Laporan penelitian pertama Kalshi dirilis: Bagaimana kebijaksanaan kolektif mengalahkan kelompok penasihat Wall Street dalam memprediksi CPI

null

Artikel ini berasal dari: Kalshi Research

Kompilasi｜Odaily Planet Daily（@OdailyChina）；Penerjemah｜Azuma（@azuma_eth）

Catatan Editor: Platform pasar prediksi terkemuka Kalshi kemarin mengumumkan peluncuran kolom laporan penelitian baru bernama Kalshi Research, yang bertujuan untuk menyediakan data internal Kalshi kepada para akademisi dan peneliti yang tertarik dengan topik terkait pasar prediksi. Laporan penelitian perdana dari kolom ini telah diterbitkan, dengan judul asli “Kalshi Mengungguli Wall Street dalam Memperkirakan Inflasi” (Beyond Consensus: Prediction Markets and the Forecasting of Inflation Shocks).

Berikut adalah isi asli laporan tersebut, diterjemahkan oleh Odaily Xingqiu Daily.

Ringkasan

Umumnya, seminggu sebelum rilis data statistik ekonomi yang penting, analis dan ekonom senior dari lembaga keuangan besar akan memberikan estimasi untuk nilai yang diharapkan. Setelah prediksi ini digabungkan, mereka akan disebut sebagai “harapan konsensus”, yang telah dianggap sebagai referensi penting untuk memahami perubahan pasar dan penyesuaian posisi.

Dalam laporan penelitian ini, kami membandingkan ekspektasi konsensus dengan harga implisit pasar prediksi Kalshi (yang kadang disingkat “prediksi pasar”) dalam hal kinerja dalam memprediksi satu sinyal makroekonomi inti yang sama — tingkat inflasi keseluruhan tahun ke tahun (YOY CPI) — dalam hal nilai sebenarnya.

Sorotan Utama

Akurasi keseluruhan yang unggul: Di semua kondisi pasar (termasuk kondisi normal dan kondisi guncangan), rata-rata kesalahan absolut (MAE) yang diprediksi oleh Kalshi 40,1% lebih rendah dibandingkan dengan ekspektasi konsensus.

“Shock Alpha”: Ketika terjadi guncangan besar (lebih dari 0,2 persen), dalam jendela prediksi satu minggu sebelumnya, prediksi Kalshi memiliki MAE 50% lebih rendah dibandingkan ekspektasi konsensus, dan jika pada hari sebelum data diumumkan, MAE akan meningkat hingga 60%; ketika terjadi guncangan sedang (antara 0,1 - 0,2 persen), dalam jendela prediksi satu minggu sebelumnya, prediksi Kalshi juga harus memiliki MAE 50% lebih rendah dibandingkan “ekspektasi konsensus”, dan pada hari sebelum data diumumkan, akan meningkat hingga 56,2%.

Sinyal Prediktif (Predictive Signal): Ketika deviasi antara prediksi pasar dan ekspektasi konsensus melebihi 0,1 persen, probabilitas terjadinya guncangan prediksi adalah sekitar 81,2%, dan akan meningkat menjadi sekitar 82,4% sehari sebelum data diumumkan. Dalam situasi di mana prediksi pasar tidak konsisten dengan ekspektasi konsensus, prediksi pasar lebih akurat dalam 75% kasus.

Latar belakang

Para peramal ekonomi makro menghadapi tantangan yang melekat: memprediksi momen paling penting — yaitu saat ketidakteraturan pasar, perubahan kebijakan, dan keruntuhan struktural — yang justru merupakan fase di mana model historis paling mudah gagal. Para pelaku pasar keuangan biasanya akan merilis prediksi konsensus beberapa hari sebelum data ekonomi penting diumumkan, mengumpulkan pendapat para ahli menjadi ekspektasi pasar. Namun, meskipun pandangan konsensus ini memiliki nilai, mereka sering kali berbagi jalur metodologis dan sumber informasi yang serupa.

Bagi investor institusi, manajer risiko, dan pembuat kebijakan, taruhan pada akurasi prediksi adalah tidak simetris. Di waktu-waktu tanpa perselisihan, prediksi yang sedikit lebih baik hanya dapat memberikan nilai terbatas; tetapi di periode kekacauan pasar — ketika volatilitas meningkat, korelasi runtuh, atau hubungan historis tidak berlaku — akurasi yang lebih baik dapat menghasilkan keuntungan Alpha yang signifikan dan membatasi penarikan.

Oleh karena itu, memahami karakteristik perilaku parameter selama periode volatilitas pasar sangat penting. Kami akan fokus pada satu indikator makroekonomi kunci — Tingkat Inflasi Tahunan (YOY CPI) — yang merupakan indikator referensi utama untuk keputusan suku bunga di masa depan, serta sinyal penting untuk mengukur kesehatan ekonomi.

Kami membandingkan dan mengevaluasi akurasi prediksi dalam beberapa jendela waktu sebelum rilis data resmi. Temuan inti kami adalah bahwa apa yang disebut “Impak Alpha” memang ada — yaitu dalam peristiwa ekor, prediksi berbasis pasar dapat mencapai akurasi prediksi tambahan dibandingkan dengan patokan konsensus. Kinerja yang melebihi ini tidak hanya berarti dalam arti akademis murni, tetapi pada saat-saat kunci ketika kesalahan prediksi memiliki biaya ekonomi tertinggi, dapat secara signifikan meningkatkan kualitas sinyal. Dalam konteks ini, pertanyaan yang benar-benar penting bukanlah apakah pasar prediksi “selalu benar”, tetapi apakah mereka memberikan sinyal yang memiliki nilai diferensial yang layak dimasukkan ke dalam kerangka keputusan tradisional.

metodologi

data

Kami menganalisis nilai prediksi tersembunyi harian trader pasar prediksi di platform Kalshi, mencakup tiga titik waktu: seminggu sebelum data dirilis (sesuai dengan waktu publikasi ekspektasi konsensus), sehari sebelum rilis, dan pagi hari pada hari rilis. Setiap pasar yang digunakan adalah (atau pernah) pasar yang dapat diperdagangkan secara nyata dan beroperasi, mencerminkan posisi dana nyata pada tingkat likuiditas yang berbeda. Untuk ekspektasi konsensus, kami mengumpulkan prediksi konsensus YoY CPI di tingkat institusi, yang biasanya dirilis sekitar seminggu sebelum data resmi dari Biro Statistik Tenaga Kerja AS.

Sampel interval diambil dari Februari 2023 hingga pertengahan 2025, mencakup lebih dari 25 siklus penerbitan CPI bulanan, melintasi berbagai kondisi makroekonomi yang berbeda.

Klasifikasi Impak

Kami membagi peristiwa menjadi tiga kategori berdasarkan “amplitudo yang tidak terduga” relatif terhadap level historis. “Guncangan” didefinisikan sebagai selisih absolut antara ekspektasi konsensus dan data yang diumumkan secara aktual:

Peristiwa normal: Kesalahan prediksi YOY CPI kurang dari 0,1 poin persentase;

Guncangan sedang: Kesalahan prediksi CPI YOY berkisar antara 0,1 hingga 0,2 poin persentase;

Dampak Besar: Kesalahan prediksi YOY CPI melebihi 0,2 poin persentase.

Metode klasifikasi ini memungkinkan kami untuk memeriksa: apakah keunggulan prediksi menunjukkan perbedaan sistematis seiring dengan perubahan tingkat kesulitan prediksi.

Indikator Kinerja

Untuk mengevaluasi kinerja prediksi, kami menggunakan indikator berikut:

Rata-rata Kesalahan Absolut (MAE): indikator akurasi utama, dihitung sebagai rata-rata dari selisih absolut antara nilai yang diprediksi dan nilai aktual.

Tingkat kemenangan: Ketika perbedaan antara ekspektasi konsensus dan prediksi pasar mencapai atau melebihi 0,1 poin persentase (dibulatkan hingga satu desimal), kami akan mencatat prediksi mana yang lebih dekat dengan hasil aktual akhir.

Analisis rentang waktu prediksi: Kami melacak bagaimana akurasi valuasi pasar berkembang secara bertahap dari seminggu sebelum rilis hingga hari rilis, untuk mengungkapkan nilai yang dihasilkan dari informasi yang terus-menerus dimasukkan.

Hasil: Performa Prediksi CPI

Akurasi keseluruhan lebih unggul

Dalam semua lingkungan pasar, prediksi CPI berbasis pasar memiliki rata-rata kesalahan absolut (MAE) yang 40,1% lebih rendah dibandingkan dengan prediksi konsensus. Dalam semua rentang waktu, MAE prediksi CPI berbasis pasar lebih rendah 40,1% (satu minggu sebelumnya) hingga 42,3% (satu hari sebelumnya) dibandingkan dengan ekspektasi konsensus.

Selain itu, dalam situasi di mana terdapat perbedaan antara ekspektasi konsensus dan nilai implisit pasar, Kalshi menunjukkan tingkat kemenangan yang signifikan secara statistik berdasarkan prediksi pasar, berkisar antara 75,0% seminggu sebelumnya hingga 81,2% pada hari rilis. Jika kita juga memperhitungkan situasi di mana hasilnya setara dengan ekspektasi konsensus (dibulatkan hingga satu desimal), prediksi pasar memiliki sekitar 85% kemungkinan untuk setara atau lebih baik dibandingkan konsensus seminggu sebelumnya.

Tingkat akurasi arah yang sangat tinggi menunjukkan: ketika prediksi pasar dan ekspektasi konsensus mengalami perbedaan, perbedaan itu sendiri memiliki nilai informasi yang signifikan terkait dengan “apakah kejadian kejutan mungkin terjadi”.

“Dampak Alpha” memang ada

Perbedaan akurasi prediksi sangat terlihat selama peristiwa kejutan. Dalam peristiwa kejutan sedang, ketika waktu rilis konsisten, MAE prediksi pasar harus 50% lebih rendah dibandingkan ekspektasi konsensus, dan keuntungan ini akan meluas menjadi 56,2% atau lebih sehari sebelum data dirilis; dalam peristiwa kejutan besar, ketika waktu rilis konsisten, MAE prediksi pasar juga harus 50% lebih rendah dibandingkan ekspektasi konsensus, dan dapat mencapai 60% atau lebih sehari sebelum data dirilis; sementara dalam lingkungan normal tanpa kejutan, kinerja prediksi pasar dan ekspektasi konsensus kira-kira setara.

Meskipun jumlah sampel kejadian dampak cukup kecil (ini wajar dalam dunia yang “sangat tidak dapat diprediksi”), pola keseluruhan sangat jelas: ketika lingkungan prediksi paling sulit, keunggulan agregasi informasi pasar justru paling berharga.

Namun, yang lebih penting bukan hanya bahwa prediksi Kalshi tampil lebih baik pada saat-saat guncangan, tetapi juga bahwa perbedaan antara prediksi pasar dan ekspektasi konsensus itu sendiri bisa jadi merupakan sinyal bahwa guncangan akan segera terjadi. Dalam kasus adanya perbedaan, tingkat kemenangan prediksi pasar dibandingkan dengan ekspektasi konsensus mencapai 75% (dalam jendela waktu yang sebanding). Selain itu, analisis ambang lebih lanjut menunjukkan: ketika deviasi pasar dari konsensus melebihi 0,1 persen, probabilitas perkiraan terjadinya guncangan sekitar 81,2%, sedangkan sehari sebelum data publikasi, probabilitas ini meningkat menjadi sekitar 84,2%.

Perbedaan yang signifikan ini dalam praktik menunjukkan bahwa pasar prediksi tidak hanya dapat berfungsi sebagai alat prediksi kompetitif yang sejajar dengan ekspektasi konsensus, tetapi juga dapat berfungsi sebagai “meta-sinyal” tentang ketidakpastian prediksi, mengubah perbedaan antara pasar dan konsensus menjadi indikator awal yang terukur untuk memperingatkan hasil yang tidak terduga.

Diskusi turunan

Sebuah pertanyaan yang jelas muncul: mengapa selama periode kejutan, prediksi pasar lebih baik daripada prediksi konsensus? Kami mengajukan tiga mekanisme yang saling melengkapi untuk menjelaskan fenomena ini.

Heterogenitas peserta pasar dan “kecerdasan kolektif”

Prediksi konsensus tradisional, meskipun mengintegrasikan pandangan dari berbagai lembaga, sering kali berbagi asumsi metodologis dan sumber informasi yang serupa. Model ekonometrika, laporan penelitian Wall Street, dan publikasi data pemerintah membentuk dasar pengetahuan bersama yang sangat tumpang tindih.

Sebaliknya, pasar prediksi mengumpulkan posisi yang dimiliki oleh peserta dengan basis informasi yang berbeda: termasuk model eksklusif, wawasan tingkat industri, sumber data alternatif, dan penilaian intuitif berbasis pengalaman. Keberagaman peserta ini memiliki dasar teori yang kuat dalam teori “kebijaksanaan kerumunan” (wisdom of crowds). Teori ini menunjukkan bahwa ketika peserta memiliki informasi relevan dan kesalahan prediksi mereka tidak sepenuhnya terkait, menggabungkan prediksi independen dari sumber yang beragam sering kali dapat menghasilkan estimasi yang lebih baik.

Dan saat terjadi “peralihan status” dalam lingkungan makro, nilai keragaman informasi ini menjadi semakin menonjol - individu yang memiliki informasi yang tersebar dan lokal berinteraksi di pasar, dan fragmen informasi mereka dapat digabungkan untuk membentuk sinyal kolektif.

Perbedaan struktur insentif peserta

Prediktor konsensus di tingkat institusi sering kali berada dalam sistem organisasi dan reputasi yang kompleks, yang secara sistematis menyimpang dari tujuan “murni mengejar akurasi prediksi”. Risiko profesional yang dihadapi oleh prediktor profesional membentuk struktur keuntungan yang asimetris - kesalahan prediksi yang besar dapat menyebabkan biaya reputasi yang signifikan, sedangkan bahkan jika prediksi sangat akurat, terutama yang dicapai melalui penyimpangan besar dari konsensus rekan-rekan, belum tentu dapat mendapatkan imbalan profesional yang sebanding.

Asimetri ini memicu “perilaku mengikuti orang ramai” (herding), di mana para prediktor cenderung mengumpulkan prediksi mereka di sekitar nilai konsensus, meskipun informasi pribadi atau output model mereka menunjukkan hasil yang berbeda. Alasannya adalah bahwa dalam sistem profesional, biaya “salah secara terpisah” sering kali lebih tinggi daripada keuntungan “benar secara terpisah.”

Sebaliknya, mekanisme insentif yang dihadapi oleh peserta pasar prediksi telah mencapai penyelarasan langsung antara akurasi prediksi dan hasil ekonomi — akurasi prediksi berarti keuntungan, kesalahan prediksi berarti kerugian. Dalam sistem ini, faktor reputasi hampir tidak ada, satu-satunya biaya untuk menyimpang dari konsensus pasar adalah kerugian ekonomi, dan sepenuhnya tergantung pada apakah prediksi itu benar. Struktur ini memberikan tekanan seleksi yang lebih kuat pada akurasi prediksi — peserta yang dapat secara sistematis mengidentifikasi kesalahan prediksi konsensus akan terus mengumpulkan modal, dan meningkatkan pengaruh mereka di pasar melalui ukuran posisi yang lebih besar; sementara peserta yang secara mekanis mengikuti konsensus, akan terus menderita kerugian ketika konsensus terbukti salah.

Pada periode ketika ketidakpastian meningkat secara signifikan, struktur insentif ini seringkali paling jelas dan secara ekonomi paling penting ketika biaya profesional yang diperkirakan oleh lembaga menyimpang dari konsensus para ahli mencapai titik tertinggi.

Efisiensi penggabungan informasi

Sebuah fakta pengalaman yang patut dicatat adalah: bahkan satu minggu sebelum data dipublikasikan — waktu ini sesuai dengan jendela waktu tipikal di mana konsensus diperkirakan akan dirilis — prediksi pasar masih menunjukkan keunggulan akurasi yang signifikan. Ini menunjukkan bahwa keunggulan pasar tidak hanya berasal dari “keunggulan kecepatan pengambilan informasi” yang biasanya disebutkan oleh peserta pasar.

Sebaliknya, prediksi pasar mungkin lebih efisien dalam mengagregasi fragmen informasi yang terlalu terdistribusi, terlalu terindustrialisasi, atau terlalu kabur sehingga sulit untuk secara resmi dimasukkan ke dalam kerangka prediksi ekonomi kuantitatif tradisional. Keunggulan relatif pasar prediksi mungkin tidak terletak pada akses lebih awal terhadap informasi publik, melainkan pada kemampuannya untuk mengintegrasikan informasi heterogen secara lebih efisien dalam skala waktu yang sama — dan mekanisme konsensus berbasis survei, meskipun memiliki jendela waktu yang sama, sering kali sulit untuk memproses informasi ini secara efisien.

Keterbatasan dan Catatan

Hasil penelitian kami perlu dilakukan pembatasan penting. Karena keseluruhan sampel hanya mencakup sekitar 30 bulan, kejadian kejutan besar secara definisi sudah sangat jarang, yang berarti untuk peristiwa ekor yang lebih besar, kekuatan statistik masih terbatas. Deret waktu yang lebih panjang akan meningkatkan kemampuan inferensi di masa depan, meskipun hasil saat ini sudah sangat mengisyaratkan superioritas prediksi pasar dan perbedaan sinyal.

Kesimpulan

Kami mencatat bahwa pasar prediksi menunjukkan performa yang signifikan secara sistematis dan ekonomi dibandingkan dengan konsensus ekspektasi para ahli, terutama selama periode kejadian kejutan di mana akurasi prediksi sangat penting. Kesalahan dalam prediksi CPI berbasis pasar secara keseluruhan lebih rendah sekitar 40%, sementara pada periode perubahan struktural yang signifikan, tingkat penurunan kesalahannya dapat mencapai sekitar 60%.

Berdasarkan temuan ini, beberapa arah penelitian di masa depan menjadi sangat penting: pertama, melalui ukuran sampel yang lebih besar dan berbagai indikator ekonomi makro, menyelidiki apakah peristiwa “Shock Alpha” itu sendiri dapat diprediksi melalui indikator volatilitas dan perbedaan prediksi; kedua, memprediksi di atas ambang likuiditas mana pasar dapat secara stabil melampaui metode prediksi tradisional; ketiga, memprediksi hubungan antara nilai prediksi pasar dan nilai prediksi yang tersirat dari alat keuangan perdagangan frekuensi tinggi.

Dalam konsensus prediksi yang sangat bergantung pada asumsi model yang berkorelasi kuat dan lingkungan set informasi yang dibagikan, pasar prediksi memberikan mekanisme agregasi informasi alternatif yang mampu menangkap perubahan keadaan lebih awal dan lebih efisien dalam menangani informasi heterogen. Bagi mereka yang perlu mengambil keputusan dalam lingkungan ekonomi dengan ketidakpastian struktural dan frekuensi peristiwa ekor yang terus meningkat, “Shock Alpha” mungkin tidak hanya mewakili perbaikan bertahap dalam kemampuan prediksi, tetapi seharusnya menjadi bagian dasar dari infrastruktur manajemen risiko yang tangguh.