Comparando Modelos de Liquidez en AMMs: LMSR vs LSAMM vs CPMM vs Híbrido

Por qué importa la elección de AMM

El diseño del market maker automatizado es la mayor decisión de ingeniería que toma una plataforma de mercado de predicción. Elige el AMM equivocado y embarcas un producto demasiado rígido para actualizarse con noticias, demasiado caro de subsidiar o demasiado rígido para los mercados de cola larga donde las plataformas de predicción crean valor único. Elige el correcto y tu plataforma se siente viva — los precios actualizan en tiempo real, los spreads permanecen razonables a lo largo del ciclo y tu presupuesto de subsidio dura.

Este post compara las cuatro familias de AMM que dominan los mercados de predicción hoy: LMSR fijo, LSAMM dinámico, CPMM constant-product y diseños híbridos AMM + order book. Para cada uno vemos cómo se comporta a escala, cómo lo ajustan los operadores y dónde encaja en un producto real. Si quieres la matemática fundamental, nuestro deep dive del algoritmo LSAMM es la referencia canónica. Para el contexto más amplio, ve la introducción a los mercados de predicción.

Las cuatro familias en una mirada

La mayoría de los AMMs en producción hoy son variaciones de estos cuatro mecanismos.

Familia AMM	Fuente de liquidez	Tipo de curva	Ideal para
LMSR (Hanson)	Subsidio del operador, b fijo	Log-sum-exp	Mercados cold-start, subsidios limitados
LSAMM	Subsidio del operador, α·Q_total dinámico	Log-sum-exp con escala	Plataformas de producción
CPMM (Uniswap)	LP-funded, x·y = k	Constant product	Swaps de tokens, predicción híbrida
Híbrido AMM + order book	Operador + market makers	Seed AMM → book toma control	Binarios de alto volumen

La matemática detrás de LMSR y LSAMM está en el explainer LSAMM; la especificación original del LMSR está en el paper de Robin Hanson de 2003; la matemática del CPMM viene del whitepaper de Uniswap v2. El patrón híbrido está mejor documentado en las notas de diseño de dYdX v3 y la migración inicial de Polymarket a un híbrido CTF + book en Polygon.

LMSR fijo: simple, limitado, predecible

LMSR sigue siendo el modelo mental más limpio para AMMs de mercados de predicción. La función de costo es un único log-sum-exp sobre conteos de acciones, escalado por un parámetro fijo b:

C(q) = b * ln(Σ exp(qi / b))

La pérdida máxima del operador es b · ln(n) para n resultados. Esa es la razón mayor por la que LMSR fue el diseño dominante de 2003 a ~2020 — los operadores planeaban su presupuesto de subsidio en el día uno y nunca se preocupaban por pérdidas descontroladas.

Donde gana el LMSR fijo:

• Deploys académicos y de investigación. El Iowa Electronic Markets y la mayoría de los mercados de cursos universitarios siguen usando LMSR porque la pérdida limitada calza con un presupuesto académico fijo.
• Mercados de predicción corporativos internos. Una empresa corriendo un mercado interno sobre una pregunta (ej.: "¿Vamos a cumplir los OKRs del T4?") quiere subsidio fijo y pocos traders.
• Mercados cold-start donde no sabes si habrá volumen. Comprometes un b pequeño y lo dejas.

Donde pierde el LMSR fijo:

• Mercados de retail en producción. El b fijo significa que el trader N°10.000 paga el mismo slippage que el N°1. Está bien para un panel de investigación de 50 personas y es catastrófico para un mercado con US$ 1M+ en volumen.
• Mercados movidos por noticias. Un b fijo no puede ensanchar su cotización cuando llega noticia; o los precios se mueven violentamente o no se mueven, según si b fue alto o bajo.
• Mercados multi-outcome a escala. El subsidio escala como b · ln(n), así que el operador compromete subsidio creciente por cada resultado añadido.

El trade-off del LMSR es esencialmente: una perilla, un presupuesto, vida útil. Si tu mercado solo necesita servir a unas decenas de traders por una ventana fija, LMSR es difícil de vencer.

LSAMM dinámico: liquidez que escala con volumen

LSAMM mantiene la función de costo del LMSR pero reemplaza el b fijo por L_dynamic = α · Σ qi, así la liquidez crece mientras el mercado acumula volumen. Resultado: mercado auto-regulado, muy responsivo cuando pequeño, robusto cuando grande.

Donde gana el LSAMM:

• Mercados de retail de alto volumen. La razón por la que plataformas como variantes modernizadas de Polymarket y varias venues de próxima generación han migrado a LSAMM es exactamente esta — los traders tardíos ven spreads apretados, mientras los iniciales todavía obtienen descubrimiento de precio.
• Mercados con demanda incierta. Si no sabes si un mercado moverá US$ 1k o US$ 1M de volumen, LSAMM te da una sola configuración para ambos.
• Mercados multi-outcome. Subsidio escala con ln(n), pero el b efectivo se adapta al volumen real, así no pagas por capacidad que nunca usas.

Donde sufre LSAMM:

• Bootstrap con verdadero cero volumen. Cuando Q_total = 0, la función de costo evalúa 0/0. Código de producción debe cortocircuitar a precios uniformes 1/n, lo cual está bien pero añade caso límite.
• El subsidio del operador no se limita de la misma forma elegante. Depende de α y la trayectoria real de Q_total. Todavía se puede limitar analíticamente, pero no es un número único en el día uno.
• Complejidad de implementación. Actualizaciones perezosas de q_max, cache de L_dynamic, aritmética fixed-point — hay más bordes filosos que en LMSR.

Si estás construyendo un producto serio de mercado de predicción hoy, LSAMM es el default a vencer. Toda la matemática, loop de calibración y patrones de producción están en nuestro deep dive LSAMM.

CPMM constant-product: LP-funded, no probability-aware

Market makers constant-product estilo Uniswap precifican dos activos con el invariante x · y = k. El precio del activo A en unidades de B es y / x, que se desplaza mientras los traders hacen swap entre los dos. No hay subsidio del operador — los proveedores de liquidez (LPs) depositan pares y ganan vía fees de trades.

En contexto de predicción, CPMM se usa a veces como primitiva debajo de contratos de resultado binario. La arquitectura inicial de Polymarket usaba CPMM sobre Gnosis Conditional Tokens para proveer liquidez a pares Sí/No.

Donde gana el CPMM:

• Liquidez financiada por LPs. No necesitas presupuesto de subsidio. Los usuarios proveen liquidez y ganan fees.
• Componible con DeFi. Las posiciones CPMM son tokens ERC-20 de LP, fáciles de integrar con yield farms, mercados de lending y aggregators.
• Mercados binarios pueden sentarse sobre un único par CPMM — implementación más simple posible.

Donde sufre CPMM en mercados de predicción:

• Los precios no suman 1 naturalmente. Un CPMM sobre Sí/No puede producir un par 0,55/0,40, que suma 0,95 — hay probabilidad faltante por la curva de impermanent loss y la estructura de fee de LP. Los operadores agregan lógica de normalización o aceptan la fuga.
• Impermanent loss es feature, no bug, que no quieres en predicción. En swaps, IL es el precio que pagan LPs por proveer arbitraje. En predicción, IL materializa exactamente cuando el mercado es más informativo.
• Sin pérdida limitada para la plataforma. Los LPs absorben riesgo, lo cual está bien para tokens pero socialmente incómodo en predicción donde los usuarios asocian plataforma y resultado.

CPMM sigue siendo primitiva útil para diseños híbridos, pero CPMM puro rara vez es la elección correcta para predicción por sí solo.

Híbrido AMM + order book: lo mejor de ambos mundos

Los diseños de producción más sofisticados combinan un seed AMM con capa de order book. El AMM provee liquidez inicial y asegura que el mercado siempre sea operable; el book toma control mientras los traders postean cotizaciones más apretadas. El modelo híbrido de Kalshi, el stack modernizado de Polymarket y varias venues institucionales convergen en este patrón.

Cómo funciona en la práctica:

1. El mercado lanza con AMM (LMSR o LSAMM) proveyendo la cotización inicial.
2. Los market makers comienzan a postear órdenes limit dentro del spread del AMM.
3. Mientras el book se profundiza, el AMM se vuelve backstop — solo llena órdenes cuando el book no tiene nada mejor.
4. En madurez, casi todo el flujo va por el book; el AMM queda como seguro de cola.

Donde ganan los híbridos:

• Mercados de alto volumen obtienen los spreads apretados del book sin perder la propiedad bootstrap-desde-cero del AMM.
• Mercados de cola larga nunca se secan, porque el AMM siempre cotiza algo.
• Traders institucionales pueden postear órdenes resting, imposible en AMM puro.

Donde los híbridos son difíciles:

• Complejidad de implementación. Corriendo dos engines de pricing en paralelo con estado consistente.
• Exposición a MEV. Sistemas híbridos on-chain necesitan protección contra ataques sandwich.
• Overhead operacional. Los market makers deben ser onboarded, monitoreados e incentivados.

Si tu plataforma es sofisticada para manejar la complejidad, los híbridos son el destino de largo plazo. La mayoría empieza con LSAMM y migra cuando el volumen lo justifica.

Cómo elegir para tu plataforma

El AMM correcto depende de tu producto, audiencia y madurez operacional.

Elige LMSR fijo si:

• Operas un mercado de investigación o académico con pool finito y conocido.
• Tu presupuesto de subsidio es fijo y pequeño.
• No esperas crecimiento >10x sobre el seed.

Elige LSAMM si:

• Construyes un mercado retail de producción.
• Esperas volumen que varía órdenes de magnitud entre mercados.
• Quieres una config única que maneje cold-start y madurez.

Elige CPMM si:

• Construyes en el stack DeFi y necesitas liquidez via LPs.
• Tus contratos ya están tokenizados (ej.: en Conditional Tokens).
• Aceptas fuga de probabilidad y añades normalización.

Elige híbrido si:

• Eres plataforma establecida con partnerships de market making.
• Tus top mercados hacen >US$ 100k notional diario y soportas order book.
• Tienes capacidad para correr dos engines con seguridad.

Para la mayoría de equipos leyendo esto, el camino realista es LSAMM hoy, híbrido mañana. Es el patrón que varias plataformas maduras han seguido, y la matemática de ambos está razonablemente bien entendida.

Matemática de subsidio por familia

Comparación práctica: ¿cuánto subsidio necesita cada diseño para entregar, digamos, 1% de slippage ida-y-vuelta en una operación binaria de US$ 10.000?

AMM	Subsidio para entregar 1% slippage en binario de US$ 10k
LMSR	b ≈ US$ 10.000, fijo de por vida
LSAMM	α ≈ 0,05, escala con Q_total
CPMM	LP-funded; subsidio es el depósito
Híbrido	Seed AMM ≈ US$ 5k, resto cubierto por makers

Las diferencias de titular no están en el costo de una sola operación — están en cómo el costo evoluciona. El subsidio LMSR se paga una vez y permanece. El subsidio LSAMM parte pequeño y crece. El CPMM depende de LPs materializándose, y el híbrido paga solo el seed AMM suficiente para bootstrap del book.

Los operadores frecuentemente subestiman la varianza en su matemática de subsidio. Un modelo que dice "US$ 10k de LMSR alcanza" puede errar por 5x cuando un único evento triplica el volumen en un día. LSAMM e híbridos son más robustos porque la liquidez efectiva escala con lo que realmente pasa.

Errores que los operadores cometen repetidamente

Tres patrones que vemos en lanzamientos.

Tratar b como constante mágica. Operadores nuevos eligen b por recomendación de un amigo, lanzan y descubren en el primer pico que el slippage estuvo equivocado por orden de magnitud. La corrección es pensar b (o α) como presupuesto, no estilo.

Subestimar la varianza. Un mercado con promedio US$ 5k notional/día puede ver US$ 50k en una sola hora durante noticias. Si tu subsidio está dimensionado para el promedio, embarcas un mercado muy responsivo (bueno!) pero muy caro (malo!) en días de noticia. LSAMM mitiga; LMSR no.

Ignorar la fuga de fees. Todo AMM tiene fees, y las fees componen. Un fee AMM de 1% más corte de LP de 30 bps más overhead de gas de 50 bps come rápido 2–3% del edge. Las plataformas exitosas mantienen fees totales por debajo del 1% en el ida-y-vuelta.

Para la contraparte del lado del trader, ve microestructura para pronosticadores y nuestro playbook de gestión de riesgo.

Implicaciones prácticas

Para builders, la lección es tratar diseño de mercado, contenido y liquidez como un sistema. Página de categoría, regla de resolución y parámetro AMM influyen si los usuarios confían en la probabilidad que ven. Cuando se alinean, el mercado se vuelve más fácil de descubrir, operar y explicar. Ve diseño de categorías y binarios vs múltiples para las decisiones aguas arriba.

Para traders, la implicación práctica es disciplina. No leas precio sin preguntar cómo se formó, qué tan profundo es, cómo resuelve y qué costo pagarás. Pronóstico útil no es solo número; es número conectado a proceso, liquidez e incentivos. Nuestro framework de bankroll y el playbook de calibración trabajan cómo traducir AMM en decisiones de sizing.

Qué observar a continuación

La próxima generación de mercados de predicción recompensará equipos que combinen infraestructura fuerte con contexto editorial claro. Los ganadores no solo lanzarán más mercados — ayudarán a los usuarios a entender por qué cada mercado existe, qué mide y cómo actuar sobre la señal sin tomar riesgo innecesario. Desempaquetamos el outlook macro en el futuro de los mercados de predicción en 2026.

Dos tendencias específicas para vigilar:

1. Estructuras de fee AMM-aware. Plataformas empiezan a variar fees basado en el costo que soporta el AMM — fees menores en mercados profundos, mayores en cola larga.
2. Ruteo de liquidez cross-market. Aggregators que ruta operaciones al AMM con el mejor precio efectivo en múltiples venues están emergiendo.

Preguntas Frecuentes

¿Qué AMM usa Polymarket?

El stack actual de producción de Polymarket usa diseño híbrido: liquidez basada en AMM para cold-start, con overlays de order book en los contratos más profundos. La primitiva subyacente es Gnosis Conditional Tokens con lógica custom. La curva exacta del AMM ha evolucionado; los docs públicos son la mejor referencia.

¿LSAMM es estrictamente mejor que LMSR?

Para producción, sí. Para deploys de investigación y académicos con subsidios limitados y pool pequeño, LMSR sigue siendo más simple. La pregunta correcta es "¿qué restricciones optimizo?" no "¿cuál es mejor en abstracto?".

¿Puedo usar Uniswap directamente para un mercado de predicción?

Técnicamente sí, pero peleas con la matemática. Par Uniswap en tokens Sí/No no produce simplex de probabilidad, precios no suman 1 y LPs comen impermanent loss exactamente cuando el mercado es más informativo. Si quieres liquidez tipo CPMM para predicción, normalmente envuelves un contrato custom alrededor para añadir normalización.

¿Cuál es el AMM más barato de subsidiar?

Híbridos, porque solo necesitas sembrar el AMM hasta que el book tome control. LSAMM es el AMM puro más barato, porque el subsidio escala con volumen real. LMSR es el más predecible pero a menudo el más caro en expectativa porque los operadores tienden a sobredimensionar b.

¿Los AMMs funcionan para mercados multi-outcome?

Sí. LMSR y LSAMM se extienden naturalmente a n resultados — la función de costo es solo un log-sum-exp sobre n términos. CPMM es más difícil de extender naturalmente; típicamente necesitas n pares compartiendo colateral común, lo que complica la matemática. Los híbridos manejan multi-outcome limpio via overlay de book.

¿Cómo afino α para LSAMM?

Comienza en α = 0,05. Sube si los traders se quejan de slippage en mercados pequeños. Baja si quieres descubrimiento más afilado en cold-starts. La sintonía más rigurosa es A/B test en dos mercados paralelos con α = 0,03 y α = 0,07, midiendo satisfacción del trader y quema de subsidio del operador. El loop completo está en el deep dive LSAMM.

¿Qué es impermanent loss y por qué importa para predicción?

Impermanent loss es la pérdida no realizada que toma un LP cuando el precio relativo de los dos activos en un CPMM diverge del ratio de depósito. En swaps de tokens es el precio que pagan los LPs por proveer arbitraje. En predicción, IL materializa exactamente cuando el mercado está haciendo su trabajo — precificando información nueva — lo que vuelve a los LPs reluctantes a proveer liquidez en mercados informativos. Por eso los CPMMs puros pierden frente a LMSR/LSAMM en predicción.

¿Puedo cambiar de AMM tras el lanzamiento?

No sin disrupción. El AMM está embebido en la función de costo que todas las operaciones han usado, así que cambiar deja posiciones existentes varadas o requiere migración compleja. La mayoría de plataformas en cambio lanzan nuevos mercados sobre el nuevo AMM y dejan los viejos correr hasta resolución sobre el viejo.

Hacia dónde ir ahora

Ahora tienes un framework funcional para elegir el AMM correcto. Próximos pasos:

• Para la base matemática, lee el deep dive del algoritmo LSAMM.
• Para decisiones de estructura aguas arriba, ve binarios vs múltiples resultados y diseño de categorías.
• Para cómo las elecciones de AMM afectan al trading real, ve microestructura para pronosticadores.
• Para contexto de plataforma, la introducción a los mercados de predicción amarra todo.

El AMM correcto es el que combina con la audiencia de tu plataforma, perfil de volumen y madurez operacional. Comienza con LSAMM, agrega un order book cuando se justifique, y nunca olvides que el AMM es solo una parte de un producto que tiene que ser descubrible, operable y resoluble.