El Oráculo Algorítmico: Creación de Mercado en Plataformas de Predicción (Polymarket) (MTF)

Abstract

Este trabajo adapta el modelo de creación de mercado de Avellaneda-Stoikov a los mercados de predicción binarios de Polymarket. No se trata de predecir el resultado de cada evento, sino de ver si una política sistemática de cotización puede capturar el spread bid-ask sin convertirse en una apuesta direccional encubierta. El modelo propuesto cambia la formulación original para operar con precios acotados entre [0,1], reemplaza la volatilidad histórica por la varianza de Bernoulli, normaliza el inventario y añade una penalización de riesgo terminal para contratos que resuelven exactamente en 0 o en 1. También se contrasta una señal teórica leve, basada en Black-Scholes, como referencia. La estrategia se evalúa mediante un backtesting en 146 mercados cerrados de Polymarket vinculados a criptoactivos, divididos cronológicamente en 116 mercados de desarrollo y 30 de test. En test, el market maker puro obtiene un PnL medio de 155,37 USDC por mercado, mientras que la configuración con una pequeña señal teórica (α = 0,05) alcanza 174,28 USDC. Los resultados indican viabilidad económica bajo las hipótesis de ejecución del backtest; la mayor parte del beneficio proviene de la captura de spread, la actividad bid y ask se mantiene casi equilibrada, y la rentabilidad persiste fuera del conjunto de calibración. La principal debilidad es la sensibilidad a cola. El criterio final de degradación train-test no se cumple del todo en términos de Score, principalmente porque el CVaR en una muestra de test reducida se condiciona por pocos mercados extremos. Así que, el modelo debe verse como una propuesta abierta con validación histórica favorable, no como una demostración cerrada de operativa real.

This paper adapts the Avellaneda-Stoikov market-making model to binary prediction markets traded on Polymarket. The aim is not to predict the outcome of each event, but to see whether a systematic pricing policy can capture the bid-ask spread without becoming a disguised directional bet. The proposed model modifies the original formulation to operate with prices bounded between [0,1], replaces historical volatility with Bernoulli variance, normalises the inventory and adds a terminal risk penalty for contracts that settle exactly at 0 or 1. A weak theoretical signal, based on Black-Scholes, is also tested for comparison. The strategy is evaluated through backtesting on 146 closed Polymarket markets linked to crypto-assets, divided chronologically into 116 development markets and 30 test markets. In the test phase, the pure market maker achieves an average PnL of 155.37 USDC per market, whilst the configuration with a small theoretical signal (α = 0.05) reaches 174.28 USDC. The results indicate economic viability under the backtest execution assumptions; most of the profit comes from spread capture, bid and ask activity remains almost balanced, and profitability persists outside the calibration set. The main weakness is tail sensitivity. The final train-test degradation criterion is not fully met in terms of Score, mainly because the CVaR in a small test sample is influenced by a few extreme market events. Therefore, the model should be viewed as an open proposal with favourable historical validation, rather than as a definitive demonstration of real-world trading.