Первый отчет Kalshi: в прогнозировании ИПЦ мудрость толпы превосходит аналитиков с Уолл-стрит

Оригинальное название: Beyond Consensus: Prediction Markets and the Forecasting of Inflation Shocks

Оригинальный источник: Kalshi Research

Оригинальный перевод: Azuma, Odaily Planet Daily

Примечание редактора: Ведущая платформа рынка прогнозов Kalshi объявила вчера о запуске новой серии исследовательских отчетов Kalshi Research, направленных на предоставление внутренних данных Kalshi ученым и исследователям, интересующимся темами, связанными с рынком прогнозов. Первый исследовательский отчет этой серии был опубликован, и ниже представлено оригинальное содержание отчета, переведенное Odaily Planet Daily:

Обзор

Как правило, за неделю до публикации важных экономических данных аналитики крупных финансовых институтов и старшие экономисты предоставляют оценки ожидаемых значений. Эти прогнозы в совокупности называются «консенсус-ожиданиями» и широко рассматриваются как ключевой ориентир для понимания изменений рынка и корректировки позиций.

В этом исследовательском отчете мы сравниваем консенсус-ожидания с подразумеваемым ценообразованием рынка прогнозов Kalshi (иногда называемым «рыночными прогнозами») при прогнозировании реального значения того же ключевого макроэкономического сигнала — общего уровня инфляции в годовом исчислении (ИПЦ в годовом исчислении).

Ключевые моменты

· Превосходная общая точность: во всех рыночных условиях (включая нормальные и шоковые среды) средняя абсолютная ошибка (MAE) прогнозов Kalshi на 40,1% ниже, чем консенсус-ожидания.

· «Шоковая альфа»: во время значительных шоков (более 0,2 процентного пункта), в течение недельного окна прогнозирования, MAE прогноза Kalshi на 50% ниже по сравнению с консенсус-ожиданиями; если за день до публикации данных MAE дополнительно увеличивается до 60%; во время умеренных шоков (от 0,1 до 0,2 процентного пункта), в течение недельного окна прогнозирования, MAE прогноза Kalshi на 50% ниже по сравнению с «консенсус-ожиданиями», увеличиваясь до 56,2% за день до публикации данных.

· Прогнозный сигнал: когда отклонение между рыночными прогнозами и консенсус-ожиданиями превышает 0,1 процентного пункта, вероятность возникновения шока в прогнозе составляет около 81,2%, увеличиваясь примерно до 82,4% за день до публикации данных. В случаях несоответствия между рыночными прогнозами и консенсус-ожиданиями рыночные прогнозы более точны в 75% случаев.

Фон

Макроэкономические прогнозисты сталкиваются с неотъемлемой проблемой: прогнозирование самых критических моментов — когда рынки находятся в смятении, политика меняется, а структурные сдвиги происходят — это именно то, когда исторические модели с наибольшей вероятностью терпят неудачу. Участники финансового рынка обычно публикуют консенсус-прогнозы за несколько дней до публикации ключевых экономических данных, объединяя мнения экспертов в рыночные ожидания. Однако, хотя эти консенсусные взгляды ценны, они часто используют схожие методологические пути и источники информации.

Для институциональных инвесторов, риск-менеджеров и политиков ставки точности прогнозов асимметричны. В спокойные времена немного лучший прогноз предлагает лишь ограниченную ценность; но во времена рыночного беспорядка — когда волатильность подскакивает, корреляции нарушаются или исторические отношения терпят неудачу — превосходная точность может принести значительную альфа-доходность и смягчить просадки.

Поэтому понимание того, как ведут себя параметры во время рыночной турбулентности, имеет решающее значение. Мы фокусируемся на ключевом макроэкономическом индикаторе — индексе потребительских цен в годовом исчислении (ИПЦ в годовом исчислении), который является основным ориентиром для будущих решений по процентным ставкам и жизненно важным сигналом экономического здоровья.

Мы сравниваем и оцениваем точность прогнозов в нескольких окнах до официальной публикации данных. Наш ключевой вывод заключается в том, что так называемая «шоковая альфа» действительно существует — это означает, что в хвостовых событиях рыночные прогнозы могут достичь дополнительной точности прогнозирования по сравнению с консенсусными ориентирами. Это превосходство представляет не только академический интерес, но и имеет решающее значение в моменты, когда ошибки прогнозирования несут самые высокие экономические издержки, значительно повышая качество сигнала. В этом контексте действительно важный вопрос заключается не в том, «всегда ли правы» рынки в прогнозировании, а в том, предоставляют ли они сигнал, достойный включения в традиционную систему принятия решений, который предлагает дифференцированную ценность.

Методология

Данные

Мы анализируем ежедневные подразумеваемые прогнозы с рынков прогнозов на платформе Kalshi, охватывающие три временные точки: за неделю до публикации данных (в соответствии с публикацией консенсус-ожиданий), за день до публикации и утром в день публикации. Каждый используемый рынок является или был реально торгуемым рынком, отражающим позиции реальных денег на различных уровнях ликвидности. Для консенсус-ожиданий мы собираем консенсус-прогнозы ИПЦ в годовом исчислении на уровне институтов, которые обычно публикуются примерно за неделю до официальных данных Бюро статистики труда США.

Период выборки варьируется с февраля 2023 года по середину 2025 года, охватывая более 25 ежемесячных циклов публикации ИПЦ в различных макроэкономических условиях.

Классификация воздействия

Мы классифицировали события на три категории на основе «величины сюрприза» относительно исторических уровней. «Воздействие» определяется как абсолютная разница между консенсус-ожиданиями и фактически сообщенными данными:

· Нормальное событие: ошибка прогноза для ИПЦ в годовом исчислении составляет менее 0,1 процентного пункта;

· Среднее воздействие: ошибка прогноза для ИПЦ в годовом исчислении составляет от 0,1 до 0,2 процентного пункта;

· Значительное воздействие: ошибка прогноза для ИПЦ в годовом исчислении превышает 0,2 процентного пункта.

Эта классификация позволяет нам изучить, проявляет ли точность прогнозирования систематические различия по мере изменения сложности прогнозирования.

Метрики производительности

Для оценки прогностической эффективности мы используем следующие метрики:

· Средняя абсолютная ошибка (MAE): основная метрика точности, рассчитываемая как среднее арифметическое абсолютных разностей между прогнозируемыми и фактическими значениями.

· Коэффициент выигрыша: когда разница между консенсус-ожиданиями и рыночными прогнозами достигает или превышает 0,1 процентного пункта (округлено до одного десятичного знака), мы фиксируем, какой прогноз ближе к окончательному фактическому результату.

· Анализ горизонта прогнозирования: мы отслеживаем, как точность рыночных оценок развивается от одной недели до публикации до дня публикации, раскрывая ценность постоянного включения информации.

Результаты: эффективность прогнозирования ИПЦ

Рыночные прогнозы имеют преимущество

Во всех рыночных условиях рыночные прогнозы ИПЦ демонстрируют в среднем на 40,1% более низкую среднюю абсолютную ошибку (MAE) по сравнению с консенсус-прогнозами. По всем временным горизонтам MAE рыночного прогноза ИПЦ на 40,1% ниже, чем консенсус-ожидания (за одну неделю до) до 42,3% ниже (за один день до).

Более того, в случаях, когда существует расхождение между консенсус-ожиданиями и рыночными подразумеваемыми значениями, рыночные прогнозы Kalshi демонстрируют статистически значимый коэффициент выигрыша, варьирующийся от 75,0% за неделю до публикации до 81,2% в день публикации. При рассмотрении случаев, когда прогноз совпадает с консенсусом (округлено до одного десятичного знака), рыночные прогнозы совпадают с консенсусом или превосходят его примерно в 85% случаев за неделю до публикации.

Эта высокая направленная точность указывает: когда существует разрыв между рыночными прогнозами и консенсус-ожиданиями, этот разрыв сам по себе имеет значительную информационную ценность относительно вероятности события воздействия.

Существование «Альфы воздействия»

Разница в точности прогнозирования особенно выражена во время событий воздействия. В случае умеренного воздействия средняя ошибка рынка (MAE) по сравнению с консенсус-ожиданием, как ожидается, будет на 50% ниже, когда время публикации совпадает, увеличиваясь до 56,2% или более за день до публикации данных; в случае значительного воздействия MAE рынка также, как ожидается, будет на 50% ниже, чем консенсус-ожидание, когда время публикации совпадает, достигая 60% или более за день до публикации данных; в то время как в нормальной среде без воздействия эффективность прогнозирования рынка примерно эквивалентна консенсус-ожиданию.

Хотя размер выборки событий воздействия невелик (что разумно в мире, где «воздействие по своей сути крайне непредсказуемо»), общая картина очень ясна: когда прогностическая среда наиболее сложна, преимущество агрегации информации рынком становится наиболее ценным.

Однако еще более важно не только то, что прогнозы Kalshi работают лучше в периоды воздействия, но и то, что расхождение между рыночными прогнозами и консенсус-ожиданиями само по себе может быть сигналом надвигающегося воздействия. В случаях расхождения рыночный прогноз превосходит консенсус-ожидание с коэффициентом выигрыша 75% (за сопоставимый временной интервал). Кроме того, анализ пороговых значений далее указывает на то, что когда рынок отклоняется от консенсуса более чем на 0,1 процентного пункта, вероятность прогностического воздействия составляет примерно 81,2%, что увеличивается примерно до 84,2% за день до публикации данных.

Эта значительная практическая разница указывает на то, что прогнозный рынок может служить не только конкурентным инструментом прогнозирования наряду с консенсус-ожиданиями, но и «мета-сигналом» о прогностической неопределенности, превращая рыночное отклонение от консенсуса в количественно измеримый ранний индикатор для предупреждения о потенциальных неожиданных результатах.

Дальнейшее обсуждение

Возникает очевидный вопрос: почему в периоды воздействия рыночные прогнозы превосходят консенсус-прогнозы? Мы предлагаем три взаимодополняющих механизма для объяснения этого явления.

Гетерогенность участников рынка и «мудрость толпы»

Хотя традиционные консенсус-ожидания объединяют взгляды нескольких институтов, они часто разделяют схожие методологические предположения и источники информации. Эконометрические модели, исследовательские отчеты Уолл-стрит и публикации правительственных данных формируют сильно перекрывающуюся базу общих знаний.

Напротив, прогнозный рынок объединяет позиции, удерживаемые участниками с различными информационными базами: включая проприетарные модели, отраслевые инсайты, альтернативные источники данных и интуитивные суждения, основанные на опыте. Эта диверсификация участников имеет сильную теоретическую основу в теории «мудрости толпы». Эта теория предполагает, что когда участники обладают соответствующей информацией и их ошибки прогнозирования не полностью коррелированы, агрегирование независимых прогнозов из различных источников часто приводит к превосходным оценкам.

А в макроэкономической среде, во время «перехода состояния», ценность этого информационного разнообразия особенно заметна — индивиды с разрозненной, локальной информацией взаимодействуют на рынке, их информационные фрагменты объединяются, образуя коллективный сигнал.

Различия в структуре стимулов участников

На институциональном уровне консенсус-прогнозисты часто находятся внутри сложной организационной и репутационной системы, которая систематически отклоняется от цели «чистого поиска точности прогнозирования». Профессиональные риски, с которыми сталкиваются прогнозисты, создают асимметричную структуру вознаграждения — значительная ошибка прогнозирования приводит к заметным репутационным издержкам, и даже если прогноз высокоточен, особенно если он значительно отклоняется от консенсуса коллег, он не обязательно получает пропорциональное профессиональное вознаграждение.

Эта асимметрия вызывает «стадное поведение», когда прогнозисты склонны группировать свои прогнозы вокруг консенсусного значения, даже если их частная информация или результат модели подразумевают другой результат. Причина в том, что в профессиональной системе стоимость «индивидуального совершения ошибки» часто выше, чем выгода «индивидуального правоты».

В резком контрасте, механизм стимулирования, с которым сталкиваются участники рынка прогнозов, достигает прямого соответствия между точностью прогнозирования и экономическими результатами — точное прогнозирование означает прибыль, неправильное прогнозирование означает убыток. В этой системе репутационный фактор почти отсутствует, и единственная стоимость отклонения от рыночного консенсуса — это экономический убыток, полностью зависящий от того, верен ли прогноз. Эта структура навязывает более сильное давление отбора для точности прогнозирования — участники, которые могут систематически выявлять ошибки консенсусного прогнозирования, будут постоянно накапливать капитал и усиливать свое рыночное влияние за счет больших размеров позиций; в то время как те, кто механически следует консенсусу, будут продолжать нести убытки, когда консенсус оказывается неверным.

В периоды значительно возросшей неопределенности, когда профессиональная стоимость институциональных прогнозистов, отклоняющихся от экспертного консенсуса, достигает своего пика, эта дифференциация в структуре стимулов часто наиболее выражена и экономически значима.

Эффективность агрегации информации

Заметным эмпирическим фактом является то, что даже за неделю до публикации данных — этот момент времени совпадает с типичным временным окном для консенсус-ожиданий — рыночные прогнозы все еще демонстрируют значительное преимущество в точности. Это говорит о том, что рыночное преимущество не проистекает исключительно из «преимущества скорости получения информации», к которому обычно относят участников рыночного прогнозирования.

Напротив, рыночные прогнозы могут более эффективно агрегировать те чрезмерно разрозненные, чрезмерно специализированные или чрезмерно расплывчатые фрагменты информации, которые трудно формально включить в традиционные эконометрические рамки прогнозирования. Относительное преимущество рыночных прогнозов может заключаться не в более раннем доступе к публичной информации, а в их способности более эффективно синтезировать гетерогенную информацию в одном и том же масштабе времени — в то время как консенсусные механизмы, основанные на опросах, даже с тем же временным окном, часто с трудом эффективно обрабатывают эту информацию.

Ограничения и соображения

Наши результаты исследования должны быть квалифицированы важной оговоркой. Из-за того, что общая выборка охватывает только около 30 месяцев, крупные события воздействия по определению редки, что означает, что статистическая мощность остается ограниченной для более крупных хвостовых событий. Более длинный временной ряд улучшил бы будущие возможности вывода, хотя текущие результаты уже убедительно подразумевают превосходство прогнозирования рынка и сигнальную отличительность.

Заключение

Мы документируем, что прогностическая эффективность рынка демонстрирует значительное и экономически значимое превосходство по отношению к экспертным консенсус-ожиданиям, особенно в ключевые периоды точности прогнозирования. Рыночные прогнозы ИПЦ демонстрируют общий уровень ошибок примерно на 40% ниже, с сокращением ошибок до примерно 60% в периоды крупных структурных сдвигов.

Учитывая эти выводы, несколько ключевых областей для будущих исследований становятся особенно важными: во-первых, изучение того, могут ли события «Альфы воздействия» сами по себе прогнозироваться с использованием индикаторов волатильности и расхождения прогнозов по большей выборке, охватывающей несколько макроэкономических индикаторов; во-вторых, определение того, при каком пороге ликвидности рынок прогнозов может постоянно превосходить традиционные методы прогнозирования; и в-третьих, изучение взаимосвязи между прогнозами рынка прогнозов и прогнозами, подразумеваемыми высокочастотными торговыми финансовыми инструментами.

В среде, где консенсус-прогнозы сильно полагаются на сильно коррелированные предположения моделей и общие наборы информации, рынок прогнозов предлагает альтернативный механизм агрегации информации, который может обнаруживать изменения состояния раньше и более эффективно обрабатывать гетерогенную информацию. Для организаций, которым необходимо принимать решения в экономической среде, характеризующейся растущей структурной неопределенностью и частотой хвостовых событий, «Альфа воздействия» может представлять не просто постепенное улучшение прогностической способности, но также должна быть фундаментальной частью их надежной инфраструктуры управления рисками.

Ссылка на оригинальную статью