اولین گزارش تحقیقاتی Kalshi: در پیش‌بینی CPI، خرد جمعی از تحلیلگران وال‌استریت پیشی می‌گیرد

عنوان اصلی: Beyond Consensus: Prediction Markets and the Forecasting of Inflation Shocks

منبع اصلی: Kalshi Research

ترجمه: Azuma, Odaily Planet Daily

یادداشت سردبیر: پلتفرم پیشرو بازار پیش‌بینی Kalshi دیروز از راه‌اندازی سری جدید گزارش‌های تحقیقاتی خود با نام Kalshi Research خبر داد که هدف آن ارائه داده‌های داخلی Kalshi به محققان و پژوهشگرانی است که به موضوعات مرتبط با بازار پیش‌بینی علاقه‌مند هستند. اولین گزارش تحقیقاتی این سری منتشر شده است و در ادامه محتوای اصلی گزارش که توسط Odaily Planet Daily ترجمه شده، آمده است:

بررسی اجمالی

به طور معمول، در هفته منتهی به انتشار داده‌های مهم اقتصادی، تحلیلگران موسسات بزرگ مالی و اقتصاددانان ارشد برآوردهایی از مقادیر مورد انتظار ارائه می‌دهند. این پیش‌بینی‌ها، هنگامی که جمع‌آوری می‌شوند، به عنوان "انتظارات اجماعی" شناخته می‌شوند و به طور گسترده به عنوان یک مرجع کلیدی برای بینش در مورد تغییرات بازار و تعدیل موقعیت‌ها در نظر گرفته می‌شوند.

در این گزارش تحقیقاتی، ما انتظارات اجماعی را با قیمت‌گذاری ضمنی بازار پیش‌بینی Kalshi (که گاهی اوقات "پیش‌بینی‌های بازار" نامیده می‌شود) در پیش‌بینی مقدار واقعی همان سیگنال کلان اقتصادی اصلی — نرخ تورم کلی سالانه (YOY CPI) — مقایسه می‌کنیم.

نکات کلیدی

· دقت کلی برتر: در تمام محیط‌های بازار (از جمله محیط‌های عادی و شوک)، میانگین خطای مطلق (MAE) پیش‌بینی Kalshi، 40.1 درصد کمتر از انتظارات اجماعی است.

· "آلفای شوک (Shock Alpha)": در طول شوک‌های قابل توجه (بیش از 0.2 درصد)، در بازه زمانی پیش‌بینی یک هفته‌ای، پیش‌بینی Kalshi دارای MAE 50 درصد کمتر در مقایسه با انتظارات اجماعی است؛ اگر در روز قبل از انتشار داده باشد، MAE بیشتر گسترش یافته و به 60 درصد می‌رسد؛ در طول شوک‌های متوسط (بین 0.1 تا 0.2 درصد)، در بازه زمانی پیش‌بینی یک هفته‌ای، پیش‌بینی Kalshi دارای MAE 50 درصد کمتر در مقایسه با "انتظارات اجماعی" است که در روز قبل از انتشار داده به 56.2 درصد می‌رسد.

· سیگنال پیش‌بینی: هنگامی که انحراف بین پیش‌بینی‌های بازار و انتظارات اجماعی از 0.1 درصد فراتر می‌رود، احتمال وقوع شوک در پیش‌بینی حدود 81.2 درصد است که در روز قبل از انتشار داده به حدود 82.4 درصد افزایش می‌یابد. در موارد عدم تطابق بین پیش‌بینی‌های بازار و انتظارات اجماعی، پیش‌بینی‌های بازار در 75 درصد موارد دقیق‌تر هستند.

پیش‌زمینه

پیش‌بینی‌کنندگان کلان اقتصادی با یک چالش ذاتی روبرو هستند: پیش‌بینی مهم‌ترین لحظات — زمانی که بازارها در آشفتگی هستند، سیاست‌ها تغییر می‌کنند و شکست‌های ساختاری رخ می‌دهند — دقیقاً زمانی است که مدل‌های تاریخی به احتمال زیاد شکست می‌خورند. شرکت‌کنندگان در بازار مالی معمولاً پیش‌بینی‌های اجماعی را چند روز قبل از انتشار داده‌های کلیدی اقتصادی منتشر می‌کنند و نظرات کارشناسان را در انتظارات بازار جمع‌آوری می‌کنند. با این حال، در حالی که این دیدگاه‌های اجماعی ارزشمند هستند، اغلب مسیرهای روش‌شناختی و منابع اطلاعاتی مشابهی را به اشتراک می‌گذارند.

برای سرمایه‌گذاران نهادی، مدیران ریسک و سیاست‌گذاران، مخاطرات دقت پیش‌بینی نامتقارن است. در زمان‌های بدون مناقشه، یک پیش‌بینی کمی بهتر فقط ارزش محدودی ارائه می‌دهد؛ اما در زمان‌های آشفتگی بازار — زمانی که نوسانات افزایش می‌یابد، همبستگی‌ها از بین می‌روند یا روابط تاریخی شکست می‌خورند — دقت برتر می‌تواند بازدهی آلفای قابل توجهی ایجاد کند و کاهش‌ها را تعدیل کند.

بنابراین، درک چگونگی رفتار پارامترها در طول تلاطم بازار بسیار مهم است. ما بر یک شاخص کلان اقتصادی کلیدی تمرکز می‌کنیم — شاخص قیمت مصرف‌کننده سالانه (YOY CPI) — که یک مرجع اصلی برای تصمیمات نرخ بهره در آینده و سیگنالی حیاتی از سلامت اقتصادی است.

ما دقت پیش‌بینی را در چندین پنجره قبل از انتشار داده‌های رسمی مقایسه و ارزیابی می‌کنیم. یافته کلیدی ما این است که به اصطلاح "آلفای شوک" واقعاً وجود دارد — به این معنی که در رویدادهای دنباله‌ای (tail events)، پیش‌بینی‌های مبتنی بر بازار می‌توانند دقت پیش‌بینی اضافی در مقایسه با معیارهای اجماعی به دست آورند. این عملکرد برتر صرفاً یک علاقه آکادمیک نیست، بلکه در لحظاتی که خطاهای پیش‌بینی بالاترین هزینه‌های اقتصادی را به همراه دارند، بسیار حیاتی است و کیفیت سیگنال را به طور قابل توجهی افزایش می‌دهد. در این زمینه، سوال واقعاً مهم این نیست که آیا بازارها در پیش‌بینی "همیشه درست" هستند، بلکه این است که آیا آنها سیگنالی شایسته برای گنجاندن در یک چارچوب تصمیم‌گیری سنتی ارائه می‌دهند، سیگنالی که ارزش متمایزی ارائه می‌دهد.

روش‌شناسی

داده‌ها

ما پیش‌بینی‌های ضمنی روزانه از بازارهای پیش‌بینی در پلتفرم Kalshi را تحلیل می‌کنیم که سه نقطه زمانی را پوشش می‌دهد: یک هفته قبل از انتشار داده (همسو با انتشار انتظارات اجماعی)، روز قبل از انتشار و صبح روز انتشار. هر بازار استفاده شده، یک بازار قابل معامله واقعی است یا بوده که موقعیت‌های پول واقعی را در سطوح مختلف نقدینگی منعکس می‌کند. برای انتظارات اجماعی، ما پیش‌بینی‌های اجماعی YOY CPI در سطح نهادی را جمع‌آوری می‌کنیم که معمولاً حدود یک هفته قبل از داده‌های رسمی از اداره آمار کار ایالات متحده منتشر می‌شود.

دوره نمونه از فوریه 2023 تا اواسط 2025 متغیر است و بیش از 25 چرخه انتشار ماهانه CPI را در محیط‌های مختلف کلان اقتصادی پوشش می‌دهد.

طبقه‌بندی تأثیر

ما رویدادها را بر اساس "بزرگی غافلگیری" نسبت به سطوح تاریخی به سه دسته طبقه‌بندی کرده‌ایم. یک "تأثیر" به عنوان تفاوت مطلق بین انتظارات اجماعی و داده‌های گزارش شده واقعی تعریف می‌شود:

· رویداد عادی: خطای پیش‌بینی برای YOY CPI کمتر از 0.1 درصد است؛

· تأثیر متوسط: خطای پیش‌بینی برای YOY CPI بین 0.1 تا 0.2 درصد است؛

· تأثیر عمده: خطای پیش‌بینی برای YOY CPI از 0.2 درصد فراتر می‌رود.

این طبقه‌بندی به ما امکان می‌دهد بررسی کنیم که آیا دقت پیش‌بینی با تغییر دشواری پیش‌بینی، تفاوت‌های سیستماتیک نشان می‌دهد یا خیر.

معیارهای عملکرد

برای ارزیابی عملکرد پیش‌بینی، ما از معیارهای زیر استفاده می‌کنیم:

· میانگین خطای مطلق (MAE): معیار دقت اولیه که به عنوان میانگین تفاوت‌های مطلق بین مقادیر پیش‌بینی شده و مقادیر واقعی محاسبه می‌شود.

· نرخ برد: هنگامی که تفاوت بین انتظارات اجماعی و پیش‌بینی‌های بازار به 0.1 درصد (گرد شده به یک رقم اعشار) می‌رسد یا از آن فراتر می‌رود، ما ثبت می‌کنیم که کدام پیش‌بینی به نتیجه نهایی واقعی نزدیک‌تر است.

· تحلیل افق پیش‌بینی: ما ردیابی می‌کنیم که چگونه دقت برآوردهای بازار از یک هفته قبل از انتشار تا روز انتشار تکامل می‌یابد و ارزش گنجاندن اطلاعات مداوم را آشکار می‌کند.

نتایج: عملکرد پیش‌بینی CPI

پیش‌بینی‌های مبتنی بر بازار کلی برتری دارند

در تمام شرایط بازار، پیش‌بینی‌های CPI مبتنی بر بازار، به طور میانگین، 40.1 درصد میانگین خطای مطلق (MAE) کمتری نسبت به پیش‌بینی‌های اجماعی نشان می‌دهند. در تمام افق‌های زمانی، MAE پیش‌بینی CPI مبتنی بر بازار از 40.1 درصد کمتر از انتظارات اجماعی (یک هفته قبل) تا 42.3 درصد کمتر (یک روز قبل) است.

علاوه بر این، در مواردی که بین انتظارات اجماعی و مقادیر ضمنی بازار اختلاف وجود دارد، پیش‌بینی‌های مبتنی بر بازار Kalshi نرخ برد قابل توجهی از نظر آماری را نشان می‌دهند که از 75.0 درصد یک هفته قبل تا 81.2 درصد در روز انتشار متغیر است. هنگام در نظر گرفتن مواردی که پیش‌بینی با اجماع برابر است (گرد شده به یک رقم اعشار)، پیش‌بینی‌های مبتنی بر بازار در حدود 85 درصد موارد یک هفته قبل با اجماع همسو هستند یا از آن پیشی می‌گیرند.

این دقت جهت‌گیری بالا نشان می‌دهد: هنگامی که بین پیش‌بینی‌های بازار و انتظارات اجماعی اختلاف وجود دارد، خود این اختلاف ارزش اطلاعاتی قابل توجهی در مورد احتمال وقوع یک رویداد تأثیرگذار دارد.

وجود "آلفای تأثیر (Impact Alpha)"

تفاوت در دقت پیش‌بینی به ویژه در طول رویدادهای تأثیرگذار مشهود است. در یک رویداد تأثیر متوسط، میانگین خطای بازار (MAE) در مقایسه با انتظار اجماعی انتظار می‌رود زمانی که زمان انتشار ثابت است 50 درصد کمتر باشد، که در روز قبل از انتشار داده به 56.2 درصد یا بیشتر گسترش می‌یابد؛ در یک رویداد تأثیر عمده، MAE بازار نیز انتظار می‌رود زمانی که زمان انتشار ثابت است 50 درصد کمتر از انتظار اجماعی باشد و در روز قبل از انتشار داده به 60 درصد یا بیشتر برسد؛ در حالی که در یک محیط عادی بدون تأثیر، عملکرد پیش‌بینی بازار تقریباً معادل انتظار اجماعی است.

اگرچه اندازه نمونه رویدادهای تأثیرگذار کوچک است (که در دنیایی که "تأثیر ذاتاً بسیار غیرقابل پیش‌بینی است" معقول است)، الگوی کلی بسیار واضح است: هنگامی که محیط پیش‌بینی چالش‌برانگیزترین است، مزیت جمع‌آوری اطلاعات بازار ارزشمندترین می‌شود.

با این حال، آنچه حتی مهم‌تر است نه تنها این است که پیش‌بینی‌های Kalshi در دوره‌های تأثیر عملکرد بهتری دارند، بلکه این است که واگرایی بین پیش‌بینی‌های بازار و انتظار اجماعی خود می‌تواند سیگنالی از یک تأثیر قریب‌الوقوع باشد. در موارد واگرایی، پیش‌بینی بازار با نرخ برد 75 درصد از انتظار اجماعی پیشی می‌گیرد (در یک بازه زمانی قابل مقایسه). علاوه بر این، تحلیل آستانه بیشتر نشان می‌دهد که وقتی بازار بیش از 0.1 درصد از اجماع منحرف می‌شود، احتمال یک تأثیر پیش‌بینی‌کننده حدود 81.2 درصد است که در روز قبل از انتشار داده به حدود 84.2 درصد افزایش می‌یابد.

این تفاوت عملی قابل توجه نشان می‌دهد که بازار پیش‌بینی نه تنها می‌تواند به عنوان یک ابزار پیش‌بینی رقابتی در کنار انتظار اجماعی عمل کند، بلکه به عنوان یک "متا-سیگنال" در مورد عدم قطعیت پیش‌بینی عمل می‌کند و واگرایی بازار از اجماع را به یک شاخص اولیه قابل اندازه‌گیری برای هشدار دادن به نتایج غیرمنتظره احتمالی تبدیل می‌کند.

بحث بیشتر

یک سوال واضح مطرح می‌شود: چرا در دوره‌های تأثیر، پیش‌بینی‌های بازار از پیش‌بینی‌های اجماعی پیشی می‌گیرند؟ ما سه مکانیسم مکمل برای توضیح این پدیده پیشنهاد می‌کنیم.

ناهمگونی شرکت‌کنندگان در بازار و "خرد جمعی"

اگرچه انتظارات اجماعی سنتی دیدگاه‌های چندین موسسه را ادغام می‌کنند، اما اغلب فرضیات روش‌شناختی و منابع اطلاعاتی مشابهی را به اشتراک می‌گذارند. مدل‌های اقتصادسنجی، گزارش‌های تحقیقاتی وال‌استریت و انتشار داده‌های دولتی یک پایه دانش مشترک با همپوشانی بالا تشکیل می‌دهند.

در مقابل، بازار پیش‌بینی موقعیت‌های نگهداری شده توسط شرکت‌کنندگان با پایگاه‌های اطلاعاتی مختلف را جمع‌آوری می‌کند: از جمله مدل‌های اختصاصی، بینش‌های خاص صنعت، منابع داده جایگزین و قضاوت‌های شهودی مبتنی بر تجربه. این تنوع شرکت‌کنندگان پایه نظری قوی در نظریه "خرد جمعی" دارد. این نظریه پیشنهاد می‌کند که هنگامی که شرکت‌کنندگان اطلاعات مرتبط دارند و خطاهای پیش‌بینی آنها کاملاً همبسته نیست، جمع‌آوری پیش‌بینی‌های مستقل از منابع متنوع اغلب منجر به برآوردهای برتر می‌شود.

و در محیط کلان، در طول یک "تغییر وضعیت"، ارزش این تنوع اطلاعاتی به ویژه برجسته است — افرادی با اطلاعات پراکنده و محلی در بازار تعامل دارند، قطعات اطلاعاتی آنها ترکیب می‌شوند تا یک سیگنال جمعی تشکیل دهند.

تفاوت‌های ساختار تشویقی شرکت‌کنندگان

در سطح نهادی، پیش‌بینی‌کنندگان اجماعی اغلب در یک سیستم سازمانی و اعتباری پیچیده هستند که به طور سیستماتیک از هدف "جستجوی خالص دقت پیش‌بینی" منحرف می‌شود. ریسک‌های حرفه‌ای که پیش‌بینی‌کنندگان با آن روبرو هستند یک ساختار پاداش نامتقارن ایجاد می‌کند — یک خطای پیش‌بینی قابل توجه منجر به هزینه‌های اعتباری قابل توجه می‌شود، و حتی اگر پیش‌بینی بسیار دقیق باشد، به خصوص اگر به طور قابل توجهی از اجماع همتایان منحرف شود، ممکن است لزوماً پاداش حرفه‌ای متناسبی دریافت نکند.

این عدم تقارن "رفتار گله‌ای" را تحریک می‌کند، جایی که پیش‌بینی‌کنندگان تمایل دارند پیش‌بینی‌های خود را حول مقدار اجماع خوشه‌بندی کنند، حتی اگر اطلاعات خصوصی یا خروجی مدل آنها نتیجه متفاوتی را نشان دهد. دلیل این است که در سیستم حرفه‌ای، هزینه "اشتباه کردن فردی" اغلب بیشتر از مزیت "درست بودن فردی" است.

در تضاد شدید، مکانیسم تشویقی که شرکت‌کنندگان بازار پیش‌بینی با آن روبرو هستند، همسویی مستقیمی بین دقت پیش‌بینی و نتایج اقتصادی ایجاد می‌کند — پیش‌بینی دقیق به معنای سود است، پیش‌بینی نادرست به معنای زیان است. در این سیستم، عامل اعتبار تقریباً وجود ندارد و تنها هزینه انحراف از اجماع بازار زیان اقتصادی است که کاملاً به درست بودن پیش‌بینی بستگی دارد. این ساختار فشار انتخاب قوی‌تری برای دقت پیش‌بینی اعمال می‌کند — شرکت‌کنندگانی که می‌توانند به طور سیستماتیک خطاهای پیش‌بینی اجماعی را شناسایی کنند، به طور مداوم سرمایه جمع‌آوری کرده و نفوذ بازار خود را از طریق اندازه‌های موقعیت بزرگتر افزایش می‌دهند؛ در حالی که کسانی که به طور مکانیکی از اجماع پیروی می‌کنند، زمانی که اجماع اشتباه ثابت شود، به تحمل زیان ادامه خواهند داد.

در دوره‌های افزایش قابل توجه عدم قطعیت، زمانی که هزینه حرفه‌ای پیش‌بینی‌کنندگان نهادی برای انحراف از اجماع کارشناسان به اوج خود می‌رسد، این تمایز در ساختار تشویقی اغلب برجسته‌ترین و از نظر اقتصادی مهم‌ترین است.

کارایی جمع‌آوری اطلاعات

یک واقعیت تجربی قابل توجه این است که حتی یک هفته قبل از انتشار داده — این نقطه زمانی با پنجره زمانی معمول برای انتظارات اجماعی همسو است — پیش‌بینی‌های بازار همچنان مزیت دقت قابل توجهی را نشان می‌دهند. این نشان می‌دهد که مزیت بازار صرفاً از "مزیت سرعت کسب اطلاعات" که شرکت‌کنندگان پیش‌بینی بازار معمولاً به آن ارجاع داده می‌شوند، ناشی نمی‌شود.

برعکس، پیش‌بینی‌های بازار ممکن است آن قطعات اطلاعاتی بیش از حد پراکنده، بیش از حد تخصصی یا بیش از حد مبهم را که گنجاندن رسمی آنها در چارچوب‌های پیش‌بینی اقتصادسنجی سنتی دشوار است، به طور کارآمدتری جمع‌آوری کنند. مزیت نسبی پیش‌بینی‌های بازار ممکن است در دسترسی زودتر به اطلاعات عمومی نباشد، بلکه در توانایی آنها برای ترکیب مؤثرتر اطلاعات ناهمگون در همان مقیاس زمانی باشد — در حالی که مکانیسم‌های اجماعی مبتنی بر نظرسنجی، حتی با همان پنجره زمانی، اغلب برای پردازش کارآمد این اطلاعات با مشکل مواجه می‌شوند.

محدودیت‌ها و ملاحظات

یافته‌های تحقیقاتی ما باید با یک هشدار مهم واجد شرایط باشد. به دلیل اینکه نمونه کلی فقط حدود 30 ماه را پوشش می‌دهد، رویدادهای تأثیر عمده ذاتاً به دلیل تعریف نادر هستند، به این معنی که قدرت آماری برای رویدادهای دنباله‌ای بزرگتر همچنان محدود است. یک سری زمانی طولانی‌تر قابلیت‌های استنتاجی آینده را افزایش می‌دهد، اگرچه نتایج فعلی در حال حاضر به شدت برتری پیش‌بینی بازار و متمایز بودن سیگنال را نشان می‌دهند.

نتیجه‌گیری

ما عملکرد پیش‌بینی بازار را مستند می‌کنیم که برتری قابل توجه و از نظر اقتصادی معناداری را نسبت به انتظارات اجماعی کارشناسان نشان می‌دهد، به ویژه در دوره‌های کلیدی دقت پیش‌بینی. پیش‌بینی‌های CPI مبتنی بر بازار نرخ خطای کلی حدود 40 درصد کمتر را نشان می‌دهند، با کاهش خطا تا حدود 60 درصد در دوره‌های تغییر ساختاری عمده.

با توجه به این یافته‌ها، چندین حوزه کلیدی برای تحقیقات آینده به ویژه مهم می‌شوند: اول، مطالعه اینکه آیا رویدادهای "آلفای تأثیر" خود می‌توانند با استفاده از شاخص‌های نوسان و واگرایی پیش‌بینی در یک اندازه نمونه بزرگتر که شامل چندین شاخص کلان اقتصادی است، پیش‌بینی شوند؛ دوم، تعیین اینکه در کدام آستانه نقدینگی بازار پیش‌بینی می‌تواند به طور مداوم از روش‌های پیش‌بینی سنتی پیشی بگیرد؛ و سوم، بررسی رابطه بین پیش‌بینی‌های بازار پیش‌بینی و پیش‌بینی‌های ضمنی توسط ابزارهای مالی معاملاتی با فرکانس بالا.

در محیطی که پیش‌بینی‌های اجماعی به شدت به فرضیات مدل همبسته قوی و مجموعه‌های اطلاعاتی مشترک متکی هستند، بازار پیش‌بینی یک مکانیسم جمع‌آوری اطلاعات جایگزین ارائه می‌دهد که می‌تواند تغییرات وضعیت را زودتر شناسایی کرده و اطلاعات ناهمگون را به طور کارآمدتری پردازش کند. برای نهادهایی که نیاز به تصمیم‌گیری در یک محیط اقتصادی دارند که با افزایش عدم قطعیت ساختاری و فرکانس رویدادهای دنباله‌ای مشخص می‌شود، "آلفای تأثیر" ممکن است نه تنها نشان‌دهنده یک بهبود تدریجی در توانایی پیش‌بینی باشد، بلکه باید بخش اساسی از زیرساخت مدیریت ریسک قوی آنها باشد.

لینک مقاله اصلی