Modelo de Apostas MLB: Construa Seu Próprio Sistema do Zero (2026)

Imagine isso: é terça-feira de manhã, o programa completo da MLB sai em 3 horas, e você tem 14 jogos para avaliar. Seu instinto diz que o Dodgers é uma certeza. Seu amigo jura que o White Sox está "atrasado". Enquanto isso, o dinheiro profissional está movimentando uma linha que ninguém está falando.

Aqui está a diferença entre você e os profissionais: eles têm um modelo. Não é uma bola de cristal — é um processo sistemático que converte dados em probabilidades, compara essas probabilidades com as odds do mercado, e diz exatamente quais apostas têm valor esperado positivo.

A boa notícia? A partir de 2026, cada dado que você precisa para construir um modelo de apostas MLB está gratuito. FanGraphs, Baseball Savant e Statcast fornecem os mesmos números brutos que os sindicatos profissionais usam. O que separa os vencedores é como eles transformam esses números em features, treinam modelos que realmente predizem resultados, e gerenciam o bankroll com disciplina.

Este guia caminha você pelo processo inteiro — desde sua primeira planilha até um modelo ensemble Python completo. Quer você seja um iniciante absoluto ou um cientista de dados procurando ideias de feature engineering específicas para MLB, há um nível para você. Vamos construir algo que realmente funciona.

Resumo — Referência Rápida do Modelo MLB

Níveis de Modelo em um Relance

Para Quem é Este Guia

Este guia é para qualquer um que queira passar de apostas por instinto para um sistema de apostas MLB orientado por dados. Você não precisa de um diploma em estatística — se consegue usar uma planilha, pode começar no Nível 1. Se conhece Python básico, pule direto para a seção intermediária.

O que é um Modelo de Apostas MLB (e Por Que Construir Um)?

Modelo vs Instinto — A Diferença Chave

Um modelo de apostas é uma máquina de probabilidades. Você alimenta com dados (stats do arremessador, park factors, uso do bullpen), e ele retorna uma probabilidade para cada resultado possível. Essa probabilidade é então comparada com as odds do mercado para encontrar apostas +EV.

A diferença importa: quando você "sente" que o Dodgers vai vencer, não tem como saber se -180 é justo. Quando seu modelo diz que o Dodgers tem 63% de chance de vencer, você pode calcular que -180 implica apenas 64,3% — o que significa que o mercado está precificado e não há aposta.

O que um Bom Modelo Realmente Faz

Um bom modelo de apostas MLB faz três coisas:

1. Prevê a probabilidade de vitória mais precisamente que o mercado (mesmo que por 2-3%)
2. Identifica apostas +EV onde sua probabilidade excede as odds implícitas
3. Dimensiona apostas apropriadamente usando Critério de Kelly ou uma variante

Isso NÃO prediz vencedores com certeza. Um modelo de 55% é extremamente lucrativo nas odds certas. O objetivo não é precisão — é calibração e identificação de edge.

Escolha Seu Nível — Iniciante, Intermediário ou Avançado

Iniciante: Planilha + Stats Principais

Comece aqui se nunca construiu um modelo. Rastreie 4-5 stats principais em uma planilha (xFIP do arremessador, wOBA do time, carga de trabalho do bullpen, park factor) e atribua pesos simples. Você não vencerá Vegas consistentemente, mas aprenderá o framework e deixará de fazer apostas puramente emocionais.

Tempo: 1-2 semanas | Ferramentas: Google Sheets ou Excel | Dados: FanGraphs

Se você é totalmente novo em análise de esportes, comece com nosso guia de estratégia de apostas em underdogs da MLB para ver como um sistema orientado por dados se parece na prática antes de construir o seu próprio.

Intermediário: Python + Regressão

Evolua com as bibliotecas pandas e scikit-learn do Python. Construa modelos de regressão logística, calcule a importância apropriada de features, e faça backtesting contra odds históricas. É aqui que a maioria dos apostadores amadores lucrativos opera.

Tempo: 3-4 semanas | Ferramentas: Python, Jupyter Notebooks | Dados: FanGraphs + Statcast

Avançado: XGBoost + Métodos de Ensemble

Combine múltiplos tipos de modelos (regressão linear, regressão logística, XGBoost) em um ensemble que é mais robusto que qualquer modelo único. Adicione features avançadas como dados de nível de pitch, tendências de zona de strike do árbitro, e ajustes de lineup em tempo real.

Tempo: 6-8 semanas | Ferramentas: Python, XGBoost, LightGBM | Dados: Statcast + APIs de clima

O mesmo framework se aplica a outros esportes. Confira nosso detalhamento de sistema de apostas NBA e guia de estratégia de apostas NFL se você estiver construindo modelos multi-esportes.

Fase 1: Coleta de Dados — Onde Obter Dados de MLB

FanGraphs — Estatísticas de Equipes e Jogadores (xFIP, wOBA, K-BB%)

FanGraphs é a base. Baixe estatísticas no nível de equipe e arremessador dos últimos 3-5 anos. As métricas-chave:

• xFIP (Expected Fielding Independent Pitching): Prevê o desempenho futuro do arremessador melhor do que ERA
• wOBA (Weighted On-Base Average): Captura o valor ofensivo total em uma única escala
• K-BB% (Taxa de Strikeout menos Walk): O preditor #1 da qualidade do arremessador
• BABIP (Batting Average on Balls in Play): Identifica candidatos a regressão de sorte

Statcast (Baseball Savant) — Dados no Nível de Arremesso

Baseball Savant fornece dados Statcast — velocidade de saída, ângulo de lançamento, taxa de rotação e estatísticas esperadas (xBA, xSLG, xwOBA). Essas estatísticas "esperadas" eliminam fielding e sorte, dando uma visão mais clara do verdadeiro talento.

Park Factors — Por Que o Local Importa

Park factors são a variável mais subestimada em apostas de MLB. Coors Field infla a pontuação de corridas em 38%. Dodger Stadium a suprime em 12%. Se seu modelo não se ajustar ao local, você está deixando edge na mesa.

Role para baixo para ver nosso gráfico completo de park factors para 30 estádios com rankings visuais.

Dados de Árbitro e Clima

As tendências de zona de strikes dos árbitros afetam as taxas de strikeout e walk. Um árbitro com zona apertada pode adicionar 0,5 corridas aos totais do jogo. Clima — particularmente a velocidade e direção do vento em Wrigley Field — impacta diretamente apostas over/under.

Tabela de Fontes de Dados Gratuitas vs Pagas

Use o Conversor de Odds para alternar entre formatos americano, decimal e fracionário conforme trabalha com diferentes fontes de dados.

Fase 2: Engenharia de Features — Transformando Dados em Previsões

Estatísticas Preditivas vs Descritivas

É aqui que a maioria dos iniciantes falha. Eles usam estatísticas descritivas (média de rebatidas, record W-L do arremessador, RBIs) que dizem o que aconteceu, em vez de estatísticas preditivas que preveem o que vai acontecer.

Índice de Fadiga do Bullpen (-0,6 MPH por B2B = -0,25 Corridas)

Pesquisa de múltiplas fontes mostra que os relevistas perdem aproximadamente 0,6 MPH em sua bola rápida por aparição consecutiva. Essa queda de velocidade se traduz em aproximadamente -0,25 corridas por jogo de prevenção de corridas esperada.

Construa um índice de fadiga do bullpen:

• Rastreie as aparições de cada relevista nos últimos 3 dias
• Pondere as aparições recentes com mais peso (ontem > 2 dias atrás)
• Sinalize bullpens com 3+ relevistas usados em jogos consecutivos

Esta é uma das edges mais exploráveis de MLB porque o mercado é lento em reagir ao uso excessivo do bullpen, especialmente na primeira metade dos dias de duplo jogo.

Platoon Splits e Construção de Escalação

Rebatedores canhotos contra arremessadores canhotos (LvL) têm desempenho significativamente pior do que RvL. Seu modelo deve incluir:

• Handedness do arremessador iniciante
• Composição da escalação (percentual de rebatedores no mesmo lado)
• Platoon splits históricos para rebatedores-chave
• Tendências do técnico para construção da escalação

Métricas Móveis do Arremessador Iniciante

Não use estatísticas de temporada completa para um arremessador que está lutando há 3 semanas. Construa janelas móveis:

• Últimos 3 arremessos: Captura forma recente
• Últimos 10 arremessos: Amostra mais estável
• De temporada até agora: Baseline

Pondere as janelas móveis: 40% últimos-3, 35% últimos-10, 25% temporada. Isso captura tanto rajadas quentes quanto regressão melhor do que médias brutas de temporada.

Rankings de Importância de Features

Baseado em backtesting através de dados 2019-2025, aqui está o que mais importa:

Fase 3: Tipos de Modelo com Código Python (2026)

Regressão Linear (Ponto de Partida)

A regressão linear prevê totais de corridas diretamente. É o modelo mais simples, mas surpreendentemente eficaz para totais de jogos.

from sklearn.linear_model import LinearRegression
import pandas as pd

# Carregue sua matriz de características
features = ['sp_xfip', 'team_woba', 'park_factor',
            'bullpen_fatigue', 'k_bb_pct', 'platoon_score']

X_train = train_data[features]
y_train = train_data['total_runs']

model = LinearRegression()
model.fit(X_train, y_train)

# Preveja os jogos de hoje
today_pred = model.predict(today_data[features])

Regressão Logística (Classificação)

Para apostas moneyline, você quer probabilidade de vitória, não totais de corridas. A regressão logística fornece probabilidades diretamente.

from sklearn.linear_model import LogisticRegression

X_train = train_data[features]
y_train = train_data['home_win']  # 1 ou 0

model = LogisticRegression(max_iter=1000)
model.fit(X_train, y_train)

# Obtenha probabilidades de vitória
probs = model.predict_proba(today_data[features])
home_win_prob = probs[:, 1]  # probabilidade de vitória do time da casa

XGBoost (Gradient Boosting)

XGBoost captura relacionamentos não-lineares que a regressão perde. É a ferramenta principal dos modelos profissionais de MLB.

import xgboost as xgb

params = {
    'objective': 'binary:logistic',
    'max_depth': 5,
    'learning_rate': 0.05,
    'subsample': 0.8,
    'colsample_bytree': 0.8,
    'eval_metric': 'logloss'
}

dtrain = xgb.DMatrix(X_train, label=y_train)
model = xgb.train(params, dtrain, num_boost_round=300)

# Preveja
dtest = xgb.DMatrix(today_data[features])
probs = model.predict(dtest)

Modelo Ensemble (Combinando os Três)

Nenhum modelo é melhor para todos os jogos. Um ensemble calcula a média de previsões de múltiplos modelos, reduzindo overfitting e melhorando a calibração.

Código Python: Pipeline de Ensemble Completo

import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.calibration import CalibratedClassifierCV
import xgboost as xgb

# Treine modelos individuais
lr_model = LogisticRegression(max_iter=1000)
lr_model.fit(X_train, y_train)
lr_probs = lr_model.predict_proba(X_test)[:, 1]

xgb_model = xgb.XGBClassifier(
    max_depth=5, learning_rate=0.05,
    n_estimators=300, subsample=0.8
)
xgb_model.fit(X_train, y_train)
xgb_probs = xgb_model.predict_proba(X_test)[:, 1]

# Ensemble ponderado (ajuste os pesos via conjunto de validação)
ensemble_probs = 0.4 * lr_probs + 0.6 * xgb_probs

# Compare com a probabilidade implícita do mercado
for i, game in enumerate(today_games):
    model_prob = ensemble_probs[i]
    implied_prob = game['implied_probability']
    edge = model_prob - implied_prob

    if edge > 0.03:  # limite mínimo de edge de 3%
        kelly = (model_prob * (game['decimal_odds'] - 1)
                 - (1 - model_prob)) / (game['decimal_odds'] - 1)
        bet_size = bankroll * kelly * 0.25  # quarter-Kelly
        print(f"{game['teams']}: Edge {edge:.1%}, "
              f"Aposta \${bet_size:.0f}")

Fase 4: Backtesting e Validação

Estratégia de Train/Test Split (2019-2022 Treinamento / 2023 Validação / 2024-2025 Teste)

Nunca teste seu modelo nos mesmos dados em que treinou. Use uma divisão temporal rigorosa:

• Conjunto de treinamento (2019-2022): ~9.700 jogos. Seu modelo aprende padrões desses dados
• Conjunto de validação (2023): ~2.430 jogos. Ajuste hiperparâmetros e seleção de características
• Conjunto de teste (2024-2025): ~4.860 jogos. Avaliação final e sem contaminação do desempenho verdadeiro

Se seu modelo tem bom desempenho nos dados de treinamento mas fraco no conjunto de teste, você overfitou. Volte e simplifique.

Métricas Principais — Log Loss, Brier Score, Calibração

Acurácia de vitória/derrota sozinha é enganosa. Um modelo que diz "52% em todos os jogos" tem 52% de acurácia mas zero edge. Use métricas de scoring apropriadas:

• Log Loss: Penaliza previsões confiantes e incorretas. Menor = melhor. Alvo < 0.68
• Brier Score: Erro quadrático médio de probabilidades. Alvo < 0.24
• Calibração: Quando seu modelo diz 60%, o time deveria vencer ~60% das vezes

Verifique a calibração plotando probabilidade prevista vs taxa real de vitória em faixas (50-55%, 55-60%, 60-65%, etc.). Um modelo bem calibrado segue a linha diagonal.

Evitando Overfitting — O Erro #1 dos Iniciantes

Sinais de overfitting:

• Acurácia de treinamento > 60%, mas acurácia de teste < 52%
• O modelo adora características obscuras (ID do árbitro, dia da semana) sobre estatísticas fundamentais
• Desempenho piora dramaticamente em temporadas novas

Correções:

• Use menos características (5-8 é frequentemente ótimo para MLB)
• Adicione regularização (L1/L2 em regressão, limites de max_depth em XGBoost)
• Valide cruzadamente dentro de seu conjunto de treinamento antes de tocar no conjunto de teste
• Se uma característica não faz sentido no beisebol, remova-a independentemente da significância estatística

Fase 5: Convertendo Resultados do Modelo em Apostas

De Probabilidade para Valor Esperado (Fórmula EV + Explicação Simples)

A fórmula principal:

$EV = P(ganho) \times Lucro - P(perda) \times Aposta$

Em termos simples: multiplique sua chance de ganhar pelo quanto você ganharia, depois subtraia a chance de perder vezes quanto você perderia. Se o número for positivo, a aposta tem +EV.

Exemplo: Seu modelo dá aos Astros 55% de chance. As odds estão em +130 (aposta de $100 ganha $130).

• EV = (0,55 × $130) - (0,45 × $100)
• EV = $71,50 - $45,00 = +$26,50 por aposta de $100

Essa é uma margem massiva de 26,5%. Na realidade, as margens são geralmente de 3-8%. Use nossa Calculadora de Aposta de Valor para verificar rapidamente qualquer aposta, ou execute seus números através do Analisador de Margem para uma análise mais detalhada.

Critério de Kelly para Dimensionamento de Apostas em MLB

O Critério de Kelly calcula o tamanho de aposta matematicamente ideal:

$f^* = \frac{bp - q}{b}$

Onde:

• b = odds decimais - 1 (odds líquidas)
• p = sua probabilidade estimada de ganho
• q = 1 - p (probabilidade de perda)

Para o exemplo dos Astros: b = 2,30 - 1 = 1,30, p = 0,55, q = 0,45

$f^* = \frac{(1,30 \times 0,55) - 0,45}{1,30} = \frac{0,715 - 0,45}{1,30} = \frac{0,265}{1,30} = 20,4\%$

Kelly completo diz para apostar 20,4% do seu bankroll. Isso é agressivo. Apostadores inteligentes usam frações.

Um Quarto de Kelly — Por Que Menos é Mais

Kelly completo maximiza o crescimento a longo prazo, mas com variância brutal. Um drawdown de 30% é comum. Um quarto de Kelly (apostar 25% da quantidade recomendada por Kelly) sacrifica um pouco do crescimento por resultados dramaticamente mais suaves.

Recomendação: Comece com um quarto de Kelly. Mude para meio Kelly apenas depois de 500+ apostas verificadas e lucrativas. Use nossa Calculadora de Kelly para dimensionar adequadamente cada aposta.

Fatores do Estádio de MLB — Todos os Estádios Classificados (2024-2025)

Lendo o Gráfico de Fatores do Estádio

Um fator de estádio de 1,00 significa que o estádio é perfeitamente neutro — a pontuação corresponde à média da liga. Acima de 1,00 significa que o estádio inflaciona a pontuação (favorável ao batedor). Abaixo de 1,00 significa que o estádio suprime a pontuação (favorável ao arremessador).

Como Usar Fatores de Estádio em Seu Modelo

Multiplique suas corridas projetadas pelo fator do estádio. Se seu modelo projeta 4,5 corridas para o Rockies e eles estão jogando no Coors Field (1,38), ajuste para 4,5 × 1,38 = 6,21 corridas projetadas.

Para jogos fora de casa em estádios favoráveis ao arremessador como Dodger Stadium (0,88), ajuste para baixo: 4,5 × 0,88 = 3,96 corridas projetadas.

Fase 6: Seu Fluxo de Trabalho Diário em Apostas de MLB

Rotina Matinal (Linhas + Escalações)

1. 7:00 AM — Baixe os movimentos de linhas noturnas de sua casa de apostas. Sinalize jogos onde a linha se moveu significativamente (>10 centavos na moneyline)
2. 8:00 AM — Execute seu modelo com escalações projetadas (escalações são tipicamente confirmadas 3-4 horas antes do primeiro arremesso)
3. 9:00 AM — Compare as probabilidades do modelo com as odds do mercado atual. Liste todos os jogos com +EV e margem > 3%

Verificações Pré-Jogo (Clima, Árbitros, Bullpen)

Antes de fazer qualquer aposta, verifique:

• Escalação inicial confirmada (cortes de última hora podem anular a margem)
• Condições climáticas (vento em Wrigley, atrasos por chuva)
• Designação do árbitro da base intermediária
• Disponibilidade do bullpen (verifique os box scores da noite anterior)

Fazendo Apostas e Rastreando Resultados

Rastreie cada aposta em uma planilha ou Rastreador de Apostas:

• Data, times, probabilidade do modelo, odds do mercado, tamanho da aposta, resultado
• Calcule CLV (Closing Line Value) — a linha se moveu na direção do preço do seu modelo?
• Analise semanalmente: seus jogos com 60% de chance estão realmente ganhando 60% das vezes?

Calculadora de CLV é a ferramenta mais importante para validar a margem do seu modelo ao longo do tempo.

Calculadora de EV do MLB — Verifique Qualquer Aposta Instantaneamente

Insira a probabilidade de vitória do seu modelo e as odds do mercado para ver se uma aposta é +EV. A calculadora mostra o valor esperado, percentual de vantagem e dimensionamento de aposta recomendado de acordo com o Critério de Kelly.

Modelos de Apostas Especiais — Hits, Strikeouts, Primeiros Cinco Innings

Modelos de Apostas de Jogador (Hits O/U, Strikeouts)

As apostas de jogador usam o mesmo framework que os modelos de jogo, mas focam no desempenho individual:

• Apostas de strikeout: Usam taxa K do arremessador (últimas 5 saídas), taxa K do rebatedor vs canhoto/destro e dados de zona do árbitro
• Hits acima/abaixo: Usam xBA do rebatedor, taxa de gerenciamento de contato do arremessador e regressão de BABIP
• Home runs: Usam taxa de barrel, taxa de bola batida forte, componente HR do fator de parque e direção do vento

O insight-chave: apostas de jogador têm linhas mais frouxas do que linhas de jogo porque as casas de apostas gastam menos tempo precificando-as. É aqui que as vantagens se escondem em 2026.

Modelo dos Primeiros 5 Innings (F5)

Apostas dos primeiros 5 innings (F5) isolam o desempenho do arremessador inicial, removendo a incerteza do bullpen. Construa um modelo separado com:

• xFIP do arremessador inicial e rolling K-BB%
• Rebatidas contra esse arremessador em relação ao seu tipo de braço
• Fator de parque (ainda se aplica aos primeiros 5 innings)

As linhas de moneyline F5 são especialmente valiosas quando um grande arremessador enfrenta um lineup fraco, mas o bullpen não é confiável. Seu modelo de jogo completo pode dizer "sem aposta" enquanto o modelo F5 diz "+EV."

Modelos de Total de Time

Em vez de prever qual time vence, preveja quantas corridas cada time marca independentemente. Depois compare com a linha de total de time postada. Esta abordagem:

• Duplica suas oportunidades de aposta (2 totais de time por jogo)
• Remove a correlação entre os dois lados
• Funciona bem com fatores de parque e dados de clima

Use a Calculadora de Probabilidade Implícita para converter odds de totais em probabilidades de equilíbrio. Entender o que spreads alternativos significam também pode ajudá-lo a encontrar valor em linhas de run lines em números não-padrão.

O que um Modelo NÃO Inclui (Limitações Honestas)

Lesões e Remoções de Última Hora

Seu modelo não pode prever que o arremessador estrela será removido 2 horas antes do primeiro lançamento. Sempre re-execute seu modelo após as escalações serem confirmadas e nunca coloque apostas previamente em jogos onde o arremessador inicial não está garantido.

Drama nos Bastidores e Motivação

Um time em uma sequência de 10 derrotas pode se recuperar após uma reunião só de jogadores. Um time que já se classificou para os playoffs pode poupar arremessadores titulares. Estes fatores são reais, mas quase impossíveis de quantificar. Aceite esta limitação em vez de adicionar variáveis de lixo de "motivação" ao seu modelo.

Variância da Zona de Strike do Árbitro

Enquanto tendências médias do árbitro são úteis, a variação do jogo individual é alta. Um árbitro que normalmente chama uma zona apertada pode chamá-la aberta em uma noite específica. Dados de árbitro adicionam pequena vantagem, mas não o sobrepese.

Quando Anular Seu Modelo

Anule seu modelo apenas quando você tiver informações concretas que o modelo não tem:

• Uma mudança de escalação confirmada após você executar o modelo
• Uma atualização de clima (mudança repentina de vento)
• Notícias verificadas de lesão que não se refletem nos dados

Nunca anule porque "não se sente certo." Se seu instinto discorda regularmente do seu modelo, seu modelo precisa de correção — ou seu instinto precisa.

Se você está interessado em abordagens de apostas sistemáticas além da modelagem, veja como a estratégia Wong Teaser aplica um framework baseado em regras semelhante a teasers da NFL, ou explore sistemas progressivos como Fibonacci e Labouchere — embora esses funcionem de forma diferente de modelos baseados em dados.

Histórico Real — O Que Esperar

Taxas de Vitória Realistas e Benchmarks de ROI

Sejamos honestos sobre o que é alcançável. Aqui estão históricos documentados de apostadores verificados de MLB:

Observe que até mesmo o desempenho elite é 3-5% de ROI. Qualquer um prometendo 20%+ ROI está mentindo. Consistência em 500+ apostas com 3% de ROI é excelente. Use nosso Analisador de Variância para entender quanto seus resultados podem variar mesmo com uma vantagem real.

Requisitos de Tamanho de Amostra

• 200 apostas: Você pode começar a ver tendências, mas nada é conclusivo
• 500 apostas: Mínimo para confiança estatística. Um modelo com 55% tem aproximadamente 95% de chance de mostrar lucro
• 1.000+ apostas: Evidência forte de vantagem. Seu intervalo de confiança de 95% se estreita significativamente

Não abandone um modelo sólido após 50 apostas perdidas. Não se declare um gênio após 50 apostas vencedoras. A matemática precisa de tempo para convergir. Acompanhe seu crescimento de bankroll ao longo de toda a temporada.

Se seu modelo consistentemente supera a linha de fechamento (CLV positivo) em 200+ apostas, sua metodologia é sólida, mesmo que os resultados de curto prazo sejam negativos. CLV é o sinal mais verdadeiro de lucratividade a longo prazo.

FAQ