本文来源：Kalshi Research

编译｜Odaily 星球日报（@OdailyChina）；译者｜Azuma（@azuma_eth）

编者按：知名预测市场平台Kalshi近期推出了其内部研究栏目“Kalshi Research”，旨在向学术界及研究人员分享平台独有的交易数据。该栏目的首份研究报告《超越共识：预测市场与通胀冲击预测》已正式发布，探讨了市场预测在关键经济指标上的表现。

下文为经编译的报告核心内容。

研究背景与核心问题

在关键经济数据发布前，金融机构的分析师们会形成所谓的“共识预期”，这已成为市场决策的重要参考。然而，这种基于相似方法论和信息的共识，在最具挑战性的市场动荡时期，其预测能力往往面临考验。

本报告旨在对比分析：在预测美国同比整体消费者价格指数（CPI）这一核心宏观指标时，传统华尔街共识预期与Kalshi预测市场所隐含的集体预测，究竟孰优孰劣？研究聚焦于预测的准确性，尤其是在数据结果大幅偏离预期的“冲击”时期。

核心发现摘要

  • 整体精度领先：在所有市场环境中，Kalshi预测市场的平均绝对误差（MAE）比华尔街共识预期低40.1%。
  • 冲击时期优势放大：当实际数据与共识预期出现重大偏差（超过0.2个百分点）时，预测市场在数据公布前一天的预测误差比共识低约60%。在中等偏差（0.1-0.2个百分点）情况下，优势也超过56%。
  • 分歧即信号：当市场预测与共识预期的差值超过0.1个百分点时，意味着发生数据冲击的概率超过81%。在此类分歧案例中，市场预测的准确率高达75%。

研究方法论

数据来源与处理

研究覆盖了2023年2月至2025年中期的超过25个月度CPI发布周期。我们提取了Kalshi平台在数据公布前一周、前一天及当天上午的隐含市场预测值，并与同期发布的机构共识预期进行对比。所有市场数据均来自真实交易。

事件分类标准

根据公布值与共识预期的绝对偏差，将发布事件分为三类：

  • 正常事件：偏差小于0.1个百分点。
  • 中等冲击：偏差介于0.1至0.2个百分点之间。
  • 重大冲击：偏差超过0.2个百分点。

绩效评估指标

主要采用平均绝对误差（MAE）衡量预测准确性，并计算了市场预测相对于共识的“胜率”。同时，分析了预测精度随时间（从发布前一周至发布当天）演变的模式。

详细结果分析

全面的准确性优势

在整个研究样本期内，预测市场在每一个预测时间窗口上都 consistently 优于共识预期。其MAE降低幅度在40.1%至42.3%之间。更重要的是，当两者预测值出现显著分歧时（差值≥0.1个百分点），市场预测在75%到81.2%的情况下更接近最终实际值。

这表明，市场预测与共识预期之间的分歧本身，就是一个高价值的预警信号，提示着共识可能出错、冲击即将发生。

“冲击Alpha”的实证证据

预测市场的相对优势在市场动荡时期呈指数级放大。在重大冲击事件中，其预测误差可比共识预期低50%至60%；在中等冲击事件中，优势也达到50%至56.2%。相反，在风平浪静的正常时期，两者表现则较为接近。

这一发现具有关键的经济意义：恰恰在预测失误成本最高的时期，预测市场提供了质量显著提升的信号。这种超额表现被称为“冲击Alpha”。

优势背后的驱动机制

为何预测市场能在困难时期表现更佳？报告提出了三个核心解释：

1. 多样化的“群体智慧”

华尔街共识源于方法论相似的专业分析师，信息源重叠度高。而预测市场聚合了来自不同背景的参与者——他们可能掌握着专有数据、行业洞察或另类信息。这种多样性在“群体智慧”效应下，能有效抵消个体误差，尤其在传统模型失效的转折点，零散信息得以高效整合。

2. 激励机制的精准对齐

机构预测者面临复杂的职业声誉风险，倾向于“从众”，因为偏离共识而出错的代价远高于跟随共识出错的代价。预测市场则建立了纯粹的经济激励：准确则盈利，错误则亏损。这种机制直接筛选并奖励那些能识别共识错误的参与者，使其在市场中的影响力随资本增长而提升。

3. 高效的信息聚合能力

研究发现，即使在共识预期形成的同时期（数据公布前一周），市场预测也已具备优势。这说明其优势并非源于更早获得信息，而是能更有效地处理和整合那些分散、非结构化、难以被传统模型采纳的信息碎片。

研究局限与未来方向

本研究样本期约30个月，重大冲击事件本就罕见，因此对极端尾部事件的统计效力有限。未来需要更长时间序列来验证结果的稳健性。潜在的研究方向包括：将分析拓展至其他宏观经济指标，探索预测市场优势所需的流动性门槛，以及比较其与高频金融工具隐含预测的异同。

结论与启示

本报告证实，在预测CPI通胀数据方面，预测市场提供的集体智慧不仅整体上比华尔街共识预期误差低约40%，更能在市场遭遇冲击的关键时刻，将误差降低约60%。

在当今经济不确定性加剧、尾部风险频发的环境下，预测市场提供了一种区别于传统模型的、强大的信息聚合机制。对于投资者、风险管理者及政策制定者而言，将这种能够捕捉“冲击Alpha”的差异化信号纳入决策框架，有望成为提升风险管理韧性与决策质量的重要一环。