Kelly Criterion: você tem vantagem, mas quanto deveria apostar?
Uma introdução ao critério de Kelly e à escolha de quanto apostar quando existe uma vantagem, considerando crescimento do capital e risco.
Ler no Medium
Sobre
Sou estudante de Estatística e Ciência de Dados na USP, em São Carlos. Tenho interesse em finanças quantitativas e em como tomar decisões quando os dados são incompletos e existe incerteza.
Nos meus projetos, exploro essas questões com código: simulo uma mesa de market making, estudo previsão de preços e comparo formas de dimensionar posições pelo critério de Kelly. Também implemento algoritmos do zero, como árvores de decisão e random forests, para entender melhor como funcionam.
Na pesquisa, trabalhei com equidade em modelos de crédito, analisando diferenças entre grupos nos dados do HMDA. Também fui cofundador da Creative QA, onde desenvolvi o backend e integrações da plataforma. Compartilho meus projetos no GitHub e escrevo sobre o que estudo no Medium.
Experiência
Iniciação Científica — Fairness em Modelos de Crédito · USP
2026 — presente
- Análise dos microdados do HMDA 2025 (EUA), investigando fairness em modelos de crédito por idade, gênero e raça frente a anos anteriores da base.
- Treinamento e comparação de modelos de classificação de crédito (Regressão Logística, Perceptron, Random Forest, XGBoost) com diferentes pipelines de pré-processamento.
- Aplicação de transfer learning entre anos da base HMDA para acelerar o treinamento e comparar a evolução das métricas de equidade.
Creative QA · Cofundador
jul 2025 — presente
- Arquitetura completa da plataforma web, com banco de dados em PostgreSQL e backend em Python, incluindo integrações entre serviços e infraestrutura pronta para produção.
- Sistemas baseados em agentes de IA para automatização de processos e suporte às operações da empresa.
Projetos
Código em github.com/guigcr
Python · NumPy · SciPy · pandas · FastAPI · Plotly · yfinance
Desenvolvi uma aplicação para calcular alocações pelo critério de Kelly em apostas, ações e portfólios, com otimização do crescimento logarítmico e comparação entre Full, Half e Quarter Kelly.
Implementei simulações de Monte Carlo e bootstrap histórico para selecionar frações de Kelly por limites de drawdown, além de backtesting com separação temporal entre treino e teste e rebalanceamento com janelas móveis.
Python · NumPy · Monte Carlo · Estatística Bayesiana
Mesa de market making que cota compra/venda de ativos sob incerteza, alargando o spread e inclinando o preço pelo inventário; fair value atualizado via Bayes a partir do fluxo de ordens, com Monte Carlo estimando P&L médio, desvio-padrão e pior caso.
Python · pandas · scikit-learn · XGBoost · yfinance
Pipeline de machine learning para prever a direção do preço da PETR4 em 5 dias úteis, combinando indicadores técnicos (RSI, MACD, Bollinger, ATR) com variáveis macro (Ibovespa, Brent, câmbio); validação com TimeSeriesSplit e GridSearchCV.
Python · pandas · scikit-learn · PCA
Classificação de transações fraudulentas em base de 284 mil transações com apenas 0,17% de fraudes; padronização de variáveis, PCA para separabilidade das classes e avaliação via matriz de confusão e ROC-AUC.
Python · PyTorch · Deep Q-Learning
Agente que aprende a jogar Snake via Deep Q-Learning apenas com recompensas como sinal de aprendizado; estado representado em vetor de 11 features, política epsilon-greedy e replay buffer de até 100 mil experiências.
Blog
Escrevo no Medium · @guigonca.