Previsión del mercado plataforma Kalshi publica su primer informe de investigación, revelando que su predicción de datos CPI tiene un error absoluto medio un 40% menor que las expectativas tradicionales, y una precisión aún mayor, hasta un 60%, durante periodos de impactos significativos en el mercado, demostrando la ventaja de la “sabiduría colectiva” en el campo de las predicciones económicas.
（Resumen previo: Mercado de predicción en colaboración con CNBC Kalshi, cuotas en tiempo real, lanzamiento completo en programa de televisión y noticias）
（Información adicional: De bailarina de ballet a la más joven multimillonaria: Cómo Luana construyó el mercado de predicción de mil millones Kalshi）

Índice de este artículo

• Resumen
  • Puntos clave
• Contexto
• Metodología
  • Datos
  • Clasificación de impactos
  • Indicadores de rendimiento
• Resultados: Rendimiento en predicción del CPI
  • Mayor precisión general
  • Existencia de «Alpha de impacto»
• Discusión adicional
  • Heterogeneidad de participantes del mercado y «sabiduría colectiva»
  • Diferencias en la estructura de incentivos de los participantes
  • Eficiencia en la agregación de información
• Limitaciones y consideraciones
• Conclusión

Nota del editor:

La plataforma líder en mercados de predicción Kalshi anunció ayer el lanzamiento de una nueva sección de informes de investigación, Kalshi Research, destinada a ofrecer datos internos de Kalshi a académicos e investigadores interesados en temas relacionados con los mercados de predicción. El primer informe de investigación ya está disponible, a continuación el contenido original del informe, traducido por Odaily Planet Daily:

Resumen

Generalmente, en la semana previa a la publicación de datos económicos importantes, analistas y economistas senior de grandes instituciones ofrecen sus estimaciones de los valores esperados. Estas predicciones, cuando se consolidan, se denominan «expectativas consensuadas», y se consideran una referencia clave para entender los cambios del mercado y ajustar las posiciones.

En este informe, comparamos el rendimiento de las expectativas consensuadas con los precios implícitos en el mercado de predicción de Kalshi (en adelante, «predicciones del mercado») en la predicción del mismo indicador macroeconómico central — la tasa de inflación general interanual (YOY CPI) — en relación con su valor real.

Puntos clave

· Mayor precisión general: en todos los entornos de mercado (incluidos normales y de impacto), el error absoluto medio (MAE) de las predicciones de Kalshi fue un 40.1% menor que las expectativas consensuadas.

· «Alpha de impacto» (Shock Alpha): en momentos de impacto significativo (mayor a 0.2 puntos porcentuales), en la ventana de predicción de una semana previa, las predicciones de Kalshi superaron en un 50% la precisión de las expectativas consensuadas, y en el día previo a la publicación, la ventaja se amplió hasta un 60%; en impactos moderados (entre 0.1 y 0.2 puntos porcentuales), en la misma ventana, las predicciones de Kalshi también superaron en un 50% el MAE de las expectativas, y en el día previo, la diferencia aumentó a un 56.2%.

· Señal predictiva (Predictive Signal): cuando la desviación entre la mercado y las expectativas consensuadas supera el 0.1%, la probabilidad de que ocurra un impacto en la predicción es aproximadamente del 81.2%, y en el día previo a la publicación, sube a aproximadamente 82.4%. En casos donde las predicciones del mercado y las expectativas consensuadas no coinciden, en el 75% de los casos, las predicciones del mercado son más precisas.

Contexto

Los predictores macroeconómicos enfrentan un desafío inherente: las predicciones más importantes — en momentos de desorden en el mercado, cambios en políticas y rupturas estructurales — son precisamente las fases en las que los modelos históricos tienden a fallar con mayor facilidad. Los participantes en los mercados financieros suelen publicar predicciones consensuadas días antes de la publicación de datos económicos clave, consolidando opiniones de expertos en expectativas de mercado. Sin embargo, estas opiniones consensuadas, aunque valiosas, comparten metodologías y fuentes de información similares.

Para inversores institucionales, gestores de riesgos y formuladores de políticas, la precisión en las predicciones tiene un interés asimétrico: en tiempos de estabilidad, una predicción ligeramente mejor aporta poco valor; pero en periodos de caos en el mercado — cuando la volatilidad se dispara, las correlaciones se rompen o las relaciones históricas dejan de aplicarse —, una mayor precisión puede generar Alpha significativo y limitar pérdidas.

Por ello, entender cómo se comportan los parámetros en periodos de volatilidad es crucial. Nos centramos en un indicador macroeconómico clave — la tasa de inflación general interanual (YOY CPI) — que es la referencia principal para decisiones futuras de tasas de interés y un indicador importante de la salud económica.

Compararemos y evaluaremos la precisión de las predicciones en diferentes ventanas temporales previas a la publicación de datos oficiales. Nuestra conclusión principal es que, efectivamente, existe un «Alpha de impacto» — es decir, en eventos extremos, las predicciones basadas en el mercado pueden ofrecer una precisión adicional respecto a los estándares consensuados. Este rendimiento superior no solo tiene un valor académico, sino que en momentos de máxima coste económico por errores de predicción, puede mejorar significativamente la calidad de las señales. En este contexto, la cuestión clave no es si los mercados de predicción «siempre aciertan», sino si proporcionan señales que valga la pena incorporar en los marcos de decisión tradicionales, con valor diferencial.

Metodología

Datos

Analizamos las predicciones implícitas diarias de los operadores en la plataforma Kalshi, en tres momentos temporales: una semana antes de la publicación (coincidiendo con la publicación de expectativas consensuadas), un día antes, y la mañana de la publicación. Cada mercado utilizado fue (o ha sido) un mercado real y negociable, reflejando posiciones de fondos en diferentes niveles de liquidez. Para las expectativas consensuadas, recopilamos las predicciones institucionales de consenso para el YoY CPI, generalmente publicadas aproximadamente una semana antes de la publicación oficial del dato por la Oficina de Estadísticas Laborales de EE. UU.

El período de muestra abarca desde febrero de 2023 hasta mediados de 2025, cubriendo más de 25 ciclos mensuales de publicación del CPI, en diversos entornos macroeconómicos.

Clasificación de impactos

Clasificamos los eventos en tres categorías según la «magnitud de la sorpresa» respecto a niveles históricos. La «impacto» se define como la diferencia absoluta entre la expectativa consensuada y el dato real publicado:

· Evento normal: error en la predicción del YoY CPI menor a 0.1 puntos porcentuales;

· Impacto moderado: error entre 0.1 y 0.2 puntos porcentuales;

· Impacto significativo: error superior a 0.2 puntos porcentuales.

Este método de clasificación nos permite analizar si la ventaja predictiva varía sistemáticamente con la dificultad de la predicción.

Indicadores de rendimiento

Para evaluar el rendimiento de las predicciones, utilizamos:

· Error absoluto medio (MAE): principal métrica de precisión, calculada como la media de las diferencias absolutas entre predicciones y valores reales.

· Tasa de acierto: cuando la diferencia entre expectativa consensuada y predicción del mercado alcanza o supera el 0.1%, registramos qué predicción se acerca más al valor final real.

· Análisis de la evolución temporal de la predicción: rastreamos cómo varía la precisión del mercado desde una semana antes hasta el día de publicación, para entender el valor de incorporar información de forma continua.

Resultados: Rendimiento en predicción del CPI

Mayor precisión general

En todos los entornos de mercado, las predicciones del mercado basadas en los precios del CPI tuvieron un MAE un 40.1% menor que las expectativas consensuadas. En todos los plazos, el MAE de las predicciones del mercado fue entre un 40.1% (una semana antes) y un 42.3% (un día antes) menor que las expectativas.

Además, en escenarios donde existía discrepancia entre expectativas consensuadas y valores implícitos del mercado, las predicciones del mercado mostraron una tasa de acierto estadísticamente significativa, que osciló entre un 75.0% (una semana antes) y un 81.2% (el día de publicación). Si se incluyen los casos en que las predicciones del mercado igualaron a las expectativas (redondeando a un decimal), la tasa de acierto en una semana antes alcanza aproximadamente el 85%, indicando que las desviaciones entre mercado y consenso contienen información valiosa sobre la probabilidad de impacto.

Este alto nivel de acierto direccional indica: que cuando hay discrepancias entre mercado y consenso, estas mismas representan una señal significativa sobre la probabilidad de que ocurra un impacto.

«Alpha de impacto» (Shock Alpha) sí existe

La diferencia en precisión se acentúa durante eventos de impacto. En impactos moderados, cuando la publicación coincide en tiempo, las predicciones del mercado tienen un MAE un 50% menor que las expectativas, y en el día previo, esta ventaja aumenta a un 56.2% o más; en impactos significativos, la misma tendencia se mantiene, alcanzando en algunos casos un 60% o más. En entornos normales sin impacto, el rendimiento del mercado y las expectativas es similar.

Aunque la muestra de impactos es pequeña (lo cual es razonable en un mundo donde los impactos son altamente impredecibles), el patrón general es claro: en los entornos más difíciles de predecir, la ventaja de la agregación de información del mercado resulta ser la más valiosa.

Pero lo más importante no es solo que las predicciones de Kalshi sean mejores en impacto, sino que la discrepancia entre mercado y consenso puede ser en sí misma una señal de que un impacto está por ocurrir. Cuando hay divergencia, la probabilidad de impacto predicha por el mercado alcanza un 75% (en ventanas temporales comparables). Además, el análisis de umbrales muestra que, cuando la desviación entre mercado y consenso supera el 0.1%, la probabilidad de impacto aumenta a aproximadamente 81.2%, y en el día previo, a cerca del 84.2%.

Esta diferencia, de gran relevancia práctica, indica que: las predicciones del mercado no solo sirven como una competencia frente a las expectativas consensuadas, sino que también actúan como una «meta-señal» sobre la incertidumbre, transformando la divergencia en un indicador temprano de posibles eventos imprevistos.

Discusión adicional

Una pregunta evidente surge: ¿Por qué en momentos de impacto, las predicciones del mercado superan a las expectativas consensuadas? Presentamos tres mecanismos complementarios para explicar este fenómeno.

Heterogeneidad de participantes y «sabiduría de las multitudes»

Aunque las expectativas consensuadas integran opiniones de múltiples instituciones, suelen compartir metodologías y fuentes de información similares. Modelos econométricos, informes de Wall Street y datos oficiales conforman una base de conocimiento común muy superpuesta.

En cambio, las predicciones del mercado agregan posiciones de participantes con diferentes bases informativas: modelos propios, insights sectoriales, datos alternativos y juicios empíricos. Esta diversidad tiene una base sólida en la teoría de la «sabiduría de las multitudes»: cuando los participantes poseen información relevante y sus errores no están correlacionados, la agregación de predicciones independientes suele producir estimaciones más precisas.

En momentos de cambio de estado macroeconómico, esta diversidad de información resulta especialmente valiosa: individuos con fragmentos de información dispersa interactúan en el mercado, combinando sus fragmentos en una señal colectiva.

Diferencias en incentivos de los participantes

Los predictores institucionales en expectativas consensuadas enfrentan sistemas complejos de reputación y organización, que tienden a sesgar sus predicciones lejos de la pura búsqueda de precisión. El riesgo profesional y la reputación generan una estructura de incentivos asimétrica: errores grandes dañan la reputación, y predicciones muy alineadas con la opinión general, aunque sean precisas, no siempre se recompensan proporcionalmente.

Este sesgo induce comportamientos de «rebaño», donde los predictores tienden a alinearse con la expectativa consensuada, incluso si su información privada o modelos sugieren un resultado diferente. La razón es que, en estos sistemas, «equivocarse en solitario» suele tener un coste alto, mientras que seguir la corriente puede ser menos penalizado.

Por el contrario, los participantes en mercados de predicción enfrentan incentivos que alinean directamente la precisión con la rentabilidad — acierto significa ganar, error implica pérdida. En este sistema, la reputación no es un factor dominante, y la única penalización por desviarse del consenso es económica, dependiendo de si la predicción resulta correcta. Esto ejerce una presión adicional para que los participantes identifiquen sistemáticamente errores del consenso, acumulando capital y aumentando su influencia en el mercado; quienes simplemente siguen el consenso, en cambio, sufrirán pérdidas cuando este falle.

En periodos de alta incertidumbre, cuando los predictores institucionales se desvían del consenso, los incentivos se acentúan, y la diferencia en la estructura de incentivos resulta ser de gran importancia económica.

Eficiencia en la agregación de información

Un hecho empírico relevante es que, incluso una semana antes de la publicación, en el mismo momento en que se difunden las expectativas consensuadas, las predicciones del mercado muestran ventajas significativas en precisión. Esto indica que la ventaja del mercado no se debe solo a una mayor velocidad en la adquisición de información pública.

Por el contrario, las predicciones del mercado parecen integrar de manera más eficiente fragmentos de información dispersa, sectorial o difusa, que son difíciles de formalizar en modelos económicos tradicionales. La ventaja del mercado no radica solo en acceder a información pública más pronto, sino en su capacidad para combinar de forma más efectiva información heterogénea en el mismo marco temporal. La dificultad de los mecanismos basados en encuestas para procesar estos fragmentos explica en parte su menor rendimiento relativo.

Limitaciones y consideraciones

Nuestros resultados deben interpretarse con cautela. La muestra de aproximadamente 30 meses, con relativamente pocos eventos de impacto, limita la robustez estadística respecto a eventos extremos. Un período más largo reforzaría las conclusiones, aunque los indicios actuales ya sugieren claramente la superioridad del mercado y la utilidad de las señales de impacto.

Conclusión

Hemos documentado que las predicciones del mercado, en comparación con las expectativas consensuadas, muestran ventajas sistemáticas y de gran valor económico, especialmente en momentos de impacto. La predicción del CPI basada en el mercado tiene un error aproximadamente un 40% menor en general, y hasta un 60% en fases de cambios estructurales importantes.

Estos hallazgos abren varias líneas de investigación futura: ampliar la muestra, analizar otros indicadores macroeconómicos, estudiar cómo la volatilidad y las divergencias predicen impactos, y entender en qué condiciones los mercados de predicción superan de forma estable a los métodos tradicionales. También, explorar la relación entre las predicciones del mercado y las señales implícitas en instrumentos financieros de alta frecuencia.

En entornos donde las predicciones consensuadas dependen de modelos con alta correlación y fuentes compartidas, los mercados de predicción ofrecen un mecanismo alternativo de agregación de información, capaz de detectar cambios de estado con mayor anticipación y procesar información heterogénea de forma más eficiente. Para quienes toman decisiones en entornos de alta incertidumbre y eventos extremos, el «Alpha de impacto» no solo representa una mejora en la predicción, sino que puede constituir un componente fundamental en su infraestructura de gestión de riesgos.