¿Cómo es realmente la estrategia de un ganador de 10 millones de dólares en Polymarket?
Aprovechando la Data API y los registros on-chain, reconstruí los 20 primeros puestos de los rankings de deportes y criptomonedas en Polymarket. Analicé 40 direcciones y más de 100 000 operaciones, una a una.
Esto va mucho más allá de simples capturas de pantalla de paneles. Cada compra, venta y canje se relacionó con un comportamiento estratégico concreto. El proceso fue: extraer el historial de transacciones por dirección con la Data API de Polymarket, verificar ganancias y pérdidas con la LB API y reconstruir los flujos de efectivo reales usando datos on-chain de REDEEM/MERGE. Cada dirección realizó entre 2 000 y 15 000 operaciones.
Tras analizar los datos, quedó claro: tanto en deportes como en criptomonedas, las direcciones rentables se agrupan en tres categorías distintas. Las diferencias no solo son de parámetros, sino que representan enfoques radicalmente diferentes.
Tipo 1: Direccional—Elige un lado y mantén la posición
La estrategia más rentable en deportes es tan simple que parece increíble.
De 18 direcciones activas, 14 solo compraron y nunca vendieron. Mantuvieron la posición hasta la liquidación, canjearon si ganaron y perdieron todo si no. Sin operaciones de ida y vuelta.
Aun entre quienes solo compran y no venden, sus formas de obtener beneficios son muy distintas.
swisstony: 494 millones de dólares en volumen de trading, 1 % de rentabilidad, 4,96 millones de dólares de beneficio neto. Estrategia totalmente automatizada: 353 operaciones en 30 minutos, cubriendo las cinco grandes ligas. Cada operación aporta una pequeña ganancia, pero el volumen total suma.
majorexploiter: 39 % de rentabilidad, apuesta individual máxima de 990 000 dólares. Más de 600 operaciones, casi todas en solo dos partidos del Arsenal. Máxima convicción: una victoria aporta millones.
Uno basa su éxito en el volumen, el otro en apuestas de alto valor, pero ambos ganaron millones. Sus métodos son opuestos, pero comparten un rasgo: una ventaja informativa sobre los eventos elegidos.
Líder del ranking, perdiendo impulso
kch123, primero en el ranking de deportes, con 10,35 millones de dólares en beneficios acumulados.
Sin embargo, a mediados de marzo, en los últimos 30 días acumuló una pérdida de 479 000 dólares. En los últimos 7 días, la tasa de acierto bajó al 31 % (15 victorias, 33 derrotas). Las 14 303 operaciones fueron compras, ninguna venta. Eso supone una media de 493 operaciones diarias, con un 74 % de operaciones separadas por menos de 10 segundos.
Un motor de beneficios de 10 millones de dólares pierde fuerza. Esto no se aprecia solo en el ranking; solo el análisis on-chain revela el panorama completo.
Engañado por mis propias etiquetas
fengdubiying, decimotercero en deportes con 3,13 millones de dólares de beneficio.
En mi análisis por lotes, lo clasifiqué como “dominante en ventas”, asumiendo un enfoque de trading oscilante.
Pero los datos cuentan otra historia: el 93,6 % de los beneficios vino de canjes y solo el 6 % de ventas. La estrategia real era apostar de forma concentrada en esports de LoL. La mayor apuesta en un solo mercado fue de 1,58 millones de dólares (T1 vs. KT Rolster), con una tasa de acierto del 74,4 % y una relación beneficio/pérdida de 7,5:1.
Las ventas eran solo una herramienta de stop-loss, no la estrategia principal. Guiarse únicamente por los ratios de compra/venta en los paneles lleva a malinterpretar la realidad.
Tipo 2: Estructural—Ganar sin predecir
El ranking de criptomonedas es un mundo aparte. En deportes se apuesta por la dirección; en criptomonedas, se actúa como la casa.
Si miramos el Top 5 de criptomonedas: tres son bots de market making para opciones binarias up/down, uno es un market maker de umbral de precios que gestiona inventario con MERGE y uno se especializa en arbitraje de eventos en ventas públicas (43,3 % de rentabilidad).
El inversor minorista apuesta por la dirección; los grandes jugadores gestionan la casa.
Cómo ganan los market makers
0x8dxd, market maker en mercados up/down de BTC a 5/15 minutos.
El 94 % de sus operaciones son simétricas: compra up y down a la vez. Opera 24/7, con una operación media inferior a 6 dólares. El total invertido en up y down es inferior a 1 dólar: el spread es beneficio puro. Al menos tres direcciones independientes usan este modelo.
Otra dirección de market making es aún más extrema, casi monopolizando la liquidez en la categoría Economía: 982 compras, ninguna venta y un PnL de seis cifras. Los beneficios proceden de rebates para makers y primas de liquidez.
Buen código no garantiza beneficios
Puede parecer que el market making es una apuesta segura. Existe un bot de market making de Polymarket open source en GitHub, construido con datos WebSocket en tiempo real, un conjunto de control de riesgos triple (stop-loss, congelación por volatilidad, cooldown) y fusión automática de posiciones. El autor reconoce que no es rentable.
¿Por qué? La lógica de precios es penny jumping: adelanta la mejor puja por un centavo. En resumen, solo copia a otros, sin capacidad de fijar precios de forma independiente.
Por bueno que sea el código, los beneficios del market making dependen de que tu modelo de precios supere al mercado.
Otro dato clave: el análisis de timestamps on-chain muestra que más del 70 % de los beneficios por arbitraje en los mercados de precios de criptomonedas de Polymarket van a bots con latencia inferior a 100 ms. Menos del 8 % de las billeteras son rentables en todo el mercado. Si la latencia de tu bot se mide en segundos, solo aportas liquidez a los jugadores de alta frecuencia.
Tipo 3: Cognitivo—Baja frecuencia, alta convicción
La tercera categoría es otro mundo. La frecuencia de trading es muy baja—quizá dos o tres operaciones al mes—pero cada una está basada en un análisis exhaustivo.
Ejemplos: una dirección en la categoría meteorológica construye modelos con datos meteorológicos públicos y solo entra cuando la probabilidad de éxito supera 0,77—solo dos o tres operaciones al mes, cada una con decenas de miles de dólares de beneficio. Otra dirección compra NO en el 89 % de las operaciones, mantiene durante meses y, pese a una baja tasa de acierto, promedia más de 9 veces el retorno por victoria—compensando todas las pérdidas con unas pocas grandes victorias.
Un ejemplo aún más extremo: en el mercado FDV (Full Outcome), la dirección solo hace una cosa—compra NO a 50–55 centavos, espera la liquidación y cobra 1 dólar. Tasa de éxito: 100 %. No es suerte, sino aprovechar una anomalía de precios que otros no detectaron.
Pero las estrategias cognitivas no consisten en “investiga más y ganarás”. He visto a alguien usar 1,37 millones de filas de datos históricos para crear una matriz de probabilidad de desviación de precios de BTC. Los backtests eran impecables, pero la validación en tiempo real falló al instante. La eficiencia del mercado evoluciona rápido: lo que funcionaba el mes pasado puede haber sido arbitrado ya.
La verdadera ventaja de las estrategias cognitivas es comprender una categoría más profundamente que el modelo de precios del mercado, no solo construir un modelo más complejo.
Comparativa de los tres enfoques
Tabla comparativa: los tres enfoques
Mi propio enfoque
Tras analizar a otros, esta es mi conclusión.
Gestiono varias estrategias en paralelo: market making en criptomonedas (estructural), fijación de precios probabilística en deportes (direccional) y modelado de datos meteorológicos (cognitivo). Todo a pequeña escala—nada que ver con las 493 operaciones diarias de kch123 o los 494 millones de dólares en volumen de swisstony.
Tras analizar 40 direcciones, mi mayor conclusión es que saber en qué juego participas importa más que optimizar cualquier parámetro.
Si eres direccional sin ventaja informativa, incluso una ejecución perfecta es solo una apuesta. Si eres estructural pero no puedes competir en latencia, eres tú quien está siendo explotado. No es solo una frase hecha, es lo que muestran los datos.
Ahora hago validaciones a pequeña escala en cada línea y solo escalo cuando confirmo una ventaja. Sin prisa por expandir: primero demuestro en una o dos categorías.
Fuentes de datos: Polymarket Data API + LB API + datos on-chain de Polygon | Periodo de análisis: enero–marzo de 2026
¿Te planteas probar Polymarket? Antes, decide en qué juego quieres participar.
Aviso legal:
-
Este artículo es un repost de [runes_leo]. Los derechos de autor pertenecen al autor original [runes_leo]. Si tienes alguna duda sobre este repost, contacta con el equipo de Gate Learn para su pronta resolución.
-
Aviso legal: Las opiniones expresadas en este artículo son únicamente del autor y no constituyen asesoramiento de inversión.
-
Las demás versiones lingüísticas de este artículo han sido traducidas por el equipo de Gate Learn. Salvo que se mencione a Gate, no copies, distribuyas ni plagies el artículo traducido.
