Una nueva investigación de Kalshi sobre los mercados de predicción sugiere que estas plataformas pueden superar las estimaciones tradicionales de Wall Street cuando se trata de pronosticar la inflación en EE.UU.
Summary
El estudio de Kalshi encuentra que los mercados de predicción superan a Wall Street en datos de inflación
Según un nuevo estudio de Kalshi, los mercados de predicción superaron las estimaciones de consenso de Wall Street sobre la inflación en EE.UU. con un 40% menos de error promedio durante un período de 25 meses. Además, el análisis muestra que estos mercados fueron particularmente precisos cuando la inflación se desvió drásticamente de las expectativas de los economistas.
Comparando los pronósticos de inflación en su plataforma con el consenso profesional, Kalshi encontró que los operadores basados en el mercado superaron a los economistas y analistas convencionales durante los 25 meses revisados. La ventaja en el rendimiento fue más visible durante períodos de alta volatilidad económica, cuando los modelos tradicionales tienden a tener dificultades.
Las estimaciones basadas en el mercado de los cambios interanuales en el Índice de Precios al Consumidor (CPI) registraron un 40% menos de error promedio que los pronósticos de consenso entre febrero de 2023 y mediados de 2025, informa el estudio. Sin embargo, la brecha se amplió aún más cuando las lecturas reales del CPI se desviaron fuertemente de las expectativas, con los pronósticos de Kalshi superando al consenso hasta en un 67% en esos casos.
Crisis Alpha y el valor del desacuerdo
El estudio, titulado «Crisis Alpha: ¿Cuándo los Mercados de Predicción Superan al Consenso de Expertos?», también examinó cómo el desacuerdo en sí mismo puede señalar sorpresas venideras. Específicamente, analizó la relación entre el tamaño de la brecha entre la estimación del CPI de Kalshi y el consenso de Wall Street, y la probabilidad de un shock.
Cuando la estimación del CPI de Kalshi difería del consenso en más de 0.1 puntos porcentuales una semana antes del lanzamiento oficial, la probabilidad de una desviación significativa en la lectura real del CPI aumentaba a aproximadamente 80%, frente a un 40% de referencia. Dicho esto, el documento advierte que la muestra de grandes shocks durante el período sigue siendo relativamente pequeña.
Los autores argumentan que este patrón destaca el potencial de la predicción basada en el mercado para servir como una herramienta de alerta temprana para los responsables de políticas y los inversores institucionales. En lugar de reemplazar los modelos existentes, los resultados sugieren que los mercados pueden actuar como una señal complementaria, especialmente durante episodios de cambio estructural o estrés financiero.
Agregación de información y la sabiduría de la multitud
A diferencia de la previsión tradicional, que a menudo se basa en un conjunto compartido de modelos económicos y suposiciones, los mercados de Kalshi agregan información de un conjunto diverso de operadores con incentivos financieros directos. Esta estructura, señala el estudio, crea un efecto de «sabiduría de la multitud» que puede responder más rápidamente a nuevos datos y narrativas cambiantes.
Dicho esto, el informe enfatiza que la ventaja es más evidente cuando el entorno de previsión se vuelve desafiante. En palabras de los autores, «cuando el entorno de previsión se vuelve más desafiante, la ventaja de agregación de información de los mercados se vuelve más valiosa». Esto es precisamente cuando los tomadores de decisiones institucionales enfrentan el mayor riesgo de ser sorprendidos por errores basados en el consenso.
Por qué los mercados de predicción superan al consenso durante tiempos de estrés puede deberse a cómo procesan la información. Los pronosticadores tradicionales en bancos y centros de investigación a menudo se basan en conjuntos de datos y modelos similares, lo que puede limitar la adaptabilidad cuando las condiciones económicas se mueven fuera de las normas históricas, sugiere el estudio.
Incentivos, liquidez y precios en tiempo real
Las plataformas de mercados de predicción, por el contrario, reflejan las opiniones de operadores individuales que se basan en conocimientos específicos del sector, conjuntos de datos alternativos y, a veces, narrativas contrarias. Además, los operadores en estos mercados tienen capital en juego y son recompensados o penalizados únicamente por el rendimiento de sus pronósticos, en lugar de consideraciones reputacionales u organizacionales.
Los pronosticadores institucionales, señala el estudio, pueden enfrentar restricciones de carrera y organizacionales que desincentivan las llamadas audaces, incluso cuando los datos podrían justificarlas. Sin embargo, en una plataforma de negociación, la estructura de pago favorece alinear los precios con el resultado más probable, independientemente de cuán poco convencional pueda parecer ese resultado para los economistas de consenso.
La naturaleza continua de los precios en plataformas como Kalshi también es importante. Los precios del mercado se actualizan en tiempo real a medida que llega nueva información, mientras que las estimaciones de consenso de Wall Street suelen fijarse varios días antes de los lanzamientos de datos oficiales. Este retraso puede ser especialmente costoso cuando las condiciones cambian rápidamente, como durante shocks inflacionarios o sorpresas políticas.
Crecimiento de las plataformas de predicción vinculadas a criptomonedas
La base de usuarios de Kalshi se ha expandido recientemente tras la integración de su plataforma de predicción en la importante billetera cripto Phantom. A principios de este mes, la compañía recaudó $1 mil millones con una valoración de $11 mil millones, subrayando el creciente interés de los inversores en mercados donde los usuarios pueden apostar sobre resultados macroeconómicos y políticos.
En octubre, se informó que la plataforma rival Polymarket estaba en conversaciones para recaudar fondos con una valoración de hasta $15 mil millones. Juntos, estos desarrollos sugieren una rápida institucionalización de lo que comenzó como un mercado de nicho, con la participación ahora tanto de inversores de finanzas tradicionales como de cripto-nativos.
Además, a principios de este año, una investigación realizada por un científico de datos encontró que Polymarket tenía un 90% de precisión en predecir cómo ocurrirían los eventos un mes antes, y un 94% solo horas antes del evento. Sin embargo, el estudio señaló que el sesgo de aquiescencia, el comportamiento de manada y la baja liquidez a veces pueden llevar a probabilidades sobreestimadas para ciertos resultados.
Límites y casos de uso para señales basadas en el mercado
El documento de Kalshi enfatiza que sus hallazgos no implican que las previsiones de expertos se hayan vuelto obsoletas. En cambio, argumenta que los mercados de predicción pueden actuar como una herramienta complementaria para la gestión de riesgos institucionales, el análisis de políticas monetarias y la construcción de carteras, particularmente cuando las relaciones históricas se descomponen.
Los autores reconocen que el número de grandes shocks inflacionarios en la muestra es limitado, lo que naturalmente restringe el poder estadístico. Sin embargo, argumentan que la consistencia de la brecha de rendimiento a lo largo de episodios volátiles aún apunta a una ventaja de información significativa incrustada en los precios del mercado.
En lugar de pedir un reemplazo total de los métodos tradicionales, el estudio sugiere que los tomadores de decisiones institucionales deberían considerar incorporar señales basadas en el mercado junto con los modelos existentes. En períodos de incertidumbre estructural, tales enfoques combinados pueden mejorar la precisión de los pronósticos de inflación y reducir el riesgo de ser sorprendidos por datos macro inesperados.
En general, el análisis destaca cómo los operadores diversos e incentivados y los precios en tiempo real pueden hacer que los pronósticos basados en plataformas sean una adición útil al conjunto de herramientas de economistas, inversores y responsables de políticas que navegan por un panorama macroeconómico cada vez más complejo.
