Vor Kalshi arbeitete ich bei einem bekannten Mainstream-Nachrichtenunternehmen. Meine Rolle konzentrierte sich auf datengestützte Erzählungen (Daten von der Quelle auf den Bildschirm zu übersetzen). Ich fühle mich qualifiziert, meine Meinung dazu zu äußern, wie Vorhersagemärkte die Datensammlung demokratisieren, indem sie das Problem der Datenverzögerung beheben. Einführung In meiner letzten Rolle wurde mir klar, dass die traditionelle Datensammlung einen fatalen Fehler aufweist: Verzögerung. Datensätze reagieren langsam auf schnelle Veränderungen. Daten werden in willkürlich langen Zeiträumen von Wochen und Jahren gesammelt. 1. Es dauert einen Monat, bis ein Arbeits- oder Inflationsbericht zu einer Zahl wird. 2. Es dauert eine Saison oder ein Jahr, um kumulative Wettermuster zu messen. 3. Es dauert einen Tag, um zu bewerten, wie der Markt ein Stück Nachrichten verarbeitet. Fälle von Verzögerung schaffen Ineffizienzen, die letztendlich zu Verlusten bei nachgelagerten Akteuren führen: 1. Ein schockierender Inflationsbericht zerstört Ihr 401K. 2. Ein Buchhalter in einem Bundesstaat im Mittleren Westen erhöht Ihre Hausversicherungsprämien, weil Sie jetzt in einer Überschwemmungszone sind. 3. Asymmetrische Informationen über eine Arzneimittelstudie lassen eine Aktie abstürzen. (Ich kann 50 weitere auflisten, aber Sie verstehen die Idee) Wie Vorhersagemärkte Verzögerungen angehen Vorhersagemärkte verwandeln unregelmäßige, langsam eintreffende Datensätze in einen lebendigen Wahrscheinlichkeitsstrom. Anstatt auf den nächsten Schritt auf einer holprigen Treppe zu warten, erhalten Sie eine glatte Kurve, die in Echtzeit aktualisiert wird. Eine solche Quelle der Wahrheit verbessert aktuarielle, finanzielle und soziale Modelle, indem sie die Verlustfunktion eines gestaffelten Datenmediums komprimiert, das willkürlich lange braucht, um sich zu bereinigen. Aber brauchen Vorhersagemärkte nicht Daten, um effizient zu arbeiten? Ja! Natürlich. Ohne unterstützende Daten sind Vorhersagemärkte nur Magic Eight Balls. Datensammlung wird immer existieren – aber Vorhersagemärkte absorbieren diese Daten implizit in einer dollarunterstützten Weise. 1. Vorhersagemärkte sind Datenaggregatoren und werden die Ansichten genauer, unvoreingenommener und aktueller Quellen fördern. 2. Sie berücksichtigen harte Daten und weiche Signale in Echtzeit. 3. Der effiziente Markt belohnt Teilnehmer dafür, dass sie falsche Quoten korrigieren. Erzeugt das Teilnehmerprofil eine Verzerrung? Einigermaßen, aber nicht vollständig. Das Profil der Teilnehmer spielt eine Rolle, aber das Design der Vorhersagemärkte neigt dazu, Verzerrungen auf eine Weise selbst zu korrigieren, die sie im Vergleich zu den meisten Datensammlungssystemen ungewöhnlich robust macht. 1. Ergebnisbindung reduziert Abweichungen. Alle Märkte lösen letztendlich auf, und Teilnehmer werden dafür belohnt, dass sie Vorurteile aufgeben. Im Laufe der Zeit versuchen die Teilnehmer, ihre Vorurteile zu normalisieren, um das persönliche Ergebnis zu maximieren. 2. Verzerrungen werden arbitragefähig. Wenn eine voreingenommene Gruppe von Teilnehmern dazu führt, dass die Preise abweichen, wird eine andere Gruppe incentiviert, den Markt gewaltsam neu zu bepreisen. 3. Ein effizienter Markt besteht aus vielen Transaktionen von heterogenen Teilnehmern. Wie ein Aktienmarkt bieten Einzelhändler, Experten, Hedgefonds usw. alle ihren eigenen Vorteil, der in die richtige Preisgestaltung eines Marktes einfließt. Nettoeffekt: Verzerrungen existieren auf individueller Ebene, werden aber auf Systemebene kontinuierlich herausgepreist. Vorhersagemärkte verwandeln das Rauschen individueller Überzeugungen in eine glattere, genauere Wahrscheinlichkeitskurve, die hinterherhinkende, eindimensionale Datensätze übertrifft. Wer kümmert sich? Es gibt eine Verbindung zwischen Daten und Vorhersagemärkten. Das eine kann ohne das andere nicht existieren. Durch verschiedene Mechanismen zur richtigen Preisgestaltung etablieren Vorhersagemärkte eine kontinuierliche Kurve von Wahrscheinlichkeiten, die Rauschen reduziert, Verluste aus verzögerten Daten komprimiert und eine bessere "Endzahl" für Modellierungen liefert. Ergebnisse in der kontinuierlichen realen Welt können nun auf effektiveren Metriken basieren. In einem realen Szenario bedeutet dies, dass Vorhersagemarktergebnisse direkt in Modellen, Nachrichtenartikeln, Analysen und mehr referenziert werden. Und das beginnt gerade erst mit der Akzeptanz von Marktteilnehmern, Nachrichtenunternehmen und Datenplattformen. TLDR Daten kommen normalerweise in willkürlichen Intervallen. Vorhersagemärkte haben verschiedene Möglichkeiten, Verluste zwischen diesen Intervallen zu komprimieren. Sie können diesen Mechanismus zur richtigen Preisgestaltung für nützliche Anwendungen in der realen Welt nutzen. Sie sind noch früh dran.