Los principales bancos de Wall Street están endureciendo las normas para los empleados en relación con los mercados de predicción, a medida que aumentan las preocupaciones sobre el uso de información confidencial en plataformas como Polymarket y Kalshi.
Goldman Sachs, Morgan Stanley, JPMorgan Chase y Bank of America han añadido o actualizado restricciones que cubren los contratos de eventos, según un informe de Reuters. Las políticas tienen como objetivo reducir el uso de información privilegiada y los riesgos de conflicto de intereses.
Goldman Sachs ha prohibido a sus empleados operar contratos de predicción vinculados a mercados financieros, eventos políticos y otros temas que pudieran crear un conflicto real o percibido con el banco, sus clientes o el sector financiero.
Según se informa, la política cubre datos macroeconómicos, elecciones, geopolítica y eventos que involucren a Goldman Sachs. Sin embargo, los empleados pueden seguir operando contratos relacionados con deportes y entretenimiento. Las violaciones reiteradas podrían dar lugar a medidas disciplinarias o a la pérdida de las ganancias de las operaciones prohibidas.
Morgan Stanley también ha incluido normas para los mercados de predicción en su código de conducta para empleados, aunque el banco no ha revelado el alcance completo de dichas restricciones.
Por su parte, Bank of America ofreció recientemente a sus empleados ejemplos más claros de actividades prohibidas. Su política restringe los contratos que implican desarrollos específicos de la empresa, datos macroeconómicos y servicios financieros. Las normas existentes de JPMorgan prohíben al personal operar con información confidencial, incluso a través de mercados de predicción.
Los cambios de política se producen tras un caso federal que involucra al ingeniero de software de Google, Michele Spagnuolo. Los fiscales alegan que utilizó datos confidenciales de búsqueda de Google para ganar más de 1.2 millones de dólares en Polymarket.
Según la denuncia del Departamento de Justicia, Spagnuolo supuestamente accedió a información interna de tendencias antes de operar en mercados conectados a los resultados de búsqueda de Google.
Los fiscales dijeron que arriesgó alrededor de 2.75 millones de dólares a través de una cuenta llamada "AlphaRaccoon" entre octubre y diciembre de 2025. Sus operaciones supuestamente generaron 1.2 millones de dólares después de que Google publicara la información relevante.
Los cargos siguen siendo alegaciones, y Spagnuolo se presume inocente hasta que se demuestre lo contrario. Sin embargo, el caso demostró cómo los empleados podían utilizar información que no afecta el precio de las acciones de una empresa para obtener beneficios de los contratos de eventos.
Los legisladores también han examinado si las plataformas de predicción pueden detectar a los usuarios que operan con información clasificada o no pública.
Mientras tanto, el Comité de Supervisión de la Cámara de Representantes solicitó registros a Polymarket y Kalshi tras informes de operaciones sospechosas vinculadas a eventos militares y políticos.
La investigación incluyó alegaciones de que un sargento del ejército de EE. UU. ganó más de 409.000 dólares utilizando información clasificada relacionada con una operación militar que involucraba al expresidente venezolano Nicolás Maduro. Esas afirmaciones también siguen sujetas a procedimientos judiciales.
Mientras tanto, el Congreso ha considerado restricciones a la operación en mercados de predicción por parte de funcionarios gubernamentales. Las propuestas buscan evitar que los funcionarios apuesten sobre resultados políticos o asuntos de política pública que podrían influir o conocer antes que el público.
Los operadores de mercados de predicción han respondido ampliando sus sistemas de cumplimiento normativo. Kalshi creó un comité de vigilancia independiente y se asoció con Solidus Labs para monitorear operaciones sospechosas y posible manipulación.
Kalshi también ha introducido divulgaciones de empleadores para usuarios que operan en mercados sensibles. Sus sistemas asignan puntuaciones de riesgo a contratos que involucran el rendimiento corporativo, la seguridad nacional y otros temas que pueden atraer a operadores con información privada.
Aun así, los investigadores discrepan sobre cuán estrictas deben ser las normas. Un estudio reciente cubierto por crypto.news encontró que las prohibiciones generales de uso de información privilegiada podrían reducir la precisión de los mercados de predicción al eliminar información de los precios.
El estudio apoyó una aplicación más estricta cuando los operadores obtienen información a través de filtraciones, registros robados o control directo sobre un resultado. Sin embargo, separó esos casos de los operadores que obtienen una ventaja mediante la investigación pública.
