Pasar prediksi platform Kalshi merilis laporan penelitian pertama yang mengungkapkan bahwa dalam memprediksi data CPI, rata-rata kesalahan absolutnya 40% lebih rendah dibandingkan ekspektasi konsensus tradisional, dan dalam periode kejadian pasar besar, tingkat akurasinya bahkan meningkat hingga 60%, menunjukkan keunggulan “kebijaksanaan kolektif” dalam bidang prediksi ekonomi.
（Latar belakang: Pasar prediksi yang bekerja sama dengan CNBC, Odds real-time 2026, tayangan televisi, laporan berita）
（Informasi tambahan: Dari penari balet hingga miliarder termuda: Bagaimana Luana membangun pasar prediksi bernilai miliaran Kalshi）

Daftar Isi Artikel

• Ringkasan
  • Sorotan utama
• Latar belakang
• Metodologi
  • Data
  • Klasifikasi kejadian
  • Indikator kinerja
• Hasil: Performa prediksi CPI
  • Akurasi keseluruhan lebih unggul
  • “Alpha Kejutan” memang ada
• Diskusi lanjutan
  • Heterogenitas peserta pasar dan “kebijaksanaan kolektif”
  • Perbedaan struktur insentif peserta
  • Efisiensi agregasi informasi
• Keterbatasan dan perhatian
• Kesimpulan

Catatan Editor:

Platform pasar prediksi terkemuka Kalshi mengumumkan peluncuran kolom laporan penelitian baru bernama Kalshi Research, yang bertujuan menyediakan data internal Kalshi kepada para akademisi dan peneliti yang tertarik dengan topik terkait pasar prediksi. Laporan penelitian pertama dari kolom ini telah dirilis, berikut isi asli laporan tersebut yang diterjemahkan oleh Odaily Planet Daily:

Ringkasan

Umumnya, satu minggu sebelum rilis data statistik ekonomi penting, analis dari lembaga keuangan besar dan ekonom senior akan memberikan perkiraan nilai yang diharapkan. Prediksi ini kemudian dirangkum sebagai “ekspektasi konsensus”, yang secara luas dianggap sebagai referensi penting untuk memahami perubahan pasar dan penyesuaian posisi.

Dalam laporan ini, kami membandingkan performa prediksi pasar Kalshi (selanjutnya disebut “prediksi pasar”) dengan harga implisit dari pasar prediksi Kalshi dalam memprediksi satu indikator makroekonomi utama—tingkat inflasi YoY CPI—nilai aktualnya.

Sorotan utama

· Akurasi keseluruhan lebih unggul: Dalam semua kondisi pasar (termasuk normal dan kejadian kejutan), rata-rata kesalahan absolut (MAE) prediksi Kalshi 40,1% lebih rendah dibandingkan ekspektasi konsensus.

· “Alpha Kejutan” (Shock Alpha): Saat terjadi kejadian besar (lebih dari 0,2%), dalam jendela prediksi satu minggu sebelumnya, prediksi Kalshi 50% lebih rendah MAE-nya dibandingkan ekspektasi konsensus; bahkan satu hari sebelum data diumumkan, keunggulan ini meningkat menjadi 60%. Saat terjadi kejadian sedang (antara 0,1% dan 0,2%), dalam jendela prediksi satu minggu sebelumnya, prediksi Kalshi juga 50% lebih rendah MAE-nya dibandingkan ekspektasi konsensus; satu hari sebelum pengumuman data, keunggulan ini meningkat menjadi 56,2%.

· Sinyal prediksi (Predictive Signal): Ketika deviasi antara prediksi pasar dan ekspektasi konsensus melebihi 0,1%, probabilitas terjadinya kejutan prediksi sekitar 81,2%, dan satu hari sebelum pengumuman data, naik menjadi sekitar 82,4%. Dalam kasus ketidaksesuaian antara prediksi pasar dan ekspektasi konsensus, prediksi pasar lebih akurat dalam 75% kasus.

Latar belakang

Peramal ekonomi makro menghadapi tantangan inheren: Memperkirakan saat terpenting—yaitu saat pasar tidak beraturan, kebijakan berubah arah, dan terjadi disrupsi struktural—adalah fase di mana model-model historis paling rentan gagal. Pelaku pasar keuangan biasanya mengumumkan prediksi konsensus beberapa hari sebelum data ekonomi utama dirilis, merangkum pendapat para ahli menjadi ekspektasi pasar. Namun, meskipun berharga, pandangan konsensus ini sering berbagi metodologi dan sumber informasi yang serupa.

Bagi investor institusional, pengelola risiko, dan pembuat kebijakan, akurasi prediksi memiliki kepentingan yang tidak seimbang. Dalam periode tenang, prediksi yang sedikit lebih baik hanya memberikan nilai terbatas; tetapi dalam masa kekacauan pasar—ketika volatilitas melonjak, korelasi runtuh, atau hubungan historis gagal—keakuratan yang lebih baik dapat menghasilkan Alpha yang signifikan dan membatasi drawdown.

Oleh karena itu, penting untuk memahami karakteristik perilaku parameter selama periode volatilitas pasar. Kami fokus pada satu indikator makroekonomi utama—tingkat inflasi YoY CPI—yang merupakan indikator utama pengambilan keputusan suku bunga di masa depan dan sinyal penting untuk kesehatan ekonomi.

Kami membandingkan dan mengevaluasi akurasi prediksi dalam berbagai jendela waktu sebelum data resmi dirilis. Temuan utama kami adalah, “Alpha Kejutan” memang ada—yaitu, dalam kejadian ekstrem, prediksi pasar dapat memberikan keunggulan prediksi tambahan dibandingkan baseline konsensus. Keunggulan ini tidak hanya bersifat akademis, tetapi juga sangat penting secara ekonomi karena dapat meningkatkan kualitas sinyal saat kesalahan prediksi paling mahal. Dalam konteks ini, pertanyaan utama bukanlah apakah pasar prediksi “selalu benar”, melainkan apakah mereka menyediakan sinyal yang layak dimasukkan ke dalam kerangka pengambilan keputusan tradisional dan memiliki nilai diferensiasi.

Metodologi

Data

Kami menganalisis prediksi implisit harian dari trader di platform Kalshi, mencakup tiga titik waktu: satu minggu sebelum pengumuman data (berdasarkan waktu rilis ekspektasi konsensus), satu hari sebelum pengumuman, dan pagi hari pengumuman. Setiap pasar yang digunakan adalah (atau pernah menjadi) pasar yang benar-benar dapat diperdagangkan, mencerminkan posisi dana riil dengan berbagai tingkat likuiditas. Untuk ekspektasi konsensus, kami mengumpulkan prediksi YoY CPI dari tingkat institusional, yang biasanya diumumkan sekitar satu minggu sebelum data resmi dari Biro Statistik Tenaga Kerja AS.

Rentang sampel dari Februari 2023 hingga pertengahan 2025 mencakup lebih dari 25 siklus rilis CPI bulanan, melintasi berbagai kondisi ekonomi makro.

Klasifikasi kejadian

Kami mengklasifikasikan kejadian berdasarkan “besar ketidakterdugaan” relatif terhadap level historis. “Kejutan” didefinisikan sebagai selisih mutlak antara ekspektasi konsensus dan data aktual:

· Kejadian normal: kesalahan prediksi YoY CPI kurang dari 0,1%.

· Kejadian sedang: kesalahan prediksi YoY CPI antara 0,1% dan 0,2%.

· Kejadian besar: kesalahan prediksi YoY CPI lebih dari 0,2%.

Metode klasifikasi ini memungkinkan kami menguji apakah keunggulan prediksi meningkat seiring dengan tingkat kesulitan prediksi.

Indikator kinerja

Untuk menilai performa prediksi, kami menggunakan indikator berikut:

· Rata-rata kesalahan absolut (MAE): indikator utama akurasi, dihitung sebagai rata-rata selisih mutlak antara prediksi dan nilai aktual.

· Rasio kemenangan: saat deviasi antara ekspektasi konsensus dan prediksi pasar mencapai atau melebihi 0,1% (dibulatkan ke satu desimal), kami mencatat prediksi mana yang lebih dekat ke hasil akhir.

· Analisis rentang waktu prediksi: kami melacak bagaimana akurasi penilaian pasar berkembang dari satu minggu sebelum rilis hingga hari rilis, untuk mengungkap nilai dari penggabungan informasi yang berkelanjutan.

Hasil: Performa prediksi CPI

Akurasi keseluruhan lebih unggul

Dalam semua kondisi pasar, prediksi CPI berbasis pasar memiliki MAE 40,1% lebih rendah dibandingkan prediksi konsensus. Dalam semua jendela waktu, MAE prediksi berbasis pasar 40,1% (satu minggu sebelumnya) hingga 42,3% (satu hari sebelumnya) lebih rendah dari ekspektasi konsensus.

Selain itu, dalam kondisi di mana terdapat perbedaan antara ekspektasi konsensus dan nilai implisit pasar, prediksi berbasis pasar menunjukkan tingkat kemenangan yang signifikan secara statistik, berkisar dari 75,0% satu minggu sebelumnya hingga 81,2% pada hari rilis. Jika termasuk kondisi di mana prediksi pasar dan ekspektasi konsensus seimbang (dengan pembulatan satu desimal), prediksi berbasis pasar sekitar 85% dalam satu minggu sebelumnya akan setidaknya seimbang atau lebih baik dari ekspektasi.

Tingkat akurasi arah yang tinggi ini menunjukkan: Ketika prediksi pasar dan ekspektasi konsensus berbeda, perbedaan ini sendiri mengandung informasi penting tentang kemungkinan terjadinya kejadian kejutan.

“Alpha Kejutan” memang ada

Perbedaan akurasi sangat mencolok selama kejadian kejutan. Dalam kejadian kejutan sedang, saat waktu rilis sama, MAE prediksi pasar 50% lebih rendah dibandingkan ekspektasi konsensus; satu hari sebelum data, keunggulan ini meningkat menjadi 56,2% atau lebih; dalam kejadian kejutan besar, saat waktu rilis sama, MAE prediksi pasar juga 50% lebih rendah dari ekspektasi, dan satu hari sebelum data, bisa mencapai 60% atau lebih; sedangkan dalam kondisi normal tanpa kejutan, performa prediksi pasar dan ekspektasi konsensus hampir sama.

Meskipun jumlah sampel kejadian kejutan lebih kecil (yang wajar dalam dunia yang “kejutan sangat sulit diprediksi”), pola keseluruhannya sangat jelas: Ketika lingkungan prediksi paling menantang, keunggulan agregasi informasi pasar justru paling berharga.

Namun, yang lebih penting bukan hanya performa prediksi Kalshi selama kejadian kejutan, tetapi juga bahwa perbedaan antara prediksi pasar dan ekspektasi konsensus itu sendiri bisa menjadi sinyal awal bahwa kejadian kejutan akan terjadi. Dalam kondisi adanya perbedaan, probabilitas kejutan prediksi pasar sekitar 75% (dalam jendela waktu yang sebanding). Selain itu, analisis ambang batas menunjukkan bahwa ketika deviasi pasar dan konsensus melebihi 0,1%, probabilitas terjadinya kejutan sekitar 81,2%, dan satu hari sebelum data, naik menjadi sekitar 84,2%.

Perbedaan praktis yang signifikan ini menunjukkan bahwa pasar prediksi tidak hanya dapat berfungsi sebagai alat prediksi kompetitif yang berdampingan dengan ekspektasi konsensus, tetapi juga sebagai “meta-sinyal” tentang ketidakpastian prediksi, mengubah perbedaan pasar dan konsensus menjadi indikator awal yang dapat digunakan untuk memperingatkan hasil tak terduga.

Diskusi lanjutan

Pertanyaan yang muncul: Mengapa selama kejadian kejutan, prediksi pasar lebih unggul dari prediksi konsensus? Kami mengusulkan tiga mekanisme saling melengkapi untuk menjelaskan fenomena ini.

Heterogenitas peserta pasar dan “kebijaksanaan kolektif”

Meskipun prediksi konsensus menggabungkan pandangan berbagai institusi, mereka cenderung berbagi asumsi metodologi dan sumber informasi yang serupa. Model ekonometrik, laporan riset Wall Street, dan data pemerintah membentuk basis pengetahuan yang sangat tumpang tindih.

Sebaliknya, pasar prediksi mengumpulkan posisi dari peserta dengan basis informasi yang berbeda: termasuk model proprietary, wawasan industri, sumber data alternatif, dan intuisi berbasis pengalaman. Diversitas peserta ini memiliki dasar teori yang kuat dalam “kebijaksanaan kolektif”. Teori ini menunjukkan bahwa, ketika peserta memiliki informasi relevan dan kesalahan prediksi mereka tidak sepenuhnya berkorelasi, menggabungkan prediksi independen dari berbagai sumber biasanya menghasilkan estimasi yang lebih baik.

Dalam kondisi “perubahan keadaan” makroekonomi, nilai dari keberagaman informasi ini menjadi sangat penting—individu yang memiliki informasi tersebar dan lokal dapat berinteraksi di pasar, sehingga fragmen informasi mereka dapat digabungkan menjadi sinyal kolektif.

Perbedaan struktur insentif peserta

Prediktor konsensus institusional sering berada dalam sistem organisasi dan reputasi yang kompleks, yang secara sistematis menyimpang dari tujuan “murni untuk akurasi prediksi”. Risiko profesional dari kesalahan prediksi menciptakan struktur insentif yang tidak seimbang—kesalahan besar dapat menyebabkan kerugian reputasi yang signifikan, dan bahkan prediksi yang sangat akurat, terutama jika menyimpang dari konsensus, mungkin tidak mendapatkan imbalan yang proporsional.

Ketidakseimbangan ini memicu “herding”, di mana prediktor cenderung mengarahkan prediksi mereka ke dekat nilai konsensus, meskipun informasi pribadi atau model mereka menunjukkan hasil berbeda. Alasannya adalah, dalam sistem profesional, “kesalahan terisolasi” biasanya lebih mahal daripada “benar secara terisolasi”.

Sebaliknya, peserta pasar prediksi menghadapi insentif yang secara langsung selaras dengan akurasi prediksi dan hasil ekonomi—prediksi yang benar akan menghasilkan keuntungan, dan yang salah akan merugi. Dalam sistem ini, faktor reputasi hampir tidak berperan, dan satu-satunya biaya dari menyimpang dari konsensus adalah kerugian ekonomi, tergantung pada keakuratan prediksi. Struktur ini memberikan tekanan yang lebih besar untuk akurat secara sistematis—peserta yang mampu mengidentifikasi kesalahan konsensus secara konsisten akan mengakumulasi modal dan meningkatkan pengaruhnya di pasar; sedangkan yang mengikuti konsensus secara mekanis akan terus mengalami kerugian saat konsensus terbukti salah.

Dalam masa ketidakpastian tinggi, ketika biaya profesional bagi prediktor institusional untuk menyimpang dari konsensus mencapai puncaknya, struktur insentif ini menjadi sangat menonjol dan secara ekonomi sangat penting.

Efisiensi agregasi informasi

Satu fakta empiris yang penting: bahkan satu minggu sebelum pengumuman data—yang bertepatan dengan waktu rilis ekspektasi konsensus—pasar prediksi tetap menunjukkan keunggulan akurasi yang signifikan. Ini menunjukkan bahwa, keunggulan pasar bukan semata-mata berasal dari kecepatan akses informasi.

Sebaliknya, pasar prediksi mungkin lebih efisien dalam menggabungkan fragmen informasi yang tersebar, industri, atau kabur—yang sulit dimasukkan secara formal ke dalam kerangka prediksi ekonomi kuantitatif tradisional. Keunggulan relatif pasar prediksi mungkin terletak pada kemampuannya untuk secara lebih efektif menyatukan informasi heterogen dalam kerangka waktu yang sama—sementara mekanisme konsensus berbasis survei, meskipun memiliki waktu yang sama, seringkali kurang efisien dalam memproses fragmen informasi ini.

Keterbatasan dan perhatian

Hasil penelitian ini memiliki batasan penting. Karena sampel keseluruhan hanya mencakup sekitar 30 bulan, kejadian kejutan besar secara statistik jarang terjadi, sehingga kekuatan statistik untuk kejadian ekstrem terbatas. Data jangka panjang akan memperkuat inferensi di masa depan, meskipun hasil saat ini sudah menunjukkan keunggulan dan perbedaan sinyal dari prediksi pasar.

Kesimpulan

Kami mendokumentasikan bahwa prediksi pasar secara sistematis dan ekonomi secara signifikan lebih unggul dibandingkan ekspektasi konsensus, terutama selama kejadian kejutan yang paling kritis. Prediksi CPI berbasis pasar memiliki rata-rata kesalahan sekitar 40% lebih rendah secara keseluruhan, dan selama periode perubahan struktural besar, pengurangan kesalahan ini bisa mencapai sekitar 60%.

Berdasarkan temuan ini, beberapa arah penelitian di masa depan menjadi sangat penting: pertama, dengan memperbesar sampel dan melibatkan berbagai indikator makroekonomi, meneliti apakah “Alpha Kejutan” dapat diprediksi melalui volatilitas dan indikator perbedaan prediksi; kedua, menentukan batas likuiditas di mana pasar prediksi secara konsisten mengungguli metode tradisional; ketiga, mengeksplorasi hubungan antara prediksi pasar dan prediksi yang diimplikasikan oleh instrumen keuangan frekuensi tinggi.

Dalam lingkungan di mana prediksi konsensus sangat bergantung pada asumsi model yang berkorelasi tinggi dan sumber informasi yang sama, pasar prediksi menawarkan mekanisme agregasi informasi alternatif yang mampu menangkap perubahan keadaan lebih awal dan lebih efisien dalam memproses informasi heterogen. Bagi mereka yang harus membuat keputusan dalam kondisi ketidakpastian struktural dan peningkatan frekuensi kejadian ekstrem, “Alpha Kejutan” mungkin bukan hanya peningkatan bertahap dalam kemampuan prediksi, tetapi juga fondasi penting dalam infrastruktur manajemen risiko yang kokoh.