Primer informe de investigación de Kalshi: al predecir el IPC, la sabiduría de la multitud supera a los analistas de Wall Street

Título original: Beyond Consensus: Prediction Markets and the Forecasting of Inflation Shocks

Fuente original: Kalshi Research

Traducción original: Azuma, Odaily Planet Daily

Nota del editor: La plataforma líder de mercados de predicción, Kalshi, anunció ayer el lanzamiento de una nueva serie de informes de investigación, Kalshi Research, con el objetivo de proporcionar datos internos de Kalshi a académicos e investigadores interesados en temas relacionados con los mercados de predicción. Se ha publicado el primer informe de investigación de esta serie, y a continuación se presenta el contenido original del informe, traducido por Odaily Planet Daily:

Descripción general

Normalmente, en la semana previa a la publicación de datos económicos importantes, los analistas de grandes instituciones financieras y economistas senior proporcionan estimaciones de los valores esperados. Estos pronósticos, cuando se agregan, se denominan "expectativas de consenso" y se consideran ampliamente como una referencia clave para obtener información sobre los cambios del mercado y los ajustes de posición.

En este informe de investigación, comparamos las expectativas de consenso con los precios implícitos del mercado de predicción de Kalshi (denominados a veces "pronósticos de mercado") para predecir el valor real de la misma señal macroeconómica central: la tasa de inflación general interanual (IPC interanual).

Aspectos destacados

· Precisión general superior: en todos los entornos de mercado (incluidos los entornos normales y de shock), el error absoluto medio (MAE) previsto por Kalshi es un 40,1% menor que las expectativas de consenso.

· "Shock Alpha": durante shocks significativos (superiores a 0,2 puntos porcentuales), dentro de la ventana de pronóstico de una semana, la predicción de Kalshi tiene un MAE un 50% menor en comparación con las expectativas de consenso; si es el día anterior a la publicación de los datos, el MAE se expande aún más al 60%; durante shocks moderados (entre 0,1 y 0,2 puntos porcentuales), dentro de la ventana de pronóstico de una semana, la predicción de Kalshi tiene un MAE un 50% menor en comparación con las "expectativas de consenso", expandiéndose al 56,2% el día anterior a la publicación de los datos.

· Señal predictiva: cuando la desviación entre los pronósticos del mercado y las expectativas de consenso supera los 0,1 puntos porcentuales, la probabilidad de que ocurra un shock en la predicción es de aproximadamente el 81,2%, aumentando a alrededor del 82,4% el día anterior a la publicación de los datos. En casos de inconsistencia entre los pronósticos del mercado y las expectativas de consenso, los pronósticos del mercado son más precisos en el 75% de los casos.

Antecedentes

Los pronosticadores macroeconómicos se enfrentan a un desafío inherente: predecir los momentos más críticos (cuando los mercados están en crisis, las políticas cambian y ocurren rupturas estructurales) es precisamente cuando es más probable que los modelos históricos fallen. Los participantes del mercado financiero suelen publicar pronósticos de consenso unos días antes de las publicaciones de datos económicos clave, agregando las opiniones de los expertos en las expectativas del mercado. Sin embargo, aunque estas visiones de consenso son valiosas, a menudo comparten vías metodológicas y fuentes de información similares.

Para los inversores institucionales, los gestores de riesgos y los responsables políticos, las apuestas de la precisión del pronóstico son asimétricas. En tiempos indiscutibles, un pronóstico ligeramente mejor solo ofrece un valor limitado; pero en tiempos de desorden del mercado (cuando la volatilidad aumenta, las correlaciones se rompen o las relaciones históricas fallan), una precisión superior puede generar rendimientos Alpha significativos y mitigar las caídas.

Por lo tanto, comprender cómo se comportan los parámetros durante la turbulencia del mercado es crucial. Nos centramos en un indicador macroeconómico clave: el Índice de Precios al Consumidor interanual (IPC interanual), que es una referencia central para futuras decisiones sobre tasas y una señal vital de la salud económica.

Comparamos y evaluamos la precisión del pronóstico en múltiples ventanas previas a la publicación de datos oficiales. Nuestro hallazgo clave es que el llamado "Shock Alpha" realmente existe, lo que significa que en eventos de cola, los pronósticos basados en el mercado pueden lograr una precisión predictiva adicional en comparación con los puntos de referencia de consenso. Este rendimiento superior no es solo de interés académico, sino crucial en momentos en que los errores de predicción conllevan los costos económicos más altos, mejorando significativamente la calidad de la señal. En este contexto, la pregunta realmente importante no es si los mercados "siempre tienen razón" al pronosticar, sino si proporcionan una señal digna de inclusión en un marco de toma de decisiones tradicional, que ofrezca un valor diferenciado.

Metodología

Datos

Analizamos los pronósticos implícitos diarios de los mercados de predicción en la plataforma Kalshi, cubriendo tres puntos en el tiempo: una semana antes de la publicación de los datos (alineado con la publicación de las expectativas de consenso), el día anterior a la publicación y la mañana del día de la publicación. Cada mercado utilizado es o ha sido un mercado real negociable, que refleja posiciones de dinero real en varios niveles de liquidez. Para las expectativas de consenso, recopilamos pronósticos de consenso del IPC interanual a nivel institucional, que generalmente se publican alrededor de una semana antes de los datos oficiales de la Oficina de Estadísticas Laborales de EE. UU.

El período de muestra abarca desde febrero de 2023 hasta mediados de 2025, cubriendo más de 25 ciclos mensuales de publicación del IPC en diversos entornos macroeconómicos.

Clasificación de impacto

Hemos clasificado los eventos en tres categorías basadas en la "magnitud de la sorpresa" en relación con los niveles históricos. Un "impacto" se define como la diferencia absoluta entre las expectativas de consenso y los datos reales reportados:

· Evento normal: el error de pronóstico para el IPC interanual es inferior a 0,1 puntos porcentuales;

· Impacto medio: el error de pronóstico para el IPC interanual está entre 0,1 y 0,2 puntos porcentuales;

· Impacto mayor: el error de pronóstico para el IPC interanual supera los 0,2 puntos porcentuales.

Esta clasificación nos permite examinar si la precisión del pronóstico exhibe diferencias sistemáticas a medida que varía la dificultad del pronóstico.

Métricas de rendimiento

Para evaluar el rendimiento predictivo, utilizamos las siguientes métricas:

· Error absoluto medio (MAE): métrica de precisión primaria calculada como el promedio de las diferencias absolutas entre los valores predichos y los valores reales.

· Tasa de victorias: cuando la diferencia entre las expectativas de consenso y los pronósticos del mercado alcanza o supera los 0,1 puntos porcentuales (redondeado a un decimal), registramos qué predicción está más cerca del resultado real final.

· Análisis del horizonte de pronóstico: rastreamos cómo evoluciona la precisión de las estimaciones del mercado desde una semana antes de la publicación hasta el día de la publicación, revelando el valor de la incorporación continua de información.

Resultados: rendimiento de la predicción del IPC

Las predicciones basadas en el mercado tienen ventaja

En todas las condiciones del mercado, las predicciones del IPC basadas en el mercado exhiben, en promedio, un error absoluto medio (MAE) un 40,1% menor en comparación con los pronósticos de consenso. En todos los horizontes temporales, el MAE de la predicción del IPC basada en el mercado es un 40,1% menor que las expectativas de consenso (una semana antes) hasta un 42,3% menor (un día antes).

Además, en los casos en que existe una discrepancia entre las expectativas de consenso y los valores implícitos del mercado, las predicciones basadas en el mercado de Kalshi demuestran una tasa de victorias estadísticamente significativa que oscila entre el 75,0% una semana antes y el 81,2% el día de la publicación. Al considerar casos en los que la predicción está empatada con el consenso (redondeado a un decimal), las predicciones basadas en el mercado se alinean con o superan al consenso en aproximadamente el 85% de los casos una semana antes.

Esta alta precisión direccional indica: cuando hay una disparidad entre los pronósticos del mercado y las expectativas de consenso, esta disparidad en sí misma tiene un valor informativo significativo con respecto a la probabilidad de un evento de impacto.

La existencia de "Impact Alpha"

La diferencia en la precisión de la predicción es particularmente pronunciada durante los eventos de impacto. En un evento de impacto moderado, se espera que el error medio del mercado (MAE) en comparación con la expectativa de consenso sea un 50% menor cuando el tiempo de publicación es consistente, expandiéndose al 56,2% o más el día antes de la publicación de los datos; en un evento de impacto significativo, también se espera que el MAE del mercado sea un 50% menor que la expectativa de consenso cuando el tiempo de publicación es consistente, alcanzando el 60% o más el día antes de la publicación de los datos; mientras que en un entorno normal sin impacto, el rendimiento de la predicción del mercado es aproximadamente equivalente a la expectativa de consenso.

Aunque el tamaño de la muestra de eventos de impacto es pequeño (lo cual es razonable en un mundo donde "el impacto es intrínsecamente altamente impredecible"), el patrón general es muy claro: cuando el entorno predictivo es más desafiante, la ventaja de agregación de información del mercado se vuelve más valiosa.

Sin embargo, lo que es aún más importante no es solo que las predicciones de Kalshi funcionen mejor durante los períodos de impacto, sino también que la divergencia entre las predicciones del mercado y la expectativa de consenso en sí misma puede ser una señal de un impacto inminente. En casos de divergencia, la predicción del mercado supera a la expectativa de consenso con una tasa de victorias del 75% (durante una ventana de tiempo comparable). Además, el análisis de umbral indica además que cuando el mercado se desvía del consenso en más de 0,1 puntos porcentuales, la probabilidad de un impacto predictivo es de aproximadamente el 81,2%, lo que aumenta a alrededor del 84,2% el día antes de la publicación de los datos.

Esta diferencia práctica significativa indica que el mercado predictivo no solo puede servir como una herramienta de pronóstico competitiva junto con la expectativa de consenso, sino también como una "meta-señal" sobre la incertidumbre predictiva, transformando la divergencia del mercado respecto al consenso en un indicador temprano cuantificable para alertar sobre posibles resultados inesperados.

Discusión adicional

Surge una pregunta obvia: ¿por qué, durante los períodos de impacto, las predicciones del mercado superan a las predicciones de consenso? Proponemos tres mecanismos complementarios para explicar este fenómeno.

Heterogeneidad de los participantes del mercado y "sabiduría de las multitudes"

Aunque las expectativas de consenso tradicionales integran puntos de vista de múltiples instituciones, a menudo comparten supuestos metodológicos y fuentes de información similares. Los modelos econométricos, los informes de investigación de Wall Street y las publicaciones de datos gubernamentales forman una base de conocimientos común altamente superpuesta.

Por el contrario, el mercado predictivo agrega posiciones mantenidas por participantes con diferentes bases de información: incluidos modelos propietarios, conocimientos específicos de la industria, fuentes de datos alternativas y juicios intuitivos basados en la experiencia. Esta diversidad de participantes tiene una base teórica sólida en la teoría de la "sabiduría de las multitudes". Esta teoría sugiere que cuando los participantes tienen información relevante y sus errores de predicción no están completamente correlacionados, agregar predicciones independientes de diversas fuentes a menudo conduce a estimaciones superiores.

Y en el entorno macro, durante una "transición de estado", el valor de esta diversidad de información es particularmente prominente: los individuos con información dispersa y local interactúan en el mercado, sus fragmentos de información se combinan para formar una señal colectiva.

Diferencias en la estructura de incentivos de los participantes

A nivel institucional, los pronosticadores de consenso a menudo se encuentran dentro de un sistema organizacional y reputacional complejo, que se desvía sistemáticamente del objetivo de "buscar puramente la precisión del pronóstico". Los riesgos profesionales que enfrentan los pronosticadores crean una estructura de recompensa asimétrica: un error de pronóstico significativo resulta en costos reputacionales notables, e incluso si el pronóstico es altamente preciso, especialmente si se desvía significativamente del consenso de los pares, puede no recibir necesariamente una recompensa profesional proporcional.

Esta asimetría desencadena un "comportamiento de rebaño", donde los pronosticadores tienden a agrupar sus pronósticos alrededor del valor de consenso, incluso si su información privada o el resultado del modelo implican un resultado diferente. La razón es que en el sistema profesional, el costo de "cometer un error individualmente" suele ser mayor que el beneficio de "tener razón individualmente".

En marcado contraste, el mecanismo de incentivos que enfrentan los participantes del mercado de predicción logra una alineación directa entre la precisión del pronóstico y los resultados económicos: pronosticar con precisión significa ganancias, pronosticar incorrectamente significa pérdidas. En este sistema, el factor reputacional es casi inexistente, y el único costo de desviarse del consenso del mercado es la pérdida económica, que depende totalmente de si el pronóstico es correcto. Esta estructura impone una presión de selección más fuerte para la precisión del pronóstico: los participantes que pueden identificar sistemáticamente los errores de pronóstico de consenso acumularán capital continuamente y mejorarán su influencia en el mercado a través de tamaños de posición más grandes; mientras que aquellos que siguen mecánicamente el consenso continuarán sufriendo pérdidas cuando se demuestre que el consenso está equivocado.

En períodos de incertidumbre significativamente mayor, cuando el costo profesional de los pronosticadores institucionales que se desvían del consenso de expertos alcanza su punto máximo, esta diferenciación en la estructura de incentivos suele ser más pronunciada y económicamente significativa.

Eficiencia de agregación de información

Un hecho empírico notable es que incluso una semana antes de la publicación de los datos (este punto en el tiempo se alinea con la ventana de tiempo típica para las expectativas de consenso), los pronósticos del mercado aún exhiben una ventaja de precisión significativa. Esto sugiere que la ventaja del mercado no proviene únicamente de la "ventaja de velocidad de adquisición de información" a la que generalmente se refieren los participantes en los pronósticos del mercado.

Por el contrario, los pronósticos del mercado pueden agregar de manera más eficiente aquellas piezas de información excesivamente dispersas, excesivamente especializadas o excesivamente vagas que son difíciles de incorporar formalmente en los marcos de pronóstico econométrico tradicionales. La ventaja relativa de los pronósticos del mercado puede no residir en un acceso más temprano a la información pública, sino en su capacidad para sintetizar de manera más efectiva información heterogénea en la misma escala de tiempo, mientras que los mecanismos de consenso basados en encuestas, incluso con la misma ventana de tiempo, a menudo luchan por procesar esta información de manera eficiente.

Limitaciones y consideraciones

Nuestros hallazgos de investigación deben calificarse con una advertencia importante. Debido a que la muestra general solo cubre unos 30 meses, los eventos de impacto mayor son intrínsecamente raros por definición, lo que significa que el poder estadístico sigue siendo limitado para eventos de cola más grandes. Una serie temporal más larga mejoraría las capacidades inferenciales futuras, aunque los resultados actuales ya implican fuertemente la superioridad de pronóstico del mercado y la distintividad de la señal.

Conclusión

Documentamos que el rendimiento predictivo del mercado exhibe un rendimiento superior significativo y económicamente significativo en relación con las expectativas de consenso de los expertos, especialmente durante períodos clave de precisión de pronóstico. Los pronósticos del IPC basados en el mercado exhiben una tasa de error general aproximadamente un 40% menor, con reducciones de error de hasta alrededor del 60% durante períodos de cambio estructural mayor.

Dados estos hallazgos, varias áreas clave para la investigación futura se vuelven especialmente importantes: primero, estudiar si los eventos "Impact Alpha" en sí mismos pueden pronosticarse utilizando indicadores de volatilidad y divergencia de predicción en un tamaño de muestra mayor que abarque múltiples indicadores macroeconómicos; segundo, determinar en qué umbral de liquidez el mercado de predicción puede superar constantemente los métodos de pronóstico tradicionales; y tercero, explorar la relación entre los pronósticos del mercado de predicción y los implícitos por los instrumentos financieros de negociación de alta frecuencia.

Dentro de un entorno donde los pronósticos de consenso dependen en gran medida de supuestos de modelo fuertemente correlacionados y conjuntos de información compartidos, el mercado de predicción ofrece un mecanismo de agregación de información alternativo que puede detectar cambios de estado antes y procesar información heterogénea de manera más eficiente. Para las entidades que necesitan tomar decisiones en un entorno económico caracterizado por una creciente incertidumbre estructural y frecuencia de eventos de cola, "Impact Alpha" puede representar no solo una mejora incremental en la capacidad predictiva, sino que también debería ser una parte fundamental de su infraestructura de gestión de riesgos robusta.

Enlace al artículo original