La creciente frecuencia de llegadas de noticias, alimentada en parte por la proliferación de fuentes de datos, ha hecho que las suposiciones del modelo clásico de probabilidad de comercio informado (PIN) estén desactualizadas. En particular, la suposición del modelo de un solo tipo de evento informativo ya no refleja la complejidad de los mercados financieros modernos, lo que hace que la detección precisa de los tipos de información (capas) sea crucial para estimar la probabilidad de comercio informado. Proponemos un algoritmo de detección de capas para encontrar con precisión el número de tipos de información distintos dentro de un conjunto de datos. Identifica el número de capas de información mediante el agrupamiento de desequilibrios de órdenes y examinando su homogeneidad utilizando intervalos de confianza construidos adecuadamente para la distribución de Skellam. Mostramos que nuestro algoritmo logra encontrar el número de capas de información con una precisión muy alta tanto cuando las intensidades de compradores y vendedores no informados son iguales como cuando difieren entre sí (es decir, entre tasas de precisión del 86% y el 95%). Trabajamos con más de 500,000 simulaciones de conjuntos de datos trimestrales con diversas características y realizamos un gran conjunto de pruebas de robustez.