IOSG: Convertir la probabilidad en un activo: Agente de inteligencia de mercado para la previsión

Título original del artículo: "Informe semanal de IOSG | Convertir la probabilidad en un activo: Perspectiva del agente del mercado de predicciones n.° 315"

Autor del artículo original: Jacob Zhao, IOSG

En nuestros informes anteriores de la serie Crypto AI, hemos enfatizado constantemente que las aplicaciones más prácticas en el sector cripto actual se centran principalmente en los pagos con stablecoins y DeFi, siendo el Agente la interfaz clave de la industria de la IA con los usuarios. Por lo tanto, en la tendencia de integración de criptomonedas e IA, las dos vías más valiosas son: a corto plazo, AgentFi basado en protocolos DeFi maduros existentes (estrategias básicas como préstamos, minería de liquidez, así como estrategias avanzadas como Swap, Pendle PT y arbitraje de tasas de financiación); y a mediano y largo plazo, el Pago con Agente basado en la liquidación de stablecoins y el aprovechamiento de protocolos como ACP/AP2/x402/ERC-8004.

Los Mercados de Predicción se han convertido en una nueva tendencia del sector que no puede ignorarse en 2025, con un volumen total anual de transacciones que se disparará de aproximadamente 9 mil millones de dólares en 2024 a más de 40 mil millones de dólares en 2025, alcanzando un crecimiento interanual superior al 400 %. Este significativo crecimiento se debe a múltiples factores: los acontecimientos macropolíticos que generan incertidumbre en la demanda, la madurez de la infraestructura y los patrones comerciales, y los avances en el entorno regulatorio (la victoria de Kalshi y el regreso de Polymarket a EE. UU.). Se espera que los Agentes de Mercados de Predicción se implementen a principios de 2026, con miras a convertirse en un producto emergente en el sector de los agentes el próximo año.

Mercados de predicción: de herramienta de apuestas a "capa de verdad global"

Los Mercados de Predicción son un mecanismo financiero que opera en torno al resultado de eventos futuros, donde el precio del contrato refleja esencialmente el juicio colectivo del mercado sobre la probabilidad de que el evento ocurra. Su eficacia reside en la combinación de la sabiduría colectiva y los incentivos económicos: en un entorno de apuestas anónimas con dinero real, la información dispersa se integra rápidamente en una señal de precio ponderada por la disposición del capital, lo que reduce significativamente el ruido y los juicios erróneos.

▲ Gráfico de tendencias del volumen nominal de operaciones del mercado de predicciones. Fuente de datos: Dune Analytics (ID de consulta: 5753743).

Para finales de 2025, se prevé que el mercado previsto haya formado un duopolio liderado por Polymarket y Kalshi. Según Forbes, se estima que el volumen total de operaciones en 2025 alcanzará los 44 000 millones de dólares, con una contribución aproximada de Polymarket de 21 500 millones y Kalshi de unos 17 100 millones. Los datos semanales de febrero de 2026 muestran que el volumen de operaciones de Kalshi (25 900 millones de dólares) ha superado al de Polymarket (18 300 millones de dólares), acercándose a una cuota de mercado del 50 %. Kalshi ha logrado una rápida expansión gracias a una victoria legal en un caso previo de contrato electoral, una ventaja de ser pionero en el cumplimiento normativo en el mercado estadounidense de predicciones deportivas y unas expectativas regulatorias relativamente claras. Actualmente, las trayectorias de desarrollo de ambos han divergido claramente:

Polymarket adopta una arquitectura CLOB híbrida con emparejamiento fuera de la cadena, liquidación en la cadena y un mecanismo de liquidación descentralizado, estableciendo un mercado global, sin custodia y de alta liquidez. Tras volver a cumplir con las normativas en EE. UU., ha formado una estructura operativa dual "onshore + offshore".

· Kalshi se integra al sistema financiero tradicional, accede a las principales casas de bolsa minoristas a través de API, atrae a los creadores de mercado de Wall Street para participar profundamente en el comercio de contratos basado en datos y macro, y sus productos están sujetos a los procesos regulatorios tradicionales, con una demanda y eventos de cola larga relativamente rezagados.

Además de Polymarket y Kalshi, otros actores competitivos en el campo del mercado de predicciones se están desarrollando principalmente a lo largo de dos caminos:

Una de ellas es la Ruta de Distribución Regulatoria, que integra contratos de eventos en las cuentas y sistemas de compensación de casas de bolsa o grandes plataformas, aprovechando la cobertura de canales, las cualificaciones regulatorias y las ventajas de la confianza institucional (como ForecastTrader de Interactive Brokers × ForecastEx, y FanDuel × FanDuel Predicts de CME Group). Las ventajas en materia de cumplimiento normativo y recursos son significativas, pero la escala del producto y del usuario aún se encuentra en sus primeras etapas.

La otra es la vía cripto nativa en cadena, representada por Opinion.trade, Limitless y Myriad, que logra un rápido escalamiento mediante la minería de tokens, contratos a corto plazo y distribución en medios, priorizando el rendimiento y la eficiencia del capital. Sin embargo, su sostenibilidad a largo plazo y la solidez de la gestión de riesgos aún están por verificar.

La combinación de los puntos de entrada de cumplimiento financiero tradicionales y las ventajas de rendimiento de las criptomonedas nativas forman un panorama competitivo diverso en el ecosistema del mercado de predicciones.

El mercado de predicciones, a primera vista, puede parecer similar a las apuestas y es esencialmente un juego de suma cero. Sin embargo, la diferencia fundamental radica en si presenta una externalidad positiva: mediante transacciones con dinero real, se agrega información, se cotizan públicamente los eventos del mundo real y se forma una valiosa capa de señalización. Su tendencia está cambiando de un juego a una "capa de verdad global": con la participación de instituciones como CME y Bloomberg, las probabilidades de los eventos se han convertido en metadatos para la toma de decisiones, a los que los sistemas financieros y corporativos pueden acceder directamente, lo que proporciona una verdad de mercado más oportuna y cuantificable.

Desde una perspectiva regulatoria global, el proceso de cumplimiento de los mercados de predicción está muy diversificado. Estados Unidos es la única gran economía que incorpora claramente los mercados de predicción en el marco regulatorio de los derivados financieros. En mercados como Europa, el Reino Unido, Australia y Singapur, los mercados de predicción generalmente se consideran una apuesta arriesgada y las medidas regulatorias se están endureciendo. Por otro lado, países como China e India los han prohibido por completo. La futura expansión global de los mercados de predicción aún depende de los marcos regulatorios de cada país.

Diseño de la arquitectura de agentes de predicción del mercado

Actualmente, los Agentes de Mercado de Predicción se encuentran en las primeras etapas de su aplicación práctica, y su valor no reside en "predicciones de IA más precisas", sino en aumentar el procesamiento de la información y la eficiencia de la ejecución en los mercados de predicción. Los mercados de predicción son esencialmente mecanismos de agregación de información, donde los precios reflejan el juicio colectivo sobre las probabilidades de los eventos. En realidad, la ineficiencia del mercado se deriva de la asimetría de la información, las restricciones de liquidez y las limitaciones de atención. El posicionamiento adecuado de los Agentes de Mercado de Predicción reside en la Gestión Probabilística Ejecutable de Carteras: convertir noticias, textos de reglas y datos en cadena en sesgos de precios verificables para ejecutar estrategias con mayor rapidez, disciplina y menor coste, aprovechando oportunidades estructurales mediante el arbitraje multiplataforma y la gestión del riesgo de la cartera.

Un agente de predicción de mercado ideal se puede abstraer en una arquitectura de cuatro capas:

· Capa de información: recopila noticias, datos sociales, en cadena y oficiales;

· Capa de análisis: utiliza LLM y ML para identificar precios incorrectos y calcular Edge;

· Capa de estrategia: transforma Edge en posiciones a través del criterio de Kelly, comercio por lotes y gestión de riesgos;

· Capa de ejecución: ejecuta órdenes entre mercados, deslizamiento, optimización de gas y ejecución de arbitraje, formando un bucle automatizado eficiente.

Marco de estrategia del agente del mercado de predicción

A diferencia del entorno comercial tradicional, los mercados de predicción presentan diferencias significativas en los mecanismos de liquidación, la liquidez y la distribución de la información, y no todos los mercados y estrategias son aptos para la ejecución automatizada. La clave de un agente de mercado de predicción reside en su implementación en un escenario claramente definido, codificable y alineado con sus ventajas estructurales. En las siguientes secciones se analizará la selección de objetivos, la gestión de posiciones y la estructura de la estrategia.

Selección de objetivos de mercado de predicción

No todos los mercados de predicción tienen valor negociable, y su valor de participación depende de: la claridad de la liquidación (claridad de las reglas, singularidad de las fuentes de datos), la calidad de la liquidez (profundidad del mercado, diferencial y volumen de negociación), el riesgo interno (grado de asimetría de la información), la estructura temporal (fecha de vencimiento y ritmo de los eventos), y la ventaja de información y la trayectoria profesional del operador. Solo cuando la mayoría de las dimensiones cumplen los requisitos básicos, un mercado de predicción tiene la base para la participación, y los participantes deben alinearse con sus propias fortalezas y características del mercado.

Fortaleza del núcleo humano: se basa en la experiencia, el criterio y la integración de información ambigua, y opera en un lapso de tiempo relativamente amplio (medido en días o semanas). Ejemplos típicos incluyen elecciones políticas, tendencias macroeconómicas e hitos corporativos.

Fortaleza principal del agente de IA: Se basa en el procesamiento de datos, el reconocimiento de patrones y la ejecución rápida, y opera en un margen de decisión extremadamente corto (medido en segundos/minutos). Ejemplos típicos incluyen la fijación de precios de criptomonedas de alta frecuencia, el arbitraje entre mercados y la creación de mercado automatizada.

· Zonas no adaptativas: mercados dominados por información privilegiada o mercados puramente aleatorios/altamente manipuladores, que no proporcionan una ventaja a ningún participante.

Gestión de la posición de mercado predictiva

El Criterio de Kelly es la teoría de gestión financiera más representativa en escenarios de juegos repetitivos. Su objetivo no es maximizar las ganancias únicas, sino maximizar la tasa de crecimiento compuesto a largo plazo de los fondos. Este método, basado en estimaciones de la tasa de ganancia y las probabilidades, calcula el tamaño de posición teóricamente óptimo para mejorar la eficiencia del crecimiento del capital bajo expectativas positivas, y se utiliza ampliamente en los campos de la inversión cuantitativa, las apuestas profesionales, el póker y la gestión de activos.

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

· Donde f∗ es el tamaño de apuesta óptimo, b son las probabilidades netas, p es la tasa de ganancia, q=1−p

· El mercado de predicciones se puede simplificar como: f^* = (p - precio de mercado) / (1 - precio de mercado)

· Donde p es la probabilidad verdadera subjetiva y market_price es la probabilidad implícita del mercado

La eficacia teórica del Criterio de Kelly depende en gran medida de la estimación precisa de la probabilidad y las probabilidades reales. En realidad, a los operadores les resulta difícil comprender de forma consistente la probabilidad real. En la práctica, los jugadores profesionales y los participantes del mercado de predicciones tienden a adoptar estrategias basadas en reglas con mayor ejecutabilidad y menor dependencia de la estimación de la probabilidad:

· Sistema de unidades: dividir el capital en unidades fijas (por ejemplo, 1%) e invertir diferentes cantidades de unidades según los niveles de confianza, restringiendo automáticamente el riesgo único a través de un límite de unidades, es el método práctico más común.

· Apuestas fijas: utilizar una proporción de fondos fija para cada apuesta, enfatizando la disciplina y la estabilidad, adecuada para entornos de aversión al riesgo o de baja confianza.

· Niveles de confianza: niveles de posición discretos predefinidos con un límite superior absoluto para reducir la complejidad de la decisión, evitando el problema de pseudoprecisión del modelo de Kelly.

· Enfoque de riesgo invertido: partir de la pérdida máxima tolerable para calcular el tamaño de la posición, a partir de las restricciones de riesgo en lugar de las expectativas de retorno, formando un límite de riesgo estable.

Para los agentes del mercado predictivo, el diseño de la estrategia debe priorizar la ejecutabilidad y la estabilidad sobre la optimalidad teórica. La clave reside en reglas claras, parámetros concisos y tolerancia a errores de juicio. Bajo esta restricción, la combinación de Niveles de Confianza con un límite de posición fijo es el esquema general de gestión de posiciones más adecuado para un Agente de Gestión de Posiciones. Este método no se basa en una estimación precisa de la probabilidad, sino que divide las oportunidades en niveles limitados según la intensidad de la señal y corresponde a posiciones fijas; incluso en escenarios de alta confianza, se establece un límite claro para controlar el riesgo.

Selección de estrategia para mercados de predicción

Desde una perspectiva estructural, los mercados de predicción se pueden dividir principalmente en dos categorías: estrategias de arbitraje determinista caracterizadas por reglas claras y codificabilidad, y estrategias direccionales especulativas que se basan en la interpretación de la información y el juicio direccional; además, existen estrategias de creación de mercado y de cobertura dominadas por instituciones profesionales con mayores requisitos de capital e infraestructura.

Estrategia de arbitraje determinista

Arbitraje de Resolución: El Arbitraje de Resolución ocurre cuando el resultado del evento está prácticamente determinado, pero el mercado aún no lo ha descontado por completo. La principal fuente de ganancias es la sincronización de la información y la velocidad de ejecución. Esta estrategia está bien definida, es de bajo riesgo, totalmente codificable y es la estrategia principal más adecuada para la ejecución de agentes en un mercado predictivo.

Arbitraje de Libro Holandés: El arbitraje de libro holandés aprovecha un desequilibrio estructural formado por la suma de precios de conjuntos de eventos mutuamente excluyentes y exhaustivos que se desvían de la restricción de conservación de probabilidad (∑P≠1). Al combinar posiciones para asegurar ganancias sin riesgo, esta estrategia se basa únicamente en reglas y relaciones de precios. Es de bajo riesgo, altamente basada en reglas y una forma típica de arbitraje determinista, adecuada para la ejecución automatizada de agentes.

Arbitraje multiplataforma: El arbitraje multiplataforma se beneficia de las discrepancias de precios de un mismo evento en diferentes mercados. Presenta un riesgo bajo, pero requiere altos niveles de latencia y monitoreo paralelo. Esta estrategia es adecuada para la ejecución de agentes con ventajas de infraestructura, pero la creciente competencia conlleva una disminución continua de los rendimientos marginales.

Arbitraje de Paquetes: El arbitraje de paquetes implica la negociación basada en inconsistencias de precios entre contratos relacionados. La lógica es clara, pero las oportunidades son limitadas. Esta estrategia puede ser ejecutada por agentes, pero requiere cierta ingeniería para el análisis de reglas y restricciones de composición, con un nivel moderado de compatibilidad con los agentes.

Estrategia direccional especulativa

Estrategia de Intercambio de Información: Este tipo de estrategia se basa en eventos explícitos o información estructurada, como publicaciones de datos oficiales, anuncios o ventanas de decisión. Siempre que la fuente de información sea clara y las condiciones de activación sean definibles, los agentes pueden aprovechar la velocidad y la disciplina en la supervisión y la ejecución. Sin embargo, la intervención humana sigue siendo necesaria cuando la información se convierte en juicio semántico o interpretación contextual.

Estrategia de Seguimiento de Señales: Esta estrategia busca obtener ganancias siguiendo el comportamiento de cuentas o fondos con un rendimiento histórico superior. Las reglas son relativamente sencillas y pueden automatizarse. Los principales riesgos residen en la degradación de la señal y su explotación en sentido contrario, lo que requiere mecanismos de filtrado y una gestión estricta de las posiciones. Es adecuada como estrategia complementaria para agentes.

Estrategia no estructurada/basada en el ruido: Este tipo de estrategia se basa en gran medida en la emoción, la aleatoriedad o el comportamiento participativo, carece de una ventaja replicable estable y tiene un valor esperado a largo plazo inestable. Debido a su dificultad de modelar y a su riesgo extremadamente alto, no es adecuada para la ejecución sistemática de agentes y no se recomienda como estrategia a largo plazo.

Estrategia de Microestructura de Mercado: Este tipo de estrategia se basa en una ventana de decisión muy corta, cotización continua o negociación de alta frecuencia, lo que impone altas exigencias en términos de latencia, modelos y capital. Si bien teóricamente es adecuada para agentes, en un mercado predictivo suele verse limitada por la liquidez y la intensidad competitiva, siendo solo adecuada para unos pocos participantes con importantes ventajas de infraestructura.

Estrategia de Control de Riesgos y Cobertura: Este tipo de estrategia no busca directamente la rentabilidad, sino que se utiliza para reducir la exposición general al riesgo. Tiene reglas y objetivos claros y funciona a largo plazo como un módulo fundamental de control de riesgos.

En general, el conjunto de estrategias adecuadas para la ejecución de un Agente en un mercado predictivo se centra en escenarios claros, codificables y con un juicio subjetivo débil. En estos escenarios, el arbitraje determinista debe ser la principal fuente de ingresos, la información estructurada y las estrategias de seguimiento de señales deben complementarse, y las operaciones con alto nivel de ruido y basadas en la emoción deben excluirse sistemáticamente. La ventaja a largo plazo de un Agente reside en su alta disciplina, su rápida ejecución y su capacidad de control de riesgos.

Modelo de negocio y forma de producto del agente de mercado predictivo

El diseño del modelo de negocio ideal de un Agente de Mercado Predictivo explora diferentes direcciones en diferentes niveles:

· Nivel de infraestructura, que proporciona agregación de datos en tiempo real de múltiples fuentes, una biblioteca de direcciones de dinero inteligente, un motor de ejecución de mercado predictivo unificado y herramientas de backtesting, cobrando tarifas B2B para obtener ingresos estables no relacionados con la precisión predictiva;

· Nivel de estrategia, introduciendo estrategias comunitarias y de terceros, construyendo un ecosistema de estrategia reutilizable y evaluable, y capturando valor a través de llamadas, ponderaciones o divisiones de ejecución para reducir la dependencia de un único Alfa.

· Nivel Agente/Bóveda, donde el Agente participa directamente en la ejecución en vivo de manera administrada por confianza, basándose en registros transparentes en cadena y un estricto sistema de gestión de riesgos, cobrando tarifas de administración y rendimiento por la capacidad de canje.

Y las formas de producto correspondientes a diferentes modelos de negocio también se pueden dividir en:

Modelo de entretenimiento/gamificación: Al reducir el umbral de participación mediante una interacción intuitiva similar a la de Tinder, cuenta con las mayores capacidades de crecimiento de usuarios y de educación del mercado, lo que lo convierte en una puerta de entrada ideal para romper el círculo vicioso. Sin embargo, necesita una transición hacia la monetización de productos basada en suscripción o ejecución.

Modelo estratégico de suscripción/señal: Al no implicar la custodia de fondos, ser regulatorio y tener derechos y responsabilidades claros, la estructura de ingresos de SaaS es relativamente estable, lo que la convierte en la vía de comercialización más viable en la etapa actual. Sus limitaciones incluyen la fácil replicación de estrategias, la pérdida de ejecución y un límite de ingresos a largo plazo limitado, que puede mejorarse significativamente mediante un sistema semiautomatizado de "señal + ejecución en un solo clic" para mejorar la experiencia y la retención.

Modelo de Custodia de Bóveda: Con ventajas de escalabilidad y eficiencia de ejecución, su formato es similar al de los productos de gestión de activos, pero enfrenta múltiples limitaciones estructurales, como licencias de gestión de activos, umbrales de confianza y riesgos tecnológicos centralizados. El modelo de negocio depende en gran medida de las condiciones del mercado y de una rentabilidad sostenida. A menos que cuente con un rendimiento a largo plazo y respaldo institucional, no debería ser la opción principal.

En general, una estructura de ingresos diversificada de "Monetización de Infraestructura + Expansión Estratégica del Ecosistema + Participación en el Rendimiento" ayuda a reducir la dependencia de un único supuesto para el "dominio continuo de la IA en el mercado". Incluso a medida que Alfa converge con la madurez del mercado, las capacidades subyacentes como la ejecución, el control de riesgos y la liquidación aún conservan valor a largo plazo, lo que construye un ecosistema comercial más sostenible.

Caso de Proyecto de Predicción de Agentes del Mercado

Actualmente, los Agentes de Mercado de Predicción aún se encuentran en una etapa inicial de exploración. Si bien el mercado ha experimentado diversos intentos, desde marcos subyacentes hasta herramientas de capa superior, aún no se ha formado un producto estandarizado con una sólida base en generación de estrategias, eficiencia de ejecución, sistema de control de riesgos y ecosistema comercial.

Clasificamos el mapa actual del ecosistema en tres niveles: capa de infraestructura, agentes comerciales autónomos y herramientas de predicción del mercado.

Capa de infraestructura

· Marco de agentes de Polymarket

Agentes de Polymarket. El marco oficial para desarrolladores de Polymarket se centró en resolver el problema de estandarización de ingeniería de "conexión e interacción". Este marco encapsula la recuperación de datos de mercado, la construcción de órdenes y las interfaces básicas de llamadas LLM. Aborda el problema de cómo colocar órdenes con código, pero deja una brecha fundamental en las capacidades principales de trading, como la generación de estrategias, la calibración de probabilidad, la gestión dinámica de posiciones y los sistemas de backtesting. Se asemeja más a una "especificación de acceso" oficialmente reconocida que a un producto terminado con retornos alfa. Los agentes comerciales aún necesitan construir un núcleo completo de investigación y control de riesgos sobre esta base.

· Herramienta de predicción del mercado de Gnosis

Las herramientas de agente de mercado de predicción de Gnosis (PMAT) ofrecen compatibilidad total de lectura y escritura para Omen/AIOmen y Manifold, pero solo ofrecen acceso de solo lectura para Polymarket, lo que muestra las barreras del ecosistema. Si bien es adecuado como base para los agentes internos de Gnosis, su utilidad es limitada para los desarrolladores que se centran en Polymarket.

Polymarket y Gnosis son actualmente los ecosistemas de mercado de predicción que han convertido explícitamente el desarrollo de agentes en un marco oficial. Otros mercados de predicción, como Kalshi, se mantienen principalmente a nivel de API y SDK de Python, lo que requiere que los desarrolladores complementen por sí mismos capacidades clave del sistema, como estrategias, control de riesgos, operaciones y monitorización.

Agente Comercial Autónomo

Los actuales "Agentes de IA para la predicción del mercado" en el mercado se encuentran, en su mayoría, en sus primeras etapas. Aunque se les denomina "Agentes", sus capacidades reales distan mucho del nivel de negociación de ciclo cerrado totalmente automatizada, y generalmente carecen de un control de riesgos sistemático e independiente. No incorporan la gestión de posiciones, el stop-loss, la cobertura ni las restricciones de valor esperado en el proceso de toma de decisiones. Su nivel general de productización es bajo y aún no han desarrollado sistemas maduros que puedan operar a largo plazo.

· Olas Predict

Olas Predict es un ecosistema de agentes inteligentes de predicción de mercado con el mayor nivel de productización actual. Su producto principal, Omenstrat, se basa en el Omen interno de Gnosis, utilizando FPMM y mecanismos de arbitraje descentralizados. Esto permite interacciones de alta frecuencia a pequeña escala, pero se ve limitado por la insuficiente liquidez de Omen en el mercado único. Su "predicción de IA" se basa principalmente en LLM general, carece de datos en tiempo real y control sistemático de riesgos, y presenta una diferenciación significativa en las tasas de ganancia históricas entre categorías. En febrero de 2026, Olas lanzó Polystrat, ampliando las capacidades del agente a Polymarket, permitiendo a los usuarios definir estrategias en lenguaje natural. El agente identifica automáticamente las desviaciones de probabilidad en mercados liquidados en 4 días y ejecuta operaciones. El sistema se ejecuta localmente a través de Pearl, utiliza cuentas seguras autoalojadas y controles de límites codificados para gestionar los riesgos, y actualmente es el primer agente de trading autónomo para consumidores adaptado a Polymarket.

· Estrategia de polimercado de la red UnifAI

Proporciona un agente de trading automatizado de Polymarket con una estrategia central de asunción de riesgo de cola: busca contratos de liquidación cercanos con probabilidades implícitas superiores al 95 % y abre una posición para alcanzar un diferencial del 3 % al 5 %. Los datos en cadena muestran una tasa de éxito cercana al 95 %, pero los rendimientos varían significativamente entre categorías, ya que la estrategia depende en gran medida de la frecuencia de ejecución y la selección de la categoría.

· NOYA.ai

NOYA.ai busca integrar "Investigación—Juicio—Ejecución—Monitoreo" en un bucle de retroalimentación del Agente, con una arquitectura que abarca las capas de inteligencia, abstracción y ejecución. Se han implementado las Bóvedas Omnichain; el Agente de Mercado de Predicción aún está en desarrollo y aún no ha formado un bucle completo de red principal; actualmente se encuentra en fase de validación de visión.

Herramientas de predicción del mercado

Las herramientas actuales de análisis de predicción de mercado aún no son suficientes para formar un agente de inteligencia de predicción de mercado completo. Su valor se centra principalmente en las capas de información y análisis dentro de la arquitectura del agente, mientras que la ejecución de operaciones, la gestión de posiciones y el control de riesgos aún requieren la gestión manual de los operadores. En cuanto a la forma del producto, se alinean más con un posicionamiento de "suscripción de estrategia/asistencia de señales/mejora de la investigación" y pueden considerarse un prototipo inicial de un agente de inteligencia de predicción de mercado.

Mediante un mapeo sistemático y una selección empírica de proyectos incluidos en Awesome-Prediction-Market-Tools, este artículo selecciona proyectos representativos con formas iniciales de producto y casos de uso como ejemplos de informes de investigación. Se centra principalmente en cuatro áreas: análisis y capas de señal, sistemas de alerta y seguimiento de ballenas, herramientas de descubrimiento de arbitraje, y terminales de trading y ejecución agregada.

· Herramienta de análisis de mercado

Polyseer: Una herramienta de predicción de mercado orientada a la investigación que utiliza una arquitectura de división multiagente (Planificador/Investigador/Crítico/Analista/Reportero) para la recopilación bilateral de evidencia y la agregación de probabilidad bayesiana, generando informes de investigación estructurados. Sus fortalezas residen en su metodología transparente, ingeniería de procesos y plena auditabilidad de código abierto.

Oddpool: Posicionada como la "Terminal Bloomberg para los mercados de predicción", que ofrece agregación multiplataforma, escaneo de arbitraje y terminal de panel de datos en tiempo real para Polymarket, Kalshi, CME y más.

Polymarket Analytics: Plataforma globalizada de análisis de datos Polymarket que muestra sistemáticamente datos de comerciantes, mercados, posiciones y transacciones, con un posicionamiento claro y datos intuitivos, adecuados como consulta de datos fundamentales y referencia de investigación.

Hashdive: herramienta de datos orientada al trader que filtra cuantitativamente a traders y mercados a través de Smart Score y Screener multidimensional, práctico para la "identificación de dinero inteligente" y decisiones de copy trading.

Polyfactual: se centra en la inteligencia de mercado de IA y el análisis de sentimientos/riesgos, integrando resultados analíticos en la interfaz comercial a través de una extensión de Chrome, más orientada a escenarios de usuarios B2B e institucionales.

Predly: plataforma de detección de precios incorrectos con IA que identifica discrepancias de precios entre Polymarket y Kalshi comparando los precios del mercado con probabilidades calculadas por IA, con una supuesta tasa de precisión de alerta del 89%, posicionada para el descubrimiento de señales y la detección de oportunidades.

Polysights: cubre más de 30 mercados y métricas en cadena, con un buscador de información privilegiada para rastrear nuevas billeteras, grandes apuestas unidireccionales y otros comportamientos inusuales, adecuado para el monitoreo diario y el descubrimiento de señales.

PolyRadar: plataforma de análisis paralelo de múltiples modelos que proporciona interpretación en tiempo real, evolución de la línea de tiempo, puntaje de confianza y transparencia de la fuente para un solo evento, enfatizando la validación cruzada de múltiples IA, posicionada como una herramienta de análisis.

Alphascope: motor de inteligencia de mercado de predicción impulsado por IA que ofrece señales en tiempo real, resúmenes de investigación y monitoreo de cambios de probabilidad, todavía en etapas iniciales, inclinado hacia la investigación y el soporte de señales.

· Alertas/Seguimiento de ballenas

Soporte: claramente posicionado para seguimiento de ballenas y alertas de acción de alta confianza.

Whale Tracker Livid: Productivizando los cambios de posición de las ballenas.

· Herramientas de descubrimiento de arbitraje

ArbBets: herramienta de descubrimiento de arbitraje impulsada por IA que se centra en Polymarket, Kalshi y los mercados de apuestas deportivas, identificando arbitraje multiplataforma y oportunidades comerciales de valor esperado positivo (+EV), posicionadas en una capa de escaneo de oportunidades de alta frecuencia.

PolyScalping: plataforma de análisis de scalping y arbitraje en tiempo real para Polymarket, que admite escaneos de mercado completo cada 60 segundos, cálculo de ROI y alertas de Telegram, lo que permite filtrar oportunidades en función de la liquidez, los diferenciales y el volumen, inclinándose hacia los operadores activos.

Eventarb: herramienta liviana de cálculo y alerta de arbitraje multiplataforma que cubre Polymarket, Kalshi y Robinhood, con funciones específicas, de uso gratuito y adecuada como asistente de arbitraje fundamental.

Prediction Hunt: herramienta de comparación y agregación de mercados de predicción entre bolsas que brinda comparaciones de precios en tiempo real e identificación de arbitraje para Polymarket, Kalshi y PredictIt (actualización de aproximadamente 5 minutos), orientada a la simetría de la información y el descubrimiento de ineficiencias del mercado.

· Terminal de negociación/Ejecución agregada

Verso: Terminal de negociación de mercado de predicción de nivel institucional compatible con YC Fall 2024, que ofrece una interfaz estilo Bloomberg, seguimiento de más de 15 000 contratos en Polymarket y Kalshi en tiempo real, análisis de datos profundos e inteligencia de noticias de IA, dirigido a comerciantes profesionales e institucionales.

Matchr: herramienta de ejecución y agregación de mercados de predicción multiplataforma que cubre más de 1500 mercados y logra una coincidencia de precios óptima a través del enrutamiento inteligente y el diseño de estrategias de rendimiento automatizadas basadas en eventos de alta probabilidad, arbitraje entre mercados y oportunidades impulsadas por eventos, posicionadas en la capa de ejecución y eficiencia de capital.

TradeFox: plataforma de agregación de mercado de predicción profesional y corretaje principal respaldada por Alliance DAO y CMT Digital, que ofrece ejecución de órdenes avanzada (órdenes limitadas, take profit/stop loss, TWAP), comercio de autocustodia y enrutamiento inteligente multiplataforma, dirigido a comerciantes institucionales, con planes de expandirse a plataformas como Kalshi, Limitless y SxBet.

Resumen y perspectivas

Actualmente, el Agente de Mercado de Predicción se encuentra en las primeras etapas de exploración de desarrollo.

1. Fundamento del Mercado y Evolución de la Esencia: Polymarket y Kalshi han formado un duopolio, construyendo agentes inteligentes a su alrededor con suficiente liquidez y base de escenarios. La diferencia fundamental entre los mercados de predicción y los de apuestas reside en la externalidad positiva. Al agregar información dispersa a través de transacciones reales, proporcionan precios públicos para eventos del mundo real, evolucionando gradualmente hacia una "capa de verdad global".

2. Posicionamiento central: El Agente de Mercado de Predicción debe posicionarse como una herramienta ejecutable de gestión de activos de probabilidad. Su misión principal es transformar noticias, textos de reglas y datos en cadena en sesgos de precios verificables y ejecutar estrategias con mayor disciplina, menores costos y capacidades multimercado. La arquitectura ideal puede resumirse en cuatro capas: información, análisis, estrategia y ejecución. Sin embargo, su negociabilidad real depende en gran medida de la claridad de la liquidación, la calidad de la liquidez y el nivel de estructuración de la información.

3. Selección de Estrategia y Lógica de Gestión de Riesgos: Desde una perspectiva estratégica, el arbitraje determinista (incluyendo el arbitraje de liquidación, el arbitraje de conservación de probabilidad y la negociación de diferencias de precio entre plataformas) se automatiza mejor por el agente, mientras que la especulación direccional solo debe servir como complemento. En la gestión de posiciones, las estrategias ejecutables y tolerantes a fallos deben ser una prioridad, siendo un enfoque de escalera gradual combinado con un límite de posición fijo el más adecuado.

4. Modelos de negocio y perspectivas: La comercialización se divide principalmente en tres capas: la capa de infraestructura obtiene ingresos B2B estables mediante la infraestructura de ejecución de datos; la capa de estrategia monetiza las llamadas de estrategia de terceros o el reparto de ingresos; y la capa de Agente/Bóveda participa en el comercio al contado bajo restricciones de riesgo transparentes en la cadena, cobrando comisiones de gestión y rendimiento. Las formas correspondientes incluyen puntos de entrada de entretenimiento, suscripción/señales de estrategia (actualmente la más viable) y custodia de bóveda de alto umbral. "Infraestructura + Ecosistema de estrategia + Participación en el rendimiento" es una estrategia más sostenible.

Si bien han surgido diversos intentos en el ecosistema de Prediction Market Agent, desde marcos subyacentes hasta herramientas de alto nivel, en dimensiones clave como la generación de estrategias, la eficiencia de ejecución, el control de riesgos y el ciclo comercial cerrado, actualmente no existe un producto maduro, replicable y estandarizado. Esperamos la iteración y evolución de Prediction Market Agents en el futuro.