Cet article provient de :Kalshi Research
Compilé par | Odaily Planet Daily (@OdailyChina) ; Traducteur | Azuma (@azuma_eth)
Note de la rédaction : La plateforme leader de marché de prédiction Kalshi a annoncé hier le lancement d'une nouvelle rubrique de rapports de recherche, Kalshi Research, visant à fournir les données internes de Kalshi aux universitaires et chercheurs intéressés par les sujets liés aux marchés de prédiction. Le premier rapport de recherche de cette rubrique a été publié, le titre original étant « Kalshi surpasse Wall Street dans la prédiction de l'inflation » (Beyond Consensus: Prediction Markets and the Forecasting of Inflation Shocks).
Voici le contenu original du rapport, compilé par Odaily Planet Daily.
Aperçu
Généralement, une semaine avant la publication des statistiques économiques importantes, les analystes et économistes seniors des grandes institutions financières fournissent leurs estimations de la valeur attendue. Une fois agrégées, ces prévisions sont appelées « consensus des attentes » et sont largement considérées comme une référence importante pour anticiper les changements de marché et ajuster le positionnement.
Dans ce rapport de recherche, nous comparons la performance du consensus des attentes et de la tarification implicite du marché de prédiction de Kalshi (parfois appelée ci-après « prévision du marché ») pour prédire la valeur réelle d'un même signal macroéconomique clé — le taux d'inflation global en glissement annuel (IPC YOY).
Points clés
- Précision globale supérieure : Dans tous les environnements de marché (normaux et de choc), l'erreur absolue moyenne (MAE) des prédictions de Kalshi est inférieure de 40,1 % au consensus des attentes.
- « Alpha de choc » (Shock Alpha) : En période de chocs majeurs (supérieurs à 0,2 point de pourcentage), la MAE de la prévision de Kalshi est inférieure de 50 % à celle du consensus une semaine avant la publication ; la veille de la publication des données, cet écart s'élargit à 60 %. En période de chocs modérés (entre 0,1 et 0,2 point de pourcentage), la MAE de la prévision de Kalshi est également inférieure de 50 % à celle du « consensus des attentes » une semaine avant, et s'élargit à 56,2 % la veille de la publication des données.
- Signal prédictif : Lorsque l'écart entre la prévision du marché et le consensus des attentes dépasse 0,1 point de pourcentage, la probabilité qu'un choc se produise est d'environ 81,2 %, et monte à environ 82,4 % la veille de la publication des données. Dans les cas où la prévision du marché et le consensus des attentes divergent, la prévision du marché est plus précise dans 75 % des cas.
Contexte
Les prévisionnistes macroéconomiques sont confrontés à un défi intrinsèque : les moments les plus importants pour la prévision — c'est-à-dire les périodes de désordre des marchés, de changement de politique et de rupture structurelle — sont précisément celles où les modèles historiques sont les plus susceptibles d'échouer. Les participants aux marchés financiers publient généralement des prévisions de consensus quelques jours avant la publication des données économiques clés, résumant l'opinion des experts en une attente du marché. Cependant, ces points de vue consensuels, bien que précieux, partagent souvent des méthodologies et des sources d'information similaires.
Pour les investisseurs institutionnels, les gestionnaires de risques et les décideurs politiques, les enjeux de la précision des prévisions sont asymétriques. En période non contestée, une prévision légèrement meilleure n'offre qu'une valeur limitée ; mais en période de chaos sur les marchés — lorsque la volatilité augmente, les corrélations se dissolvent ou les relations historiques échouent — une meilleure précision peut générer des rendements Alpha significatifs et limiter les drawdowns.
Il est donc crucial de comprendre le comportement des paramètres pendant les périodes de volatilité des marchés. Nous nous concentrons sur un indicateur macroéconomique clé — le taux d'inflation global en glissement annuel (IPC YOY) — une référence centrale pour les décisions futures sur les taux d'intérêt et un signal important de la santé économique.
Nous comparons et évaluons la précision des prévisions sur plusieurs fenêtres temporelles avant la publication officielle des données. Notre découverte principale est que l'« Alpha de choc » existe bel et bien — c'est-à-dire que lors d'événements de queue, les prévisions basées sur le marché peuvent atteindre une précision prédictive supplémentaire par rapport au benchmark de consensus. Cette surperformance ne revêt pas seulement une signification académique pure, mais améliore significativement la qualité du signal à des moments clés où l'erreur de prédiction a le coût économique le plus élevé. Dans ce contexte, la question importante n'est pas de savoir si les marchés de prédiction ont « toujours raison », mais s'ils fournissent un signal différencié qui mérite d'être intégré dans les cadres décisionnels traditionnels.
Méthodologie
Données
Nous avons analysé les valeurs de prévision implicites quotidiennes des traders sur le marché de prédiction de la plateforme Kalshi, couvrant trois points dans le temps : une semaine avant la publication des données (correspondant au moment de publication du consensus des attentes), la veille de la publication, et le matin de la publication. Chaque marché utilisé était (ou avait été) un marché réel et négociable en cours d'exécution, reflétant des positions réelles avec différents niveaux de liquidité. Pour le consensus des attentes, nous avons collecté des prévisions de consensus au niveau institutionnel pour l'IPC YOY, généralement publiées environ une semaine avant la publication des données officielles du Bureau of Labor Statistics américain.
L'échantillon couvre la période de février 2023 à mi-2025, englobant plus de 25 cycles mensuels de publication de l'IPC, traversant divers environnements macroéconomiques.
Classification des chocs
Nous avons classé les événements en trois catégories en fonction de « l'amplitude de la surprise » par rapport aux niveaux historiques. Un « choc » est défini comme la différence absolue entre le consensus des attentes et les données publiées réelles :
- Événement normal : L'erreur de prévision de l'IPC YOY est inférieure à 0,1 point de pourcentage ;
- Choc modéré : L'erreur de prévision de l'IPC YOY est comprise entre 0,1 et 0,2 point de pourcentage ;
- Choc majeur : L'erreur de prévision de l'IPC YOY dépasse 0,2 point de pourcentage.
Cette méthode de classification nous permet d'examiner : si l'avantage prédictif varie systématiquement avec l'évolution de la difficulté de prédiction.
Indicateurs de performance
Pour évaluer la performance des prévisions, nous utilisons les indicateurs suivants :
- Erreur absolue moyenne (MAE) : Le principal indicateur de précision, calculé comme la moyenne des différences absolues entre la valeur prédite et la valeur réelle.
- Taux de réussite : Lorsque la différence entre le consensus des attentes et la prévision du marché atteint ou dépasse 0,1 point de pourcentage (arrondi à une décimale), nous enregistrons quelle prévision est la plus proche du résultat réel final.
- Analyse de l'horizon temporel des prévisions : Nous suivons l'évolution de la précision des valorisations du marché depuis une semaine avant la publication jusqu'au jour de la publication, afin de révéler la valeur apportée par l'incorporation continue d'informations.
Résultats : Performance des prévisions de l'IPC
Précision globale supérieure
Dans tous les environnements de marché, la prévision de l'IPC basée sur le marché présente une erreur absolue moyenne (MAE) inférieure de 40,1 % à la prévision de consensus. Sur tous les horizons temporels, la MAE de la prévision de l'IPC basée sur le marché est inférieure de 40,1 % (une semaine avant) à 42,3 % (un jour avant) à celle du consensus des attentes.
De plus, dans les cas où le consensus des attentes et la valeur implicite du marché divergent, la prévision basée sur le marché de Kalshi affiche un taux de réussite statistiquement significatif, allant de 75,0 % une semaine avant à 81,2 % le jour de la publication. Si l'on inclut les cas d'égalité avec le consensus des attentes (arrondis à une décimale), la prévision basée sur le marché est à égalité ou meilleure dans environ 85 % des cas une semaine avant.
Un tel taux de précision directionnelle élevé suggère que : lorsque la prévision du marché et le consensus des attentes divergent, cette divergence elle-même a une valeur informationnelle significative quant à la « probabilité qu'un événement de choc se produise ».
L'« Alpha de choc » existe bel et bien
Les différences de précision des prévisions sont particulièrement marquées pendant les événements de choc. Lors des chocs modérés, la MAE de la prévision du marché est inférieure de 50 % à celle du consensus des attentes au moment de la publication, et cet avantage s'élargit à 56,2 % ou plus la veille de la publication des données ; lors des chocs majeurs, la MAE de la prévision du marché est également inférieure de 50 % à celle du consensus des attentes au moment de la publication, et peut atteindre 60 % ou plus la veille de la publication des données ; tandis que dans les environnements normaux sans choc, les performances de la prévision du marché et du consensus des attentes sont globalement similaires.
Bien que le nombre d'échantillons d'événements de choc soit faible (ce qui est raisonnable dans un monde où les chocs sont par nature hautement imprévisibles), le schéma global est très clair : lorsque l'environnement prédictif est le plus difficile, l'avantage d'agrégation d'information du marché est le plus précieux.
Cependant, ce qui est plus important n'est pas seulement que les prévisions de Kalshi performent mieux pendant les périodes de choc, mais aussi que la divergence entre la prévision du marché et le consensus des attentes elle-même peut être un signal qu'un choc est imminent. En cas de divergence, le taux de réussite de la prévision du marché par rapport au consensus des attentes atteint 75 % (dans des fenêtres temporelles comparables). De plus, une analyse par seuil indique davantage : lorsque l'écart entre le marché et le consensus dépasse 0,1 point de pourcentage, la probabilité qu'un choc se produise est d'environ 81,2 %, et la veille de la publication des données, cette probabilité monte à environ 84,2 %.
Cette différence ayant une signification pratique notable suggère que : les marchés de prédiction peuvent servir non seulement comme un outil de prévision concurrent parallèle au consensus des attentes, mais aussi comme un « méta-signal » concernant l'incertitude des prévisions, transformant la divergence entre le marché et le consensus en un indicateur précoce quantifiable pour alerter des résultats surprises potentiels.
Discussion dérivée
Une question évidente se pose : Pourquoi, pendant les périodes de choc, la prévision du marché surpasse-t-elle la prévision de consensus ? Nous proposons trois mécanismes complémentaires pour expliquer ce phénomène.
Hétérogénéité des participants du marché et « sagesse des foules »
Le consensus traditionnel des attentes, bien qu'intégrant les points de vue de plusieurs institutions, partage souvent des hypothèses méthodologiques et des sources d'information similaires. Les modèles économétriques, les rapports de recherche de Wall Street et les publications de données gouvernementales constituent une base de connaissances commune fortement chevauchante.
En revanche, les marchés de prédiction agrègent les positions détenues par des participants ayant des bases d'information différentes : incluant des modèles propriétaires, des insights au niveau sectoriel, des sources de données alternatives et des intuitions basées sur l'expérience. Cette diversité des participants a une base théorique solide dans la théorie de la « sagesse des foules » (wisdom of crowds). Cette théorie indique que lorsque les participants détiennent des informations pertinentes et que leurs erreurs de prédiction ne sont pas parfaitement corrélées, l'agrégation de prévisions indépendantes provenant de sources diversifiées tend à produire une estimation.
Et lors des « changements d'état » de l'environnement macroéconomique, la valeur de cette diversité informationnelle est particulièrement saillante — les individus possédant des informations fragmentaires et locales interagissent sur le marché, leurs fragments d'information se combinent pour former un signal collectif.
Différences dans les structures d'incitation des participants
Les prévisionnistes au niveau institutionnel opèrent souvent dans des systèmes organisationnels et de réputation complexes qui s'écartent systématiquement de l'objectif de « recherche pure de la précision prédictive ». Les risques professionnels auxquels sont confrontés les prévisionnistes de carrière créent une structure de rendement asymétrique — de grandes erreurs de prévision entraînent des coûts de réputation significatifs, tandis qu'une précision extrême, surtout si elle est obtenue en s'écartant largement du consensus des pairs, ne garantit pas nécessairement des bénéfices professionnels proportionnels.
Cette asymétrie induit un « comportement grégaire » (herding), où les prévisionnistes ont tendance à regrouper leurs prévisions autour de la valeur consensuelle, même si leur information privée ou la sortie de leur modèle suggère un résultat différent. La raison en est que, dans un système professionnel, le coût d'« avoir tort seul » est souvent plus élevé que le bénéfice d'« avoir raison seul ».
En contraste frappant, les mécanismes d'incitation auxquels sont confrontés les participants aux marchés de prédiction alignent directement la précision des prévisions sur les résultats économiques — une prévision correcte signifie un profit, une prévision erronée signifie une perte. Dans ce système, les facteurs de réputation sont presque absents, le seul coût de s'écarter du consensus du marché est une perte économique, et dépend entièrement de l'exactitude de la prédiction. Cette structure exerce une pression de sélection plus forte sur la précision des prévisions — les participants capables d'identifier systématiquement les erreurs du consensus accumulent du capital et augmentent leur influence sur le marché par des positions plus importantes ; tandis que ceux qui suivent mécaniquement le consensus subissent des pertes continues lorsque le consensus s'avère erroné.
Pendant les périodes où l'incertitude augmente significativement, lorsque le coût professionnel pour les prévisionnistes institutionnels de s'écarter du consensus des experts est à son plus haut, cette divergence des structures d'incitation est souvent la plus visible et la plus importante sur le plan économique.
Efficacité de l'agrégation de l'information
Un fait empirique notable est : même une semaine avant la publication des données — un point dans le temps qui correspond à la fenêtre typique de publication du consensus des attentes — la prévision du marché montre toujours un avantage de précision significatif. Cela indique que l'avantage du marché ne découle pas seulement de l'« avantage de vitesse d'accès à l'information » souvent attribué aux participants des marchés de prédiction.
Au contraire, la prévision du marché peut agréger plus efficacement ces fragments d'information qui sont trop dispersés, trop sectoriels ou trop flous pour être formellement incorporés dans les cadres de prévision économétriques traditionnels. L'avantage relatif des marchés de prédiction pourrait ne pas résider dans un accès plus précoce à l'information publique, mais dans leur capacité, sur la même échelle de temps, à synthétiser plus efficacement une information hétérogène — ce que les mécanismes de consensus basés sur des enquêtes, même avec la même fenêtre temporelle, ont souvent du mal à traiter efficacement.
Limitations et mises en garde
Nos résultats doivent être qualifiés par une importante réserve. L'échantillon global ne couvrant qu'environ 30 mois et les événements de choc majeur étant par définition rares, cela signifie que pour les grands événements de queue, la puissance statistique reste limitée. Des séries temporelles plus longues renforceront la capacité d'inférence future, bien que les résultats actuels suggèrent fortement la supériorité des prévisions du marché et la nature différentielle du signal.
Conclusion
Nous documentons une surperformance significative, systématique et économiquement pertinente des marchés de prédiction par rapport au consensus d'experts, en particulier pendant les événements de choc où la précision des prévisions est la plus cruciale. Les prévisions de l'IPC basées sur le marché présentent globalement environ 40 % d'erreur en moins, et pendant les périodes de changements structurels majeurs, cette réduction d'erreur peut atteindre environ 60 %.
Sur la base de ces découvertes, plusieurs directions de recherche futures deviennent particulièrement importantes : premièrement, étudier avec des échantillons plus larges et sur divers indicateurs macroéconomiques si les événements d'« Alpha de choc » eux-mêmes peuvent être prédits à l'aide d'indicateurs de volatilité et de divergence des prévisions ; deuxièmement, déterminer le seuil de liquidité au-dessus duquel les marchés de prédiction surpassent de manière stable les méthodes de prévision traditionnelles ; troisièmement, explorer la relation entre les valeurs prédites des marchés de prédiction et celles implicites des instruments financiers de trading haute fréquence.
Dans un environnement où les prévisions de consensus dépendent fortement d'hypothèses de modèles fortement corrélées et d'ensembles d'information partagés, les marchés de prédiction offrent un mécanisme alternatif d'agrégation d'information, capable de capturer plus tôt les changements d'état et de traiter plus efficacement l'information hétérogène. Pour les entités qui doivent prendre des décisions dans un environnement économique marqué par une incertitude structurelle croissante et une fréquence accrue d'événements de queue, l'« Alpha de choc » pourrait représenter non seulement une amélioration progressive de la capacité prédictive, mais aussi devenir un composant fondamental de leur infrastructure robuste de gestion des risques.
