IOSG Weekly Brief | Hacer de la probabilidad un activo: Perspectivas del agente de mercados predictivos #315

Autor original: Jacob Zhao, IOSG Ventures

En los informes anteriores de la serie Crypto AI, hemos enfatizado consistentemente que los escenarios con mayor valor práctico actual en el ámbito cripto se centran principalmente en pagos con stablecoins y DeFi, y que los Agentes son la interfaz clave de la industria de la IA dirigida a los usuarios. Por lo tanto, dentro de la tendencia de fusión entre Crypto e IA, las dos vías de mayor valor son: a corto plazo, AgentFi basado en protocolos DeFi maduros existentes (estrategias básicas como préstamos y yield farming, así como estrategias avanzadas como Swap, Pendle PT y arbitraje de tasas de financiación); y a mediano y largo plazo, Agent Payment centrado en liquidaciones con stablecoins y respaldado por protocolos como ACP/AP2/x402/ERC-8004.

Los mercados de predicción se han convertido en una nueva tendencia industrial不容忽视 en 2025, con su volumen total anual aumentando de aproximadamente 9 mil millones de dólares en 2024 a más de 40 mil millones de dólares en 2025, logrando un crecimiento anual superior al 400%. Este crecimiento significativo ha sido impulsado por múltiples factores: la demanda generada por la incertidumbre de eventos políticos macroeconómicos, la madurez de la infraestructura y los modelos de negociación, y el deshielo del entorno regulatorio (el triunfo de Kalshi y el regreso de Polymarket a Estados Unidos). Los agentes de mercados de predicción (Prediction Market Agent) presentaron sus primeras formas en principios de 2026 y tienen el potencial de convertirse en una nueva forma de producto en el ámbito de los agentes durante el próximo año.

Mercados predictivos: de herramientas de apuestas a la «capa global de verdad»

Los mercados predictivos son un mecanismo financiero que permite operar sobre los resultados de eventos futuros, donde el precio de los contratos refleja esencialmente el juicio colectivo del mercado sobre la probabilidad de que ocurra el evento. Su eficacia surge de la combinación de la sabiduría de la multitud y los incentivos económicos: en un entorno anónimo donde se apuesta con dinero real, la información dispersa se integra rápidamente en señales de precios ponderadas por la voluntad de capital, reduciendo significativamente el ruido y los juicios falsos.

▲ Gráfico de tendencia del volumen nominal del mercado predictivo Fuente de datos: Dune Analytics (ID de consulta: 5753743)

Al final de 2025, el mercado de predicciones había formado básicamente un duopolio dominado por Polymarket y Kalshi. Según Forbes, el volumen total de operaciones en 2025 alcanzó aproximadamente 44 mil millones de dólares, con Polymarket contribuyendo con unos 21,5 mil millones de dólares y Kalshi con aproximadamente 17,1 mil millones de dólares. Los datos semanales de febrero de 2026 muestran que el volumen de operaciones de Kalshi ($25,9B) ya superó al de Polymarket ($18,3B), acercándose al 50% de la cuota de mercado; Kalshi logró una expansión rápida gracias a su victoria legal en casos de contratos electorales, su ventaja pionera en cumplimiento en el mercado estadounidense de predicciones deportivas y sus expectativas regulatorias más claras. Actualmente, sus trayectorias de desarrollo ya presentan una diferenciación clara:

· Polymarket utiliza una arquitectura híbrida CLOB con "ordenación fuera de cadena y liquidación en cadena" y un mecanismo de liquidación descentralizado para construir un mercado global, no custodiado y de alta liquidez; tras su regreso cumpliendo con la normativa en Estados Unidos, ha establecido una estructura de operación dual de "dentro y fuera de la jurisdicción".

· Kalshi se integra al sistema financiero tradicional mediante API con corredores minoristas principales, atrayendo a market makers de Wall Street para participar profundamente en el comercio de contratos macro y basados en datos; sus productos están sujetos a procesos regulatorios tradicionales, con demanda de cola larga y eventos imprevistos relativamente retardados.

Además de Polymarket y Kalshi, otros participantes competitivos en el ámbito de los mercados de predicción se desarrollan principalmente a lo largo de dos vías:

· En primer lugar, la vía de distribución regulada: integrar los contratos de evento en los sistemas de cuentas y liquidación existentes de brókers o plataformas grandes, aprovechando la cobertura de canales, la cualificación regulatoria y la confianza institucional para establecer ventajas (por ejemplo, Interactive Brokers × ForecastEx con ForecastTrader, FanDuel × CME Group con FanDuel Predicts), lo que ofrece ventajas significativas en regulación y recursos, pero el producto y la escala de usuarios aún están en etapas iniciales.

· En segundo lugar, la ruta nativa de Crypto en cadena, representada por Opinion.trade, Limitless y Myriad, logra un crecimiento rápido mediante minería de puntos, contratos de corto plazo y distribución mediática, enfatizando rendimiento y eficiencia de capital, pero su sostenibilidad a largo plazo y la solidez de su gestión de riesgos aún deben verificarse.

Los dos enfoques —el acceso a la conformidad financiera tradicional y las ventajas de rendimiento nativas de cripto— juntos conforman un ecosistema de mercados predictivos con una competencia diversa.

Los mercados predictivos parecen similares a los juegos de azar y son, en esencia, juegos de suma cero, pero su diferencia fundamental radica en si generan externalidades positivas: al aggregar información dispersa mediante transacciones con dinero real, establecen una valoración pública de eventos reales, creando una capa de señales valiosas. Su tendencia está evolucionando desde el juego hacia una «capa global de verdad»: con la integración de instituciones como CME y Bloomberg, las probabilidades de eventos se han convertido en metadatos de decisión directamente accesibles para sistemas financieros y empresariales, ofreciendo una verdad de mercado más oportuna y cuantificable.

Desde la situación regulatoria global, las vías de cumplimiento para los mercados de predicción son altamente diferenciadas. Estados Unidos es la única economía principal que ha incluido explícitamente los mercados de predicción dentro del marco regulatorio de instrumentos financieros derivados, mientras que mercados como Europa, Reino Unido, Australia y Singapur los consideran generalmente como juegos de azar y tienden a reforzar la regulación; China, India y otros los prohíben completamente. La expansión futura global de los mercados de predicción seguirá dependiendo de los marcos regulatorios de cada país.

Diseño de la arquitectura de agentes de mercados predictivos

Los agentes de mercados de predicción están entrando en la fase temprana de implementación; su valor no radica en que la IA prediga con mayor precisión, sino en amplificar la eficiencia del procesamiento y la ejecución de información en los mercados de predicción. Los mercados de predicción son, en esencia, mecanismos de agregación de información, donde los precios reflejan el juicio colectivo sobre la probabilidad de un evento; la ineficiencia real en los mercados proviene de la asimetría de información, la liquidez y las limitaciones de atención. La posición adecuada para los agentes de mercados de predicción es la gestión ejecutable de carteras probabilísticas (Executable Probabilistic Portfolio Management): convertir noticias, textos normativos y datos en cadena en desviaciones de precios verificables, para ejecutar estrategias de forma más rápida, disciplinada y con costos reducidos, capturando oportunidades estructurales mediante arbitraje entre plataformas y gestión de riesgos de cartera.

El agente de mercado predictivo ideal puede abstractarse como una arquitectura de cuatro capas:

· La capa de información recopila noticias, redes sociales, datos en cadena y oficiales;

· La capa de análisis utiliza LLM y ML para identificar precios erróneos y calcular el Edge;

La capa de estrategia convierte el Edge en posiciones mediante la fórmula de Kelly, la construcción de posiciones por lotes y el control de riesgos;

La capa de ejecución completa la colocación de órdenes en múltiples mercados, la optimización de deslizamiento y gas, y la ejecución de arbitraje, formando un bucle automatizado eficiente.

Marco de estrategia para agentes de mercados predictivos

A diferencia de los entornos de negociación tradicionales, los mercados de predicción presentan diferencias significativas en mecanismos de liquidación, liquidez y distribución de información; no todos los mercados ni estrategias son adecuados para la ejecución automatizada. El núcleo de los agentes de mercados de predicción radica en si se implementan en escenarios con reglas claras, codificables y que aprovechen sus ventajas estructurales. A continuación, se analizará desde tres niveles: selección de activos, gestión de posiciones y estructura de la estrategia.

No todos los mercados de predicción tienen valor negociable; su valor de participación depende de: claridad en la liquidación (si las reglas son claras y la fuente de datos es única), calidad de la liquidez (profundidad del mercado, spread y volumen), riesgo de información privilegiada (grado de asimetría informativa), estructura temporal (fecha de vencimiento y ritmo del evento), así como la ventaja informativa y el trasfondo profesional del operador. Solo cuando la mayoría de estos aspectos cumplen con los requisitos básicos, el mercado de predicción ofrece una base para participar; los participantes deben alinear sus fortalezas con las características del mercado:

· Ventaja humana clave: Mercados que dependen de conocimientos especializados, juicio y síntesis de información imprecisa, con ventanas de tiempo relativamente amplias (de días/semanas). Ejemplos típicos: elecciones políticas, tendencias macroeconómicas y hitos corporativos.

· Ventajas clave del agente de IA: mercados que dependen del procesamiento de datos, reconocimiento de patrones y ejecución rápida, con ventanas de decisión extremadamente cortas (en segundos o minutos). Ejemplos típicos: precios de criptomonedas de alta frecuencia, arbitraje entre mercados y market making automatizado.

· No aplicable a mercados dominados por información privilegiada o puramente aleatorios/altamente manipulables, que no brindan ventaja a ningún participante.

La fórmula de Kelly es la teoría más representativa de gestión de capital en escenarios de juegos repetidos; su objetivo no es maximizar el rendimiento individual, sino maximizar la tasa de crecimiento compuesto a largo plazo del capital. Este método calcula la proporción óptima teórica de posición basándose en estimaciones de probabilidad de victoria y cuotas, mejorando la eficiencia del crecimiento del capital bajo condiciones de expectativa positiva, y se aplica ampliamente en inversiones cuantitativas, apuestas profesionales, póker y gestión de activos.

· La forma clásica es: f^* = (bp - q) / b

· En este caso, f∗ es la proporción óptima de apuesta, b es la cuota neta, p es la probabilidad de ganar, y q=1−p

· El mercado predictivo se puede simplificar como: f^* = (p - market_price) / (1 - market_price)

· Aquí, p es la probabilidad subjetiva real, y market_price es la probabilidad implícita del mercado

La validez teórica de la fórmula de Kelly depende en gran medida de una estimación precisa de las probabilidades reales y las cuotas; en la práctica, los operadores tienen dificultades para mantener una estimación precisa de las probabilidades reales, por lo que los apostadores profesionales y los participantes en mercados de predicción tienden a preferir estrategias más regulares, con mayor aplicabilidad y menor dependencia de la estimación de probabilidades:

· Sistema de unidades (apuesta por unidad): Divida su capital en unidades fijas (por ejemplo, 1%) e invierta un número diferente de unidades según el nivel de confianza; el límite de unidades restringe automáticamente el riesgo por operación y es el método práctico más común.

· Método de apuesta fija (Flat Betting): Utiliza una proporción fija de capital en cada apuesta, enfatizando la disciplina y la estabilidad, ideal para inversores aversos al riesgo o en entornos con baja confianza.

· Método de niveles de confianza (Confidence Tiers): Establecer niveles discretos de posición predefinidos y un límite absoluto para reducir la complejidad de la toma de decisiones y evitar el problema de falsa precisión del modelo Kelly.

· Método de riesgo invertido (Inverted Risk Approach): Partir del máximo pérdida aceptable para retroceder y determinar el tamaño de la posición, estableciendo un límite de riesgo estable basado en restricciones de riesgo y no en expectativas de rentabilidad.

Para agentes de mercados predictivos, el diseño de estrategias debe priorizar la ejecutabilidad y la estabilidad por encima de la búsqueda de optimalidad teórica. Lo fundamental son reglas claras, parámetros sencillos y tolerancia a errores en la evaluación. Bajo estas restricciones, el método de confianza escalonada combinado con un límite fijo de posición es la solución general más adecuada para la gestión de posiciones en agentes PM. Este método no depende de estimaciones precisas de probabilidad, sino que clasifica las oportunidades en un número limitado de niveles según la intensidad de la señal, asignando posiciones fijas a cada nivel; incluso en escenarios de alta confianza, se establece un límite claro para controlar el riesgo.

Desde la estructura de la estrategia, los mercados predictivos se pueden clasificar principalmente en dos categorías: estrategias de arbitraje deterministas, caracterizadas por reglas claras y codificables, y estrategias especulativas de dirección, que dependen de la interpretación de información y el juicio sobre la dirección; además, existen estrategias de market making y cobertura, principalmente dirigidas por instituciones profesionales, que requieren un capital y una infraestructura más elevados.

· Arbitraje de liquidación (Resolution Arbitrage): El arbitraje de liquidación ocurre en la fase en que el resultado del evento ya está básicamente determinado, pero el mercado aún no ha preciosado completamente la información; los beneficios provienen principalmente de la sincronización de información y la velocidad de ejecución. Esta estrategia tiene reglas claras, bajo riesgo y puede ser completamente codificada, siendo la estrategia central más adecuada para que los Agentes ejecuten en los mercados predictivos.

· Arbitraje de conservación de probabilidad (Dutch Book Arbitrage): El arbitraje Dutch Book aprovecha el desequilibrio estructural generado cuando la suma de los precios de un conjunto de eventos mutuamente excluyentes y exhaustivos se desvía de la restricción de conservación de probabilidad (∑P≠1), mediante la construcción de una cartera que asegura una ganancia sin riesgo direccional. Esta estrategia depende únicamente de reglas y relaciones de precios, presenta bajo riesgo y puede ser altamente estandarizada, siendo un ejemplo típico de arbitraje determinista adecuado para la ejecución automatizada por Agentes.

· Arbitraje entre plataformas: El arbitraje entre plataformas obtiene ganancias capturando desviaciones de precios en el mismo evento entre distintos mercados, presenta un riesgo bajo pero requiere alta precisión en la latencia y monitoreo paralelo. Esta estrategia es adecuada para Agentes con ventajas en infraestructura, pero la creciente competencia está reduciendo continuamente los rendimientos marginales.

· Arbitraje de paquete (Bundle): El arbitraje de paquete aprovecha las incoherencias de precios entre contratos relacionados; tiene una lógica clara pero oportunidades limitadas. Esta estrategia puede ser ejecutada por un Agente, pero requiere cierta complejidad técnica en el análisis de reglas y restricciones de paquetes, con una adaptabilidad media del Agente.

· Estrategia impulsada por información estructurada (Information Trading): Este tipo de estrategia se centra en eventos claros o información estructurada, como la publicación de datos oficiales, anuncios o ventanas de resolución. Siempre que la fuente de información sea clara y los criterios de activación sean definibles, el Agente puede aprovechar sus ventajas en velocidad y disciplina en la monitorización y ejecución; sin embargo, cuando la información requiere juicio semántico o interpretación contextual, sigue siendo necesaria la intervención humana.

· Estrategia de seguimiento de señales (Signal Following): Esta estrategia obtiene rendimientos siguiendo el comportamiento de cuentas o fondos con mejor desempeño histórico; sus reglas son relativamente simples y pueden ejecutarse de forma automatizada. Su riesgo principal radica en la degradación de la señal y su uso en contra, por lo que se requieren mecanismos de filtrado y una gestión estricta de posiciones. Es adecuada como estrategia auxiliar para Agentes.

· Estrategias no estructuradas / impulsadas por ruido: Estas estrategias dependen en gran medida de la emoción, la aleatoriedad o el comportamiento de participación, carecen de una ventaja estable y replicable, y tienen un valor esperado a largo plazo inestable. Debido a su dificultad para modelarse y su alto riesgo, no son adecuadas para que los agentes las ejecuten de manera sistemática, ni se recomiendan como estrategias a largo plazo.

· Estrategias de precio y liquidez de alta frecuencia (Microestructura de mercado): Estas estrategias dependen de ventanas de decisión extremadamente cortas, cotizaciones continuas o comercio de alta frecuencia, requiriendo altos niveles de latencia, modelos y capital. Aunque teóricamente adecuadas para Agentes, en mercados predictivos suelen verse limitadas por la liquidez y la intensidad de la competencia, siendo adecuadas solo para unos pocos participantes con ventajas significativas en infraestructura.

· Gestión de riesgos y estrategias de cobertura (Risk Control & Hedging): Estas estrategias no buscan obtener rendimientos directamente, sino reducir la exposición al riesgo general. Son reglas claras y objetivos definidos, diseñadas para funcionar como un módulo de control de riesgos subyacente a largo plazo.

En general, las estrategias adecuadas para que un agente ejecute en los mercados predictivos se centran en escenarios con reglas claras, codificables y con baja subjetividad, donde el arbitraje determinista debe ser la fuente principal de rentabilidad, las estrategias de seguimiento de información estructurada y señales como complemento, y las operaciones de alto ruido y basadas en emociones deben ser excluidas sistemáticamente. La ventaja a largo plazo del agente radica en su capacidad de ejecución con alta disciplina, velocidad y control de riesgos.

Modelo de negocio y forma de producto de los agentes de mercados predictivos

El diseño del modelo de negocio ideal para agentes de mercados predictivos ofrece espacios de exploración distintos en distintos niveles:

· Capa de infraestructura (Infrastructure), que ofrece agregación de datos en tiempo real de múltiples fuentes, base de datos de direcciones Smart Money, motor unificado de ejecución para mercados predictivos y herramientas de backtesting, con tarifas B2B que generan ingresos estables independientes de la precisión predictiva;

· Capa de estrategia (Strategy): incorpora estrategias de la comunidad y de terceros para construir un ecosistema de estrategias reutilizables y evaluables, y captura valor mediante llamadas, ponderaciones o repartos de ejecución, reduciendo así la dependencia de un único Alpha.

· Capa Agente / Cofre: los agentes participan directamente en la ejecución en tiempo real mediante gestión fiduciaria, aprovechando registros transparentes en cadena y un sistema estricto de gestión de riesgos, para cobrar tarifas de gestión y tarifas de rendimiento.

Y las formas de producto correspondientes a diferentes modelos de negocio también pueden clasificarse como:

· Modelo de entretenimiento / gamificación: reduce la barrera de entrada mediante interacciones intuitivas similares a Tinder, posee la mayor capacidad de crecimiento de usuarios y educación del mercado, y es la entrada ideal para trascender el nicho, pero debe derivar hacia productos de suscripción o ejecución para generar ingresos.

· Suscripción a estrategias / modo de señales: no implica la custodia de fondos, es amigable con la regulación y tiene claridad en responsabilidades; la estructura de ingresos SaaS es relativamente estable, siendo la ruta comercial más viable en esta etapa. Su limitación radica en que las estrategias son fáciles de copiar y existe pérdida en la ejecución, con un techo de ingresos a largo plazo limitado; sin embargo, la experiencia y la retención pueden mejorarse significativamente mediante una forma semiautomatizada de «señales + ejecución con un solo clic».

· Modelo de custodia Vault: presenta ventajas en efectos de escala y eficiencia de ejecución, se asemeja a productos de gestión de activos, pero enfrenta múltiples restricciones estructurales, como licencias de gestión de activos, umbrales de confianza y riesgos tecnológicos centralizados; su modelo de negocio depende en gran medida del entorno de mercado y de la rentabilidad sostenida. A menos que se cuente con un historial a largo plazo y respaldo institucional, no se recomienda como ruta principal.

En general, la estructura de ingresos diversificada de «monetización de infraestructura + expansión del ecosistema de estrategias + participación en resultados» ayuda a reducir la dependencia de la suposición única de que «la IA continuará superando al mercado». Incluso si el alfa se contrae a medida que el mercado madura, las capacidades subyacentes como ejecución, gestión de riesgos y liquidación siguen teniendo valor a largo plazo, lo que permite construir un ciclo comercial más sostenible.

Casos de proyecto de agentes de mercados predictivos

Actualmente, los agentes de mercados predictivos aún se encuentran en una etapa temprana de exploración. Aunque el mercado ha visto una diversidad de intentos, desde marcos básicos hasta herramientas superiores, aún no se ha desarrollado un producto estandarizado maduro en términos de generación de estrategias, eficiencia de ejecución, sistemas de gestión de riesgos y ciclos comerciales cerrados.

Dividimos nuestro ecosistema actual en tres niveles: capa de infraestructura (Infrastructure), agentes autónomos de negociación (Autonomous Agents) y herramientas de mercados predictivos (Prediction Market Tools).

· Marco de Polymarket Agents

Polymarket Agents es un marco de desarrollo lanzado oficialmente por Polymarket, diseñado para resolver problemas de estandarización técnica en «conexión e interacción». Este marco encapsula la obtención de datos de mercado, la construcción de órdenes y interfaces básicas para llamadas a LLM. Resuelve la pregunta de «cómo colocar órdenes mediante código», pero deja en blanco capacidades centrales de trading, como generación de estrategias, calibración de probabilidades, gestión dinámica de posiciones y sistemas de backtesting. Es más bien una «norma de integración» aprobada oficialmente, no un producto listo para generar Alpha. Los agents comerciales requieren construir sobre esta base un núcleo completo de investigación y gestión de riesgos.

· Herramienta de mercado predictivo Gnosis

La herramienta Gnosis Prediction Market Agent Tooling (PMAT) ofrece soporte completo de lectura y escritura para Omen/AIOmen y Manifold, pero solo proporciona permisos de lectura para Polymarket, lo que crea una barrera ecológica clara. Es adecuada como base para el desarrollo de Agentes dentro del ecosistema Gnosis, pero tiene utilidad limitada para desarrolladores cuyo campo principal es Polymarket.

Polymarket y Gnosis son actualmente los ecosistemas de mercados de predicción que han productizado explícitamente el "desarrollo de Agentes" como un marco oficial. Otros mercados de predicción como Kalshi aún se mantienen principalmente en el nivel de API y SDK de Python, y los desarrolladores deben completar por sí mismos capacidades clave del sistema como estrategia, gestión de riesgos, ejecución y monitoreo.

Los «Agentes de IA para mercados predictivos» en el mercado actual aún se encuentran en etapas tempranas; aunque llevan el nombre de «Agentes», su capacidad real aún dista mucho de lograr operaciones automatizadas y cerradas con autorización plena. Generalmente carecen de una capa de gestión de riesgos independiente y sistemática, y no incorporan la gestión de posiciones, stop-loss, cobertura ni restricciones de valor esperado en sus procesos de toma de decisiones. En conjunto, su nivel de productización es bajo y aún no han formado sistemas maduros capaces de funcionar a largo plazo.

· Olas Predict

Olas Predict es el ecosistema de agentes de mercados predictivos más avanzado en términos de productización. Su producto principal, Omenstrat, se construye sobre Omen dentro del ecosistema de Gnosis, utilizando FPMM y un mecanismo de arbitraje descentralizado, lo que permite interacciones frecuentes y de bajo monto, pero se ve limitado por la liquidez insuficiente del mercado individual de Omen. Su funcionalidad de "predicción de IA" depende principalmente de LLM generales, carece de datos en tiempo real y controles de riesgo sistemáticos, y su tasa histórica de acierto varía significativamente entre categorías. En febrero de 2026, Olas lanzó Polystrat, extendiendo la capacidad de los agentes a Polymarket: los usuarios pueden definir estrategias mediante lenguaje natural, y el agente identifica automáticamente desviaciones de probabilidad en mercados que se liquidan en los próximos 4 días y ejecuta operaciones. El sistema controla el riesgo mediante Pearl ejecutado localmente, cuentas Safe autohospedadas y restricciones codificadas, convirtiéndose en el primer agente autónomo de consumo dirigido a Polymarket.

· Estrategia UnifAI Network Polymarket

Ofrecer un agente de negociación automatizada para Polymarket, con enfoque en la estrategia de asunción de riesgo de cola: escanear contratos cercanos a la liquidación con probabilidades implícitas >95% y comprarlos, con el objetivo de obtener un diferencial del 3–5%. Los datos en cadena muestran una tasa de éxito cercana al 95%, pero los rendimientos varían significativamente entre categorías; la estrategia depende en gran medida de la frecuencia de ejecución y la selección de categorías.

· NOYA.ai

NOYA.ai busca integrar el ciclo de agente "investigar-juzgar-ejecutar-monitorear", con una arquitectura que abarca la capa de inteligencia, la capa de abstracción y la capa de ejecución. Actualmente se han entregado Omnichain Vaults; el Agente de Mercado de Predicciones aún se encuentra en desarrollo y no ha formado un ciclo completo en la red principal, estando en su fase de validación de visión.

Las herramientas actuales de análisis de mercados predictivos aún no son suficientes para constituir un «agente de mercado predictivo» completo; su valor se centra principalmente en las capas de información y análisis dentro de la arquitectura del agente. La ejecución de operaciones, la gestión de posiciones y el control de riesgos siguen siendo responsabilidad del operador. Desde la perspectiva del producto, se alinean más con la definición de «suscripción a estrategias / asistencia con señales / mejora de investigación» y pueden considerarse como los primeros prototipos de un agente de mercado predictivo.

A través de un análisis sistemático y la selección empírica de los proyectos incluidos en Awesome-Prediction-Market-Tools, este informe selecciona como casos de estudio proyectos representativos que ya cuentan con una forma de producto inicial y escenarios de uso. Se centra principalmente en cuatro áreas: capa de análisis y señales, sistemas de alertas y rastreo de ballenas, herramientas de descubrimiento de arbitraje y terminales de trading con ejecución agregada.

Herramientas de análisis de mercado

Polyseer: herramienta de mercado predictivo de investigación que utiliza una arquitectura de múltiples agentes (Planner / Researcher / Critic / Analyst / Reporter) para recopilar evidencia bilateral y aggregar probabilidades bayesianas, generando informes de investigación estructurados. Su ventaja radica en la transparencia metodológica, la ingeniería de procesos y su total apertura y auditabilidad.

Oddpool: posicionado como el "terminal Bloomberg de los mercados de predicción", ofrece un agregador multiplataforma, escáner de arbitraje y panel de datos en tiempo real para Polymarket, Kalshi, CME, entre otros.

Polymarket Analytics: Plataforma de análisis de datos de Polymarket con alcance global, que presenta de forma sistemática datos de traders, mercados, posiciones y operaciones, con una ubicación clara y datos intuitivos, ideal como referencia básica para consultas e investigación.

Hashdive: herramienta de datos para traders que cuantifica la selección de traders y mercados mediante Smart Score y Screener multidimensional, con utilidad práctica en la identificación de "dinero inteligente" y en la toma de decisiones de seguimiento.

Polyfactual: Se centra en inteligencia de mercado y análisis de sentimiento/riesgo de IA, integrando los resultados del análisis directamente en la interfaz de trading mediante una extensión de Chrome, con enfoque en escenarios B2B y para usuarios institucionales.

Predly: Plataforma de detección de precios erróneos con IA que identifica desviaciones en la fijación de precios en Polymarket y Kalshi comparando los precios del mercado con probabilidades calculadas por IA; el fabricante afirma que la precisión de las alertas es del 89%, orientada al descubrimiento de señales y la selección de oportunidades.

Polysights: cubre 30+ métricas de mercado y en cadena, y rastrea comportamientos anómalos como nuevas billeteras y apuestas de gran tamaño con Insider Finder, ideal para monitoreo diario y descubrimiento de señales.

PolyRadar: Plataforma de análisis paralelo de múltiples modelos que ofrece interpretación en tiempo real, evolución de la línea de tiempo, puntuación de confianza y transparencia de fuentes para eventos individuales, destacando la validación cruzada por múltiples IA como herramienta de análisis.

Alphascope: Motor de inteligencia de mercado impulsado por IA que ofrece señales en tiempo real, resúmenes de investigación y monitoreo de cambios de probabilidad; aún se encuentra en etapa temprana, enfocado en investigación y soporte de señales.

· Alertas / Rastreo de ballenas

Stand: Posicionamiento claro para seguimiento de ballenas y alertas de movimientos con alta confianza.

Whale Tracker Livid: Productizar los cambios en las posiciones de las ballenas

Herramienta de descubrimiento de arbitraje

ArbBets: herramienta impulsada por IA para la detección de arbitrajes, enfocada en Polymarket, Kalshi y mercados de apuestas deportivas, que identifica oportunidades de arbitraje entre plataformas y operaciones con valor esperado positivo (+EV), diseñada para el nivel de escaneo de oportunidades de alta frecuencia.

PolyScalping: Plataforma de análisis de arbitraje y scalping en tiempo real para Polymarket, que ofrece escaneo completo del mercado cada 60 segundos, cálculo de ROI y notificaciones por Telegram, con capacidad de filtrar oportunidades por liquidez, spread, volumen y otros criterios, diseñada para traders activos.

Eventarb: herramienta ligera multiplataforma para cálculo y alertas de arbitraje, que cubre Polymarket, Kalshi y Robinhood, con funciones enfocadas y uso gratuito, ideal como herramienta básica de apoyo para arbitraje.

Prediction Hunt: herramienta de agregación y comparación de mercados de predicción entre plataformas, que ofrece comparaciones en tiempo real y detección de oportunidades de arbitraje para Polymarket, Kalshi y PredictIt (actualización cada 5 minutos aproximadamente), enfocada en la búsqueda de simetría de información y eficiencias de mercado.

· Terminal de operaciones / Ejecución agregada

Verso: Terminal de trading de mercados de predicción institucional respaldado por YC Fall 2024, con interfaz estilo Bloomberg, que ofrece seguimiento en tiempo real de más de 15,000 contratos de Polymarket y Kalshi, análisis de datos profundos e inteligencia de noticias con IA, dirigido a traders profesionales e institucionales.

Matchr: herramienta de agregación y ejecución de mercados predictivos entre plataformas, que cubre más de 1.500 mercados, con enrutamiento inteligente para la mejor coincidencia de precios, y que planifica estrategias automatizadas de ingresos basadas en eventos de alta probabilidad, arbitraje intermercado y eventos, posicionándose en la capa de ejecución y eficiencia de capital.

TradeFox: Plataforma profesional de agregación de mercados predictivos y prime brokerage respaldada por Alliance DAO y CMT Digital, que ofrece ejecución avanzada de órdenes (órdenes límite, toma de ganancias y pérdida, TWAP), comercio autónomo y enrutamiento inteligente multiplataforma, dirigida a operadores institucionales, con planes de expansión a plataformas como Kalshi, Limitless y SxBet.

Resumen y perspectiva

Actualmente, los agentes de mercados predictivos se encuentran en una etapa temprana de exploración y desarrollo.

1. Mercado base y evolución esencial: Polymarket y Kalshi han formado una estructura de duopolio; construir agentes sobre ellos cuenta con suficiente liquidez y base de escenarios. La diferencia fundamental entre los mercados de predicción y el juego de azar radica en la externalidad positiva: al aggregar información dispersa mediante transacciones reales, se establece una valoración pública de eventos reales, evolucionando gradualmente hacia una «capa global de verdad».

2. Posicionamiento central: El agente de mercado predictivo debe posicionarse como una herramienta de gestión de activos basada en probabilidades, cuya tarea principal es convertir noticias, textos normativos y datos en cadena en desviaciones de precios verificables, y ejecutar estrategias con mayor disciplina, menor costo y capacidad entre mercados. La arquitectura ideal puede abstractarse en cuatro capas: información, análisis, estrategia y ejecución, pero su real operabilidad depende en gran medida de la claridad del asentamiento, la calidad de la liquidez y el grado de estructuración de la información.

3. Selección de estrategia y lógica de gestión de riesgos: desde el punto de vista de la estrategia, el arbitraje determinista (incluyendo arbitraje de liquidación, arbitraje de conservación de probabilidad y operaciones de diferencial entre plataformas) es el más adecuado para ser ejecutado automáticamente por agentes inteligentes, mientras que la especulación direccional solo puede servir como complemento. En la gestión de posiciones, se debe priorizar la ejecutabilidad y la tolerancia a errores; el método escalonado combinado con un límite fijo de posición es el más adecuado.

4. Modelo de negocio y perspectivas: La comercialización se divide principalmente en tres niveles: la capa de infraestructura genera ingresos B2B estables mediante infraestructura de ejecución de datos; la capa de estrategias monetiza mediante llamadas a estrategias de terceros o participación en ingresos; y la capa de Agent/Vault participa en operaciones reales bajo restricciones de riesgo transparentes en cadena, cobrando tarifas de gestión y comisiones por rendimiento. Las formas correspondientes incluyen entradas entretenidas, suscripciones/señales de estrategias (actualmente la más viable) y custodia Vault de alto umbral. La ruta más sostenible es «infraestructura + ecosistema de estrategias + participación en rendimiento».

Aunque en el ecosistema de agentes de mercados de predicción ya se han realizado diversos intentos, desde marcos básicos hasta herramientas superiores, aún no se ha desarrollado un producto estandarizado, maduro y replicable en dimensiones clave como la generación de estrategias, la eficiencia de ejecución, el control de riesgos y el cierre comercial. Esperamos la próxima iteración y evolución de los agentes de mercados de predicción.

Enlace original

Haz clic para conocer los puestos disponibles en BlockBeats

¡Bienvenido al grupo oficial de BlockBeats!

Grupo de suscripción de Telegram: https://t.me/theblockbeats

Grupo de Telegram: https://t.me/BlockBeats_App

Cuenta oficial de Twitter: https://twitter.com/BlockBeatsAsia