Según arXiv q-fin, un estudio reciente analiza el archivo completo de transacciones de Polymarket, una plataforma de mercados de predicción en cadena, operando desde noviembre de 2022 hasta abril de 2026. Este inventario, que incluye 1.30 millones de mercados y 1.20 mil millones de registros de operaciones, registra un volumen nominal total de 61 mil millones de dólares. Lo que destaca es la presencia de una dirección precisa del participante activo —el agresor— extraída directamente de la capa de ejecución en blockchain, una característica que no se encuentra en otros repositorios de mercados de predicción, que dependen de inferencias heurísticas. Esta precisión permite evaluar herramientas tradicionales de microestructura, revelando tres hallazgos clave.
Los modelos clásicos que clasifican volúmenes grandes y pequeños de transacciones muestran un rendimiento casi aleatorio: 49.83% y 50.51% de precisión promedio, respectivamente. Este resultado aparente indiferencia oculta un patrón estructural: existe una gradación sistemática en los precios, impulsada por la correlación positiva en la dirección de las operaciones y por la concentración de operadores que mantienen precios estables. Ambos fenómenos contradicen la premisa básica de los modelos clásicos, que asumen que los precios deben reaccionar hacia el promedio. Este error se transmite a métricas secundarias: la estimación del VPIN (valor de precio de impacto) se desvía significativamente de su valor real, y los cálculos del OFI (orden flow index) presentan sesgo en su dirección. Estas distorsiones tienen consecuencias reales en el análisis de costos de transacción, afectando la validez de las decisiones de inversión basadas en ellos.
Además, se observa que la calidad real de la microestructura de los mercados predice directamente el rendimiento de las predicciones. El VPIN verdadero está positivamente correlacionado con los puntajes de Brier, indicando que mercados con mayor precisión en el precio atraen especialistas informados. Por el contrario, las brechas de precios elevadas (gibbs spread) se asocian con peores resultados, ya que estos espacios atraen principalmente a operadores no especializados. Si se sustituyen los valores reales por clasificaciones heurísticas, ambos efectos se debilitan, demostrando que la exactitud en el nivel de transacción es esencial para evaluar correctamente el diseño de mercados y la calibración de probabilidades.
Para inversores y gestores en el Perú, este hallazgo es particularmente relevante. En un entorno donde las decisiones de inversión se basan en datos de mercados digitales —como predicciones de inflación, tasas de interés o estabilidad económica—, la confianza en los modelos de análisis depende de la calidad de los datos. Si se utilizan clasificaciones aproximadas, se arriesga a tomar decisiones basadas en sesgos. El caso de Polymarket muestra que incluso en mercados de predicción, la estructura interna influye profundamente en la precisión de las señales. Por tanto, los peruanos que operan en entornos digitales deben exigir transparencia en la calidad de los datos y prestar atención a los mecanismos de ejecución real, no solo a las estadísticas generales. La confianza en un mercado no se construye solo con volúmenes, sino con la veracidad de cada transacción.