Relatório de pesquisa Kalshi: Na previsão do CPI, a sabedoria da multidão supera os analistas de Wall Street

Título original: Beyond Consensus: Prediction Markets and the Forecasting of Inflation Shocks

Fonte original: Kalshi Research

Tradução original: Azuma, Odaily Planet Daily

Nota do editor: A plataforma líder de mercado de previsão Kalshi anunciou ontem o lançamento de uma nova série de relatórios de pesquisa, Kalshi Research, visando fornecer os dados internos da Kalshi a acadêmicos e pesquisadores interessados em tópicos relacionados a mercados de previsão. O primeiro relatório de pesquisa desta série foi publicado, e o conteúdo original do relatório, traduzido pelo Odaily Planet Daily, segue abaixo:

Visão geral

Normalmente, na semana que antecede a divulgação de dados econômicos importantes, analistas de grandes instituições financeiras e economistas seniores fornecem estimativas dos valores esperados. Essas previsões, quando agregadas, são chamadas de "expectativas de consenso" e são amplamente consideradas uma referência chave para obter insights sobre mudanças de mercado e ajustes de posição.

Neste relatório de pesquisa, comparamos as expectativas de consenso com a precificação implícita do mercado de previsão da Kalshi (às vezes chamada de "previsões de mercado") na previsão do valor real do mesmo sinal macroeconômico fundamental — a taxa de inflação global anual (CPI anual).

Destaques principais

· Precisão global superior: Em todos os ambientes de mercado (incluindo ambientes normais e de choque), o erro absoluto médio (MAE) previsto pela Kalshi é 40,1% menor do que as expectativas de consenso.

· "Shock Alpha": Durante choques significativos (maiores que 0,2 pontos percentuais), dentro da janela de previsão de uma semana, a previsão da Kalshi tem um MAE 50% menor em comparação com as expectativas de consenso; se for no dia anterior à divulgação dos dados, o MAE se expande ainda mais para 60%; durante choques moderados (entre 0,1 - 0,2 pontos percentuais), dentro da janela de previsão de uma semana, a previsão da Kalshi tem um MAE 50% menor em comparação com as "expectativas de consenso", expandindo-se para 56,2% no dia anterior à divulgação dos dados.

· Sinal preditivo: Quando o desvio entre as previsões de mercado e as expectativas de consenso excede 0,1 pontos percentuais, a probabilidade de um choque ocorrer na previsão é de cerca de 81,2%, subindo para cerca de 82,4% no dia anterior à divulgação dos dados. Em casos de inconsistência entre as previsões de mercado e as expectativas de consenso, as previsões de mercado são mais precisas em 75% dos casos.

Contexto

Os previsores macroeconômicos enfrentam um desafio inerente: prever os momentos mais críticos — quando os mercados estão em turbulência, as políticas mudam e ocorrem quebras estruturais — é precisamente quando os modelos históricos têm maior probabilidade de falhar. Os participantes do mercado financeiro normalmente divulgam previsões de consenso alguns dias antes das divulgações de dados econômicos importantes, agregando opiniões de especialistas nas expectativas do mercado. No entanto, embora essas visões de consenso sejam valiosas, elas frequentemente compartilham caminhos metodológicos e fontes de informação semelhantes.

Para investidores institucionais, gestores de risco e formuladores de políticas, os riscos da precisão das previsões são assimétricos. Em tempos incontestáveis, uma previsão ligeiramente melhor oferece apenas valor limitado; mas em tempos de desordem de mercado — quando a volatilidade dispara, as correlações se quebram ou as relações históricas falham — uma precisão superior pode proporcionar retornos Alpha significativos e mitigar quedas.

Portanto, entender como os parâmetros se comportam durante a turbulência do mercado é crucial. Focamos em um indicador macroeconômico chave — o Índice de Preços ao Consumidor anual (CPI anual) — que é uma referência central para futuras decisões de taxas e um sinal vital da saúde econômica.

Comparamos e avaliamos a precisão das previsões em várias janelas antes da divulgação oficial dos dados. Nossa conclusão chave é que o chamado "Shock Alpha" realmente existe — o que significa que em eventos extremos, as previsões baseadas no mercado podem alcançar precisão preditiva adicional em comparação com benchmarks de consenso. Esse desempenho superior não é apenas de interesse acadêmico, mas é crucial em momentos em que os erros de previsão acarretam os custos econômicos mais altos, melhorando significativamente a qualidade do sinal. Nesse contexto, a pergunta verdadeiramente importante não é se os mercados estão "sempre certos" na previsão, mas se eles fornecem um sinal digno de inclusão em uma estrutura de tomada de decisão tradicional, que oferece valor diferenciado.

Metodologia

Dados

Analisamos as previsões implícitas diárias dos mercados de previsão na plataforma Kalshi, cobrindo três pontos no tempo: uma semana antes da divulgação dos dados (alinhada com a publicação da expectativa de consenso), o dia anterior à divulgação e a manhã do dia da divulgação. Cada mercado usado é ou foi um mercado realmente negociável, refletindo posições em dinheiro real em vários níveis de liquidez. Para as expectativas de consenso, coletamos as previsões de consenso do CPI anual em nível institucional, geralmente divulgadas cerca de uma semana antes dos dados oficiais do Bureau of Labor Statistics dos EUA.

O período de amostragem varia de fevereiro de 2023 a meados de 2025, cobrindo mais de 25 ciclos mensais de divulgação do CPI em vários ambientes macroeconômicos.

Classificação de impacto

Classificamos os eventos em três categorias com base na "magnitude da surpresa" em relação aos níveis históricos. Um "impacto" é definido como a diferença absoluta entre as expectativas de consenso e os dados reais relatados:

· Evento normal: O erro de previsão para o CPI anual é inferior a 0,1 pontos percentuais;

· Impacto médio: O erro de previsão para o CPI anual está entre 0,1 e 0,2 pontos percentuais;

· Impacto maior: O erro de previsão para o CPI anual excede 0,2 pontos percentuais.

Essa classificação nos permite examinar se a precisão da previsão exibe diferenças sistemáticas à medida que a dificuldade de previsão varia.

Métricas de desempenho

Para avaliar o desempenho preditivo, utilizamos as seguintes métricas:

· Erro absoluto médio (MAE): Métrica de precisão primária calculada como a média das diferenças absolutas entre os valores previstos e os valores reais.

· Taxa de acerto: Quando a diferença entre as expectativas de consenso e as previsões de mercado atinge ou excede 0,1 pontos percentuais (arredondado para uma casa decimal), registramos qual previsão está mais próxima do resultado real final.

· Análise do horizonte de previsão: Rastreamos como a precisão das estimativas de mercado evolui de uma semana antes da divulgação até o dia da divulgação, revelando o valor da incorporação contínua de informações.

Resultados: Desempenho de previsão do CPI

As previsões baseadas no mercado global mantêm uma vantagem

Em todas as condições de mercado, as previsões do CPI baseadas no mercado exibem, em média, um erro absoluto médio (MAE) 40,1% menor em comparação com as previsões de consenso. Em todos os horizontes temporais, o MAE da previsão do CPI baseada no mercado é 40,1% menor que as expectativas de consenso (uma semana antes) a 42,3% menor (um dia antes).

Além disso, em casos onde há uma discrepância entre as expectativas de consenso e os valores implícitos de mercado, as previsões baseadas no mercado da Kalshi demonstram uma taxa de acerto estatisticamente significativa variando de 75,0% uma semana antes a 81,2% no dia da divulgação. Ao considerar casos em que a previsão está empatada com o consenso (arredondado para uma casa decimal), as previsões baseadas no mercado alinham-se ou superam o consenso em aproximadamente 85% dos casos uma semana antes.

Essa alta precisão direcional indica: Quando há uma disparidade entre as previsões de mercado e as expectativas de consenso, essa disparidade em si detém um valor informacional significativo em relação à probabilidade de um evento de impacto.

A existência do "Impact Alpha"

A diferença na precisão da previsão é particularmente pronunciada durante eventos de impacto. Em um evento de impacto moderado, o erro médio do mercado (MAE) em comparação com a expectativa de consenso deve ser 50% menor quando o tempo de divulgação é consistente, expandindo-se para 56,2% ou mais no dia anterior à publicação dos dados; em um evento de impacto significativo, o MAE do mercado também deve ser 50% menor que a expectativa de consenso quando o tempo de divulgação é consistente, atingindo 60% ou mais no dia anterior à publicação dos dados; enquanto em um ambiente normal sem impacto, o desempenho da previsão do mercado é aproximadamente equivalente à expectativa de consenso.

Embora o tamanho da amostra de eventos de impacto seja pequeno (o que é razoável em um mundo onde "o impacto é inerentemente altamente imprevisível"), o padrão geral é muito claro: quando o ambiente preditivo é mais desafiador, a vantagem de agregação de informações do mercado torna-se mais valiosa.

No entanto, o que é ainda mais importante não é apenas que as previsões da Kalshi tenham um desempenho melhor durante os períodos de impacto, mas também que a divergência entre as previsões de mercado e a expectativa de consenso em si possa ser um sinal de um impacto iminente. Em casos de divergência, a previsão do mercado supera a expectativa de consenso com uma taxa de acerto de 75% (em uma janela de tempo comparável). Além disso, a análise de limiar indica ainda que, quando o mercado se desvia do consenso em mais de 0,1 pontos percentuais, a probabilidade de um impacto preditivo é de aproximadamente 81,2%, o que aumenta para cerca de 84,2% no dia anterior à publicação dos dados.

Essa diferença prática significativa indica que o mercado preditivo pode não apenas servir como uma ferramenta de previsão competitiva ao lado da expectativa de consenso, mas também como um "meta-sinal" sobre a incerteza preditiva, transformando a divergência do mercado em relação ao consenso em um indicador inicial quantificável para alertar sobre potenciais resultados inesperados.

Discussão adicional

Uma pergunta óbvia surge: Por que, durante os períodos de impacto, as previsões de mercado superam as previsões de consenso? Propomos três mecanismos complementares para explicar este fenômeno.

Heterogeneidade dos participantes do mercado e "sabedoria das multidões"

Embora as expectativas de consenso tradicionais integrem visões de múltiplas instituições, elas frequentemente compartilham suposições metodológicas e fontes de informação semelhantes. Modelos econométricos, relatórios de pesquisa de Wall Street e divulgações de dados governamentais formam uma base de conhecimento comum altamente sobreposta.

Em contraste, o mercado preditivo agrega posições mantidas por participantes com diferentes bases de informação: incluindo modelos proprietários, insights específicos da indústria, fontes de dados alternativas e julgamentos intuitivos baseados na experiência. Essa diversidade de participantes tem uma base teórica sólida na teoria da "sabedoria das multidões". Essa teoria sugere que quando os participantes têm informações relevantes e seus erros de previsão não são totalmente correlacionados, agregar previsões independentes de fontes diversas geralmente leva a estimativas superiores.

E no ambiente macro, durante uma "transição de estado", o valor dessa diversidade de informações é particularmente proeminente — indivíduos com informações dispersas e locais interagem no mercado, seus fragmentos informacionais se combinam para formar um sinal coletivo.

Diferenças na estrutura de incentivos dos participantes

No nível institucional, os previsores de consenso estão frequentemente dentro de um sistema organizacional e reputacional complexo, que se desvia sistematicamente do objetivo de "buscar puramente a precisão da previsão". Os riscos profissionais enfrentados pelos previsores criam uma estrutura de recompensa assimétrica — um erro de previsão significativo resulta em custos reputacionais notáveis, e mesmo que a previsão seja altamente precisa, especialmente se ela se desviar significativamente do consenso dos pares, ela pode não receber necessariamente uma recompensa profissional proporcional.

Essa assimetria desencadeia um "comportamento de manada", onde os previsores tendem a agrupar suas previsões em torno do valor de consenso, mesmo que suas informações privadas ou o resultado do modelo impliquem um resultado diferente. O motivo é que, no sistema profissional, o custo de "cometer um erro individualmente" é frequentemente maior do que o benefício de "estar certo individualmente".

Em contraste nítido, o mecanismo de incentivo enfrentado pelos participantes do mercado de previsão alcança um alinhamento direto entre a precisão da previsão e os resultados econômicos — prever com precisão significa lucro, prever incorretamente significa perda. Nesse sistema, o fator reputação é quase inexistente, e o único custo de se desviar do consenso de mercado é a perda econômica, dependendo inteiramente de a previsão estar correta. Essa estrutura impõe uma pressão de seleção mais forte para a precisão da previsão — os participantes que conseguem identificar sistematicamente erros de previsão de consenso acumularão continuamente capital e aumentarão sua influência no mercado por meio de tamanhos de posição maiores; enquanto aqueles que seguem mecanicamente o consenso continuarão a sofrer perdas quando o consenso for provado errado.

Em períodos de incerteza significativamente aumentada, quando o custo profissional dos previsores institucionais que se desviam do consenso de especialistas atinge o pico, essa diferenciação na estrutura de incentivos é frequentemente mais pronunciada e economicamente significativa.

Eficiência de agregação de informações

Um fato empírico notável é que, mesmo uma semana antes da publicação dos dados — este ponto no tempo alinha-se com a janela de tempo típica para expectativas de consenso — as previsões de mercado ainda exibem uma vantagem de precisão significativa. Isso sugere que a vantagem de mercado não decorre apenas da "vantagem de velocidade de aquisição de informações" à qual os participantes da previsão de mercado geralmente são referidos.

Pelo contrário, as previsões de mercado podem agregar com mais eficiência aqueles fragmentos de informação excessivamente dispersos, excessivamente especializados ou excessivamente vagos que são difíceis de serem formalmente incorporados em estruturas de previsão econométrica tradicionais. A vantagem relativa das previsões de mercado pode não estar no acesso antecipado a informações públicas, mas na sua capacidade de sintetizar com mais eficácia informações heterogêneas na mesma escala de tempo — enquanto os mecanismos de consenso baseados em pesquisas, mesmo com a mesma janela de tempo, frequentemente lutam para processar essas informações com eficiência.

Limitações e considerações

Nossas descobertas de pesquisa precisam ser qualificadas com uma ressalva importante. Devido à amostra global cobrir apenas cerca de 30 meses, eventos de impacto maior são inerentemente raros por definição, o que significa que o poder estatístico permanece limitado para eventos extremos maiores. Uma série temporal mais longa melhoraria as capacidades inferenciais futuras, embora os resultados atuais já sugiram fortemente a superioridade de previsão do mercado e a distintividade do sinal.

Conclusão

Documentamos o desempenho preditivo do mercado exibindo um desempenho superior significativo e economicamente significativo em relação às expectativas de consenso de especialistas, especialmente durante períodos-chave de precisão de previsão. As previsões do CPI baseadas no mercado exibem uma taxa de erro global aproximadamente 40% menor, com reduções de erro de até cerca de 60% durante períodos de mudança estrutural maior.

Dadas essas descobertas, várias áreas-chave para pesquisas futuras tornam-se especialmente importantes: primeiro, estudar se os eventos "Impact Alpha" em si podem ser previstos usando indicadores de volatilidade e divergência de previsão em um tamanho de amostra maior que englobe múltiplos indicadores macroeconômicos; segundo, determinar em qual limiar de liquidez o mercado de previsão pode superar consistentemente os métodos de previsão tradicionais; e terceiro, explorar a relação entre as previsões do mercado de previsão e aquelas implícitas por instrumentos financeiros de negociação de alta frequência.

Dentro de um ambiente onde as previsões de consenso dependem fortemente de suposições de modelo fortemente correlacionadas e conjuntos de informações compartilhados, o mercado de previsão oferece um mecanismo de agregação de informações alternativo que pode detectar mudanças de estado mais cedo e processar com mais eficiência informações heterogêneas. Para entidades que precisam tomar decisões em um ambiente econômico caracterizado por crescente incerteza estrutural e frequência de eventos extremos, o "Impact Alpha" pode representar não apenas uma melhoria incremental na capacidade preditiva, mas também deve ser uma parte fundamental de sua infraestrutura robusta de gerenciamento de risco.

Link do artigo original