Предварительный анализ рынка платформы Kalshi показывает, что при прогнозировании данных CPI средняя абсолютная ошибка (MAE) у них на 40% ниже, чем у традиционных консенсусных ожиданий, а при значительных рыночных потрясениях точность прогнозов достигает до 60%, демонстрируя преимущества «группового интеллекта» в области экономического прогнозирования.
(Предыстория: совместный прогнозный рынок CNBC Kalshi, мгновенные котировки, запуск в 2026 году, телепередачи, новости)
(Дополнительный фон: от балерины до самой молодой женщины-миллиардера: как Luana создала миллиардный прогнозный рынок Kalshi)

Содержание статьи

• Обзор
  • Основные моменты
• Фон
• Методология
  • Данные
  • Классификация потрясений
  • Метрики эффективности
• Результаты: показатели прогнозирования CPI
  • Общая точность
  • Реальное существование «Shock Alpha»
• Дополнительные обсуждения
  • Гетерогенность участников рынка и «групповой интеллект»
  • Различия в мотивационных структурах участников
  • Эффективность агрегирования информации
• Ограничения и предостережения
• Заключение

Редакторский комментарий:

Ведущая платформа прогнозных рынков Kalshi вчера объявила о запуске новой рубрики исследований Kalshi Research, предназначенной для ученых и исследователей, интересующихся темами прогнозных рынков, предоставляя внутренние данные Kalshi. Первая исследовательская статья уже опубликована, ниже — оригинальный текст отчета, переведенный Odaily Planet Daily:

Обзор

Обычно за неделю до публикации важных экономических статистических данных аналитики крупных финансовых институтов и ведущие экономисты дают свои оценки ожидаемых значений. Эти прогнозы собираются в так называемый «консенсус», который широко используется как важный ориентир для понимания рыночных изменений и корректировки позиций.

В данном исследовании мы сравнили скрытую цену (иногда сокращенно «рыночный прогноз») на платформе Kalshi с консенсусными ожиданиями в предсказании одного и того же ключевого макроэкономического сигнала — годовой инфляции (YOY CPI) — с точки зрения точности.

Основные моменты

· Общая точность: при всех рыночных условиях (нормальных и потрясениях) средняя абсолютная ошибка (MAE) прогнозов Kalshi на 40,1% ниже, чем у консенсусных ожиданий.

· «Shock Alpha»: при значительных потрясениях (более 0,2%) прогнозы Kalshi в течение прогнозного окна за неделю до публикации показывают MAE, на 50% ниже, чем у консенсуса; за день до публикации разница увеличивается до 60%. При умеренных потрясениях (0,1–0,2%) аналогичные показатели также на 50% лучше, а за день — до 56,2%.

· Прогностический сигнал: при отклонении рыночных прогнозов от консенсуса более чем на 0,1% вероятность возникновения потрясения составляет около 81,2%, а за день — около 82,4%. В случаях несогласованности рыночных прогнозов и консенсуса, рыночные прогнозы оказываются более точными в 75% случаев.

Фон

Макроэкономические прогнозисты сталкиваются с внутренней проблемой: самое важное время для прогноза — когда рынок выходит из равновесия, происходит смена политики или структурные разрывы — именно в эти периоды модели чаще всего дают сбой. Участники финансовых рынков обычно публикуют консенсусные прогнозы за несколько дней до выхода ключевых данных, объединяя мнения экспертов в ожидания рынка. Однако эти консенсусные точки зрения, несмотря на ценность, зачастую используют схожие методологии и источники информации.

Для институциональных инвесторов, менеджеров по рискам и политиков точность прогноза важна неравномерно. В периоды стабильности небольшие преимущества в точности дают ограниченную ценность; в периоды хаоса — при высокой волатильности, разрывах корреляций или сбоях исторических связей — более точные прогнозы могут приносить значительный Alpha и ограничивать убытки.

Поэтому понимание поведения параметров в периоды рыночной волатильности крайне важно. Мы сосредоточимся на ключевом макроэкономическом индикаторе — годовой инфляции (YOY CPI), который является основным ориентиром для будущих решений по ставкам и важным сигналом экономического здоровья.

Мы сравнили и оценили точность прогнозов в нескольких временных окнах перед публикацией данных. Наш главный вывод — так называемый «Shock Alpha» действительно существует — в хвостовых событиях рыночные прогнозы показывают дополнительную точность по сравнению с базовым консенсусом. Это превосходство не только академическое, оно существенно повышает качество сигнала в моменты, когда ошибка наиболее дорогостоящая. В этом контексте важен не вопрос, «всегда ли рынок прав», а — предоставляет ли он дифференцированный, ценностный сигнал, достойный включения в традиционные модели принятия решений.

Методология

Данные

Мы анализировали ежедневные скрытые прогнозы трейдеров на платформе Kalshi по трем временным точкам: за неделю до публикации (совпадает с временем выхода консенсуса), за день до публикации, в утренние часы дня публикации. Все использованные рынки — это (или были) реально торгуемые активы, отражающие реальные позиции при разной ликвидности. Для консенсусных ожиданий мы собрали институциональные прогнозы по YoY CPI, публикуемые примерно за неделю до выхода данных в США.

Образец охватывает период с февраля 2023 по середину 2025 года, более 25 месяцев публикаций CPI, в различных макроэкономических условиях.

Классификация потрясений

Мы разделили события по «неожиданной амплитуде» относительно исторического уровня. «Потрясение» — это абсолютная разница между консенсусом и фактическими данными:

· Нормальные события: ошибка прогноза CPI менее 0,1%;

· Умеренные потрясения: ошибка в диапазоне 0,1–0,2%;

· Значительные потрясения: ошибка более 0,2%.

Этот подход позволяет проверить, меняется ли преимущество прогноза в зависимости от сложности предсказания.

Метрики эффективности

Для оценки точности использованы:

· Средняя абсолютная ошибка (MAE): основная метрика, среднее значение абсолютных разниц между прогнозом и реальными данными.

· Победитель: при разнице между консенсусом и рынком ≥ 0,1% фиксируем, какой прогноз ближе к финальному результату.

· Анализ временного диапазона прогноза: отслеживаем, как меняется точность с приближением к дате публикации, чтобы понять ценность постоянного включения информации.

Результаты: показатели прогнозирования CPI

Общая точность

Во всех условиях рынка прогнозы Kalshi показывают MAE, на 40,1% ниже, чем у консенсуса. В течение всего периода, MAE прогнозов Kalshi на 40,1% (за неделю) до 42,3% (за день) ниже, чем у ожиданий.

Кроме того, при расхождениях между рынком и консенсусом, прогнозы Kalshi демонстрируют статистически значимую победу в диапазоне от 75% (за неделю) до 81,2% (в день публикации). Если учитывать ситуации, когда прогнозы совпадают, примерно 85% времени прогнозы Kalshi равны или лучше консенсуса за неделю.

Такая высокая точность указывает: когда рыночные прогнозы расходятся с консенсусом, это само по себе — важный сигнал о возможных потрясениях.

«Shock Alpha» действительно существует

Разница в точности особенно заметна во время потрясений. В умеренных потрясениях, при совпадении времени публикации, прогнозы рынка показывают MAE, на 50% ниже, чем у консенсуса; за день — до 56,2% и более. В значительных потрясениях, при совпадении времени, MAE рынка на 50% ниже, а за день — до 60% и более. В нормальных условиях, без потрясений, показатели схожи.

Несмотря на меньшую выборку (что логично в мире с высокой непредсказуемостью потрясений), общая картина ясна: в самые сложные периоды, когда предсказание наиболее затруднено, преимущества рыночных данных наиболее очевидны.

Более того, важнее не только то, что прогнозы Kalshi лучше во время потрясений, а то, что расхождения между рынком и консенсусом могут служить сигналом о приближающемся событии. В случаях расхождения вероятность потрясения достигает 75% (в сопоставимых временных окнах). Анализ пороговых значений показывает: при отклонении более чем на 0,1% вероятность потрясения — около 81,2%, а за день — около 84,2%.

Эти практические различия важны: рыночные прогнозы могут служить не только конкурентами консенсуса, но и метасигналами — ранними индикаторами потенциальных неожиданных событий, основанными на расхождениях.

Дополнительные обсуждения

Возникает очевидный вопрос: почему в периоды потрясений рыночные прогнозы превосходят консенсус? Предлагаем три взаимодополняющих механизма.

Гетерогенность участников и «групповой интеллект»

Хотя традиционный консенсус объединяет мнения нескольких институтов, он часто использует схожие методологии и источники информации. Эконометрические модели, аналитика Уолл-стрит и государственные данные — это сильно пересекающиеся базы знаний.

В отличие от этого, прогнозный рынок объединяет позиции участников с разной информационной базой: собственные модели, отраслевые инсайты, альтернативные источники данных и интуицию. Такая диверсификация участников — основа «мудрости толпы». Теория показывает, что при наличии независимых источников информации и ошибок, не полностью коррелированных, агрегирование таких прогнозов дает более точные оценки.

Особенно ценна эта диверсификация в периоды «смены состояния»: разрозненная, локальная информация участников объединяется, формируя коллективный сигнал.

Различия в мотивационных структурах

Институциональные прогнозисты часто связаны с репутационными системами, которые систематически склоняют их к «следованию за толпой». Высокий риск ошибок и репутационные издержки создают стимулы к конформизму — держать прогноз вблизи консенсуса, даже если есть личные данные или модели, указывающие на иное. Стоимость ошибок высока, а вознаграждение за точность — не пропорционально.

Это вызывает «стадное поведение»: участники склонны следовать за мнением большинства, даже если у них есть альтернативные сведения. В результате, отклонения от консенсуса редки, а их появление — ценное предупреждение.

В противоположность, участники прогнозных рынков ориентированы на прибыль: точность прогнозов напрямую связана с доходами и убытками. Репутационные факторы минимальны, а отклонение от рынка — это риск потери денег. Поэтому, в таких системах, более точные прогнозы — это и более прибыльные, и более рискованные. В периоды высокой неопределенности, когда отклонения от консенсуса наиболее выгодны, участники, умеющие правильно оценивать риски, получают преимущество.

Это создает сильные стимулы к точности, особенно в периоды кризисов или потрясений.

Эффективность агрегирования информации

Интересный факт: даже за неделю до публикации данных, когда обычно формируется консенсус, рыночные прогнозы показывают значительное преимущество. Это говорит о том, что преимущества рынка не только в скорости получения информации.

Наоборот, рынок более эффективно агрегирует разрозненные, отраслевые или неформальные сведения, которые трудно формализовать и включить в классические модели. Время реакции и обработка информации у участников рынка позволяют им лучше объединять разнородные источники, чем традиционные опросы или модели.

Ограничения и предостережения

Наши выводы основаны на данных за около 30 месяцев, что относительно мало для статистики по редким событиям — крупным потрясениям. В будущем расширение выборки повысит надежность результатов. Однако текущие данные уже показывают явное превосходство рыночных прогнозов и их сигнальной ценности.

Заключение

Мы подтвердили, что прогнозные рынки демонстрируют системное и экономически значимое превосходство по сравнению с экспертным консенсусом, особенно в периоды потрясений. Общая ошибка прогнозов Kalshi примерно на 40% ниже, а при структурных изменениях — до 60%.

Эти результаты открывают новые направления исследований: например, можно ли предсказать «Shock Alpha» с помощью волатильности и расхождения прогнозов; при какой ликвидности рынок стабильно превосходит традиционные методы; и как соотносятся прогнозы рынка с высокочастотными инструментами.

В условиях, когда консенсусные прогнозы основаны на сильных корреляциях и общих источниках информации, рыночные прогнозы предоставляют альтернативный механизм агрегирования информации, способный быстрее реагировать на смену состояния и более эффективно обрабатывать гетерогенные сведения. Для тех, кто принимает решения в условиях структурной неопределенности и растущей частоты хвостовых событий, «Shock Alpha» — не только прогностическая способность, но и важная часть системы управления рисками.