Las "trampas" del mercado de predicciones: por qué siempre pierdes con tus combinaciones

Autor: Terry Lee

Título original: Por qué los mercados de predicción están malvalorando los parlays – el punto ciego de la correlación

Traducción y organización: BitpushNews

Introducción

En plataformas como Polymarket, la mayoría de las personas (incluyéndome a mí en algún momento) suelen valorar los “parlays” (combinaciones de múltiples eventos) simplemente multiplicando las probabilidades de cada evento individual.

Por ejemplo:

• La probabilidad de que ocurra el evento A P(A) = 80%
• La probabilidad de que ocurra el evento B P(B) = 70%
• La probabilidad de que ocurra el evento C P© = 60%

Entonces, la probabilidad total del parlay = 80% × 70% × 60% = 33.6%

(Nota: Parlays es un término en apuestas y finanzas, en español generalmente llamado “串关” o “over/under”). Definición: Agrupar dos o más apuestas independientes. Regla: Solo ganas si todas las predicciones son correctas. Si alguna falla, pierdes toda la apuesta.

Suena sencillo, ¿verdad?

El problema no está en el cálculo matemático, sino en las suposiciones ocultas.

La premisa de multiplicar estas probabilidades asume que cada evento es independiente. Es decir, que el resultado de A no afecta a B. Pero en la realidad, esto no siempre es así.

Por ejemplo:

1. La decisión de la Reserva Federal en una reunión puede influir significativamente en la siguiente.
2. Que un candidato presidencial gane en los estados del “Rust Belt” puede indicar su probabilidad de ganar en Pensilvania, afectando la victoria en toda la elección.

En la práctica, la mayoría de los eventos relevantes para los “parlays” están correlacionados. Ignorar estas correlaciones puede hacer que pagues demasiado por una apuesta o que pierdas oportunidades de ganar dinero.

Este artículo presenta un marco sencillo para entender cómo, al igual que en la valoración de opciones multi-leg en finanzas tradicionales, se puede hacer una valoración más científica de los parlays.

¿Por qué existen errores en la valoración?

Desde mi perspectiva, la mayoría de las herramientas de mercados predictivos se enfocan en la “ejecución” y no en el análisis de “correlaciones”. Además, estos mercados aún están en desarrollo. Aunque los parlays son comunes en apuestas deportivas, en eventos sociales/económicos, debido a que el mercado todavía está en fase inicial, los mecanismos de valoración no están completamente desarrollados.

Estudio de caso: Decisión de tasas de la Reserva Federal

(Imagen 1: La Fed tiende a repetir acciones, en el 83% de los casos, si mantiene tasas, volverá a mantener)

Usando datos del FRED de la Reserva Federal de St. Louis (desde 1994 hasta principios de 2026), construí una matriz de transición (Transition Matrix) que captura los cambios en las decisiones de la Fed entre reuniones consecutivas.

Los resultados son claros:

• Mantener -> Mantener: probabilidad 83.1%
• Reducir tasas -> Reducir tasas: probabilidad 69.2%
• Aumentar tasas -> Aumentar tasas: probabilidad 62.5%

Claramente, la Fed muestra “coherencia”. Como una institución que depende de datos y con visión a futuro, tiende a repetir acciones hasta que ocurre un “cambio de régimen” (Regime Shift).

¿Qué tan fuerte es esta “coherencia”?

Para medir esto, construí un modelo que identifica las tendencias de decisiones consecutivas en la historia (es decir, ciclos continuos de mantener, reducir o subir tasas).

Los resultados:

• Mantener tasas: 32 ciclos, duración media de 5.4 reuniones.
• Reducir tasas: 12 ciclos, duración media de 3.3 reuniones.

Luego, simulé 1000 “universos paralelos” de decisiones de la Fed, asumiendo que cada reunión es independiente (como lanzar una moneda). Basado en datos históricos, establecí probabilidades de 66% para mantener, 15% para reducir y 19% para subir, sin correlación entre decisiones.

(Imagen 2: La coherencia real de la Fed es 2-3 veces mayor que la aleatoria)

Bajo esta hipótesis de independencia, la duración media de los ciclos sería:

• Mantener: 2.9 reuniones
• Reducir: 1.2 reuniones
• Subir: 1.2 reuniones

Comparando con la historia real:

• Mantener: 5.4 vs 2.9 (1.9 veces más)
• Reducir: 3.3 vs 1.2 (2.8 veces más)
• Subir: 2.6 vs 1.2 (2.1 veces más)

Nótese que la coherencia en reducir tasas es casi 3 veces superior a la aleatoriedad. La razón: cuando la Fed empieza a reducir, suele ser para responder a una economía en deterioro sostenido, un problema que no se resuelve en una sola reunión. Si reducen tasas, evalúan datos, y si siguen siendo malos, probablemente volverán a reducir.

El cálculo simple multiplicando probabilidades para parlays ignora estas correlaciones. La realidad muestra una coherencia 2-3 veces mayor que el modelo independiente.

¿Qué pasa después de dos reuniones consecutivas?

Solo analizar la última reunión no basta. Para valorar “triple parlays” (tres eventos), hay que considerar las probabilidades condicionales basadas en los resultados de las dos reuniones anteriores.

El análisis se divide en dos partes:

Continuar en la misma dirección

(Imagen 3: Tras dos acciones iguales, la tercera casi siempre sigue la misma)

De la figura 3, se observa claramente que, cuando la Fed repite la misma acción dos veces, la probabilidad de que la tercera también sea la misma es abrumadora:

• Dos veces mantener -> tercera mantener: 87%
• Dos veces subir -> tercera subir: 84%
• Dos veces bajar -> tercera bajar: 68% (más débil)

Es importante notar que en la matriz, las celdas con 0% indican que la Fed nunca ha cambiado abruptamente en esas secuencias: nunca ha pasado de subir a bajar o viceversa tras dos acciones consecutivas. Siempre pasa por una fase de “pausa” (mantener). Reconocer esto ayuda a descartar combinaciones “infantiles” que, aunque algunos modelos ingenuos consideran valiosas, en realidad no lo son.

Después de un cambio de régimen

(Imagen 4: Tras un cambio de régimen, las probabilidades varían mucho)

Este es la parte más interesante para los traders. No todos los cambios de dirección tienen la misma probabilidad:

• Mantener -> Reducir -> Reducir: 75%. Una vez que la Fed empieza a bajar, la probabilidad de seguir bajando es muy alta.
• Reducir -> Mantener -> Mantener: 100%. En la historia reciente, tras una pausa en recortes, la Fed nunca ha vuelto inmediatamente a recortar.
• Mantener -> Aumentar -> Mantener: 79%. La primera subida tras mantener suele ser de prueba, para evaluar efectos.
• Aumentar -> Mantener -> Aumentar o Mantener: 60% y 40%. La pausa en subidas tiene incertidumbre real.

Esta asimetría es la clave. La combinación “Mantener -> Reducir -> Reducir” tiene un valor mucho mayor que el precio simple calculado por multiplicación. En cambio, “Reducir -> Mantener -> Reducir” en la historia tiene casi valor cero. Solo el orden cambia, y su valor real difiere mucho. Los modelos ingenuos independientes no capturan esto.

¿Qué implica la valoración global?

No debemos usar simplemente probabilidades medias, sino las probabilidades condicionales observadas en la historia.

Por ejemplo, para “Mantener – Mantener – Mantener”:

• Modelo inicial: usando la probabilidad total (67%), cálculo: 67% × 67% × 67% = 30.1%
• Modelo corregido: usando probabilidades condicionales: 67% (primer) × 83% (segundo|primero) × 87% (tercero|los dos anteriores) = 48.4%

(Imagen 5: Las combinaciones en la misma dirección están sistemáticamente subvaloradas, las que involucran cambios de dirección, sobrevaloradas)

Detección en tiempo real del mercado

Tomando datos de Polymarket:

(Imagen 6: Comparación entre las probabilidades implícitas en las cuotas y las probabilidades reales)

Primera combinación: mantener – mantener – mantener (subvalorada)

• Valor inicial: 93% (marzo) × 75% (abril) × 38% (junio) ≈ 26%
• Valor condicional: 87% × 87% × 87% ≈ 65.8%
• Conclusión: el mercado subvaloró en aproximadamente 39 puntos porcentuales.

Segunda combinación: mantener – mantener – reducir (sobrevalorada)

• Valor inicial: 93% × 75% × 49% = 34.2%
• Valor condicional: 87% × 87% × 8.5% = 6.4%
• Conclusión: el mercado estima en 34%, pero la probabilidad real es solo 6.4%. Sobrevaloración por más de 5 veces.

¿Se puede ganar dinero con esto?

Realicé una prueba sencilla. Desde 1994, cada vez que una pareja o trío de reuniones de la Fed estuvo subvalorada (el precio del mercado era menor que la valoración condicional), aposté 100 dólares.

(Imagen 7: Ejemplo de ganancias acumuladas en parlays de dos eventos)

(Imagen 8: Ejemplo de ganancias acumuladas en parlays de tres eventos)

Desde 1994, apostar 100 dólares en cada par o trío subvalorado habría generado:

• Más de 169,000 dólares en parlays de dos eventos
• Más de 1,000,000 de dólares en parlays de tres eventos

Las grandes subidas en ganancias corresponden a los ciclos de flexibilización en 2001, 2008, 2020 y 2024-2025. En estos periodos, las acciones repetidas de la Fed se dieron en ciclos consecutivos, mientras que los modelos iniciales subestimaron esa coherencia.

La forma escalonada de la curva indica que el dinero se gana en los ciclos de acción sostenida de la Fed. Sin embargo, la limitación es que en los años 90 y 2000 no existían mercados predictivos tan desarrollados para aprovechar estas oportunidades.

¿Y qué más se puede aplicar además de la Fed?

El ejemplo de la Fed es clásico, por la abundancia de datos y fuerte correlación. Pero el marco también funciona para cualquier evento correlacionado:

1. Primarias presidenciales: si un candidato gana en un estado, su probabilidad de ganar en estados similares cambia.
2. Criptomonedas y acciones de crecimiento/macro: la tendencia de Bitcoin está relacionada con el apetito de riesgo macro. Apostar a “Bitcoin por encima de X y Nasdaq por encima de Y” tiene un valor superior a la multiplicación de probabilidades independientes, porque comparten factores comunes.

En cualquier caso, el método consiste en: analizar datos históricos, medir las conexiones reales entre eventos, usar mejores datos en lugar de promedios ingenuos, y comparar con los precios del mercado.

Conclusión

Los mercados predictivos aún están en etapa inicial. La mayoría de los inversores minoristas siguen valorando los parlays con el método simple de multiplicar probabilidades, sin tener en cuenta las correlaciones.

Este marco requiere conocimiento del contexto, pero en esencia plantea una única pregunta: ¿el resultado del primer evento puede dar información sobre el siguiente? Si la respuesta es sí, entonces los precios ingenuos de los parlays están equivocados, y los datos históricos te dirán cuánto.

El estudio de la Fed demuestra que esta ventaja existe y puede medirse. Pero el principio es universal. En cualquier lugar donde se valoren eventos relacionados como independientes, puede haber oportunidades no descubiertas.

El único problema es si eres capaz de verlo y actuar en consecuencia.