Před Kalshim jsem pracoval ve známé mainstreamové zpravodajské společnosti. Moje role se soustředila na vyprávění příběhů založené na datech (překládání dat ze zdroje na obrazovku). Cítím se kvalifikovaný nabídnout svůj pohled na to, jak predikční trhy demokratizují sběr dat tím, že řeší problém zpoždění dat. Úvod Ve své poslední roli jsem si uvědomil, že tradiční shromažďování dat má fatální chybu: zpoždění. Datové sady reagují na rychlé změny pomalu. Data jsou shromažďována v libovolně dlouhých obdobích týdnů a let. 1. Trvá měsíc, než se zpráva o pracovních místech nebo inflaci vyřeší na číslo. 2. Měření kumulativních vzorců počasí trvá sezónu nebo rok. 3. Trvá den, než vyhodnotíte, jak trh stráví nějakou zprávu. Instance zpoždění vytvářejí kapsy neefektivity, což v konečném důsledku způsobuje ztráty pro navazující aktéry: 1. Šoková zpráva o inflaci zničí váš 401K. 2. Počítadlo fazolí ve státě Středozápad zvyšuje vaše pojistné na pojištění domácnosti, protože se nyní nacházíte v záplavové zóně. 3. Asymetrické informace o pokusu o lék tankují zásoby. (Mohl bych uvést dalších 50, ale chápete to) Jak predikční trhy řeší zpoždění Predikční trhy mění zubaté, pomalu přicházející datové sady na živý proud pravděpodobnosti. Místo čekání na další krok na rozbouřeném schodišti získáte hladkou křivku, která se aktualizuje v reálném čase. Takový zdroj pravdy vylepšuje pojistně-matematické, finanční a sociální modely tím, že komprimuje ztrátovou funkci rozloženého datového média, jehož vyčištění trvá libovolné množství času. Ale nepotřebujete data pro PM, aby fungovali efektivně? Ano! Samozřejmě. Bez podpůrných dat jsou predikční trhy jen Magic Eight Balls. Sběr dat bude vždy existovat – ale predikční trhy tato data implicitně absorbují způsobem krytým dolarem. 1. Predikční trhy jsou agregátory dat a budou prosazovat názory přesných, nezaujatých a aktuálních zdrojů. 2. Zohledňují tvrdá data a měkké signály v reálném čase. 3. Efektivní trh odměňuje účastníky za opravu kurzů, které jsou nesprávné. Vytváří profil účastníka zkreslení? Poněkud, ale ne úplně. Na profilu účastníka záleží, ale design predikčních trhů má tendenci samovolně korigovat zkreslení způsoby, které je činí neobvykle robustními ve srovnání s většinou systémů pro sběr dat. 1. Uvázání výsledků snižuje drift. Všechny trhy se nakonec vyřeší a účastníci jsou odměněni za to, že se zřeknou zkreslení. Postupem času se účastníci snaží normalizovat svou zaujatost, aby maximalizovali osobní výsledek. 2. Předpojatost se rozšíří. Pokud zaujatá kohorta účastníků způsobí posun oceňovaných kurzů, další kohorta bude motivována k násilnému přecenění trhu. 3. Efektivní trh se skládá z mnoha transakcí od heterogenních účastníků. Stejně jako akciový trh, maloobchod, odborníci, hedgeové fondy, atd., všechny nabízejí svou vlastní výhodu, která je sestavena do správných cen trhu. Čistý efekt: Předpojatost existuje na individuální úrovni, ale je neustále oceňována na systémové úrovni. Predikční trhy transformují šum individuálního přesvědčení do hladší a přesnější křivky pravděpodobnosti, která překonává zaostávající jednorozměrné soubory dat. Koho to zajímá? Mezi datovými a predikčními trhy existuje manželství. Jedno bez druhého nemůže existovat. Prostřednictvím různých mechanismů správného oceňování vytvářejí predikční trhy spojitou křivku pravděpodobností, která snižuje šum, komprimuje ztráty ze zpožděných dat a poskytuje lepší "konečné číslo" pro modelování. Výsledky v nepřetržitém reálném světě mohou být nyní zakořeněny v efektivnějších metrikách. V reálném scénáři to znamená odkazovat na výsledky predikčního trhu přímo v modelech, novinových článcích, analýzách a dalších. A to je teprve začátek s adopcí ze strany tvůrců trhu, zpravodajských společností a datových platforem. TLDR Data obvykle přicházejí v libovolných intervalech. Predikční trhy mají různé způsoby, jak komprimovat ztrátu mezi těmito intervaly. Tento mechanismus správného stanovení cen můžete použít pro užitečné aplikace v reálném světě. Jste stále brzy.