¿La industria de los seguros se enfrenta a su mayor competidor? ¿Son los mercados de predicción los "bárbaros a las puertas"?

marsbitPublicado a 2026-06-22Actualizado a 2026-06-22

Resumen

El sector asegurador, tradicionalmente un pilar estable de la economía, podría enfrentar un cambio disruptivo con el auge de los mercados de predicción. Plataformas como Kalshi y Polymarket están demostrando su utilidad para la cobertura de riesgos, invadiendo progresivamente dominios tradicionales de las aseguradoras. Ejemplos concretos ilustran esta tendencia: Kalshi se asoció con Game Point Capital para ofrecer cobertura más barata y transparente sobre bonos por desempeño deportivo en la NBA. Polymarket, en colaboración con Parcl, permite apostar sobre índices de precios de la vivienda, funcionando como una herramienta de cobertura para propietarios o compradores. Un bar de Nueva York usó Kalshi para cubrir el costo de una promoción de bebidas gratuitas vinculada al resultado de un partido de baloncesto, mostrando el potencial para pequeñas empresas. El valor de estos mercados reside en su transparencia, liquidez y el rol neutral de la plataforma, a diferencia de las apuestas deportivas tradicionales. Transforman la información en un activo negociable y permiten una gestión de riesgos más flexible y accesible. Aunque enfrentan desafíos como la liquidez insuficiente y la incertidumbre regulatoria, estos ejemplos marcan un primer paso significativo. Los mercados de predicción se presentan no solo como una alternativa a las casas de apuestas, sino como un competidor emergente para segmentos clave del negocio tradicional de seguros.

Original|Odaily Planet Daily(@OdailyChina)

Autor|Wenser(@wenser2010 )

Siempre, la industria de los seguros ha ocupado una posición de "lastre" en el sistema económico con su actitud monopolística. Sin embargo, con la aparición de los mercados de predicción, esta situación podría cambiar.

A principios de junio, la final de la NBA llegó a su fin. Los Knicks finalmente vencieron a los Spurs con un marcador de 4-1, ganando el campeonato y provocando alegría o tristeza en innumerables personas que participaron en las quinielas del partido. Y si hablamos de las personas más felices, quizás Andy Freedman, el dueño del bar The Jeffrey en el Upper East Side de Nueva York, sea una de ellas. Antes del inicio del partido, lanzó una campaña de marketing con la premisa de "si los Knicks ganan el primer partido (G1), los clientes beberán gratis esa noche", y al mismo tiempo invirtió 5,000 dólares en la plataforma de mercados de predicción Kalshi para cubrir el riesgo. Finalmente, los Knicks ganaron el primer partido, y The Jeffrey utilizó las ganancias de la predicción para cubrir el gasto en bebidas, mientras que los clientes del bar disfrutaron de bebidas gratis. La historia terminó con un final "ganar-ganar-ganar".

Este es solo un ejemplo de cómo las plataformas de mercados de predicción están desempeñando un papel en la cobertura de riesgos y los seguros patrimoniales. En un momento en que la Copa del Mundo ha atraído cientos de miles de millones de dólares en participación, la industria de seguros del mundo real también se enfrenta a un "bárbaro a las puertas".

¿Se puede "comprar un seguro" en una plataforma de mercados de predicción? ¿Lo crees?

Sí, no has leído mal. En cierto modo, plataformas de mercados de predicción como Kalshi y Polymarket ya han comenzado a invadir el territorio de las aseguradoras, no solo en marketing convencional, sino también en seguros deportivos, desastres meteorológicos, etc.

Cuando los mercados de predicción le quitan clientes a los seguros deportivos: Kalshi se asocia con Game Point Capital

En febrero de este año, el corredor de seguros deportivos especializado Game Point Capital anunció una asociación con Kalshi, donde esta última proporcionaría cobertura para bonificaciones por rendimiento de equipos de la NBA (como bonificaciones por clasificación a los playoffs).

Como una empresa profesional que emite cientos de millones de dólares en seguros deportivos anualmente, el cambio de Game Point Capital claramente no es para adaptarse al desarrollo de la industria de los mercados de predicción, sino una consideración integral basada en negocios, costos, etc.

Desde la perspectiva de la demanda del mercado, el seguro deportivo siempre ha existido. Se entiende que, dado que los bonos por ganar el campeonato generalmente los pagan los equipos mismos, estos suelen comprar seguros por adelantado para cubrir este gasto. Debido a las grandes cantidades, los equipos solían elegir aseguradoras tradicionales para obtener soporte, como Lloyd's, Munich, Swiss, etc.

Desde la perspectiva de los costos del seguro, las plataformas de mercados de predicción ofrecen precios más ventajosos. Se informa que los precios que ofrece Kalshi son significativamente más bajos que los del mercado tradicional extrabursátil (por ejemplo, 6% vs 12-13% tradicional para cubrir cierta bonificación). Se espera que esta plataforma pueda procesar decenas de millones de dólares en fondos de cobertura a través de esta asociación. Este es un ejemplo directo de la entrada de los mercados de predicción en los campos tradicionales de seguros y reaseguros. El CEO de Kalshi, Tarek Mansour, lo describió como "una mejor manera de cubrir riesgos y asegurarse", y enfatizó que "el método de fijación de precios será más transparente".

Cuando los mercados de predicción se convierten en una "herramienta de cobertura del precio de la vivienda": Polymarket se une a Parcl para iniciar un "nuevo modelo de especulación inmobiliaria"

En enero de este año, la plataforma de bienes raíces en cadena Parcl anunció una asociación con Polymarket, introduciendo el índice diario de precios de la vivienda de Parcl en el nuevo mercado de predicción inmobiliaria de Polymarket. Los primeros mercados se centrarán en ciudades importantes de EE. UU. (Nueva York, Los Ángeles, Miami, Austin, etc.). Los usuarios podrán predecir el aumento, la caída o el umbral del índice de precios de la vivienda en ciudades específicas en períodos mensuales, trimestrales o anuales.

La noticia hizo que el token PRCL del proyecto Parcl subiera más del 100% ese mismo día. Y para los estadounidenses que no pueden comprar una casa debido a los altos precios, ahora pueden participar en el "comercio" de viviendas sin necesidad de comprar una propiedad real. Joel Berner, economista senior de Realtor, opinó: "Además de especular con los precios de la vivienda, los propietarios y los compradores potenciales pueden usar estos mercados para proteger sus intereses en el mercado".

Para el vendedor, si le preocupa que bajen los precios de la vivienda, puede comprar "baja" (Under) en Polymarket; si luego los precios realmente bajan, las ganancias relacionadas pueden compensar parcialmente las pérdidas reales de la propiedad, teniendo un efecto de seguro. Para el comprador, es decir, aquellos que planean comprar una casa, si les preocupa que los precios suban, pueden predecir "subida" (Over), y las ganancias correspondientes también pueden usarse para cubrir el costo de la compra.

Cuando el partido de la NBA se vincula con bebidas gratis: el marketing cruzado entre un bar de Nueva York y Kalshi

A principios de junio, Kalshi anunció oficialmente que el bar neoyorquino The Jeffrey había invertido 5,000 dólares prediciendo que "los Knicks ganarían el partido G1", y lanzó el lema: "Si los New York Knicks ganan, la cuenta de todos los clientes será pagada por el bar". Es de notar que en el comunicado oficial de Kalshi se usó la expresión "place a $5,000 hedge on Kalshi" (Nota de Odaily Planet Daily: asegurar 5,000 dólares), enfatizando el valor de seguro del mercado de predicciones.

En este comunicado de prensa oficial, Kalshi también mostró una ambición mayor: convertirse en un "proveedor de seguros para pequeñas empresas", ofreciendo servicios de predicción de eventos deportivos, condiciones climáticas y cambios en políticas de importación/exportación a hoteles y alojamientos afectados por temporadas bajas/altas debido a eventos deportivos, tiendas de ropa cuyo flujo de clientes varía con el clima, restaurantes y otros establecimientos comerciales, así como pequeñas empresas que dependen de productos importados, logrando así una cobertura de seguro.

Nicolas Hull, responsable comercial de Kalshi, opinó: "Las pequeñas empresas enfrentan riesgos reales todos los días: problemas climáticos, políticos, deportivos, económicos, etc. Los métodos de seguro tradicionales son caros e ineficientes, incapaces de responder efectivamente a este tipo de riesgos operativos. Kalshi cambia esto: ofrecemos una plataforma de mercado líquida y transparente que permite a cualquier empresa tomar medidas contra los riesgos que afectan sus resultados operativos. Esto marca un cambio fundamental en la forma en que las pequeñas empresas manejan el riesgo."

Numerosos casos muestran que el valor de seguro de los mercados de predicción puede aplicarse ampliamente en múltiples campos, y no se limita solo a eventos deportivos, marketing de marca, etc. Y en casos de aplicación real, las apuestas deportivas tradicionales ya han tenido casos de éxito.

Vino nuevo en odre viejo, pero el odre nuevo es mejor: el valor de seguro de los mercados de predicción radica en la transparencia y la liquidez

En 2018, la marca de electrodomésticos Vantage lanzó una campaña de marketing ruidosa con el gancho de "devolución total si Francia gana el Mundial", que finalmente terminó en un fiasco con "tiempo limitado, procesos engorrosos, cupones en lugar de efectivo", pero dejó una impresión profunda en muchos sobre el "marketing de gratuidad".

No es casualidad que alguien ya haya jugado así antes.

En 2017, el magnate de la industria del mueble de Houston, Jim McIngvale (apodado "Mattress Mack"), realizó una campaña de "marketing de devolución" por valor de 12 millones de dólares con el gancho de "si los Houston Astros ganan el campeonato".

Cinco años después, en 2022, "Mattress Mack" repitió la jugada. Entre mayo y julio de ese año, invirtió un total de 10 millones de dólares en seis casas de apuestas diferentes en Luisiana, Iowa y Las Vegas, prediciendo nuevamente que "los Astros ganarían el campeonato", y declaró directamente que "devolvería 'cada centavo' de las ganancias a los 3,000 clientes que habían participado anteriormente en la promoción de su cadena de muebles". (Nota de Odaily Planet Daily: se informa que la actividad estaba dirigida a clientes que compraban muebles por más de 3,000 dólares, ofreciendo devolución total o incluso doble según el momento de participación).

Finalmente, el "viejo Mattress Mack", entonces de 71 años, volvió a ganar a lo grande, obteniendo 72.6 millones de dólares en premios, estableciendo un récord en ese momento para apuestas deportivas.

Sin embargo, en comparación con las apuestas deportivas, la función de "seguro" de los mercados de predicción ha experimentado una gran actualización.

Primero, la monetización de la información. Esto trae dos grandes beneficios: (1) El alcance del mercado es más amplio. En comparación con las apuestas anteriores de opciones únicas y campos estrechos, el "rango de opciones" de los mercados de predicción es más amplio. (2) Los métodos de salida son más flexibles. En comparación con las actividades de apuestas que como máximo solo permiten devoluciones, el impacto potencial de los eventos en los mercados de predicción sobre los cambios en las noticias se refleja más directamente, facilitando la toma de decisiones instantánea de los participantes.

Segundo, el papel neutral de la plataforma. A diferencia de la "plataforma", la "casa" o los "grandes jugadores" en eventos como las apuestas deportivas, las plataformas de mercados de predicción existen como plataformas neutrales, proporcionando solo canales de negociación sin ser directamente contraparte de los usuarios.

Tercero, la transparencia de la información de negociación. Las probabilidades de las apuestas deportivas suelen ser determinadas por las empresas detrás de ellas según sus propios algoritmos e información interna. Muchas empresas incluso adoptan el modelo de "copia de operaciones", utilizando directamente los cambios de probabilidades de otras grandes plataformas. Los cambios en las probabilidades y la información de órdenes son extremadamente vagos, y a menudo existen controversias sobre los estándares de determinación del evento o compras con información privilegiada (similar a operaciones de último momento).

Cuarto, el sistema de acceso de los participantes. En Estados Unidos, la gran mayoría de los operadores de apuestas deportivas han adoptado el modelo "ban or bankrupt" (prohibir o arruinar), un modelo de negocio que "restringe las operaciones de clientes con alta tasa de aciertos e induce a los perdedores y jugadores comunes a operar". En 2024, el legendario jugador Billy Walters, "Spanky" Kyrollos y el exejecutivo de casinos Richard Schuetz fundaron conjuntamente una organización sin fines de lucro llamada American Bettors Voice (ABV), cuya propuesta central es oponerse al modelo "ban or bankrupt", exigir una regulación razonable de los límites de apuestas y garantizar la equidad del mercado.

En comparación con las apuestas deportivas tradicionales, el valor de seguro de los mercados de predicción es sin duda más atractivo y garantizado. El CEO del famoso creador de mercado SIG, Jeff Yass, también mencionó anteriormente en una entrevista con Forbes: "Los mercados de predicción permiten a las partes compartir riesgos de manera más eficiente en función de parámetros específicos. Por ejemplo, cuando los propietarios de viviendas en Florida enfrentan el riesgo de huracanes, pueden optar por comprar contratos que 'definitivamente se activan', basados en los últimos datos meteorológicos. Cuando la velocidad del viento supera un umbral especificado, el propietario obtiene protección de seguro. En comparación con la compra de un seguro anual, este método puede abordar de manera más efectiva los riesgos potenciales de pérdida patrimonial."

Por supuesto, actualmente, el valor de seguro de los mercados de predicción aún no está completo ni se ha promovido a gran escala, y aún enfrenta los siguientes problemas:

  • Liquidez insuficiente. Un rango amplio de opciones no significa que la profundidad del mercado sea suficiente.
  • Límites regulatorios borrosos. Aún está por verse si plataformas como Kalshi y Polymarket pueden continuar desempeñando funciones de seguro con el reconocimiento de los organismos reguladores.
  • Riesgo de la democracia descentralizada. El caso del evento de predicción meteorológica de Polymarket, donde se utilizó un secador de pelo para influir en la máquina de observación y obtener beneficios, es un ejemplo. A veces, los estándares de determinación de eventos pueden verse afectados por influencias externas impredecibles y las reglas de determinación de la plataforma pueden tener varias vulnerabilidades.

Pero de todos modos, el primer paso ya se ha dado. Independientemente de si la industria de seguros lo reconoce o no, las plataformas de mercados de predicción amenazan no solo a las plataformas de apuestas deportivas, sino también a muchas compañías de seguros tradicionales.

Lecturas recomendadas

No es especulación, es una necesidad: los 4 valores únicos de los mercados de predicción

The Prediction Markets Are Coming For Risk Markets and Insurance

Preguntas relacionadas

Q¿Cuál es el principal argumento del artículo sobre los mercados de predicción y su relación con la industria de seguros?

AEl artículo argumenta que los mercados de predicción, como Kalshi y Polymarket, están comenzando a invadir el territorio tradicional de la industria de seguros, ofreciendo formas más transparentes, líquidas y a menudo más económicas de cubrir riesgos en áreas como eventos deportivos, bienes raíces y operaciones comerciales, convirtiéndose así en un 'bárbaro a las puertas' del sector asegurador.

QSegún el artículo, ¿qué ventajas ofrecen los mercados de predicción frente a los métodos tradicionales de apuestas deportivas para cubrir riesgos?

ALas ventajas clave son: mayor transparencia en la información de operaciones y cambios en las probabilidades, el rol neutral de la plataforma (no actúa como contraparte directa), una gama más amplia de eventos sobre los que operar, mayor flexibilidad para salir de las posiciones, y la eliminación de prácticas discriminatorias como el modelo 'ban or bankrupt' de algunas casas de apuestas tradicionales.

QNombra dos ejemplos concretos mencionados en el texto donde los mercados de predicción se utilizan para fines similares a los seguros.

ADos ejemplos son: 1) La colaboración entre Kalshi y Game Point Capital para que equipos de la NBA cubran el pago de bonificaciones por rendimiento (como premios por llegar a playoffs). 2) La asociación entre Polymarket y Parcl, que permite a los usuarios especular o cubrirse contra las fluctuaciones en los índices de precios de la vivienda en ciudades importantes de EE.UU., funcionando como un seguro contra la caída o subida del valor.

Q¿Qué ambición declarada tiene Kalshi respecto a las pequeñas empresas, según su responsable comercial Nicolas Hull?

AKalshi aspira a convertirse en un 'proveedor de seguros para pequeñas empresas'. Su objetivo es ofrecer un mercado líquido y transparente donde cualquier negocio pueda cubrirse contra riesgos operativos diarios relacionados con el clima, la política, los deportes o la economía, lo que supone un cambio fundamental en la forma en que las pequeñas empresas gestionan sus riesgos, en contraste con los seguros tradicionales, descritos como caros e ineficientes para estos casos.

Q¿Cuáles son algunos de los desafíos o limitaciones actuales de los mercados de predicción para reemplazar o competir con los seguros tradicionales?

ALos principales desafíos son: 1) Liquidez insuficiente en muchos mercados. 2) Límites regulatorios ambiguos; no está claro si plataformas como Kalshi o Polymarket serán reconocidas permanentemente como proveedoras de funciones de seguro. 3) Riesgos relacionados con la descentralización y la manipulación, como el ejemplo citado de usar un secador de pelo para influir en una máquina de medición meteorológica en un evento de Polymarket, lo que plantea dudas sobre la integridad de los oráculos y los criterios de resolución de eventos.

Lecturas Relacionadas

¿Por qué es difícil popularizar las compras con agentes de IA?

**¿Por qué los agentes de IA para compras no se han popularizado?** La idea de dar a un agente de IA una billetera para que compre de forma autónoma suena futurista, pero confunde los desafíos reales de las compras. El acto de comprar combina dos acciones: **recuperación de información** (que se puede automatizar) y **juicios de valor** subjetivos (ligados a las emociones humanas). La narrativa del "monedero de IA" asume erróneamente que la IA puede hacerse cargo de ambas. El juicio de valor se divide en: **definir la necesidad** (establecer criterios) y **evaluar** opciones. La IA solo puede automatizar la evaluación. Las preferencias humanas no son fijas; se construyen durante el proceso de elección, por lo que la delegación total es imposible. La línea divisoria clave no es si un producto es estándar o personalizado, sino si **el acto de elegir en sí tiene valor experiencial**. Para productos mundanos (por ejemplo, papel), la automatización total es adecuada. Para compras placenteras (vino, muebles), la elección es parte del disfrute; aquí, la IA debe actuar como un asistente que filtra opciones, dejando la decisión final al humano. Existe un trilema: si la IA pregunta demasiado, es molesto y distorsiona la elección; si se basa solo en el historial, sofoca la exploración; si el humano decide todo, es ineficiente. Una solución es la **interacción por reconocimiento**: la IA presenta unas pocas opciones preseleccionadas para que el humano elija. El **pago es el eslabón menos importante**. No es necesario dar fondos a la IA; basta con tokens de pago de autorización limitada y única, como ya implementan Stripe, Mastercard y Google. La custodia autónoma de billeteras por parte de la IA es relevante principalmente para **compras empresariales estandarizadas** (B2B) o transacciones entre máquinas (M2M), no para el consumo personal. Los verdaderos cuellos de botella para las compras con IA son: 1. **Falta de fuentes de datos confiables**: reseñas falsas y productos falsificados socavan la capacidad de la IA para evaluar con precisión. 2. **La imposibilidad de automatizar la definición de la necesidad humana**: el derecho a definir qué es importante y a disfrutar de la elección final debe permanecer en manos humanas. En conclusión, el futuro no está en que la IA compre por nosotros de forma autónoma, sino en que **automatice de forma segura la investigación y el filtrado, devolviendo al humano el control sobre los criterios y el placer de la elección final**. Para las plataformas, la ventaja competitiva radicará en ofrecer una experiencia de elección excepcional con datos estructurados y verificables.

Foresight NewsHace 56 min(s)

¿Por qué es difícil popularizar las compras con agentes de IA?

Foresight NewsHace 56 min(s)

Operador veterano relata: ¿Cómo operar con las expectativas erróneas del mercado?

**Resumen en español europeo:** Un trader experimentado explica cómo operar basándose en las "expectativas erróneas" del mercado, tomando como ejemplo una operación reciente de venta en corto del índice Nasdaq (NQ). El caso se desencadenó tras la publicación de datos débiles de inflación (IPC) en EE.UU. Inicialmente, el mercado reaccionó con optimismo, haciendo subir el Nasdaq, asumiendo que un IPC bajo conduciría a un relajamiento general de las tasas de interés, incluidos los tipos a largo plazo ("relajamiento del denominador"). Sin embargo, el trader identificó una falla clave en esta cadena de expectativas del mercado: mientras que las tasas de interés a corto plazo bajaron, las tasas reales a largo plazo (como la del bono a 30 años) alcanzaron máximos de 20 años. Este escenario de "relajamiento a corto plazo pero negativa a largo plazo" no apoya la valoración de acciones tecnológicas, que dependen de financiación a largo plazo barata para su crecimiento. La metodología central presentada consiste en no limitarse a los datos mismos, sino analizar tres capas: 1. **Expectativa del dato:** ¿Cuál era el consenso? 2. **Expectativa de transmisión:** ¿Cómo se supone que el dato afecta a otras variables del mercado (política monetaria, tasas, crédito)? 3. **Expectativa de valoración de activos:** Dado lo anterior, ¿cómo debería repreciarse un activo? El autor argumenta que el "error" más común y explotable ocurre en la segunda capa: el mercado asume que un mecanismo de transmisión anterior sigue siendo válido cuando ya no lo es. En este caso, asumió que un IPC débil relajaría todas las tasas, pero la nueva realidad macroeconómica impide que las tasas a largo plazo bajen. El trader actuó vendiendo en corto el NQ (más sensible a las tasas largas) en lugar del S&P 500 (ES), y estructuró la operación en varias entradas. Define que la mejor oportunidad surge cuando las "variables rápidas" (como el precio del activo) se han recuperado, pero las "variables lentas" (como las condiciones de financiación subyacentes) se niegan a hacerlo, creando una discrepancia entre el precio y su lógica causal implícita. La ventaja (alpha) no proviene necesariamente de tener información mejor, sino de tener un "modelo de reacción" más actualizado que el del consenso del mercado.

marsbitHace 1 hora(s)

Operador veterano relata: ¿Cómo operar con las expectativas erróneas del mercado?

marsbitHace 1 hora(s)

Opinión: La relación de cobertura entre la deuda estadounidense y el mercado de valores ha fallado, el BTC como activo de riesgo soporta una doble presión

Durante las últimas dos décadas, la relación de cobertura entre los bonos del Tesoro estadounidense y las acciones, donde uno subía cuando el otro caía, se ha roto. Ahora, ambos caen simultáneamente, eliminando el "amortiguador" clave en las carteras de inversión. Bitcoin, como activo de riesgo en el extremo de la curva, soporta una doble presión. La correlación negativa entre el S&P 500 y la rentabilidad de los bonos a 10 años ha alcanzado su nivel más bajo desde 1996 (-0,69), lo que indica un movimiento sincronizado sin precedentes en 30 años. Este cambio se debe a que la inflación, y especialmente su volatilidad, se ha convertido en el factor dominante del mercado, perjudicando tanto a bonos como a acciones, a diferencia de cuando el crecimiento económico era el principal motor. Los inversores buscan ahora seguridad sin riesgo de duración, optando por efectivo en dólares y letras del Tesoro a corto plazo, mientras venden bonos a largo plazo. El rendimiento del bono a 30 años superó el 5%, reflejando un déficit creciente, mayores pagos de intereses y una demanda extranjera decreciente. Bitcoin es ahora tan sensible a las condiciones macroeconómicas como el dólar o el oro. Se ve perjudicado por el aumento de los rendimientos libres de riesgo (que elevan su costo de oportunidad) y por la disminución de la aversión al riesgo (que reduce la financiación para posiciones especulativas). Los factores que sustentan su lógica a largo plazo (como la emisión fija frente a la deuda soberana en expansión) lo perjudican a corto plazo en el entorno actual. Para que los bonos recuperen su papel tradicional de cobertura, la volatilidad inflacionaria debe ceder, permitiendo que los riesgos de crecimiento vuelvan a ser dominantes y que la Fed tenga margen para relajar la política. Hasta entonces, en un mercado donde la clase de activos más profunda ya no absorbe los impactos, los activos que no generan rendimiento, como Bitcoin, quedan más expuestos.

marsbitHace 1 hora(s)

Opinión: La relación de cobertura entre la deuda estadounidense y el mercado de valores ha fallado, el BTC como activo de riesgo soporta una doble presión

marsbitHace 1 hora(s)

Trading

Spot
活动图片