Incluso un modelo perfectamente sin sesgo cae en el bucket equivocado en Polymarket, a menudo. No es un defecto del modelo. Es la naturaleza misma de la atmósfera.
En el primer artículo de esta serie, planteé una paradoja: prever con menos de 1°C de error nueve de cada diez veces y aun así perder. Muchos me escribieron con la misma pregunta: "Vale, pero ¿por qué?"
La respuesta cabe en una frase: la incertidumbre natural de una previsión es a menudo más ancha que un bucket de Polymarket.
Qué significa "prever" en meteorología
Una previsión de temperatura no es un número. Es una distribución de probabilidad. Cuando un modelo te dice "mañana, 24°C en Chicago", lo que en realidad quiere decir es algo como: "con lo que sé esta mañana, la temperatura más probable es 24°C, pero 23°C o 25°C siguen siendo muy plausibles, y 22°C o 26°C no están descartados."
Esa incertidumbre no es una debilidad. Es una propiedad física de la atmósfera. Edward Lorenz lo formalizó en los años 60: dos estados atmosféricos casi idénticos pueden evolucionar hacia estados muy distintos unos días después. Es el efecto mariposa, y tiene una consecuencia muy concreta para nosotros: nunca se podrá eliminar por completo la incertidumbre de una previsión meteorológica. Se puede reducir. No se puede anular.
En términos concretos, sobre la temperatura máxima de una ciudad a 24h de plazo, la incertidumbre natural es típicamente del orden de 1 a 2°C. A 3 días, más bien entre 2 y 3°C. A 7 días, a veces 4°C o más.
Por qué es un problema en Polymarket
Mira un mercado de temperatura máxima en Polymarket. Los buckets suelen tener 2°F de ancho en EE. UU. — o 1°C en otros lugares.
Pon ahora ~1,5°C de incertidumbre natural a 24h sobre esos buckets. El resultado es que una previsión honesta casi nunca asigna el 100% de probabilidad a un solo bucket. Reparte, digamos, un 55% en el bucket central, un 25% en el de arriba, un 15% en el de abajo y el resto en los extremos.
Dicho de otra manera: incluso con el mejor modelo del mundo, incluso sin ningún sesgo, el bucket "más probable" tiene típicamente entre un 50 y un 60% de probabilidades de salir a 24h. No 95%. No 90%. Cincuenta a sesenta.
Eso cambia por completo cómo se lee una previsión. "El modelo dice 24°C" no significa "el bucket 23–25°C va a salir seguro". Significa "el bucket 23–25°C es el más probable, pero hay una probabilidad seria — a menudo una de cada tres — de que el resultado caiga en el bucket contiguo."
La incertidumbre es información, no ruido
Este es el punto que lo cambia todo: la diferencia entre los modelos — lo que llamamos dispersión del ensemble — es en sí misma una información.
Cuando las 150 a 200 previsiones que procesamos cada día están todas apretadas en torno al mismo valor, la previsión es segura. Cuando se separan, la previsión es incierta. No es una incertidumbre "por falta de datos" — es una incertidumbre física, la de la propia atmósfera.
Esa dispersión es medible. Cambia cada día, cada hora, cada ciudad. Una mañana de invierno con una masa de aire estable, los modelos concuerdan con 0,5°C de diferencia. Una mañana de frente tormentoso, pueden separarse 5°C.
Un apostador que ignora esa dispersión toma exactamente la misma posición en ambos casos. Un apostador que la lee, no.
Qué implica para tus decisiones
Tres consecuencias concretas:
-
El bucket "central" nunca es la verdad. Es la moda de una distribución, no el resultado. Si su precio en Polymarket está por encima de su verdadera probabilidad — digamos un 70% cuando la distribución solo da un 55% — es una mala apuesta, aunque sea el bucket "más probable".
-
Los días inciertos no son días que haya que evitar. Son días en los que la información vale más. Los buckets vecinos se vuelven atractivos y las estrategias de cartera (YES/NO sobre varios buckets contiguos) pueden batir a una apuesta concentrada en el bucket "evidente".
-
Un sesgo sistemático de 2°C es mucho más grave que 1,5°C de incertidumbre natural. La incertidumbre se gestiona con el tamaño de la posición y con la cartera. El sesgo te hace perder sistemáticamente. Por eso la corrección de sesgos (nuestra V1) es no negociable — pero ese es el tema del próximo artículo.
Lo que viene
En las próximas semanas, la serie continúa:
- Cómo medir un sesgo meteorológico — y por qué es lo primero que hace nuestra V1
- Por qué el bucket "más probable" no siempre es el más rentable — el vínculo entre probabilidad y precio
- Cómo construir una cartera coherente de apuestas meteorológicas — la gestión del riesgo aplicada al clima
El objetivo sigue siendo el mismo: darte acceso al rigor científico que aportamos al problema, para que construyas tu propia estrategia.
Buen análisis,
— JP