White Paper

Lo que integramos

Para cada elección reunimos cuatro capas en un único panel actualizado continuamente:

• Mercados de predicción con dinero real (por ejemplo, Polymarket): probabilidades implícitas.
• Encuestas de opinión tradicionales de múltiples institutos, con los metadatos de muestreo y metodología preservados donde la fuente los publica.
• Cobertura de la prensa de referencia con fecha y hora y archivada (Wayback), para que cada movimiento de mercado pueda anclarse a un evento del mundo real.
• Síntesis generada por IA que resume, nunca sustituye, los números subyacentes.

La lectura de divergencia

La lectura de divergencia es descriptiva, todavía no un estimador calibrado: para cada candidato seguimos la distancia entre la probabilidad implícita en el mercado y la posición implícita en las encuestas a lo largo del ciclo, y preguntamos si y cuándo esa distancia anticipó el resultado real.

Somos explícitos en que esto es observacional. Transformarla en una previsión debidamente calibrada es una de las cuestiones abiertas del proyecto.

Validación, incluidas las fallas

El proyecto empezó por la validación práctica, y no por un modelo. Reconstruimos el cuadro mercados-versus-encuestas para elecciones cuyos resultados ya se conocen y cotejamos la lectura de divergencia contra el desenlace efectivo. El conjunto validado cubre ocho elecciones nacionales en tres continentes (aparte del caso de Brasil): Perú, Colombia, Chile, Alemania, Canadá, México 2024, Reino Unido 2024 y Estados Unidos 2024.

Dos puntos que tratamos como estructurales:

• La convergencia también cuenta. En Alemania y Colombia la señal fue de divergencia casi nula, y el resultado lo confirmó. El validador es el resultado real, no el tamaño de la divergencia.
• Publicamos los errores. En el caso de EE. UU. en 2024, el mercado del colegio electoral leyó el resultado correctamente, mientras que el mercado del voto popular no. Documentamos la falla en vez de esconderla, porque un método que solo exhibe los aciertos no es un método.

Datos y apertura

Todo es abierto y citable.

• Los conjuntos de datos están depositados en el Harvard Dataverse (colección afos-analytics), con DOIs propios, bajo licencia CC BY 4.0, y replicados en Hugging Face.
• La propia plataforma es de código abierto.
• El objetivo es que cualquier afirmación que hagamos pueda auditarse y reproducirse a partir de los datos depositados.

Objetivos

Declaramos la ambición con claridad, manteniendo modestas las afirmaciones de corto plazo. Los casos validados son la evidencia; el encuadre global es la dirección, no un resultado terminado.

• Corto plazo: consolidar la lectura de divergencia, de un indicador descriptivo a algo con calibración e incertidumbre explícitas, y ampliar la biblioteca de casos validados.
• Mediano plazo: una lectura global, en tiempo real, del riesgo político, que trate cada elección como una instancia comparable del mismo problema de medición mercados-versus-encuestas, en vez de una serie de historias nacionales aisladas.

Cuestiones abiertas

Algunas cuestiones sobre las que estamos genuinamente inciertos y en las que trabajamos:

• Cuál es la mejor forma de de-sesgar mercados delgados o de baja liquidez (la profundidad de Polymarket varía enormemente entre elecciones) antes de compararlos con las encuestas.
• Si una corrección del tipo MRP en el lado de las encuestas altera qué señal "gana" en la divergencia.
• Cómo formalizar "divergencia como señal" en una probabilidad calibrada, en vez de una distancia descriptiva.
• Efectos de selección: las elecciones que atraen liquidez de mercado no son una muestra aleatoria de las elecciones.

Limitaciones

El conjunto validado todavía es pequeño. La liquidez de los mercados es desigual. El anclaje en la prensa es curado, no exhaustivo. La lectura de divergencia es, hoy, un instrumento descriptivo, y tenemos cuidado de no exagerarla. Preferimos ser corregidos temprano a ser impresionantes en el papel.