Lo que los mercados acertaron
En la víspera de las elecciones de 2024, Polymarket valoraba a Trump en aproximadamente un 57% de probabilidad de ganar. La mayoría de los principales agregadores de encuestas mostraban un empate técnico, con algunos modelos dando a Kamala Harris una ligera ventaja. Trump ganó con claridad, y el mercado de predicción estuvo más cerca del resultado real que las encuestas.
Fue una validación significativa para los mercados de predicción, especialmente porque las elecciones fueron uno de los eventos más negociados en la historia de los mercados de predicción, con más de 3.300 millones de dólares apostados al resultado Trump contra Harris solo en Polymarket. La alta liquidez implicaba que el precio no se manipulaba fácilmente y reflejaba una amplia participación.
Pero la precisión fue más allá de la carrera presidencial. Los mercados de predicción identificaron correctamente varios estados clave bisagra que las encuestas tradicionales pasaron por alto. Pensilvania mostraba a Trump al 58% en Polymarket tres días antes de las elecciones, mientras que la mayoría de las encuestas lo veían como un empate puro. Wisconsin y Michigan siguieron patrones similares, con los mercados de predicción dando a Trump ligeras ventajas que se materializaron la noche electoral.
La velocidad de incorporación de la información fue particularmente llamativa. Cuando los datos del voto anticipado de Carolina del Norte sugirieron una mayor participación republicana de lo esperado, los precios de Polymarket se movieron en cuestión de horas. Las encuestas tradicionales, limitadas por su metodología y calendarios de publicación, no podían reaccionar con la misma rapidez a señales emergentes.
Lo que complica la historia
Una probabilidad del 57% todavía implica un 43% de posibilidades del resultado contrario. Si Harris hubiera ganado, el mercado de predicción habría estado "equivocado" en el sentido de no haber predicho al ganador, pero correcto en el sentido de afirmar que el resultado era incierto. Evaluar los mercados de predicción en función de si eligieron al ganador es el marco equivocado. El marco correcto es la calibración: ¿están ocurriendo los eventos que valoran al 57% aproximadamente el 57% de las veces a lo largo de muchos eventos?
La ballena francesa que, según se informa, movió el contrato de Trump mediante apuestas direccionales masivas plantea preguntas sobre si el precio reflejaba una auténtica sabiduría colectiva o la convicción (y la información superior, en este caso datos de encuestas privadas) de un único operador bien capitalizado. En este caso, la ballena tenía razón. Pero el mecanismo de descubrimiento de precios se parecía más a "un operador muy bien informado" que a la "sabiduría de las multitudes" en el sentido tradicional.
Esta ballena, identificada mediante análisis de blockchain, colocó más de 30 millones de dólares en apuestas a través de múltiples cuentas, comprando sistemáticamente contratos de Trump incluso cuando los precios subían. Las operaciones eran sofisticadas, a menudo ejecutadas durante periodos de bajo volumen para minimizar el impacto en el mercado. Cuando salieron a la luz las noticias sobre los datos de encuestas privadas del operador que mostraban la fortaleza de Trump en grupos demográficos clave, quedó claro que no se trataba simplemente de una apuesta intuitiva.
El incidente pone de relieve una tensión fundamental en los mercados de predicción. Los operadores grandes y bien informados pueden mejorar la precisión de los precios al incorporar información superior. Pero también pueden distorsionar los precios si su información es incorrecta o si operan por factores no informativos, como preferencias de riesgo o necesidades de cobertura.
Información frente a manipulación
Distinguir entre operaciones informadas y manipulación se vuelve crucial para interpretar las señales de los mercados de predicción. Nuestra herramienta Whale Finder rastrea las grandes acumulaciones de posiciones en las principales plataformas, ayudando a identificar cuándo los movimientos de precio pueden estar impulsados por actores individuales en lugar de por un consenso amplio.
En las elecciones de 2024, surgieron otros grandes operadores además de la famosa ballena francesa. Un grupo de inversores cripto apostó colectivamente más de 50 millones de dólares a Trump, citando preocupaciones sobre la regulación demócrata de las criptomonedas. Sus operaciones no se basaban en un análisis electoral, sino en preferencias de política pública, creando un posible sesgo en los precios del mercado.
Las diferencias entre plataformas fueron reveladoras
La precisión varió entre plataformas. PredictIt predijo correctamente el 93% de los resultados mejor que al azar. Kalshi alcanzó el 78%. Polymarket alcanzó el 67%. Estas diferencias reflejan factores estructurales: distintas bases de usuarios, distintos niveles de liquidez y distintas estructuras de incentivos. Ninguna plataforma fue uniformemente la mejor en todos los tipos de predicción.
El rendimiento superior de PredictIt probablemente se debe a su base de usuarios de profesionales y académicos políticos. El límite de apuesta de 850 dólares de la plataforma evita la manipulación por ballenas, pero también reduce la liquidez. Los usuarios tienden a estar más informados sobre los matices políticos, pero tienen menos capital en riesgo, lo que genera distintas estructuras de incentivos.
El rendimiento intermedio de Kalshi refleja su posición entre los usuarios informados pero con capital limitado de PredictIt y los operadores cripto de alta liquidez pero potencialmente menos informados de Polymarket. El estatus regulatorio de Kalshi como exchange regulado por la CFTC atrae a participantes institucionales que aportan un análisis sofisticado, pero que también enfrentan restricciones de cumplimiento que pueden ralentizar sus tiempos de reacción.
La menor tasa de precisión de Polymarket, a pesar de su enorme volumen, ilustra la complejidad de la eficiencia del mercado. La alta liquidez no se traduce automáticamente en mejores predicciones si la base de participantes carece de experiencia relevante o si los grandes operadores pueden influir desproporcionadamente en los precios.
Oportunidades de arbitraje entre plataformas
Las diferencias entre plataformas crearon importantes oportunidades de arbitraje a lo largo del ciclo electoral. Los contratos de Trump se negociaron hasta 8 puntos porcentuales por encima en Polymarket respecto a Kalshi durante ciertos periodos. Esos diferenciales persistieron durante horas, a veces días, debido a la fricción al mover capital entre plataformas.
Los operadores sofisticados explotaron estas diferencias, pero el arbitraje no fue perfecto. Las restricciones regulatorias impedían a muchos operadores acceder a varias plataformas. Los retrasos en los retiros y las tarifas de gas en Polymarket generaron fricción adicional. El resultado fueron disparidades de precio persistentes que revelaron lo fragmentado que sigue siendo el ecosistema de mercados de predicción.
Más allá de la carrera presidencial
Las carreras al Senado y a las gubernaturas ofrecieron terreno adicional de prueba para la precisión de los mercados de predicción. Los mercados identificaron correctamente varias victorias sorpresa, incluidas victorias republicanas inesperadas en estados donde las encuestas tradicionales mostraban carreras ajustadas a favor de los demócratas.
En Montana, los mercados de predicción dieron al republicano Tim Sheehy un 65% de probabilidades de derrotar al demócrata titular Jon Tester, mientras que la mayoría de las encuestas mostraban un empate. Los mercados resultaron acertados, ya que Sheehy ganó por un margen cómodo. Patrones similares surgieron en Ohio y Florida, donde los mercados de predicción identificaron una fortaleza republicana que las encuestas pasaron por alto.
Sin embargo, los mercados también fallaron en algunos resultados. Varias carreras a la Cámara en California y Nueva York vieron a candidatos demócratas ganar escaños que los mercados de predicción habían previsto que los republicanos mantendrían. El patrón sugiere que los mercados de predicción rinden mejor en contiendas de mayor perfil y con mucho volumen de negociación, donde más información y atención fluyen hacia el descubrimiento de precios.
Las iniciativas electorales a nivel estatal mostraron resultados mixtos. Los mercados de predicción pronosticaron con precisión las medidas sobre derechos reproductivos en varios estados, pero fallaron en algunas reformas de política de drogas. La precisión pareció correlacionarse con el volumen de negociación que atraía cada contrato.
Lecciones para futuras elecciones
Las elecciones de 2024 dejaron varias lecciones prácticas. Los mercados de predicción son mejores que las encuestas a la hora de incorporar información rápidamente, pero pueden verse influidos por grandes operadores individuales. La comparación entre plataformas es más informativa que el precio de una sola plataforma. Y la métrica adecuada de evaluación es la calibración a lo largo de muchos eventos, no si el mercado "anticipó" correctamente un resultado aislado.
El fenómeno de las ballenas sugiere que los mercados de predicción funcionan mejor cuando los grandes operadores poseen auténticas ventajas de información en lugar de solo opiniones fuertes o necesidades de cobertura. Las plataformas necesitan mejores herramientas para distinguir entre operaciones grandes informadas y no informadas.
La claridad regulatoria se perfiló como un factor crucial. Las plataformas que operan en zonas grises regulatorias atrajeron bases de usuarios y flujos de capital distintos a los de aquellas con un estatus legal claro. Esto afectó no solo al volumen, sino también a la calidad del descubrimiento de precios.
Para los operadores y analistas, las elecciones pusieron de relieve el valor de monitorear varias plataformas simultáneamente. Las divergencias de precio a menudo señalaban información importante u oportunidades de arbitraje. Nuestro Prediction Markets Mispricing Engine rastrea estos diferenciales entre las principales plataformas, ayudando a identificar cuándo se rompe el consenso.
La ventaja de velocidad respecto a las encuestas tradicionales resultó significativa, pero no absoluta. Los mercados de predicción sobresalen al incorporar noticias de última hora e indicadores tempranos, pero también pueden reaccionar en exceso al ruido o ser manipulados mediante operaciones coordinadas. Las señales más fiables provienen de movimientos de precio sostenidos respaldados por un volumen creciente en múltiples plataformas.
Mirando hacia adelante, la infraestructura para el análisis de los mercados de predicción necesita madurar. Mejores herramientas para rastrear grandes operadores, identificar flujos informados frente a no informados y medir la verdadera calibración en diversos tipos de eventos ayudarán a separar la señal del ruido en futuros ciclos electorales.
Explora estas herramientas en Blockcircle: Prediction Markets Mispricing Engine | Whale Finder