Проанализировав 231 рынок прогнозов, мы обнаружили жестокую правду об ICO

比推Опубликовано 2026-01-29Обновлено 2026-01-29

Введение

Анализ 231 рынка предсказаний на платформе Polymarket, посвященных первичным предложениям монет (ICO), выявил суровую правду. Вопреки заявлениям о 100% точности прогнозов, реальная точность за неделю до закрытия рынков составляет лишь 66,7%. Рынки систематически демонстрируют чрезмерный оптимизм, переоценивая будущую капитализацию (FDV) в среднем на 35%. Высокие объемы торгов (>$50 млн) являются медвежьим сигналом, указывая на наибольшую степень переоценки и последующее падение цены. 75% токенов падали в первые 24 часа после листинга, а средняя доходность с момента ICO составила -32,2%. Исследование приходит к выводу, что рынки предсказаний служат не инструментом прогнозирования, а индикатором хайпа, и систематическая ошибка оптимизма толпы служит мощным контр-индикатором.

Источник: LEGION (@legiondotcc)

Оригинальное название: What prediction markets reveal about ICOs

Компиляция и редактирование: BitpushNews


Рынки прогнозов в мире токенов

Рынки прогнозов на выпуск токенов Polymarket уже обработали почти 2,5 миллиарда долларов объема торгов. Платформа заявляет о поразительной точности прогнозов — 100% для прогноза объема привлеченных средств и более 90% для прогноза оценки. Однако глубокий анализ показывает, что эти данные серьезно вводят в заблуждение: истинный рыночный сигнал заключается не в «том, что угадали правильно», а в «том, насколько ошиблись».

Мы проанализировали данные 231 рынка прогнозов по 29 событиям выпуска токенов, сопоставив их с фактическими показателями токенов от CoinGecko, и обнаружили, что эти рынки не являются надежным прогностическим инструментом, а служат контр-индикатором, отражающим рыночные настроения.

Ключевой вывод:

За неделю до закрытия рынков прогнозов реальная точность прогнозов составила лишь 66,7%. В ключевые моменты толпа ошибалась 1 раз из 3, и ошибки прогнозов систематически проявлялись как излишний оптимизм.

Проблема 24-часовой волатильности: используя часовые данные CoinGecko, мы обнаружили, что ставки на рынках PM «FDV через 24 часа после листинга превысит X» делаются на экстремальную волатильность.

Среднее изменение за 24 часа: ±23% | Лучший случай: Monad +54,8% | Худший случай: Trove -38,7%.

75% токенов падали в цене в первые 24 часа после листинга. Точность 24-часовых прогнозов FDV на PM: всего 62,5%.

Заблуждение относительно точности

Когда мы отслеживаем изменение вероятностей на рынке с течением времени, а не просто смотрим на конечный результат, возникает иная картина. Рынки обещаний кажутся «на 100% точными», потому что по мере проведения продаж происходит утечка конечных данных. Инсайдеры и наблюдатели обновляют цены на основе этого, что является всего лишь ценовым открытием постфактум.

Ключевой вывод:

И рынки обещаний, и рынки FDV по мере закрытия стремятся к точности ~100%, потому что они рассчитываются уже после того, как результат известен. Рынки обещаний закрываются после окончания продаж; рынки FDV закрываются после окончания 24-часового периода после листинга. Единственным значимым прогностическим индикатором является точность за неделю до закрытия, когда и существует настоящая неопределенность. Точность обещаний в 66,7% показывает, что в ключевые моменты рынок ошибался в трети случаев.

Где ошибается суждение пользователей

Мы проверили каждый рынок, где пользователи проявляли более 60% уверенности в нереализованном результате. В каждом случае ошибка была однонаправленной: чрезмерный оптимизм. Толпа постоянно верила, что объем финансирования будет больше, а оценка — выше, чем на самом деле.

Эта систематическая ошибка указывает на то, что участники этих рынков — оптимистичные спекулянты, которых привлекла именно перспектива продажи токенов.

Чрезмерный оптимизм vs Показатели токена (с момента ICO)

Методология: этот анализ включает только те рынки, где проводилось публичное ICO и токен уже выпущен, с использованием коэффициентов PM за неделю до закрытия. Степень чрезмерного оптимизма = (Прогнозируемый PM FDV – Фактический 24-часовой FDV) / Фактический 24-часовой FDV. На оси Y показана доходность с момента ICO по настоящее время.

Данные показывают умеренную отрицательную корреляцию (r=-0,41) между степенью чрезмерного оптимизма и доходностью ICO. Monad был недооценен (-25%), но с момента ICO все равно упал на -24%. Ranger был самым переоцененным по прогнозам (+72%), с момента ICO упал на -32%. Только Football.fun остается выше цены ICO (+1%).

Рейтинг показателей токенов

В приведенной ниже таблице используются исторические коэффициенты PM за неделю до закрытия, что раскрывает реальную точность прогнозов.

Модель ясна: экстремальный чрезмерный оптимизм предвещает катастрофу, а высокий объем торгов на PM, даже когда его прогноз точен, является контр-индикатором.

ICO FDV vs Показатели листинга

Ключевой вывод: Среди токенов с данными ICO, 40% токенов вышли на биржу по цене ниже их ICO-оценки. Средняя доходность с момента ICO по настоящее время: -32,2%. Только Football.fun торгуется выше своей ICO-цены.

Модель очень очевидна: даже те токены, которые вышли на биржу с оценкой выше их ICO-оценки (Monad, Solomon), в конечном итоге упали ниже цены ICO. Из 5 токенов ICO в этом наборе данных только Football.fun в настоящее время торгуется выше своей ICO-цены (+1%), став единственным победителем.

Ключевые выводы

Проанализировав 231 рынок, объем торгов в 241,5 миллиона долларов и 8 выпущенных токенов с проверенными данными 24-часового FDV, можно четко выделить несколько выводов:

1. «Точность 100%» бессмысленна. Рынки закрываются после того, как результат известен (рынки обещаний — после продаж, рынки FDV — через 24 часа), поэтому точность на поздних этапах незначительно близка к ~100%. За неделю до закрытия реальная прогностическая точность рынков обещаний составляла всего 66,7%. В ключевые моменты толпа ошибалась в трети случаев.

2. Систематический чрезмерный оптимизм. Среди 15 лучших рынков на 5 рынках была уверенность более 60% в достижении порогов, которые не были достигнуты. Среднее завышение FDV: +35%.

3. Высокий объем торгов на PM является контр-индикатором. Monad (89 млн долларов) и MegaETH (67 млн долларов) показали наибольшую степень чрезмерного оптимизма. Чем больше денег вкладывает толпа, тем увереннее она становится и тем сильнее ошибается.

4. Консервативные прогнозы = лучшие результаты. Токены, по которым прогнозы PM были точны (Monad, Football.fun), упали меньше. Низкий ажиотаж и точные прогнозы, по-видимому, являются бычьим сигналом.

Торговые сигналы

На основе анализа мы можем извлечь действенные сигналы для оценки будущих продаж токенов. Они не являются абсолютно точными, но представляют собой закономерности, неоднократно появлявшиеся в нашем наборе данных.

Медвежьи сигналы

  • Объем торгов на PM > 50 миллионов долларов

  • Чрезмерный оптимизм по FDV > 50%

  • Все пороги FDV, вероятно, не будут достигнуты

  • Чрезмерный оптимизм по сумме обещаний > 30%

Бычьи сигналы (относительно)

  • Объем торгов на PM < 5 миллионов долларов

  • Ошибка прогноза FDV в пределах 20%

  • Будут достигнуты несколько порогов FDV

  • Ожидания толпы консервативны

Эта асимметрия крайне важна. Медвежьи сигналы являются сильным индикатором прогнозирования плохих результатов, а бычьи сигналы относительно слабы — они лишь намекают, что токен может «упасть не так сильно», как его раскрученные аналоги. На рынке, где цены токенов в целом откатились от исторических максимумов, «упасть меньше» — уже наилучший scenario.

В конечном счете: рынки продаж токенов Polymarket по своей сути являются измерителями ажиотажа. Истинный сигнал заключается не в самом прогнозе, а в степени его отклонения от фактических показателей. Когда массы скупаются, делая ставки на то, что оценки будут продолжать расти, благоразумнее всего сохранять бдительность.

История неоднократно доказывала: когда рыночный консенсус достигает пика, именно тогда инвесторы往往 испытывают наибольшую боль.

Источники данных в статье: Polymarket CLOB API, CoinGecko, CMC (перекрестная проверка), данные о ценах по состоянию на 27 января 2026 года.


Twitter:https://twitter.com/BitpushNewsCN

Группа общения в TG比推:https://t.me/BitPushCommunity

Подписка в TG比推: https://t.me/bitpush

Оригинальная ссылка:https://www.bitpush.news/articles/7607105

Связанные с этим вопросы

QЧто анализ 231 рынка предсказаний Polymarket показал о надежности ICO?

AАнализ показал, что рынки предсказаний не являются надежным инструментом прогнозирования, а служат contrarian индикатором настроений. Фактическая точность прогнозов за неделю до закрытия рынков составила лишь 66.7%, при этом ошибки систематически смещены в сторону избыточного оптимизма.

QКакая ключевая проблема была выявлена в методологии подсчета точности Polymarket?

AПроблема заключается в том, что рынки закрываются после того, как результаты становятся известны (после продаж для рынков сборов, через 24 часа после листинга для FDV), что искусственно завышает точность до ~100%. Значимым показателем является точность за неделю до закрытия.

QКакое систематическое смещение было обнаружено у участников рынков предсказаний?

AУчастники систематически демонстрировали избыточный оптимизм. Они consistently верили, что объем финансирования и оценка (FDV) будут выше, чем оказались на самом деле. Все ошибочные прогнозы с уверенностью свыше 60% были в сторону завышения.

QКак связаны объем торгов на Polymarket и последующие результаты токена?

AВысокий объем торгов (например, >$50M) является contrarian индикатором. Чем больше денег толпа вкладывает в прогнозы о высоких оценках, тем более она уверена и тем сильнее ошибается. Это сигнализирует о перегретости и предвещает плохие результаты.

QКакие практические торговые сигналы можно извлечь из этого анализа?

AМедвежьи сигналы: объем PM >$50M, переоценка FDV >50%, переоценка суммы сбора >30%. Относительно бычьи сигналы (меньшее падение): объем PM

Похожее

Бывший глава CFTC и президент Circle Тарберт: призывает к долгосрочной стратегии, но сам выводит $30 млн

Бывший председатель CFTC и президент Circle Хит Тарберт, публично пропагандируя долгосрочное видение компании для инвесторов на фоне падения акций на 70% с пиковых значений, сам активно распродавал свои акции CRCL. С момента IPO Circle он по плану 10b5-1 продал более 360 тысяч акций, выручив около 30 миллионов долларов, и при этом ни разу не докупал акции на открытом рынке. Эта разница между его публичными заявлениями и личными действиями вызвала критику. Карьера Тарберта демонстрирует классическое использование «вращающейся двери» между регулирующими органами и частным сектором. Уйдя с поста председателя CFTC в 2021 году, через 27 дней он занял должность главного юрисконсульта в маркет-мейкере Citadel Securities, который в тот момент находился под пристальным вниманием из-за скандала с акциями GameStop. Позже, уже работая в Citadel, Тарберт выступал за расширение полномочий CFTC на крипторынок, в то время как его работодатель планировал выход на этот рынок. В 2023 году Тарберт присоединился к Circle, где его опыт и связи сыграли ключевую роль в успешном проведении IPO компании в 2025 году. Однако его последующие массовые продажи акций, совпавшие с падением котировок и его же призывами к долгосрочным инвестициям, ставят под сомнение искренность его уверенности в будущем компании. Критики видят в его карьере образец превращения регуляторного опыта и политических связей в личную выгоду, в то время как риски несут обычные инвесторы, верящие его нарративам.

marsbit1 мин. назад

Бывший глава CFTC и президент Circle Тарберт: призывает к долгосрочной стратегии, но сам выводит $30 млн

marsbit1 мин. назад

Gate Research: Взлет «уолл-стритизации» криптофинансовых продуктов — это конкуренция или интеграция?

**Аналитический обзор Gate Research Institute: Волна "уолл-стритизации" криптофинансовых продуктов — конкуренция или интеграция?** Создание биткоина в 2009 году было ответом на финансовый кризис и стремлением построить децентрализованную систему без доверенных посредников. Однако к 2026 году значительная часть биткоинов (около 7,14%) хранится через ETF таких гигантов, как BlackRock. Это символизирует глубокую интеграцию традиционных финансов (TradFi) и крипторынка. С появлением биткоин-ETF, фьючерсов, RWA (токенизированных реальных активов) и государственных облигаций на блокчейне, традиционные институты получают всё больше влияния на выпуск, ценообразование, кастодию и дистрибуцию криптоактивов. Однако это не одностороннее поглощение, а взаимодополняющая конвергенция. Криптосфера приносит TradFi глобальную 24/7 ликвидность и программируемость, а TradFi предоставляет криптосфере регулируемые каналы, институциональное доверие и массовый доступ. Яркий пример — две противоположные, но ведущие к одной цели траектории: * **Путь А:** Криптобиржи, такие как Gate, начинают с токенизированных акций и CFD, а затем напрямую подключаются к инфраструктуре традиционных брокеров, предлагая реальную торговлю акциями США, Гонконга и Кореи за стейблкоины. * **Путь Б:** Традиционные брокеры, такие как Robinhood, интегрируют криптоактивы, а затем создают собственные Layer 2 для токенизации своих акций, стремясь к круглосуточной торговле. Обе стратегии нацелены на создание **универсального финансового аккаунта будущего** — единой точки доступа к акциям, криптовалютам, ETF, токенизированным облигациям и другим активам. Ключевой конкурентной борьбой становится не между CEX и брокерами, а между этими "супераккаунтами". Параллельно, слой RWA и токенизированных гособлигаций растёт даже на медвежьем рынке, становясь "прослойкой" для объединения капиталов. Хотя этот рынок (около $150 млрд токенизированных казначейских облигаций) ещё мал по сравнению с традиционным ($30 трлн), он демонстрирует устойчивый структурный тренд, привлекающий крупнейшие финансовые институты (JPMorgan, DTCC и др.). **Вывод:** "Уолл-стритизация" — это не поражение идеалов децентрализации, а формирование новой гибридной модели. Децентрализованные протоколы продолжают работать на базовом уровне, в то время как на уровне приложений и пользовательского опыта формируется более эффективный, глобальный и свободный объединённый рынок капитала, где активы TradFi и DeFi торгуются бок о бок в одном интерфейсе. Уолл-стрит не завоевала криптосферу, а криптосфера не обошла Уолл-стрит — они совместно строят новые финансовые рельсы.

marsbit4 мин. назад

Gate Research: Взлет «уолл-стритизации» криптофинансовых продуктов — это конкуренция или интеграция?

marsbit4 мин. назад

S&P Dow Jones и Pantera выпускают криптоиндекс, биткоин оставлен за бортом из-за «отсутствия прибыли»

Стандард энд Пурс (S&P Dow Jones Indices) совместно с Pantera Capital запускает индекс S&P Pantera Digital Asset Index. Новый индекс включает 18 токенов, но исключает биткоин, XRP и мем-токены. Критерием отбора послужила «финансовая жизнеспособность», по аналогии с S&P 500: протокол должен демонстрировать положительный доход в течение нескольких кварталов и распределять стоимость среди держателей токенов. Это первое применение фундаментального подхода к оценке криптоактивов со стороны крупнейшего в мире провайдера индексов. В первую пятерку активов вошли Ethereum (ETH), BNB, Solana (SOL), TRON (TRX) и Hyperliquid (HYPE). Pantera отмечает, что совокупный годовой доход всех протоколов индекса превышает $30 млрд. Биткоин был исключен по трем причинам: он рассматривается как монетарный актив, доступный через отдельные ETF; он не генерирует доход протокола; а смешивание его в индексе с доходными активами затрудняет фундаментальный анализ для институциональных инвесторов. Пока индекс является эталонным, но Pantera ведет переговоры о создании на его основе ETF и других инвестиционных продуктов. Компания также отмечает значительный разрыв на рынке: многие институциональные инвесторы готовы к аллокации в криптоактивы, но им не хватает структурированных продуктов, фокусирующихся на активах с реальной экономической деятельностью.

marsbit6 мин. назад

S&P Dow Jones и Pantera выпускают криптоиндекс, биткоин оставлен за бортом из-за «отсутствия прибыли»

marsbit6 мин. назад

Claude представляет мощное обновление: запись экрана + голос, одним кликом дистиллируйте навык для работы за вас

Claude представил новую функцию «Record a Skill» (Записать навык) в десктопном приложении Cowork. Теперь пользователи Pro, Max и Team могут создавать автоматизированные рабочие процессы, просто записывая свои действия на экране и сопровождая их голосовыми комментариями. Система автоматически анализирует запись, извлекает логику и шаги, а затем преобразует их в готовый к использованию Skill (навык). Это устраняет необходимость вручную писать инструкции в формате Markdown, значительно снижая порог входа для нетехнических специалистов. Функция фиксирует не только явные действия, но и скрытую логику, контекст и условия, о которых пользователь рассказывает в процессе записи. Статья отмечает, что такая технология меняет подход к управлению знаниями в компаниях, облегчая документирование и передачу экспертизы. С другой стороны, упоминается случай, когда фрилансер автоматизировал свою работу для клиента с помощью Claude, что в итоге привело к прекращению сотрудничества. Это подчеркивает двойственное влияние технологии: она повышает эффективность, но одновременно снижает зависимость от конкретного исполнителя, перенося конкурентное преимущество работника в область уникальных, сложно автоматизируемых задач. Функция доступна с 21 июля для пользователей соответствующих подписок.

marsbit10 мин. назад

Claude представляет мощное обновление: запись экрана + голос, одним кликом дистиллируйте навык для работы за вас

marsbit10 мин. назад

Кормление ИИ "шумом" тоже повышает точность: это исследование позволяет шуму осуществить позитивный перенос

В статье представлен новый метод полуконтролируемого обучения под названием **Semi-Supervised Noise Adaptation (SSNA)**. Вместо использования реальных данных (например, изображений или текста) в качестве исходного домена, подход использует синтетические **шумовые векторы**, сгенерированные из простого гауссовского распределения. Эти шумовые данные не несут семантического содержания, но им присваиваются искусственные метки классов, соответствующие целевым классам. Основная идея заключается в том, чтобы обучить модель формировать **дискриминативную классовую структуру** в общем пространстве представлений сначала на шумовых данных, а затем адаптировать (выровнять) эту структуру к данным целевого домена с помощью небольшого количества размеченных примеров. Для этого используется **Noise Adaptation Framework (NAF)**, который минимизирует три компонента потерь: классификацию на размеченных целевых данных, классификацию на шумовых данных и расстояние между распределениями шумового и целевого доменов. Эксперименты на наборах данных CIFAR-10, CIFAR-100, DTD-47 и других показали значительное улучшение точности по сравнению с базовым методом ERM при использовании всего 4 размеченных примера на класс. Например, на CIFAR-10 точность выросла на 12.35%. Метод также совместим с существующими полуконтролируемыми алгоритмами (UDA, FixMatch), дополнительно улучшая их результаты. Ключевой вывод исследования: для положительного переноса знаний в задачах трансферного обучения **не обязательно наличие семантически богатых исходных данных**. Достаточно сформировать в пространстве признаков четкую, разделимую классовую структуру, даже на искусственном шуме, и успешно перенести её на реальные данные. Это открывает новые возможности для сценариев, где доступ к реальным исходным данным ограничен из-за проблем конфиденциальности, авторских прав или их отсутствия.

marsbit11 мин. назад

Кормление ИИ "шумом" тоже повышает точность: это исследование позволяет шуму осуществить позитивный перенос

marsbit11 мин. назад

Торговля

Спот
活动图片