El ex presidente de la Reserva Federal, Alan Greenspan, llega al edificio de la Reserva Federal en Washington DC. La reserva federal estaba votando si debía aumentar las tasas de interés. Muchos operadores analizarían el tamaño del maletín de Greenspan como un indicador de si la Reserva Federal subiría o bajaría las tasas.
Imágenes falsas
Los mercados de predicciones como Kalshi y Polymarket son, en efecto, el sustituto moderno de mirar el maletín de Alan Greenspan, pero con señales reales en lugar de folklore. En la década de 1990 y principios de la de 2000, CNBC popularizó el “indicador de maletín”, enfocando con cámaras la entrada de Greenspan al FOMC con la teoría de que un maletín abultado significaba que estaba armado con pruebas para presionar por un aumento de tasas, mientras que uno delgado sugería que era probable que hubiera pocos cambios en la política. La nueva investigación sobre los macromercados de Kalshi y los contratos de ganancias de Polymarket muestra hasta dónde ha llegado el conjunto de herramientas de vigilancia de la Reserva Federal: en lugar de inferir la política a partir del grosor de un estuche de cuero, los formuladores de políticas y los inversionistas ahora pueden leer probabilidades en dinero real continuamente actualizadas sobre todo, desde el IPC hasta el próximo movimiento de las tasas de interés, a menudo igualando o superando las encuestas y los futuros en precisión.
Kalshi: Previsiones macroeconómicas para la Reserva Federal
La semana pasada se publicó un documento preliminar del personal de la Serie de debates sobre finanzas y economía (FEDS), titulado «Kalshi y el auge de los macromercados», escrito por Anthony M. Diercks, Jared Dean Katz y Jonathan H. Wright. Si bien es cauto al explicar que el documento no refleja las opiniones de la propia Reserva Federal, la investigación proporciona una evaluación rigurosa de Kalshi, una plataforma de predicción regulada por la CFTC. El estudio analiza los contratos de Kalshi sobre indicadores macroeconómicos clave, incluido el índice de precios al consumidor (IPC), las nóminas no agrícolas, las tasas de desempleo, el crecimiento del PIB y, por supuesto, las decisiones sobre tasas de la Reserva Federal. Utilizando datos desde 2022 en adelante, compara las probabilidades y distribuciones implícitas de Kalshi con puntos de referencia como encuestas de Bloomberg, pronósticos de Blue Chip y futuros de fondos de la Reserva Federal.
Los resultados clave muestran que Kalshi iguala o supera a estos en métricas como la precisión del IPC y las predicciones de tasas de la Fed, con un historial perfecto en el resultado de tasas más probable antes de las reuniones del Comité Federal de Mercado Abierto (FOMC). En una era de volatilidad económica, los mercados 24 horas al día, 7 días a la semana de Kalshi proporcionan datos de alta frecuencia y ricos en distribución que no se encuentran en las encuestas estáticas. Para la Reserva Federal, esto podría significar mejores herramientas para medir las expectativas de inflación o los impactos de las políticas, lo que podría informar decisiones que afectan a millones de personas. Como señala Koleman Strumpf, profesor de la Universidad Wake Forest y estudioso de los mercados de predicción: “…cuando leo el artículo, son [Kalshi] haciendo un mejor trabajo en general que las encuestas, y definitivamente tienen esta ventaja. Están 24 horas al día, 7 días a la semana, siempre reaccionan. Cada vez que sale la noticia, reaccionan”.
Eric W. Zitzewitz, profesor de economía en la Universidad de Dartmouth, coautor de Prediction Markets, publicado en 2004, dijo: «Éste es un artículo cuidadoso y minuciosamente elaborado. Aún es temprano para estos mercados, por lo que aún no hay datos suficientes para preguntar si Kalshi es un mejor predictor que un pronóstico basado en encuestas o los futuros de fondos de la Reserva Federal. Dicho esto, parecen coincidir con las predicciones de los métodos establecidos cuando ambos existen, y Kalshi parece producir predicciones adicionales que pueden ser útil para los responsables políticos”.
Zitzewitz destacó la similitud de Kalshi con la forma en que Goldman Sachs y Deutsche Bank permitieron subastas mutuas sobre eventos económicos marco allá por 2002, citando un documento que cubre esta forma temprana de predicción de mercados. Las predicciones de eventos o resultados incluyeron publicaciones económicas estadounidenses como nóminas, PIB, ventas minoristas y confianza empresarial. Si bien esta plataforma finalmente cerró en 2005, fue pionera en las macroapuestas con dinero real, lo que potencialmente muestra cómo la sabiduría colectiva podría cubrir los riesgos económicos.
Polymarket: Expectativas de ganancias en Wall Street
Otro artículo reciente publicado en diciembre pasado titulado “Mercados de predicción financiera: una nueva medida de las expectativas de ganancias” cubre cómo se predicen las ganancias corporativas en Polymarket. Polymarket utiliza contratos basados en criptomonedas para anuncios de ganancias corporativas.
El estudio encontró que la plataforma es menos sesgada y más precisa que el consenso de los analistas, incorporando rápidamente señales de precios de acciones. A pesar de las limitaciones de la muestra, demuestra la ventaja de los mercados de predicción en las predicciones microeconómicas. Para Wall Street, esto indica un cambio de informes de analistas opacos a apuestas transparentes e incentivadas. Los mercados de ganancias de Polymarket podrían perfeccionar las estrategias de inversión, reducir las sorpresas y mejorar la eficiencia. «Su muestra también es pequeña dada la novedad de los mercados, pero los resultados parecen igualmente prometedores», afirmó Zizewitz.
Dado que tanto Kalshi como Polymarket, entre otros contendientes, ven que la industria de los mercados de predicción continúa creciendo tanto en tamaño como en interés público, estos artículos académicos apuntan a una gran posibilidad del valor que esta información podría tener tanto en Washington DC como en Wall Street.
El autor no tiene ningún interés financiero en Kalshi, Polymarket ni en ninguna otra plataforma de mercados de predicción.
