Según arXiv q-fin, un estudio empírico detalla cómo los mercados descentralizados de predicción, como Polymarket, muestran niveles elevados de eficiencia en su estructura microestructural. El trabajo analiza el comportamiento de arbitrajes algorítmicos en mercados de partidos de baloncesto de la NBA, utilizando más de 75 millones de capturas de libros de órdenes de más de 173 partidos. Los resultados revelan que los eventos de desajuste en un solo mercado son escasos: solo se identifican siete episodios ejecutables durante el desarrollo de los partidos, con una duración media de apenas 3,6 segundos. En contraste, los desajustes combinados, que involucran múltiples eventos simultáneos, son más comunes, generando 290 episodios activos, principalmente en los minutos finales de juego. A pesar de su frecuencia, estos desajustes combinados ofrecen una ganancia media de 101 puntos básicos, una cifra estadísticamente significativa. Sin embargo, el premio teórico conocido como "Middle" nunca se materializa en la práctica, lo que indica una brecha entre modelos ideales y resultados observados. La profundidad de liquidez en los libros de órdenes actúa como un límite clave: el 76,9% de los desajustes combinados se ven restringidos a una cantidad promedio de 14,8 shares. Esta escasez de volumen limita la ejecución y confina cualquier extracción de ganancias sin riesgo a niveles de participación del consumidor final.
Para los inversionistas y gestores de activos en el Perú, este hallazgo implica que los mercados de predicción, aunque teóricamente atractivos para la identificación de oportunidades de arbitraje, operan bajo restricciones estructurales que dificultan la generación de retornos escalonables. Las condiciones de liquidez baja, especialmente en momentos críticos del evento, reducen la viabilidad de estrategias algorítmicas que buscan aprovechar desajustes de precios. En el contexto peruano, donde los mercados financieros aún enfrentan desafíos de profundidad y transparencia, este caso sugiere que cualquier intento de implementar estrategias de arbitraje en plataformas descentralizadas debe considerar que las ganancias son limitadas y se concentran en niveles de participación individual. Además, el hecho de que el premio teórico nunca se active indica que los modelos matemáticos no reflejan la realidad operativa, lo cual es un recordatorio sobre la importancia de evaluar cuidadosamente las condiciones reales de liquidez y volatilidad antes de invertir en herramientas emergentes. Los peruanos que buscan diversificar sus portafolios o explorar nuevas fuentes de retorno deben tener claro que, aunque estas plataformas prometen eficiencia, su funcionalidad se ve obstaculizada por limitaciones inherentes, que no se pueden superar con simples algoritmos. La inversión en mercados predicitivos no es, en sí misma, un camino a retornos seguros o ampliados. Debe acompañarse de una comprensión profunda de sus limitaciones y del entorno de liquidez en el que operan.