Dự đoán thị trường nền tảng Kalshi công bố báo cáo nghiên cứu đầu tiên, tiết lộ rằng khi dự đoán dữ liệu CPI, sai số tuyệt đối trung bình thấp hơn 40% so với dự báo đồng thuận truyền thống, độ chính xác dự đoán cao hơn tới 60% trong các giai đoạn thị trường biến động lớn, thể hiện lợi thế của “trí tuệ tập thể” trong lĩnh vực dự báo kinh tế.
(Thông tin trước: Thị trường dự đoán hợp tác CNBC Kalshi, tỷ lệ cược tức thì 2026 chính thức ra mắt chương trình truyền hình, báo chí)
(Bổ sung nền tảng: Từ vũ công ballet đến nữ tỷ phú trẻ nhất: Luana đã xây dựng thị trường dự đoán trị giá tỷ đô Kalshi)

Mục lục bài viết

• Tổng quan
  • Điểm nổi bật chính
• Bối cảnh
• Phương pháp luận
  • Dữ liệu
  • Phân loại tác động
  • Chỉ số hiệu suất
• Kết quả: Hiệu suất dự đoán CPI
  • Chính xác tổng thể vượt trội
  • “Alpha tác động” thực sự tồn tại
• Thảo luận mở rộng
  • Đặc điểm khác biệt của các thành viên thị trường và “trí tuệ tập thể”
  • Sự khác biệt trong cấu trúc khuyến khích của người tham gia
  • Hiệu quả tổng hợp thông tin
• Hạn chế và lưu ý
• Kết luận

Lời người biên tập:

Nền tảng dự đoán hàng đầu Kalshi hôm qua thông báo ra mắt chuyên mục báo cáo nghiên cứu mới Kalshi Research, nhằm cung cấp dữ liệu nội bộ của Kalshi cho các học giả và nhà nghiên cứu quan tâm đến chủ đề thị trường dự đoán. Báo cáo nghiên cứu đầu tiên đã được phát hành, dưới đây là nội dung nguyên bản của báo cáo, do Odaily Planet Daily biên dịch:

Tổng quan

Thông thường, trong tuần trước khi phát hành các số liệu thống kê kinh tế quan trọng, các nhà phân tích của các tổ chức tài chính lớn và các nhà kinh tế cao cấp sẽ đưa ra dự báo về giá trị kỳ vọng. Những dự báo này sau đó được tổng hợp thành “dự báo đồng thuận”, được xem là nguồn tham khảo quan trọng để hiểu rõ biến động thị trường và điều chỉnh vị thế.

Trong báo cáo này, chúng tôi so sánh hiệu suất của dự báo đồng thuận và định giá ngầm của thị trường Kalshi (sau đây gọi là “dự đoán thị trường”) trong việc dự đoán cùng một chỉ số kinh tế vĩ mô cốt lõi — tỷ lệ lạm phát YoY CPI — của dữ liệu thực tế.

Điểm nổi bật chính

· Chính xác tổng thể vượt trội: Trong mọi môi trường thị trường (bao gồm cả bình thường và có tác động), trung bình sai số tuyệt đối (MAE) của dự đoán Kalshi thấp hơn 40.1% so với dự báo đồng thuận

· “Alpha tác động” (Shock Alpha): Khi xảy ra tác động lớn (lớn hơn 0.2 điểm phần trăm), trong khung dự đoán một tuần trước, dự đoán của Kalshi thấp hơn MAE của dự báo đồng thuận tới 50%, và vào ngày công bố dữ liệu, MAE còn mở rộng hơn nữa tới 60%; khi tác động trung bình (giữa 0.1 – 0.2 điểm phần trăm), trong khung dự đoán một tuần trước, dự đoán của Kalshi cũng thấp hơn MAE của “dự báo đồng thuận” 50%, và ngày công bố dữ liệu, con số này mở rộng tới 56.2%.

· Tín hiệu dự đoán (Predictive Signal): Khi chênh lệch dự đoán thị trường và dự báo đồng thuận vượt quá 0.1 điểm phần trăm, xác suất xảy ra tác động dự báo khoảng 81.2%, và ngày công bố dữ liệu, xác suất này tăng lên khoảng 82.4%. Trong các trường hợp dự đoán thị trường và dự báo đồng thuận không nhất quán, dự đoán của thị trường chính xác hơn trong 75% các trường hợp.

Bối cảnh

Các nhà dự báo kinh tế vĩ mô đối mặt với một thách thức nội tại: Thời điểm quan trọng nhất để dự báo — tức khi thị trường mất trật tự, chính sách thay đổi và đứt gãy cấu trúc — lại chính là giai đoạn mô hình lịch sử dễ thất bại nhất. Các thành viên thị trường tài chính thường đưa ra dự báo đồng thuận vài ngày trước khi công bố dữ liệu kinh tế quan trọng, tổng hợp ý kiến chuyên gia thành kỳ vọng của thị trường. Tuy nhiên, các quan điểm đồng thuận này, dù có giá trị, thường chia sẻ phương pháp luận và nguồn thông tin tương tự nhau.

Đối với các nhà đầu tư tổ chức, quản lý rủi ro và nhà hoạch định chính sách, độ chính xác của dự báo mang lại lợi ích không cân xứng. Trong thời kỳ bình thường, dự báo tốt hơn một chút cũng chỉ mang lại giá trị hạn chế; nhưng trong thời kỳ hỗn loạn của thị trường — khi độ biến động tăng cao, tương quan đứt vỡ hoặc các mối quan hệ lịch sử mất hiệu lực — độ chính xác cao hơn có thể mang lại lợi nhuận Alpha đáng kể và hạn chế rút lui.

Vì vậy, việc hiểu đặc điểm hành vi của các tham số trong các giai đoạn biến động của thị trường là vô cùng quan trọng. Chúng tôi tập trung vào một chỉ số kinh tế vĩ mô then chốt — tỷ lệ lạm phát YoY CPI — đây là chỉ số trung tâm cho các quyết định lãi suất trong tương lai, đồng thời là tín hiệu quan trọng để đánh giá tình hình kinh tế.

Chúng tôi so sánh và đánh giá độ chính xác dự báo trong nhiều khung thời gian trước khi dữ liệu chính thức được công bố. Phát hiện chính của chúng tôi là, “Alpha tác động” thực sự tồn tại — tức là trong các sự kiện đỉnh cao, dự báo dựa trên thị trường có thể đạt được độ chính xác vượt trội so với chuẩn cơ sở đồng thuận. Hiệu suất vượt trội này không chỉ mang ý nghĩa học thuật thuần túy, mà còn thể hiện rõ ràng trong các thời điểm có chi phí dự báo cao nhất về mặt kinh tế, giúp nâng cao chất lượng tín hiệu. Trong bối cảnh này, vấn đề quan trọng không phải là thị trường dự đoán “luôn đúng”, mà là chúng có cung cấp một tín hiệu khác biệt đáng để đưa vào khung quyết định truyền thống hay không.

Phương pháp luận

Dữ liệu

Chúng tôi phân tích các giá trị dự đoán ngầm hàng ngày của các nhà giao dịch trên nền tảng Kalshi, bao gồm ba thời điểm: một tuần trước khi công bố dữ liệu (phù hợp với thời điểm phát hành dự báo đồng thuận), ngày trước ngày công bố, sáng ngày công bố. Mỗi thị trường được chọn đều là các thị trường thực có thể giao dịch, phản ánh vị thế thực của các nhà đầu tư với các mức thanh khoản khác nhau. Đối với dự báo đồng thuận, chúng tôi thu thập dự báo YoY CPI của các tổ chức, thường được công bố khoảng một tuần trước khi dữ liệu chính thức của Cục Thống kê Lao động Hoa Kỳ ra mắt.

Dữ liệu lấy mẫu từ tháng 2 năm 2023 đến giữa năm 2025, bao gồm hơn 25 chu kỳ phát hành CPI hàng tháng, trải dài nhiều môi trường kinh tế vĩ mô khác nhau.

Phân loại tác động

Chúng tôi phân loại các sự kiện dựa trên “biên độ bất ngờ” so với mức độ lịch sử. “Tác động” được định nghĩa là chênh lệch tuyệt đối giữa dự báo đồng thuận và dữ liệu thực tế:

· Sự kiện bình thường: sai số dự báo YoY CPI dưới 0.1 điểm phần trăm;

· Tác động trung bình: sai số dự báo YoY CPI trong khoảng 0.1 – 0.2 điểm phần trăm;

· Tác động lớn: sai số dự báo YoY CPI vượt quá 0.2 điểm phần trăm.

Phương pháp phân loại này giúp chúng tôi kiểm tra xem lợi thế dự báo có biến đổi theo độ khó dự báo hay không.

Chỉ số hiệu suất

Để đánh giá hiệu quả dự báo, chúng tôi sử dụng các chỉ số sau:

· Trung bình sai số tuyệt đối (MAE): chỉ số chính về độ chính xác, tính trung bình của các sai lệch tuyệt đối giữa dự báo và thực tế.

· Tỷ lệ thắng: khi chênh lệch giữa dự báo đồng thuận và dự đoán thị trường đạt hoặc vượt 0.1 điểm phần trăm (làm tròn đến một chữ số thập phân), chúng tôi ghi nhận dự báo nào gần hơn kết quả thực tế cuối cùng.

· Phân tích khoảng thời gian dự đoán: theo dõi độ chính xác của định giá thị trường từ trước một tuần đến ngày công bố để làm rõ giá trị của việc liên tục tích hợp thông tin.

Kết quả: Hiệu suất dự đoán CPI

Chính xác tổng thể vượt trội

Trong mọi môi trường thị trường, dự đoán dựa trên thị trường về CPI có MAE thấp hơn dự báo đồng thuận 40.1%. Trong tất cả các khung thời gian, MAE dự đoán dựa trên thị trường thấp hơn dự báo đồng thuận từ 40.1% (một tuần trước) đến 42.3% (một ngày trước).

Ngoài ra, trong các trường hợp có sự khác biệt giữa dự báo đồng thuận và giá trị ngầm của thị trường, dự đoán của Kalshi thể hiện tỷ lệ thắng có ý nghĩa thống kê, dao động từ 75.0% (một tuần trước) đến 81.2% (ngày công bố). Nếu tính cả các trường hợp dự báo chính xác gần như bằng nhau (làm tròn đến một chữ số thập phân), dự báo dựa trên thị trường trong khoảng một tuần trước đạt khoảng 85% các trường hợp dự báo ngang hoặc tốt hơn dự báo đồng thuận.

Chỉ số chính xác hướng đi cao như vậy cho thấy: khi dự báo thị trường và dự báo đồng thuận có sự khác biệt, chính sự khác biệt này mang lại giá trị thông tin đáng kể về khả năng xảy ra các tác động.

“Alpha tác động” thực sự tồn tại

Sự khác biệt về độ chính xác rõ ràng nhất trong các thời điểm có tác động. Trong các tác động trung bình, khi thời điểm công bố trùng khớp, dự báo của thị trường MAE thấp hơn dự báo đồng thuận 50%, và ngày trước ngày công bố, lợi thế này mở rộng tới 56.2% hoặc hơn; trong các tác động lớn, khi trùng khớp thời điểm, dự báo của thị trường cũng thấp hơn 50% so với dự báo đồng thuận, và ngày trước ngày công bố, có thể đạt tới 60% hoặc hơn; còn trong môi trường bình thường không có tác động, hiệu suất dự báo của thị trường và dự báo đồng thuận gần như tương đương.

Dù số lượng các trường hợp tác động là nhỏ (điều này hợp lý trong một thế giới “tác động vốn đã rất khó dự đoán”), nhưng mô hình chung rất rõ ràng: khi môi trường dự báo khó khăn nhất, lợi thế tổng hợp thông tin của thị trường lại trở nên có giá trị nhất.

Tuy nhiên, quan trọng hơn không chỉ là hiệu suất dự báo của Kalshi trong thời kỳ tác động, mà còn chính sự khác biệt giữa dự báo thị trường và dự báo đồng thuận có thể chính là tín hiệu dự báo sắp xảy ra tác động. Trong các trường hợp có sự khác biệt, tỷ lệ thắng của dự báo thị trường so với dự báo đồng thuận đạt 75% (trong khung thời gian so sánh). Thêm vào đó, phân tích ngưỡng cho thấy: khi chênh lệch giữa thị trường và đồng thuận vượt quá 0.1 điểm phần trăm, xác suất xảy ra tác động dự báo khoảng 81.2%, và ngày trước ngày công bố, xác suất này tăng lên khoảng 84.2%.

Sự khác biệt này, mang ý nghĩa thực tiễn rõ ràng, cho thấy: thị trường dự đoán không chỉ là một công cụ dự báo cạnh tranh với dự báo đồng thuận, mà còn là một “siêu tín hiệu” về độ không chắc chắn của dự báo, chuyển đổi sự khác biệt giữa thị trường và đồng thuận thành một chỉ báo sớm có thể cảnh báo các kết quả bất ngờ tiềm ẩn.

Thảo luận mở rộng

Một câu hỏi rõ ràng đặt ra: Tại sao trong thời kỳ tác động, dự đoán của thị trường lại vượt trội hơn dự báo đồng thuận? Chúng tôi đề xuất ba cơ chế bổ sung để giải thích hiện tượng này.

Đặc điểm khác biệt của các thành viên thị trường và “trí tuệ tập thể”

Mặc dù dự báo đồng thuận tổng hợp ý kiến của nhiều tổ chức, nhưng thường chia sẻ các giả định phương pháp và nguồn thông tin tương tự nhau. Các mô hình định lượng, báo cáo nghiên cứu của Phố Wall và dữ liệu chính thức tạo thành một nền tảng kiến thức chung rất chồng chéo.

Ngược lại, dự đoán thị trường tập hợp các vị thế của các thành viên có nền tảng thông tin khác nhau: bao gồm các mô hình riêng, hiểu biết ngành, nguồn dữ liệu thay thế và trực giác dựa trên kinh nghiệm. Sự đa dạng này dựa trên nền tảng lý thuyết của “trí tuệ tập thể” (wisdom of crowds). Lý thuyết này cho rằng, khi các thành viên có thông tin liên quan và sai số dự đoán không hoàn toàn tương quan, việc tổng hợp các dự đoán độc lập từ các nguồn đa dạng thường tạo ra ước lượng tốt hơn.

Trong bối cảnh môi trường vĩ mô có “chuyển đổi trạng thái”, giá trị của sự đa dạng thông tin này càng rõ nét — các cá nhân sở hữu thông tin rời rạc, cục bộ trong thị trường, khi tương tác, các mảnh ghép thông tin này có thể hợp lại thành một tín hiệu tập thể.

Cấu trúc khuyến khích của người tham gia khác biệt

Các dự báo đồng thuận của tổ chức thường nằm trong hệ thống tổ chức phức tạp và hệ thống uy tín, có xu hướng lệch khỏi mục tiêu “đơn thuần hướng tới độ chính xác dự báo”. Rủi ro nghề nghiệp của các dự báo gia tăng khi dự báo sai lớn, tạo ra một cấu trúc lợi nhuận phi đối xứng — sai lầm lớn gây tổn hại danh tiếng, còn dự báo chính xác, đặc biệt là khi lệch khỏi đồng thuận, không nhất thiết mang lại phần thưởng tương xứng.

Điều này thúc đẩy hành vi “đồng thuận” (herding), tức các dự báo có xu hướng tụ về giá trị đồng thuận, ngay cả khi thông tin cá nhân hoặc mô hình của họ cho thấy kết quả khác biệt. Nguyên nhân là trong hệ thống nghề nghiệp, “phạm lỗi đơn lẻ” thường có chi phí cao hơn “đúng đắn đơn lẻ”.

Ngược lại, thị trường dự đoán có cơ chế khuyến khích trực tiếp liên quan đến độ chính xác dự báo và kết quả kinh tế — dự báo chính xác mang lại lợi nhuận, dự báo sai sẽ gây thiệt hại. Trong hệ thống này, uy tín gần như không tồn tại, và chi phí lệch khỏi đồng thuận chỉ là thiệt hại kinh tế, hoàn toàn phụ thuộc vào độ chính xác dự báo. Cấu trúc này tạo ra áp lực chọn lọc mạnh mẽ hơn đối với độ chính xác dự báo — các thành viên có khả năng nhận diện chính xác các sai lệch của đồng thuận sẽ liên tục tích lũy vốn, tăng ảnh hưởng trong thị trường; còn những người chỉ theo đuổi đồng thuận sẽ liên tục chịu thiệt hại khi đồng thuận bị sai.

Trong các giai đoạn bất định cao, khi chi phí nghề nghiệp của các dự báo tổ chức lệch khỏi đồng thuận đạt đỉnh, sự phân hóa trong cơ chế khuyến khích này trở nên rõ ràng và mang ý nghĩa kinh tế lớn nhất.

Hiệu quả tổng hợp thông tin

Một thực tế đáng chú ý là, ngay cả trong tuần trước khi công bố dữ liệu — trùng khớp thời điểm phát hành dự báo đồng thuận — dự đoán của thị trường vẫn thể hiện lợi thế rõ rệt về độ chính xác. Điều này cho thấy, lợi thế của thị trường không chỉ đến từ “tốc độ tiếp cận thông tin” như thường được đề cập.

Ngược lại, dự đoán thị trường có thể tổng hợp hiệu quả hơn các mảnh ghép thông tin phân tán, ngành nghề hoặc mơ hồ, khó tích hợp vào các mô hình dự báo chính thống. Lợi thế của dự đoán thị trường không chỉ nằm ở việc tiếp cận sớm hơn thông tin công khai, mà còn ở khả năng tích hợp các thông tin đa dạng một cách hiệu quả hơn trong cùng một khung thời gian — trong khi các cơ chế dự báo dựa trên khảo sát, dù có cùng thời điểm, thường gặp khó khăn trong xử lý các mảnh ghép này.

Hạn chế và lưu ý

Kết quả nghiên cứu của chúng tôi cần lưu ý một điểm quan trọng: do mẫu dữ liệu chỉ kéo dài khoảng 30 tháng, các sự kiện tác động lớn, vốn rất hiếm trong định nghĩa, vẫn còn hạn chế về mặt thống kê. Điều này có nghĩa là, đối với các sự kiện đỉnh cao, khả năng dự báo chính xác còn hạn chế, và các phân tích dài hạn hơn sẽ giúp củng cố kết quả. Tuy nhiên, các kết quả hiện tại đã cho thấy rõ lợi thế của dự báo dựa trên thị trường và tính khác biệt của tín hiệu.

Kết luận

Chúng tôi ghi nhận sự thể hiện rõ ràng của dự đoán thị trường so với dự báo đồng thuận về mặt hệ thống và ý nghĩa kinh tế, đặc biệt trong các thời điểm có tác động lớn. Dự đoán dựa trên thị trường về CPI có sai số trung bình thấp hơn khoảng 40%, và trong các giai đoạn biến đổi cấu trúc lớn, sai số này giảm tới khoảng 60%.

Với các phát hiện này, các hướng nghiên cứu trong tương lai trở nên đặc biệt quan trọng: thứ nhất, mở rộng mẫu dữ liệu, đa dạng các chỉ số vĩ mô, để xem liệu “Alpha tác động” có thể dự báo qua các biến động và chỉ số phân kỳ hay không; thứ hai, xác định ngưỡng thanh khoản nào của thị trường dự đoán để duy trì vượt trội so với các phương pháp truyền thống; thứ ba, nghiên cứu mối quan hệ giữa giá trị dự đoán của thị trường và các dự đoán ẩn trong các công cụ tài chính cao tần.

Trong môi trường dự báo đồng thuận dựa trên giả định mô hình liên quan chặt chẽ và chia sẻ nguồn thông tin chung, dự đoán thị trường cung cấp một cơ chế tổng hợp thông tin thay thế, có khả năng phát hiện sớm các trạng thái chuyển đổi và xử lý hiệu quả các thông tin đa dạng. Đối với các chủ thể cần ra quyết định trong bối cảnh bất định cấu trúc và tần suất các sự kiện đỉnh cao ngày càng tăng, “Alpha tác động” không chỉ là cải thiện dần dần khả năng dự báo, mà còn là thành phần cốt lõi của hạ tầng quản lý rủi ro bền vững.