a16z: Почему прогнозные рынки станут инфраструктурой «вероятности будущего»

marsbitОпубликовано 2026-06-03Обновлено 2026-06-03

Введение

Предиктивные рынки превращаются из инструмента для специалистов в инфраструктуру для оценки вероятности будущих событий. Их принцип прост: создать торгуемый контракт на результат события, позволяя участникам выражать своё мнение реальными деньгами. Цена формирует приблизительную вероятность, агрегируя разрозненную информацию в реальном времени и стимулируя к участию тех, кто обладает знаниями, через механизм финансовых потерь в случае ошибки. В отличие от опросов или экспертных оценок, предиктивные рынки предлагают динамическую вероятностную оценку, мощные стимулы для точных прогнозов и охватывают узкоспециализированные вопросы (от выборов до результатов научных экспериментов), которые не отражаются на традиционных финансовых рынках. Однако их эффективность не гарантирована. Она зависит от участников (должны присутствовать информированные лица), дизайна контрактов, механизмов разрешения споров и защиты от манипуляций со стороны инсайдеров или заинтересованных групп, которые могут пытаться исказить цену сигнала в своих целях. Таким образом, ключевой следующий шаг — не просто рост объёмов торгов, а создание надёжной инфраструктуры: прозрачных правил, чётких контрактов, проверяемых механизмов расчётов и защиты от манипуляций. Истинная ценность предиктивных рынков — в предоставлении нового типа публичного вероятностного сигнала в условиях высокой неопределённости, помогая лучше понимать и реагировать на будущее.

Примечание редактора: Прогнозные рынки превращаются из нишевого торгового инструмента в более широкое публичное информационное поле.

Их логика не сложна: превратить будущее событие в торгуемый контракт, позволить участникам выражать свои суждения реальными деньгами, а затем сформировать приблизительную вероятность через цену. По сравнению с опросами, прогнозами экспертов или ценами традиционных активов, преимущество прогнозных рынков заключается в том, что они могут агрегировать разрозненную информацию в реальном времени и, благодаря механизму «проиграешь — потеряешь деньги», стимулировать участие тех, кто действительно владеет информацией.

Это также самый важный момент статьи. Автор не превозносит прогнозные рынки как «пророческие машины», а понимает их через саму рыночную механику: рынок не только распределяет ресурсы, но и агрегирует информацию; прогнозные рынки же напрямую используют эту способность к агрегации информации для оценки вероятности наступления того или иного события. От геополитики и результатов выборов до производительности ИИ-моделей и воспроизводимости научных экспериментов — многие узкоспециализированные вопросы, которые раньше было сложно выразить через традиционные финансовые активы, теперь могут быть преобразованы в набор торгуемых вероятностей.

Однако эффективность прогнозных рынков не является автоматической. Она зависит от того, кто торгует, как спроектирован контракт, как определяется результат и насколько рынок уязвим для манипуляций со стороны инсайдеров или заинтересованных лиц. Если люди, обладающие реальной информацией, не участвуют, цена может быть просто шумом; если инсайдеры делают ставки заранее, рынок теряет справедливость; если политические команды или проекты используют средства для искусственного завышения вероятности определенного исхода, прогнозный рынок может превратиться из «инструмента агрегации информации» в «инструмент манипуляции общественным мнением».

Поэтому следующий шаг для прогнозных рынков — не просто увеличение торговых объемов, а создание более надежной рыночной инфраструктуры: прозрачных правил участия, четкого дизайна контрактов, поддающихся аудиту механизмов расчетов и ограничений на манипулятивное поведение. Их истинная ценность заключается не в том, чтобы позволить людям «делать ставки на будущее», а в том, чтобы предоставлять новый общедоступный сигнал вероятности в условиях высокой неопределенности.

Ниже представлен оригинал статьи:

Прогнозные рынки позволяют людям торговать на основе исходов событий. В прошлом году такие рынки в США стали масштабно появляться на публичной сцене, и теперь их используют для отслеживания всего — от геополитических событий до победителей развлекательных наград. Но что такое прогнозные рынки на самом деле?

Как экономист, долгое время изучавший рынки и стимулы, мой ответ прост: прогнозные рынки — это, по сути, просто рынки. Рынки — это фундаментальный инструмент распределения ресурсов, гарантирующий, что товары и услуги попадают к тем, кто ценит их больше всего. В этом процессе рынки также агрегируют информацию: механизм рыночного клиринга впитывает разнообразную информацию, которой владеют участники, и концентрирует её в сигнале, таком как цена.

Платформы и продукты прогнозных рынков непосредственно используют эту способность к агрегации информации, пытаясь предсказать конкретные будущие события. Они вводят актив, привязанный к конкретному событию: если этот исход происходит, актив приносит выплату; затем люди торгуют этим активом, основываясь на своей оценке вероятности наступления события. Компании давно используют прогнозные рынки, например, для получения скрытой информации от сотрудников, чтобы предсказать, будет ли важный продукт выпущен вовремя. Научное сообщество также использовало прогнозные рынки для оценки того, какие эксперименты с большей вероятностью могут быть воспроизведены. Сегодня мы также видим, как несколько медиа-организаций сотрудничают с прогнозными рынками, используя эту информацию «мудрости толпы» для дополнения репортажей от источников и традиционных журналистов.

Прогнозные рынки пытаются ответить на вопросы о вероятности различных событий, напрямую собирая информацию от участников рынка — их личные суждения о будущем — и агрегируя эту информацию на одном рынке. Люди могут «делать ставки» на эти события так же, как они могут «делать ставки» на будущую стоимость компании на фондовом рынке или на будущую стоимость нефти на товарном рынке. Но разница прогнозных рынков в том, что они не привязаны к активу вроде нефти, на который влияет множество факторов, а вводят актив, который выплачивается только в случае наступления определенного события.

Если мы видим рост цен на нефть, мы знаем, что спрос увеличился относительно предложения. Но мы не обязательно знаем, что именно стоит за этим: ожидают ли люди эскалации конфликта на Ближнем Востоке или кто-то изобрел новое применение нефти. В отличие от этого, прогнозные рынки могут разобрать каждую возможность по отдельности. Например, прогнозный рынок на тему «останется ли Ормузский пролив открытым в определенную дату и время» может вращаться вокруг контракта: если событие произойдет, выплачивается 1 доллар за единицу контракта. По мере того как люди покупают и продают этот актив, рыночная цена может интерпретироваться как «датчик вероятности»: он оценивает совокупное суждение трейдеров о вероятности наступления этого события.

Конкретный механизм работы следующий: предположим, рыночная цена определенного исхода составляет 0,50 доллара за единицу, что соответствует вероятности 50%. Если вы считаете, что вероятность открытия Ормузского пролива выше 50%, скажем, 67%, то вы купите. Если ваше суждение верно, вы получите ожидаемую выгоду в 0,67 доллара по цене 0,50 доллара. Ваша покупка, в свою очередь, подтолкнет рыночную цену и соответствующую ей оценку вероятности вверх, отражая мнение о том, что рынок ранее недооценивал вероятность этого события. И наоборот: если кто-то считает рыночную цену завышенной, он будет продавать по более низкой цене или открывать короткие позиции, тем самым снижая совокупную оценку вероятности на рынке.

Когда прогнозные рынки работают хорошо, они имеют значительные преимущества по сравнению с другими методами прогнозирования. Во-первых, сама способность давать оценку вероятности — это уже мощная сила. Для сравнения, опросы и анкеты обычно дают лишь долю мнений; чтобы превратить эту долю в вероятность, необходимы статистические выводы о соотношении между измеренной пропорцией и общей популяцией. Опросы также часто являются лишь моментальным снимком на определенный момент времени, в то время как прогнозные рынки могут обновляться в реальном времени с появлением новых участников и новой информации.

Более важно то, что прогнозные рынки имеют механизмы стимулирования. У покупателей и продавцов есть «деньги на кону», и они понесут убытки, если их суждение окажется неверным. Это стимулирует потенциальных участников серьезно задуматься о том, какой информацией они владеют, и вкладывать средства в те вопросы, где, по их мнению, у них наибольшее информационное преимущество. В свою очередь, прогнозные рынки также дают людям возможность использовать информацию и экспертные знания, побуждая их проводить собственные исследования и глубже изучать соответствующие темы. Известный пример: перед президентскими выборами в США в 2024 году один участник прогнозного рынка даже провел собственный опрос, используя нетипичный метод, чтобы попытаться получить информацию, недоступную традиционным опросным организациям.

Наконец, у прогнозных рынков есть еще одно важное преимущество: широта охвата. В принципе, человек, разбирающийся в событиях, которые могут повлиять на спрос на нефть, может выразить свое мнение через короткую или длинную позицию по нефти. Но для многих исходов, которые мы хотим предсказать, не существует крупных товарных или фондовых рынков, которые могли бы эффективно их отразить. Для таких проблем прогнозные рынки могут быть идеальным инструментом. Например, недавно появились прогнозные рынки, агрегирующие суждения людей о том, насколько хорошо разные ИИ-модели справляются с различными задачами. Такие вопросы слишком узкоспециализированы, чтобы отражаться на традиционных товарных рынках. Любой может создать и профинансировать прогнозный рынок для ответа на такие нишевые вопросы.

Эти идеи не новы. Они существуют в той или иной форме, по крайней мере, с XVI века в Европе, где люди использовали похожие механизмы для предсказания следующего папы римского. Современные прогнозные рынки уходят корнями в экономику, статистику, дизайн рынков и компьютерные науки. В 1980-х годах Чарльз Плотт и Шьям Сундер представили первые формальные академические модели. Затем был запущен первый современный прогнозный рынок — Iowa Electronic Markets (Айова Электроник Маркетс). Благодаря интернету эта модель смогла поглощать разрозненную, децентрализованную информацию со всего мира.

Тем не менее, для того чтобы прогнозные рынки полностью раскрыли свой потенциал, еще предстоит решить множество проблем. Среди них — проблемы инфраструктуры, такие как проверка и достижение консенсуса относительно того, произошло ли событие, обеспечение прозрачности и поддающегося аудиту функционирования рынка; а также вопросы масштабируемой обработки расчетов по контрактам, поскольку результаты контрактов могут быть оспорены или подвергнуты манипуляциям.

Кроме того, существуют вызовы в области дизайна рынка. Во-первых, участники, обладающие соответствующей информацией, действительно должны выйти на рынок. Если у всех нет информационного преимущества, то ценовой сигнал прогнозного рынка на самом деле ничего нам не говорит. Напротив, различные люди, владеющие информацией, также должны быть готовы участвовать, иначе оценки прогнозных рынков будут смещены. Я отмечал в 2016 году, что прогнозные рынки могли недооценить вероятность Brexit и первого избрания Трампа именно потому, что люди, участвовавшие в прогнозных рынках в то время, недостаточно понимали реальную картину роста популизма.

В то же время, если на рынок выходит человек с «идеальной информацией», например, кто-то заранее знает, каков будет реальный результат, это тоже может стать проблемой, особенно если этот человек также может повлиять на ход событий. Представьте, если бы кто-то внутри конклава по выборам папы делал ставки на рынке прогнозов «следующий папа римский», торгуя до публичного объявления Льва, или даже пытался склонить выборы в пользу кандидата, на которого он поставил. Если потенциальные участники ожидают, что инсайдеры будут торговать на рынке, рациональным решением будет держаться от него подальше, что в конечном итоге приведет к краху рыночного механизма.

Наконец, существует возможность того, что кто-то попытается исказить цену прогнозного рынка, чтобы повлиять на общественное восприятие вероятности того или иного исхода. Таким образом, прогнозный рынок превратится из инструмента агрегации убеждений в инструмент манипуляции убеждениями. Если команда по связям с общественностью кандидата на выборах хочет, чтобы внешний мир поверил, что они побеждают, они могут просто выделить часть средств кампании, чтобы попытаться повлиять на соответствующий прогнозный рынок. Однако прогнозные рынки в некоторой степени способны к само-коррекции, потому что когда оценка вероятности по контракту завышена до явно неразумного уровня, всегда найдутся те, кто встанет по другую сторону сделки.

Все эти проблемы указывают на одну и ту же потребность: прогнозные рынки должны устанавливать более высокую степень прозрачности и более четкие правила в области управления участниками, дизайна контрактов и функционирования рынка. Но если создатели прогнозных рынков смогут успешно решить эти проблемы, они могут стать ключевым инструментом для нашего понимания и реагирования на будущее.

Связанные с этим вопросы

QВ чём заключается основное преимущество прогнозных рынков по сравнению с традиционными методами, такими как опросы или мнения экспертов?

AОсновное преимущество прогнозных рынков заключается в их способности агрегировать разрозненную информацию в режиме реального времени через рыночный механизм ценообразования, который отражает коллективную оценку вероятности события. В отличие от статичных опросов, они постоянно обновляются. Ключевой фактор — наличие финансового стимула: участники рискуют реальными деньгами, что мотивирует их предоставлять более точную и обдуманную информацию.

QКак работает прогнозный рынок на простом примере?

AПрогнозный рынок создаёт торгуемый актив (контракт), который выплачивает определённую сумму (например, 1 доллар) в случае наступления конкретного события. Цена этого актива на рынке интерпретируется как коллективная оценка вероятности данного события. Например, если цена контракта составляет 0.50 доллара, это означает оценку вероятности в 50%. Участники, считающие вероятность более высокой, покупают контракт, повышая его цену (и предполагаемую вероятность), а те, кто считает вероятность завышенной, — продают или открывают короткие позиции, снижая её.

QКакие основные проблемы и риски могут подорвать эффективность прогнозных рынков?

AЭффективность прогнозных рынков зависит от нескольких факторов: 1) Участие информированных лиц — если ключевые носители информации не участвуют, цена становится шумом. 2) Манипуляции — внутренние лица или заинтересованные группы могут использовать инсайдерскую информацию или капитал для искажения цен с целью манипуляции общественным мнением. 3) Дизайн контрактов и арбитраж — необходимы чёткие, прозрачные правила определения исхода событий и разрешения споров. 4) Отсутствие ликвидности по нишевым вопросам может сделать рынок неэффективным.

QКакие примеры практического применения прогнозных рынков приведены в статье?

AВ статье приведены следующие примеры применения прогнозных рынков: 1) В бизнесе — компании используют внутренние прогнозные рынки для сбора информации от сотрудников (например, о сроках выпуска продукта). 2) В науке — для оценки вероятности успешного повторения экспериментов. 3) В медиа — новостные организации используют данные рынков как дополнение к традиционной журналистике. 4) Для прогнозирования выборов и геополитических событий. 5) Для оценки и сравнения производительности различных ИИ-моделей в специфических задачах.

QКак автор статьи определяет следующую важную задачу для развития прогнозных рынков?

AАвтор утверждает, что следующая ключевая задача — не просто увеличение объёмов торгов, а создание более надёжной и доверительной рыночной инфраструктуры. Это включает в себя установление прозрачных правил участия, разработку чётких и понятных контрактов, создание поддающихся аудиту механизмов расчётов, а также внедрение мер по сдерживанию и выявлению манипулятивного поведения. Только так прогнозные рынки смогут стать полноценным инструментом формирования общедоступных вероятностных сигналов в условиях высокой неопределённости.

Похожее

Большая модель ставит оценку изображениям не только "на слово", используя структурные диаграммы и спектрограммы в качестве "материальных доказательств", для оценки изображений применяются "визуальные доказательства".

Мультимодальные большие языковые модели (MLLM) часто неточно оценивают качество изображений из-за «семантического смещения» — они фокусируются на высокоуровневом содержании, а не на визуальных дефектах. Чтобы решить эту проблему, исследователи из Северо-Западного политехнического университета и Гонконгского университета науки и технологий представили IQA-T1 — новую архитектуру, которая заставляет MLLM оценивать качество на основе визуальных доказательств. Ключевая идея — предоставить модели набор специализированных инструментов для анализа. Во время работы модель самостоятельно решает, какие инструменты использовать для генерации структурированных «доказательств»: карты остаточного шума, спектры Фурье, карты согласованности градиентов и другие. Эти визуальные доказательства последовательно интегрируются в цепочку рассуждений, что делает оценку объективной и объяснимой. Обучение проходит в два этапа: контролируемая тонкая настройка (SFT) учит модель использовать инструменты и связывать доказательства с оценкой, а обучение с подкреплением (RL) оптимизирует стратегию их вызова, поощряя эффективность и избегая избыточности. Для обучения создан новый набор данных Q-Tool, содержащий 11k мультимодальных цепочек рассуждений с доказательствами. В тестах на 7 наборах данных IQA-T1 показала наилучший средний результат (PLCC 0.795 / SRCC 0.784), превзойдя современные методы. Модель не только точнее оценивает качество, особенно на синтетических и алгоритмических искажениях, но и предоставляет понятную, основанную на доказательствах цепочку рассуждений, делая процесс оценки прозрачным. Работа открывает путь к созданию более надежных и интерпретируемых систем визуального анализа.

marsbit4 мин. назад

Большая модель ставит оценку изображениям не только "на слово", используя структурные диаграммы и спектрограммы в качестве "материальных доказательств", для оценки изображений применяются "визуальные доказательства".

marsbit4 мин. назад

TRUMP держится на уровне $1,50 – Настройка на пробой или очередная бычья ловушка в третьем квартале?

Токен TRUMP удерживается вблизи уровня $1,50, демонстрируя устойчивую консолидацию на фоне роста открытого интереса (OI), что указывает на возможное накопление позиций трейдерами в ожидании значительного движения цены. Однако общая картина остается уязвимой. В третьем квартале TRUMP показывает снижение более чем на 5,3%, отставая от роста Bitcoin и продолжая серию квартальных убытков. Сектор мемкоинов в целом слабеет, а один из ключевых бычьих катализаторов для TRUMP — вероятность принятия закона CLARITY Act к концу 2026 года — по данным Polymarket, упала до рекордно низких 32%. Таким образом, несмотря на технические сигналы о возможном пробое, сочетание охлаждающегося спроса на мемкоины, угасания позитивных новостей и селективного притока капитала в другие активы (например, PEPE) повышает риски. Недавний отскок TRUMP может оказаться бычьей ловушкой, особенно если цена не удержит поддержку $1,50, что способно привести к более глубокому падению в третьем квартале.

ambcrypto5 мин. назад

TRUMP держится на уровне $1,50 – Настройка на пробой или очередная бычья ловушка в третьем квартале?

ambcrypto5 мин. назад

Allbridge приостанавливает основное протокол после эксплойта с мгновенным займом на $1,65 млн в сети Solana

Кросс-чейновая платформа Allbridge Core приостановила работу своего основного протокола после взлома, в результате которого 14 апреля было похищено 1,65 миллиона долларов. Атака произошла в развертывании платформы на блокчейне Solana, после чего средства были переведены в сеть Ethereum. Злоумышленник использовал стратегию мгновенного кредита (flash loan), взяв в займ 1,12 миллиона USDC на платформе Kamino. Последующие быстрые обмены между USDC и USDT создали дисбаланс цен в пуле ликвидности, что позволило эксплуатировать ошибку в алгоритме автоматического маркет-мейкера (AMM) и изъять средства по завышенной цене. Это уже вторая подобная атака на Allbridge Core после инцидента на 573 000 долларов в пулах BNB Chain в апреле 2023 года. Приостановка работы моста приводит к задержкам в обработке транзакций и сокращению доступной ликвидности, заставляя пользователей и поставщиков ликвидности искать альтернативы. Инцидент вновь подчеркивает сохраняющиеся риски безопасности, связанные с кросс-чейновыми мостами и пулами ликвидности.

TheNewsCrypto11 мин. назад

Allbridge приостанавливает основное протокол после эксплойта с мгновенным займом на $1,65 млн в сети Solana

TheNewsCrypto11 мин. назад

Корейский подрядчик проник в MetaMask на месяц, и настоящая уязвимость криптопроектов — не в коде

Автор: Liam 'Akiba' Wright Компиляция: TechFlow Консорциум Consensys, создатель кошелька MetaMask, сообщил об инциденте с безопасностью. Подрядчик, связанный с КНДР, получил доступ к репозиторию кода MetaMask через третьего поставщика услуг с 9 марта и работал до апреля, когда доступ был отключен. Consensys заявил, что расследование не выявило кражы активов или данных, развертывания вредоносного кода и какого-либо воздействия на безопасность пользователей. Компания быстро идентифицировала угрозу, прекратила доступ, начала расследование и уведомила правоохранительные органы. Инцидент высветил критическую уязвимость в аутсорсинге криптопроектов: 76% украденных из DeFi средств в первой половине 2024 года произошли из-за эксплуатации операционных уязвимостей (доступы, подписи), а не уязвимостей смарт-контрактов. Эксперты и руководства по безопасности (MetaMask, FBI, UK NCSC) рекомендуют следующие меры для снижения подобных рисков: * Тщательная проверка личности подрядчиков при найме и на постоянной основе. * Аудит компаний-поставщиков услуг. * Принцип минимальных привилегий (ограниченный доступ к коду). * Аппаратная аутентификация. * Независимый аудит каждого изменения в производственной среде. * Немедленный отзыв прав доступа при прекращении необходимости. * Мониторинг аномальной активности. Consensys также пересмотрел практики работы с третьими сторонами, распространив строгие внутренние стандарты на внешние отношения.

marsbit32 мин. назад

Корейский подрядчик проник в MetaMask на месяц, и настоящая уязвимость криптопроектов — не в коде

marsbit32 мин. назад

От золота к биткойну: фиксированное предложение + институциональная лихорадка — повторится ли история «взрывного» роста цен?

Аналитики проводят параллели между биткоином и золотом, отмечая схожие черты: фиксированное предложение, статус негенерирующих доход активов-убежищ и зависимость цены от настроений инвесторов. Эксперт Bloomberg Intelligence Эрик Бальчунас указывает, что история золотых ETF за 22 года может служить дорожной картой для биткоин-ETF. После запуска в 2004 году золотые ETF пережили взлёты, болезненные коррекции и долгое восстановление, но каждый цикл устанавливал новые максимумы. Биткоин-ETF, одобренные в 2024 году, стали одними из самых быстрорастущих в истории, открыв криптоактив для институциональных инвесторов. Однако это привело к повышенной волатильности: крупные оттоки средств из ETF, как у BlackRock IBIT, могут оказывать значительное давление на рынок. Несмотря на падение цены более чем на 50% с октября 2025 года, многие остаются оптимистичны в долгосрочной перспективе, видя в биткоине "цифровое золото". Устойчивый институциональный спрос на ETF и растущее включение биткоина в инвестиционные портфели компаний помогают смягчать продажи. Если биткоин сможет занять даже небольшую часть рыночной капитализации золота (около $28 трлн), это откроет огромный потенциал для роста. Путь, вероятно, будет сопряжён с высокой волатильностью, но фиксированное предложение в сочетании с волнами институционального спроса может вновь привести к взрывному росту цены.

Foresight News48 мин. назад

От золота к биткойну: фиксированное предложение + институциональная лихорадка — повторится ли история «взрывного» роста цен?

Foresight News48 мин. назад

Торговля

Спот
活动图片