El modelo de mercado de tendencias ha estado en funcionamiento durante un tiempo, pero recientemente se ha detectado que las retiradas no son correctas. Al investigar, el problema radica en dos supuestos del modelo de probabilidad.

El primero: la calibración se realiza con datos de análisis de malla, pero Polymarket realiza los pagos con datos de mediciones en aeropuerto. Existe un sesgo sistemático entre estas dos fuentes de datos, por lo que la σ calibrada desde el principio ya no es precisa.
El segundo, más oculto: el modelo asume que las predicciones son sin sesgo. Pero en realidad, cada ciudad tiene un sesgo direccional en sus predicciones: algunas ciudades tienden a predecir sistemáticamente temperaturas más frías, otras más cálidas. El modelo no sabe esto y, por lo tanto, realiza apuestas repetidas en la dirección equivocada.
Por ejemplo, si la predicción de una ciudad es casi 2°C más baja que la realidad, el modelo piensa que "la temperatura no llegará a X" con alta probabilidad y compra muchas opciones NO. Pero en realidad, la temperatura real siempre es más alta que la predicción.
La reacción instintiva inicial fue eliminar esa ciudad, detener las que tenían peor rendimiento. Pero al hacerlo, descubrieron que un tercio ya había sido bloqueado. Entonces se dieron cuenta de que necesitan eliminar solo un tercio para mantener la estrategia viable, y que el problema no está en la ciudad en sí.
Se cambió la fuente de datos de calibración (se usaron datos de medición en aeropuerto con la misma fuente de pago), y se añadió un sesgo de corrección en el cálculo de probabilidad. Luego, se restauraron todas las ciudades eliminadas: las ciudades con alta σ ajustan automáticamente la señal, sin necesidad de prohibiciones manuales.