El requisito central es que la pregunta tenga una respuesta futura comprobable. Quién gana una elección, si una política entra en vigencia antes de determinada fecha, qué evento ocurre primero. “Si puedes especificar tu pregunta como un parámetro cuya respuesta eventualmente conocerás, entonces puedes configurar un mercado de apuestas sobre esa variable”, dice Hanson. En ese esquema, el precio deja de ser una señal financiera abstracta y pasa a funcionar como una estimación agregada.
Desde Kalshi señalaron a Búsqueda que esa lectura es literal. “Es una probabilidad”, pero “es estadísticamente significativa dado que millones de personas usan Kalshi”, explican desde la plataforma. En ese marco, un contrato que cotiza a 51 no expresa una intuición ni un consenso blando: indica que, en promedio, el evento ocurriría 51 veces cada 100.
La diferencia con otras formas de pronóstico no está solo en el formato, sino en los incentivos. En un mercado de predicción, equivocarse tiene un costo directo. “Cuanta más gente consigas para operar, más dinero en juego, mejor será la estimación”, sostiene Hanson. No porque los participantes sean necesariamente más sofisticados que analistas o encuestadores, sino porque el mecanismo obliga a poner dinero detrás de cada creencia.
Encuestas, comités y mercados: no hacen lo mismo
Una de las confusiones más habituales es evaluar a los mercados de predicción como si fueran encuestas mejoradas. Para Hanson, ese enfoque parte de un error conceptual: “Una encuesta es una fuente de datos. Un mercado es un foro para integrar”.
Las encuestas recogen información puntual: intenciones declaradas, percepciones, respuestas a un cuestionario. Estos mercados, en cambio, compiten por combinar múltiples señales —encuestas, datos duros, experiencia, investigación, información informal— y traducirlas en una única estimación observable. En ese proceso, distintas interpretaciones entran en competencia y se corrigen entre sí a través del precio.
En términos de capacidad predictiva, Hanson sostiene que, manteniendo constante el esfuerzo y los recursos invertidos, los foros de integración tienden a superar a las fuentes aisladas. La ventaja de los mercados aparece cuando hay razones para dudar de respuestas honestas, cuando la información está dispersa o cuando los incentivos para ocultar preferencias son relevantes. Aun así, su desempeño no es uniforme. “Hay preguntas fáciles y preguntas difíciles”, señala Hanson. Y agrega: “Es más fácil predecir una elección el día antes que un año antes”.
Cuando el mercado “se equivoca”
Cada vez que un mercado de predicción falla en un evento de alto impacto, la crítica aparece de inmediato. Los casos citados por Hanson son la primera elección en la que participó el hoy presidente de Estados Unidos, Donald Trump, y el referéndum del “Brexit”, la salida del Reino Unido de la Unión Europea. En ambos episodios, el resultado final fue distinto al escenario más probable que reflejaban los precios, y eso suele presentarse como evidencia de un mal funcionamiento del mecanismo.
Para Hanson, esa lectura confunde probabilidad con certeza. En ambos casos, afirma, los mercados asignaban alrededor de un 15% de probabilidad de equivocarse; “cuando dices que hay una probabilidad de cinco o seis de acertar y una de seis de equivocarse, una de cada seis veces te vas a equivocar”. Que ocurra el escenario menos probable no implica que el mercado haya fallado, sino que se materializó una posibilidad que siempre estuvo explícita en el precio.
Los mercados de predicción, subraya, no prometen aciertos constantes, sino estimaciones calibradas. La evaluación relevante no es si aciertan siempre, sino si se equivocan con la frecuencia que anticipan.
En algunos casos, agrega Hanson, los errores más visibles conviven con aciertos menos evidentes. En la segunda elección presidencial de Trump, por ejemplo, los mercados incorporaron señales que muchas encuestas tradicionales no estaban captando. La diferencia no estuvo en una capacidad “mágica” del mercado, sino en el tipo de información que algunos participantes decidieron usar, señala. El economista estadounidense menciona el recurso a encuestas indirectas —preguntar a las personas a quién creen que votarán sus amigos o conocidos— como una forma de reducir sesgos cuando existe vergüenza o disimulo respecto a la preferencia propia.
“Cuando haces lo mejor que puedes, aún tendrás incertidumbre”, resume. Los mercados pueden reducir el error, pero no eliminarlo. Lo que sí hacen es dejar esa incertidumbre a la vista, cuantificada, en lugar de disimularla detrás de pronósticos categóricos.
Para Hanson, los errores visibles no son una anomalía exclusiva de los mercados de predicción, sino una característica común a todas las instituciones que intentan anticipar el futuro.
“Después del colapso financiero de 2008, mucha gente se preguntó por qué no había visto señales que otros sí habían notado”, recuerda. Ese ejercicio retrospectivo se repite en la academia, en el periodismo y en los mercados financieros. “La gente intenta prestar más atención a las señales que podrían haber informado casos anteriores”, dice.
La elección uruguaya en Polymarket
Ese funcionamiento también puede observarse en episodios de menor escala. En la elección nacional uruguaya de 2024, Polymarket abrió un mercado específico que permite seguir cómo el precio fue incorporando información a lo largo del proceso.
El mercado comenzó a operar el 11 de octubre de 2024. En su primer día, el contrato que apostaba a un triunfo de Yamandú Orsi cotizaba en torno al 76%, mientras que Álvaro Delgado aparecía con una probabilidad implícita de 35,5%. Más atrás se ubicaban Andrés Ojeda y Guido Manini Ríos, ambos con valores cercanos al 10%.
Con el avance de la campaña, esos precios se ajustaron. El 28 de octubre, el candidato frenteamplista concentraba una probabilidad implícita de 56,5%, frente a 36,4% para el postulante presidencial blanco. El 23 de noviembre, de cara al balotaje, la brecha volvió a ampliarse: Orsi subía a 69% y Delgado descendía a 31,9%. Hacia el cierre del mercado, el consenso se volvió casi total: los contratos a favor de Orsi llegaron a cotizar en torno al 99%.
En conjunto, se operaron más de US$ 1 millón. Ese volumen no representa intención de voto ni apoyo político, sino actividad de compraventa. Sin embargo, la trayectoria de los precios resulta ilustrativa: el mercado pasó de reflejar un escenario con incertidumbre relevante a uno de certeza casi absoluta pocas semanas antes de la elección.
Información incómoda
Para Hanson, el principal límite de los mercados de predicción no es técnico ni estadístico. Es social: tiene que ver con qué tipo de información estamos dispuestos a tolerar. “Hay cosas que la gente no quiere saber”, dice. No porque la información sea falsa, sino porque puede resultar disruptiva, incómoda o, incluso, antisocial.
“A menudo queremos ser hipócritas”, sostiene. Su argumento no es moral, sino funcional. Muchas instituciones operan apoyadas en ficciones útiles: se proclaman principios de igualdad o trato uniforme que, en la práctica, no se cumplen de manera estricta. Mientras esas diferencias permanezcan implícitas, el sistema funciona. Cuando se vuelven explícitas, generan fricción.
El economista ilustra esa lógica con el ejemplo de la financiación policial. Formalmente, todos los barrios cuentan igual y las leyes se aplican de manera uniforme. En la práctica, los recursos y las prioridades varían según la zona. Los mecanismos tradicionales permiten ocultar esa asimetría. Un sistema completamente transparente haría mucho más difícil sostener la ficción de igualdad. “Ese es un ejemplo de cómo apoyamos la hipocresía”, dice.
“Las mejores instituciones de información tienden a socavar esa hipocresía”, afirma Hanson. Los mercados de predicción pueden hacerlo cuando convierten tensiones latentes en probabilidades explícitas: cuando ponen un número —un precio— a escenarios que antes podían permanecer ambiguos.
Periodismo, mercados y regulación
La analogía con el periodismo tiene, para Hanson, implicancias directas en la forma en que se piensa la regulación de los mercados de predicción.
Una de las preocupaciones habituales es la participación de insiders, en particular funcionarios públicos con acceso a información sensible. Frente a eso, una respuesta frecuente es proponer restricciones. Hanson invierte el razonamiento: si se considera problemático que los mercados de predicción soliciten contribuciones de funcionarios del gobierno, sostiene, entonces el mismo criterio debería aplicarse al periodismo. En ambos casos, el mecanismo es similar: se recolecta información de individuos, se la agrega y se la distribuye a una audiencia.
La diferencia, sugiere, no está en la función informativa, sino en la legitimidad social acumulada. Durante siglos, recuerda, los gobiernos intentaron regular o controlar al periodismo precisamente porque podía contradecir versiones oficiales o revelar información que no querían hacer pública. Con el tiempo, los medios se consolidaron como instituciones legítimas, aun bajo tensión permanente con el poder político.
La novedad es que hoy esa incomodidad no proviene solo de los gobiernos. A medida que los mercados de predicción ganan visibilidad, también empiezan a incomodar a otros productores de información. En las últimas semanas, observa Hanson, proliferaron artículos que advierten sobre riesgos como manipulación, uso de información privilegiada o predicciones autorreforzadas.
El crecimiento de estos mercados volvió ese debate difícil de eludir. A mayor escala, mayor visibilidad. Y cuando una herramienta empieza a competir por definir qué se sabe —y con qué grado de incertidumbre—, la discusión deja de ser técnica y pasa a ser institucional.
Para Hanson, el futuro de los mercados de predicción no depende solo de su precisión, sino de algo más básico: que sigan siendo legales y puedan seguir experimentando. Si eso ocurre, podrían evolucionar hacia un modelo en el que el principal cliente no sea el trader, sino quien demanda información para tomar decisiones. “Existe la posibilidad de tener una nueva industria cuyo principal valor sea generar información para clientes dispuestos a pagar por ella”, dice.
