercado sobrevalorizou a streak em aproximadamente 5.5 pontos percentuais.

Risco

Se a streak refletir uma melhoria real (novo treinador, reforços de janeiro), a regressão será menor. Validar com xG e métricas subjacentes.

Evidência Empírica na Primeira Liga

A análise de 5 épocas da Primeira Liga (2021-2026) revela padrões consistentes:

Equipas com 3+ vitórias consecutivas:

Jogo seguinte: venceram apenas 38% das vezes
Odd média no mercado: 2.40 (probabilidade implícita 41.7%)
Estratégia de tomar posição contra: ROI de +6.8% em 120 oportunidades
Drawdown máximo da estratégia: -9.2%

Equipas com 3+ derrotas consecutivas:

Jogo seguinte: perderam apenas 35% das vezes (ganharam 32%, empataram 33%)
Odd média do adversário: excessivamente curta
Estratégia de tomar posição a favor: ROI de +4.1%, mas com maior variância

Framework de Aplicação



    01
    media_movel_longa
    =
    20 jogos
     // baseline historica
  
    02
    media_movel_curta
    =
    5 jogos
     // forma recente
  
    03
    z_score_limiar
    =
    |z| > 1.5
     // dispara alerta
  
    04
    rho
    =
    0.35
     // fator de regressao (35%)
  
    05
    output
    =
    alertas com valor esperado de regressao

Passo a Passo

Para cada equipa, mantém duas médias móveis de xG: 20 jogos (longo prazo) e 5 jogos (curto prazo)
Calcula o z-score da diferença entre as duas médias:
**Se ** → ativaste um alerta de regressão iminente
Calcula o valor esperado pós-regressão usando a fórmula com rho específico da métrica
Compara com as odds atuais: se o mercado está a precificar continuação da streak e o modelo prevê regressão, há edge na posição contrária
Dimensiona a alocação proporcionalmente ao z-score: quanto maior o desvio, maior o edge esperado

Regressão em Mercados Avançados

O princípio não se aplica apenas a resultados e golos. Mercados mais específicos também exibem regressão à média, frequentemente com rho mais elevado (mais previsibilidade):

Mercado de Cantos: Uma equipa com média de 5.2 cantos/jogo que de repente tem 12 cantos num jogo (rho ≈ 0.30). O próximo jogo deve regredir para aproximadamente 7.2 cantos, não para 12.

Mercado de Cartões: Arbitragem com alta contagem de cartões num jogo tende a regredir. Rho ≈ 0.12 apenas — quase impossível de explorar.

Mercado de Golos 1º Tempo vs. 2º Tempo: Equipas que marcam muito no 1º tempo em 3 jogos consecutivos tendem a regredir mais fortemente (rho ≈ 0.22).

Modo de falha

Confundir Regime Change com Streak

Uma equipa que muda de treinador, contrata um jogador chave, ou muda de sistema tático pode ter uma nova média subjacente. O que parece regressão à média pode ser o novo normal. Valida sempre com xG subjacente e métricas de processo, não apenas resultados. Se o xG também subiu, o regime pode ter mudado.

O Paradoxo da Regressão Assimétrica

Este é o conceito mais subtil e potencialmente mais lucrativo: o mercado reage de forma assimétrica a overperformance e underperformance.

Overperformance (equipa a jogar acima da média): O mercado sobreajusta. As odds tornam-se significativamente curtas demais. O investidor que toma posição contra beneficia de:

Edge maior (+6% a +9% em ROI)
Menor risco de drawdown prolongado
Reversão mais rápida (1-3 jogos)

Underperformance (equipa a jogar abaixo da média): O mercado subajusta. As odds não se tornam suficientemente longas. O investidor que toma posição a favor:

Edge menor (+2% a +4%)
Drawdown mais longo (pode levar 3-5 jogos até a regressão acontecer)
Risco de a equipa estar realmente em declínio

Checklist de decisão

Checklist: Estratégia de Regressão à Média

Calculei o z-score entre a média recente (5j) e a média longa (20j)?
O desvio ultrapassa 1.5 desvios-padrão?
A métrica que estou a usar tem rho conhecido efiável?
Usei xG em vez de golos (3x mais sinal)?
Verifiquei se há mudança de regime (novo treinador, lesões estruturais)?
Comparei a probabilidade do modelo pós-regressão com a odd atual?
A direção do edge é contrária à streak (overperformance) ou a favor (underperformance)?
O dimensionamento da alocação reflete o z-score e a confiança no rho?

Resumo

Regressão à média é um dos princípios mais lucrativos e mais subexplorados no mercado desportivo
O coeficiente rho para golos é de apenas 0.18 — a maior parte do que observamos é ruído
O mercado subestima sistematicamente a magnitude e velocidade da regressão
Usar xG em vez de golos dá 3x mais sinal nas estimativas
O edge é mais forte em overperformance (streaks positivas) do que em underperformance
Framework: detetar desvios >1.5σ, calcular valor esperado pós-regressão, comparar com odds, posicionar contra a streak

Regressão à Média como Princípio Estratégico