Voy a explicar cómo los mejores cuantitativos de Polymarket modelan el precio como una secuencia de estados para encontrar operaciones de alta probabilidad de forma consistente, y te daré el marco completo que puedes empezar a construir hoy mismo.
Vamos directo al grano →
Abre cualquier mercado y observa lo que hace tu cerebro. Ves "42¢", sientes algo demasiado barato, demasiado caro, más o menos correcto y esa sensación se convierte en un clic. Ese es el proceso de decisión completo para casi todos en la plataforma. Un número, una reacción visceral, una posición.
Ahora observa lo que hace un escritorio de trading con el mismo gráfico. No ven un número. Ven un precio que ha pasado las últimas seis semanas viviendo en ciertos rangos, rebotando en otros, ocasionalmente quedándose atascado cerca de un borde. Ven algo que se mueve con memoria de dónde está, pero no de dónde ha estado. Y tienen un nombre para los objetos que se comportan exactamente así, porque el mismo comportamiento aparece en los impagos de crédito, en las secuencias genéticas, en cómo los neutrones rebotan dentro del núcleo de un reactor, en el algoritmo que decidía qué página web importaba antes de que Google fuera un verbo.
Ese objeto es una Cadena de Markov. Es una de las herramientas más probadas en la probabilidad aplicada, y casi nadie en los mercados de predicción la está utilizando.
La multitud está ocupada respondiendo la pregunta equivocada. Quieren saber si esto se resolverá como SÍ. Eso es un cara o cruz disfrazado de opinión audaz. Los escritorios están respondiendo una pregunta mucho más útil: dado exactamente dónde está este precio ahora mismo, ¿cómo se ve el espectro completo de los próximos movimientos, y con qué frecuencia ocurre realmente cada uno? Responde eso con datos reales y la operación se dimensiona sola.
No necesitas un título en cuantitativos para hacer esto. Necesitas cinco pasos, unas pocas docenas de líneas de Python y la disciplina para confiar en el resultado por encima de tu instinto. Eso es todo el artículo.
Esto es lo que podrás hacer al terminar: leer un contrato como lo haría una máquina de estados en lugar de como lo hace un apostador; convertir el historial de precios en un mapa de transición que muestre cada movimiento que el mercado realmente hace; ejecutar diez mil resoluciones simuladas a partir de ese mapa en una fracción de segundo; ajustar esos resultados hacia la realidad usando 72,1 millones de operaciones como evidencia para que tu modelo deje de pagar de más por las apuestas de baja probabilidad; y evitar el hábito de ejecutar con un solo clic que silenciosamente entrega tu ventaja a otra persona antes de que el mercado siquiera se liquide.
Parte 1 - La idea central
Una Cadena de Markov modela un sistema que se mueve entre estados, donde la probabilidad del siguiente estado depende solo del estado actual, no de todo el historial.
En Polymarket, el "estado" es el precio del contrato.
Un contrato cotiza entre 0¢ y 100¢. En cualquier momento, el precio se encuentra en uno de esos estados. Hacia dónde se mueve después depende de dónde está ahora, no de dónde estaba hace tres semanas.
Esa única propiedad es lo que hace esto manejable. No necesitas modelar todo el historial de un mercado. Solo necesitas saber dos cosas: en qué estado está ahora, y con qué frecuencia históricamente se ha movido de ese estado a cualquier otro.
Esa segunda cosa (el mapa de cómo se mueven los precios entre estados) se llama la matriz de transición. Todo comienza allí.
Parte 2 - Paso 1: Construir la matriz de transición
La matriz de transición es el mapa de tu mercado. Te indica: desde cualquier precio dado, ¿cuál es la probabilidad de moverse a cualquier otro precio a continuación?
Así es como la construyes.
Primero, tomas el historial de precios de un mercado. Luego discretizas el precio en estados; para Polymarket, 10 estados funcionan bien [0-10¢, 10-20¢, ... 90-100¢]. Luego cuentas con qué frecuencia el precio se movió de cada estado a cualquier otro, y normalizas para que cada fila sume 1,0.
La clave: los mercados cerca de 50¢ tienen distribuciones de transición amplias (pueden moverse en cualquier dirección). Los mercados cerca de 5¢ o 95¢ tienen distribuciones estrechas (tienden a quedarse fijos en los extremos).
Esa asimetría es la base completa del sesgo de las apuestas de baja probabilidad, que explotaremos en el Paso 3.
Una regla crítica: cada estado en tu matriz debe estimarse a partir de al menos 20-30 transiciones observadas. Si un rango de precios solo se ha visitado dos veces, su fila es ruido. O recopilas más historial o fusionas los estados dispersos.
Parte 3 - Paso 2: Ejecutar simulación Monte Carlo
La matriz de transición te dice lo que sucede en un paso. Pero no te importa un paso. Te importa dónde termina el mercado en la resolución.
Así que simulas. Comienzas en el estado de precio actual. Avanzas a través de la matriz, un paso aleatorio a la vez, hasta el vencimiento. Luego repites eso 10,000 veces y cuentas cuántas trayectorias terminaron en territorio SÍ.
Esa fracción es tu probabilidad verdadera estimada:
Cada una de esas 10,000 trayectorias simuladas es un futuro posible. Algunas se disparan a 90¢ (se resuelve SÍ). Algunas se desploman a 5¢ (se resuelve NO). La fracción que aterriza en territorio SÍ es tu estimación de probabilidad, y 10,000 simulaciones se ejecutan en aproximadamente una décima de segundo.
Este es el mismo método que los físicos usaron para simular el comportamiento de los neutrones en los primeros reactores nucleares. No calculas analíticamente todos los futuros posibles. Muestreas miles de ellos y cuentas.
Parte 4 - Paso 3: Calibrar contra el sesgo de baja probabilidad
Aquí es donde se rompen los modelos de la mayoría de las personas.
Tu simulación Monte Carlo sobreestimará sistemáticamente la probabilidad de las apuestas de baja probabilidad. ¿Por qué? Porque la matriz de transición cruda no sabe que los contratos baratos están estructuralmente sobrevalorados por la multitud.
Sabemos que lo están gracias a los datos.
En 2026, el investigador Jonathan Becker analizó 72,1 millones de operaciones en 18 260 millones de dólares en volumen. El estudio empírico más grande sobre la microestructura de los mercados de predicción jamás publicado. Los hallazgos son brutales y consistentes:
Un contrato con precio de 5¢ debería ganar el 5% de las veces. En realidad gana el 4,18%. Un contrato con precio de 1¢ debería ganar el 1% de las veces. En realidad gana el 0,43%.
Por cada dólar que pones en contratos de 1¢ como tomador, recuperas 43 centavos. Eso es peor que una máquina tragamonedas, que devuelve unos 90 centavos por dólar.
Así que antes de actuar según el resultado de tu Monte Carlo, lo calibras contra este sesgo conocido:
Hay un segundo hallazgo que vale la pena grabar en tu memoria. Becker descubrió que NO supera a SÍ en 69 de 99 niveles de precio. Los tomadores compran SÍ de manera desproporcionada: apuestan por su equipo, su candidato, su cartera. Esa demanda infla los precios de SÍ y deprime los precios de NO.
La regla: si debes operar como tomador por debajo de 30¢, compra NO en lugar de SÍ. No estás luchando contra el sesgo, lo estás aprovechando.
Parte 5 - Paso 4: Dimensionar con Kelly
Tienes una probabilidad calibrada. El mercado tiene un precio. Hay una ventaja. Ahora: ¿cuánto apuestas?
La respuesta incorrecta es "mucho, porque tengo confianza". Así es como los traders con una ventaja genuina aún terminan en la ruina: sobredimensionan, tienen una racha perdedora y nunca se recuperan.
La respuesta correcta es el Criterio de Kelly, que te da el tamaño de apuesta matemáticamente óptimo para cualquier ventaja.
Kelly hace algo que ninguna sensación visceral puede: escala tu apuesta automáticamente con tu ventaja. Ventaja pequeña, apuesta pequeña. Ventaja enorme, apuesta grande, pero nunca lo suficientemente grande como para eliminarte en una mala racha.
Usa un cuarto de Kelly (0,25×). Kelly completo maximiza el crecimiento a largo plazo en teoría, pero las reducciones son psicológicamente insoportables y un solo error de estimación puede ser catastrófico. Todos los profesionales usan fracciones.
Parte 6 - Paso 5: Ejecutar con órdenes límite
Puedes tener un modelo perfecto y aún así perder dinero en la ejecución. Este es el paso que los traders minoristas saltan, y vale más que el propio modelo.
Los datos de Becker sobre los 72,1 millones de operaciones encontraron el hecho de ejecución más importante en los mercados de predicción:
Los creadores (órdenes límite) ganan +1,12% por operación. Los tomadores (órdenes de mercado) pierden −1,12% por operación.
Eso es un diferencial de 2,24 puntos porcentuales, y es estadísticamente sólido en todo el conjunto de datos.
Esta es la parte que la gente pasa por alto: los creadores no ganan porque predicen mejor. Los creadores que compran SÍ ganan +0,77%. Los creadores que compran NO ganan +1,25%. Ganan porque proporcionan liquidez a personas que sistemáticamente pagan de más para ejecutarse al instante.
Cada orden de mercado que colocas paga lo que Becker llama el "Impuesto al Optimismo". Tu Monte Carlo puede gritar COMPRA, pero si cruzas el diferencial con una orden de mercado, has devuelto tu ventaja antes de que la operación siquiera comience.
La categoría también importa. Becker descubrió que la brecha creador-tomador varía 40 veces según la categoría. Los mercados financieros son casi eficientes (brecha de 0,17 pp) están llenos de analistas macro que piensan en probabilidades. Los mercados de entretenimiento y eventos mundiales tienen brechas de 4,79-7,32 pp están llenos de fanáticos y apostadores narrativos que pagan de más por SÍ.
Si estás ejecutando una estrategia de creador, apunta a Deportes, Cripto y Entretenimiento, donde el Impuesto al Optimismo es más jugoso.
Parte 7 - El sistema completo
Aquí está todo ensamblado en una sola tubería. El historial de precios entra. Una decisión de trading completa (dirección, tamaño e instrucción de ejecución) sale.
Ese es el marco completo. Cinco pasos, una clase, completamente ejecutable. Aliméntalo con el historial de precios de un mercado y su precio actual, y devuelve una decisión de trading calibrada, correctamente dimensionada y correctamente ejecutada, o te dice que pases.
El sistema de 5 pasos, resumido
- Construye el modelo de Markov. Toma de 30 a 60 días de historial de precios. Discretiza en 10 estados. Calcula la matriz de transición. Esto captura cómo se mueve realmente el mercado, no cómo crees que se mueve.
- Ejecuta Monte Carlo. Comienza desde el estado actual. Realiza 10 000 caminatas aleatorias a través de la matriz. La fracción que termina en territorio SÍ es tu estimación de probabilidad bruta.
- Calibra contra el sesgo. Aplica la corrección empírica de Becker. Un 5% bruto se convierte en un 4,18% real. Saltarse este paso es por qué la mayoría de los modelos caseros pierden dinero.
- Dimensiona con un cuarto de Kelly. Nunca apuestes más de lo que las matemáticas permiten. Kelly completo es óptimo en teoría y ruinoso en la práctica. Un cuarto de Kelly sobrevive.
- Ejecuta con órdenes límite. Creador = +1,12%. Tomador = −1,12%. Este diferencial de 2,24 pp vale más que tu modelo. Nunca cruces el diferencial a menos que tu ventaja sea enorme y el tiempo sea crítico.
Conclusión - Qué hacer a continuación
Este marco es completamente implementable en un fin de semana. La matriz de transición son una docena de líneas de Python. Monte Carlo es una décima de segundo. La tabla de calibración está justo aquí en este artículo, extraída de 72,1 millones de operaciones reales.
Pero un backtest no es trading en vivo. Antes de arriesgar un dólar, haz tres cosas:
Primero, pruébalo con walk-forward. Vuelve a estimar la matriz de transición en cada paso usando solo los datos disponibles en ese momento. Nunca dejes que los precios futuros se filtren en estimaciones pasadas. Un modelo que parece brillante con sesgo de prospectiva te desangrará silenciosamente en vivo.
Segundo, comienza con operaciones en papel. Ejecuta el sistema completo en mercados en vivo sin dinero real durante dos semanas. Compara sus probabilidades calibradas con las resoluciones reales. Si está bien calibrado, las predicciones del 55% deberían resolverse como SÍ aproximadamente el 55% de las veces.
Tercero, respeta los supuestos. La propiedad de Markov es una aproximación; los mercados a veces tienen memoria más larga que un solo paso. Las probabilidades de transición se desvían con el tiempo, así que vuelve a estimar con una ventana móvil. Y nunca confíes en una celda de la matriz construida con menos de 20-30 transiciones.
La Cadena de Markov no predice el futuro. Hace algo más útil: cuantifica la probabilidad de cada futuro posible dado dónde estás ahora, y te dice precisamente cuándo el mercado ha valorado mal esa probabilidad.
Esa es toda la ventaja. La multitud observa el precio. Tú observas la estructura subyacente.
¡Ahora ve a construirla!
