Источник:Kalshi Research
Компиляция|Odaily Planet Daily(@OdailyChina); Переводчик|Azuma(@azuma_eth)
Примечание редактора: Ведущая платформа прогнозных рынков Kalshi объявила вчера о запуске нового исследовательского раздела Kalshi Research, предназначенного для предоставления внутренних данных Kalshi ученым и исследователям, интересующимся темами, связанными с прогнозными рынками. Первый исследовательский отчет раздела уже опубликован, оригинальное название — «Kalshi превосходит Уолл-стрит в прогнозировании инфляции» (Beyond Consensus: Prediction Markets and the Forecasting of Inflation Shocks).
Ниже приведено содержание оригинального отчета, скомпилированное Odaily Planet Daily.
Обзор
Обычно за неделю до публикации важных экономических статистических данных аналитики крупных финансовых институтов и старшие экономисты дают прогнозы ожидаемых значений. Эти прогнозы, собранные вместе, называются «консенсус-прогнозами» и широко рассматриваются как важный ориентир для понимания изменений на рынке и корректировки позиций.
В этом отчете мы сравниваем производительность консенсус-прогнозов и подразумеваемых цен прогнозного рынка Kalshi (иногда сокращенно называемых «рыночными прогнозами») в прогнозировании фактического значения одного и того же ключевого макроэкономического показателя — годовой инфляции потребительских цен (ИПЦ г/г).
Ключевые моменты
- Общее превосходство в точности: При всех рыночных условиях (включая нормальные и шоковые) средняя абсолютная ошибка (SAO) прогнозов Kalshi на 40.1% ниже, чем у консенсус-прогнозов.
- «Шоковый альфа» (Shock Alpha): В периоды значительных шоков (более 0.2 процентных пункта) SAO прогноза Kalshi за неделю до публикации данных на 50% ниже, чем у консенсус-прогноза, а за день до публикации это преимущество увеличивается до 60%; в периоды умеренных шоков (от 0.1 до 0.2 процентных пункта) SAO прогноза Kalshi за неделю до публикации также на 50% ниже, чем у «консенсус-прогноза», а за день до публикации увеличивается до 56.2%.
- Прогностический сигнал (Predictive Signal): Когда расхождение между рыночным прогнозом и консенсус-прогнозом превышает 0.1 процентный пункт, вероятность шока составляет около 81.2%, а за день до публикации данных возрастает примерно до 82.4%. В случаях, когда рыночный прогноз расходится с консенсус-прогнозом, рыночный прогноз оказывается точнее в 75% случаев.
Предыстория
Макроэкономические прогнозисты сталкиваются с внутренней проблемой: моменты, когда прогнозы наиболее важны — то есть периоды рыночных потрясений, изменений политики и структурных разрывов — это как раз те этапы, когда исторические модели с наибольшей вероятностью дают сбой. Участники финансовых рынков обычно публикуют консенсус-прогнозы за несколько дней до выхода ключевых экономических данных, объединяя мнения экспертов в рыночные ожидания. Однако эти консенсусные взгляды, хотя и ценны, часто разделяют схожие методологические подходы и источники информации.
Для институциональных инвесторов, риск-менеджеров и политиков ставки точности прогнозов асимметричны. В спокойные времена немного лучший прогноз дает ограниченную ценность; но в периоды рыночной неразберихи — когда волатильность взлетает, корреляции рушатся или исторические взаимосвязи перестают работать — лучшая точность может принести значительную альфа-доходность и ограничить просадки.
Таким образом, понимание поведения параметров в периоды рыночной турбулентности крайне важно. Мы сосредоточимся на ключевом макроэкономическом показателе — годовом ИПЦ (г/г) — основном ориентире для будущих решений по процентным ставкам и важном сигнале состояния экономики.
Мы сравнили и оценили точность прогнозов в нескольких временных окнах до официального релиза данных. Наше ключевое открытие заключается в том, что «шоковый альфа» действительно существует — то есть в хвостовых событиях рыночные прогнозы могут обеспечить дополнительную точность по сравнению с консенсусным бенчмарком. Это превосходство означает не просто академический интерес, а значительное улучшение качества сигнала именно в те ключевые моменты, когда стоимость ошибки прогноза наиболее высока. В этом контексте真正 важный вопрос заключается не в том, всегда ли прогнозные рынки «правы», а в том, предоставляют ли они дифференцированный сигнал, который заслуживает включения в традиционные рамки принятия решений.
Методология
Данные
Мы проанализировали ежедневные подразумеваемые прогнозные значения трейдеров на платформе Kalshi за три момента времени: за неделю до публикации данных (совпадает со временем публикации консенсус-прогнозов), за день до публикации и утром в день публикации. Каждый используемый рынок был (или является) реальным торгуемым активным рынком, отражающим реальные денежные позиции при различных уровнях ликвидности. Для консенсус-прогнозов мы собрали прогнозы консенсуса по ИПЦ г/г на институциональном уровне, которые обычно публикуются примерно за неделю до официальных данных Бюро трудовой статистики США.
Выборка взята с февраля 2023 года до середины 2025 года, охватывая более 25 месячных циклов публикации ИПЦ в различных макроэкономических условиях.
Классификация шоков
Мы разделили события на три категории в зависимости от «величины неожиданности» относительно исторических уровней. «Шок» определяется как абсолютная разница между консенсус-прогнозом и фактически опубликованными данными:
- Нормальные события: ошибка прогноза ИПЦ г/г ниже 0.1 процентного пункта;
- Умеренный шок: ошибка прогноза ИПЦ г/г находится в диапазоне от 0.1 до 0.2 процентных пунктов;
- Значительный шок: ошибка прогноза ИПЦ г/г превышает 0.2 процентных пункта.
Этот метод классификации позволяет нам проверить: меняется ли систематически преимущество прогноза по мере изменения сложности прогнозирования.
Показатели эффективности
Для оценки прогностической эффективности использовались следующие показатели:
- Средняя абсолютная ошибка (SAO): основной показатель точности, рассчитывается как среднее значение абсолютных разностей между прогнозируемым и фактическим значениями.
- Процент побед (Win Rate): Когда разница между консенсус-прогнозом и рыночным прогнозом достигала или превышала 0.1 процентный пункт (округлено до одного десятичного знака), мы фиксировали, какой прогноз был ближе к конечному фактическому результату.
- Анализ временного горизонта прогноза: Мы отслеживали, как точность рыночных оценок развивается от недели до дня публикации, чтобы выявить ценность постоянного включения информации.
Результаты: Эффективность прогнозирования ИПЦ
Общее превосходство в точности
При всех рыночных условиях прогнозы ИПЦ на основе рынка показали среднюю абсолютную ошибку (SAO) на 40.1% ниже, чем консенсус-прогнозы. На всех временных горизонтах SAO рыночных прогнозов ИПЦ была на 40.1% (за неделю) до 42.3% (за день) ниже, чем у консенсус-прогнозов.
Кроме того, в случаях расхождения между консенсус-прогнозом и рыночной implied value, прогнозы Kalshi на основе рынка показали статистически значимый процент побед, ranging from 75.0% за неделю до 81.2% в день публикации. Если включить случаи ничьи (при округлении до одного знака после запятой), рыночные прогнозы примерно в 85% случаев за неделю до публикации были наравне с консенсусом или лучше.
Такой высокий показатель точности указывает на то, что: когда рыночный прогноз расходится с консенсусным, само это расхождение имеет значительную информационную ценность относительно «вероятности наступления шокового события».
«Шоковый альфа» действительно существует
Разница в точности прогнозов особенно заметна в периоды шоковых событий. При умеренных шоках SAO рыночного прогноза в момент публикации на 50% ниже, чем у консенсус-прогноза, а за день до публикации данных это преимущество увеличивается до 56.2% или более; при значительных шоках SAO рыночного прогноза в момент публикации также на 50% ниже, чем у консенсус-прогноза, а за день до публикации может достигать 60% или более;而在未发生冲击的正常环境中, рыночные прогнозы и консенсус-прогнозы показали大致 схожую эффективность.
Хотя количество шоковых событий в выборке невелико (что разумно в мире, где «шоки по определению высоко непредсказуемы»), общая картина весьма ясна: когда условия прогнозирования наиболее сложны, преимущество агрегации информации на рынке оказывается наиболее ценным.
Однако, более важно не только то, что прогнозы Kalshi работают лучше в шоковые периоды, но и то, что само расхождение между рыночным прогнозом и консенсус-прогнозом может быть сигналом приближающегося шока. В случаях расхождений процент побед рыночного прогноза над консенсус-прогнозом составил 75% (в сопоставимых временных окнах). Кроме того, анализ пороговых значений дополнительно показывает: когда отклонение рынка от консенсуса превышает 0.1 процентный пункт, вероятность прогнозируемого шока составляет около 81.2%, а за день до публикации данных эта вероятность进一步 возрастает примерно до 84.2%.
Эта практически значимая разница указывает на то, что прогнозные рынки могут служить не только как конкурентный прогностический инструмент наряду с консенсус-прогнозами, но и как «мета-сигнал» о неопределенности прогноза, превращая расхождение между рынком и консенсусом в количественный early warning indicator потенциальных неожиданных результатов.
Дополнительное обсуждение
Напрашивается очевидный вопрос: почему в периоды шоков рыночные прогнозы превосходят консенсус-прогнозы? Мы предлагаем три взаимодополняющих механизма для объяснения этого явления.
Гетерогенность участников рынка и «мудрость толпы»
Традиционные консенсус-прогнозы, хотя и объединяют точки зрения множества институтов, часто разделяют схожие методологические предположения и источники информации. Эконометрические модели, отчеты с Уолл-стрит и правительственные данные формируют highly overlapping общую базу знаний.
В contrast, прогнозные рынки агрегируют позиции участников с различными информационными базами: включая проприетарные модели, отраслевую аналитику, альтернативные источники данных и основанную на опыте интуицию. Это разнообразие участников имеет прочную теоретическую основу в теории «мудрости толпы» (wisdom of crowds). Эта теория предполагает, что когда участники обладают relevant information и их ошибки прогноза не полностью коррелируют, агрегация независимых прогнозов из разнообразных источников часто позволяет получить более качественную оценку.
И эта ценность информационного разнообразия особенно突出 в моменты «смены состояния» макросреды — индивиды, обладающие разрозненной, локальной информацией, взаимодействуют на рынке, и их информационные фрагменты组合ются, формируя коллективный сигнал.
Различия в структуре стимулов участников
Прогнозисты на институциональном уровне often находятся в сложных организационных и репутационных системах, которые систематически отклоняются от цели «чистого стремления к точности прогноза». Профессиональные риски, с которыми сталкиваются карьерные прогнозисты, создают асимметричную структуру выгод — крупные ошибки прогноза несут значительные репутационные издержки, в то время как даже исключительно точные прогнозы, особенно достигнутые путем значительного отклонения от консенсуса коллег, не обязательно приносят пропорциональную карьерную отдачу.
Эта асимметрия провоцирует «стадное поведение» (herding), при котором прогнозисты склонны сближать свои прогнозы с консенсусным значением, даже если их private information или выводы моделей暗示 иные результаты. Причина в том, что в профессиональной системе цена «ошибиться в одиночку» often выше, чем выгода от «быть правым в одиночку».
В резком contrast, механизмы стимулирования участников прогнозных рынков обеспечивают прямое соответствие между точностью прогноза и экономическим результатом — точный прогноз означает прибыль, ошибочный прогноз означает убытки. В этой системе репутационные факторы практически отсутствуют, единственная цена отклонения от рыночного консенсуса — экономические потери, и она полностью зависит от правильности прогноза. Эта структура оказывает более сильное давление отбора в пользу точности прогноза — участники, способные систематически идентифицировать ошибки консенсус-прогнозов, постоянно накапливают капитал и усиливают свое влияние на рынке через larger размеры позиций; те же, кто механически следует консенсусу, несут持续 убытки, когда консенсус оказывается ошибочным.
В периоды显著 возросшей неопределенности, когда профессиональные издержки отклонения институциональных прогнозистов от экспертного консенсуса достигают пика, это расхождение в структуре стимулов往往最为 заметно и имеет наибольшее экономическое значение.
Эффективность агрегации информации
Эмпирический факт, worthy внимания: даже за неделю до публикации данных — этот момент времени совпадает с типичным окном публикации консенсус-прогнозов — рыночные прогнозы все еще демонстрируют显著тельное преимущество в точности. Это suggests, что рыночное преимущество обусловлено не仅仅所谓的 «преимуществом в скорости получения информации»,通常 приписываемым участникам прогнозных рынков.
Напротив, рыночные прогнозы, возможно, более эффективно агрегируют那些过于分散、отраслевые или расплывчатые информационные фрагменты, которые трудно formalльно включить в традиционные эконометрические прогностические框架. Относительное преимущество прогнозных рынков, возможно, заключается не в более раннем доступе к公共 information, а в их способности более эффективно синтезировать гетерогенную information в те же временные рамки — в то время как механизмы консенсуса на основе опросов, даже имея то же временное окно, often struggle to эффективно обрабатывать эту информацию.
Ограничения и предостережения
Наши результаты требуют одного важного ограничения. Поскольку общая выборка охватывает всего около 30 месяцев, а значительные шоковые события по определению редки, это означает, что статистическая мощность для крупных хвостовых событий все еще ограничена. Более длинные временные ряды усилят возможности выводов в будущем, хотя текущие результаты уже strongly暗示ют о превосходстве рыночных прогнозов и дифференцированной природе сигнала.
Заключение
Мы зафиксировали систематическое и экономически значимое существенное превосходство прогнозных рынков над экспертными консенсус-прогнозами, особенно в периоды шоковых событий, когда точность прогноза最为 критична. Прогнозы ИПЦ на основе рынка в整体 имеют ошибку примерно на 40% ниже, а в периоды значительных структурных изменений снижение ошибки может достигать примерно 60%.
Основываясь на этих выводах, несколько направлений для будущих исследований становятся особенно важными: во-первых, изучение того, можно ли сами события «шоковой альфы» прогнозировать с помощью показателей волатильности и расхождений в прогнозах, на larger样本规模 и для多种 макроэкономических показателей; во-вторых, определение порога ликвидности, above которого прогнозные рынки могут стабильно превосходить традиционные методы прогнозирования; в-третьих, взаимосвязь между прогнозными значениями прогнозных рынков и значениями, подразумеваемыми инструментами高频 trading.
В среде, где консенсус-прогнозы в высокой степени зависят от коррелированных модельных предположений и общих наборов информации, прогнозные рынки提供 альтернативный механизм агрегации информации, способный раньше улавливать смену состояний и более эффективно обрабатывать гетерогенную информацию. Для субъектов, которым необходимо принимать решения в условиях растущей структурной неопределенности и учащения хвостовых событий, «шоковая альфа», возможно, представляет не просто постепенное улучшение прогностической способности, а должно стать基本组成部分 их надежной инфраструктуры управления рисками.
