Як масові голосування перемагають аналітиків з Уолл-Стріт: чому ринки прогнозів постійно перевищують експертний консенсус щодо CPI

Що, якщо справжні експерти не сидять у кабінетах на Уолл-стріт, а розкидані по тисячах незалежних трейдерів, які роблять ставки на реальні гроші? Революційне дослідження платформи прогнозних ринків Kalshi кидає виклик традиційній думці про те, що інституційні аналітики мають монополію на точність економічного прогнозування — особливо коли це найважливіше.

Дослідження малює вражаючу картину: при прогнозуванні Індексу споживчих цін США (CPI), прогнози, засновані на ринкових даних, постійно перевершують традиційний консенсус Уолл-стріт, забезпечуючи значно вищу точність у майже всіх економічних умовах. Перевага не є маргінальною. Вона суттєва, вимірювана, і найцікавіше — стає ще більш виразною саме тоді, коли прогнозування найскладніше.

Ринки перемагають інституційний консенсус: перевага у точності 40%

Масштаб переваги важко ігнорувати. У всіх економічних умовах прогнози на основі ринкових даних Kalshi щодо CPI мають середню абсолютну помилку (MAE) приблизно на 40% нижчу за консенсусні прогнози, зібрані з великих фінансових інститутів. Це не разова аномалія — патерн стабільно зберігався протягом різних часових горизонтів, від одного тижня до дати публікації даних.

Коли інституційні прогнози і ринкові прогнози відрізнялися більш ніж на 0.1 процентного пункту (rounded to one decimal), ринковий прогноз був точнішим у 75% випадків. Картина стає ще яснішою, якщо дивитися на напрямкову точність: прогнози ринків співпадали або перевищували очікування консенсусу приблизно у 85% випадків у всіх часових рамках.

Це натякає на щось контрінтуїтивне: сама наявність розбіжностей між ринками і експертами несе важливу інформаційну цінність. Коли маси і інституції не погоджуються, сама ця розбіжність стає сигналом, на який варто звернути увагу.

Коли прогнози найбільше хиблять: прогнозні ринки доводять свою цінність під час економічних шоків

Справжня конкурентна перевага прогнозних ринків проявляється не під час спокійних економічних періодів, а під час криз — саме тоді, коли традиційні інструменти прогнозування найчастіше дають збій.

Дослідження класифікувало економічні несподіванки на два типи:

Помірні шоки (помилки прогнозу 0.1-0.2 процентних пунктів): Прогнози ринків демонстрували помилки на 50-56% менше за консенсусні, причому перевага зростала ближче до дати публікації даних.

Великі шоки (помилки понад 0.2 процентних пунктів): Перевага ринків ще більше зростала до 50-60% менших помилок, що доводить: прогнозні ринки процвітають саме в тих умовах, коли моделі консенсусу зазнають невдачі.

Цікаво, що під час нормальних, не шокових періодів, прогнози ринків і консенсусні прогнози працювали приблизно однаково. Різниця з’являється саме тоді, коли змінюється середовище прогнозування — коли історичні моделі стають ненадійними, а розкидана локальна інформація, якою володіють різні учасники ринку, стає безцінною для формування точних колективних сигналів.

Meta-сигнал: розбіжність ринків як ранній попереджувальний сигнал

Крім точкових прогнозів, прогнозні ринки генерують цінний вторинний сигнал: їх розбіжність з консенсусом сама по собі передбачає ймовірність несподіванки.

Коли ціна на Kalshi і консенсус Уолл-стріт відрізнялися більш ніж на 0.1 процентного пункту, ймовірність реального шоку становила приблизно 81%. За день до публікації даних ця ймовірність зросла до 82-84%. У випадках розбіжності, точність ринкового прогнозу була на 75% вищою.

Це перетворює прогнозні ринки із просто інструменту прогнозування у щось більш цінне: у кількісний ранній попереджувальний механізм. Рішенням і менеджерам ризиків можна користуватися розбіжностями між ринками і консенсусом не лише як точковими оцінками, а й як індикаторами підвищеного ризику — сигналами, що економічна ситуація може несподівано змінитися у спосіб, який не врахували моделі.

Для інституційних інвесторів, центральних банків і політиків ця можливість може бути ціннішою за сам прогноз — особливо в умовах структурної невизначеності та зростання частоти ризикових подій. Знання, що експертний консенсус може бути дуже далек від реальності, має величезне значення для прийняття рішень.

Від академічних відкриттів до практичного управління ризиками

Дослідження визнає свої обмеження. Вибірка охоплює приблизно 30 місяців даних, тому великі шокові події — за визначенням рідкісні — залишаються статистично обмеженими. Більш довгі часові ряди посилять висновки, хоча й поточні результати вже демонструють систематичні та економічно значущі закономірності.

Незважаючи на ці застереження, висновки мають практичне значення. Прогнози CPI на основі ринків зазвичай мають приблизно на 40% меншу помилку, ніж інституційний консенсус, і ця різниця може сягати 60% під час значних структурних зрушень. Це не маргінальні покращення. Це суттєві різниці у ризик-менеджменті в умовах, коли точність прогнозу має важливе економічне значення.

Більше ніж точкові прогнози: інтеграція прогнозних ринків у процес прийняття рішень

Глибший висновок полягає не лише у прогнозуванні CPI. У макроекономічних умовах із структурною невизначеністю та зростанням частоти ризикових подій, консенсусні прогнози, побудовані на сильно корельованих моделях і спільних даних, мають внутрішню вразливість. Прогнозні ринки — це альтернативний механізм збору інформації, здатний раніше виявляти зміни режиму і ефективніше обробляти гетерогенну інформацію.

Для тих, хто стикається з істинною невизначеністю щодо майбутнього економіки, використання прогнозних ринків разом із традиційним прогнозуванням дає більше, ніж просто незначне покращення. Це доступ до колективного інтелекту, який систематично пропускають інституційні структури. Перевага “Shock Alpha” — це не просто поступове покращення прогнозів, а фундаментальний компонент надійної системи управління ризиками.

Питання “Чи можуть маси перехитрити експертів?” має чітку емпіричну відповідь. За правильних стимулів і при ефективній агрегації реальної інформації децентралізовані механізми прогнозування систематично перемагають централізований експертний консенсус. Стратегічне питання — наскільки швидко інституційні рішенняміркувальні структури зможуть інтегрувати цю перевагу у свої системи управління ризиками і прогнозуванням?