Según arXiv q-fin, un estudio ampliado del marco de puntuación de filtrado de información (ILS-dl) de Nechepurenko (2026a, 2026b) ha sido evaluado en 12,708 mercados de Polymarket, desde octubre de 2020 hasta abril de 2026. Este análisis se presenta como una investigación de alcance, que revela que el dominio efectivo del modelo es significativamente más reducido de lo que se había anticipado. La principal barrera no reside en el cálculo del puntaje, sino en la interpretación de los criterios de resolución. Los resultados muestran que solo 88 de los 12,708 mercados analizados (0.7%) permiten un cálculo viable del ILS-dl. En el conjunto de casos de ForesightFlow Insider (FFIC), solo uno de los 32 mercados está dentro del alcance, y 14 son clasificados como indeterminados por ambigüedades reales en los criterios de resolución.
Además, de los 88 mercados computables, solo 12 (13.6%) cumplen con la sensibilidad al anclaje, mientras que una verificación independiente mediante validación de eventos (T_event) alcanza un acuerdo exacto en fechas del 57.8%, por debajo del umbral previo del 90%. En cuanto a las medianas brutas del ILS-dl, todas las seis categorías por periodo registran valores negativos. Sin embargo, tras aplicar una corrección basada en una función de riesgo decreciente, se observa heterogeneidad en los resultados. En el caso de cambios regulatorios formales post-2024, los valores caen hasta niveles cercanos a cero (de -0.21 a -0.02), mientras que los anuncios regulatorios en ese periodo mantienen un intervalo de confianza bootstrap del 95% completamente por debajo de cero. Finalmente, el modelo exponencial constante de Nechepurenko (2026b) es rechazado en favor de una distribución Weibull en la celda combinada post-2024, aunque esta preferencia se debe más a la mezcla de categorías que a dependencias reales en el tiempo de duración de los mercados.
Para el lector peruano, este estudio ofrece una advertencia clave: la detección de flujos de información privilegiada no puede confiarse únicamente en algoritmos de cálculo de puntuaciones. La calidad del resultado depende profundamente de cómo se definen y evalúan los criterios de resolución. En el contexto de mercados de inversión locales, donde la transparencia regulatoria y la interpretación de eventos económicos cambian rápidamente, este hallazgo sugiere que cualquier sistema de monitoreo debe integrar una clasificación robusta de tipos de resolución. La precisión en el diagnóstico de informaciones privilegiadas exige no solo modelos matemáticos avanzados, sino también un marco conceptual claro sobre cuándo y cómo se considera una "resolución" válida. Esto es especialmente relevante para inversores que operan en entornos dinámicos como el mercado de valores peruano, donde decisiones regulatorias pueden transformar rápidamente el escenario de precios y expectativas.