Según arXiv q-fin/2609.20017v1, un estudio exhaustivo de la estructura de precios en mercados de predicción revela que los participantes no obtienen beneficios a partir de la diferencia entre ofertas y ofertas (el margen), sino que se benefician al mantener una posición subvalorada hasta la resolución del evento. Este hallazgo contradice el modelo tradicional de mercados basado en ruido aleatorio, que supone que las variaciones de precios se deben a fluctuaciones no informativas. En lugar de eso, los datos de transacciones en una plataforma clave de mercados de predicción muestran que los operadores generan ingresos por el costo de mantener un lado subvalorado, un fenómeno que se debe a una demanda comportamental en la cola de distribución de precios, no a ruido estadístico.
La investigación compara dos mecanismos de precios: un modelo de mercado de libro centralizado (CLOB) y el sistema LMSR (Logarithmic Market Scoring Rule). En el escenario de un evento con múltiples resultados, el CLOB establece precios de transición entre posibles resultados, pero deja indeterminado el grado de creencia que los inversores tienen sobre cada uno. Por el contrario, el LMSR no solo asigna precios coherentes a cada posible resultado, sino que también optimiza el uso del capital de garantía, lo que lo convierte en más eficiente en condiciones de información asimétrica. La interacción entre ambos sistemas muestra que el CLOB genera un margen de renta por el “screening” de traders informados, quienes abandonan el libro cuando sus ofertas son detectadas como no competitivas. Este proceso desplaza el flujo de información hacia el LMSR, que recupera parte de su pérdida al recibir flujos informados.
El efecto de la profundidad del mercado automático (AMM) también influye en el comportamiento del CLOB. Cuando las ofertas estables son subidas por inversores comprometidos, el margen del CLOB se contrae; en cambio, cuando existen ofertas que pueden ser superadas, el margen se amplía. Este mecanismo refleja una dinámica de competencia directa entre los operadores, donde la capacidad de ajustar precios depende de la resistencia del mercado. Este comportamiento es especialmente relevante en mercados de predicción donde los participantes no tienen acceso a información completa, y donde los errores de percepción se convierten en fuerzas estructurales.
Para los inversores peruanos, este análisis ofrece una mirada clara sobre cómo los mercados no tradicionales, como los de predicción, no operan como mercados financieros clásicos. Las decisiones de precios no dependen únicamente del azar o de la oferta y demanda, sino que están influenciadas por patrones de comportamiento colectivo. Esto implica que, al invertir en plataformas de predicción, como las que surgen en el ámbito digital, es crucial entender que el margen de rentabilidad no proviene del margen de precios, sino de la estructura psicológica del mercado. Aunque el riesgo es más bajo que en mercados de valores, la exposición a sesgos comportamentales puede afectar el rendimiento real. Por tanto, los peruanos que buscan diversificar su portafolio deben considerar estas dinámicas, especialmente cuando se trata de decisiones a largo plazo o en entornos de incertidumbre política o económica.