Sebelum Kalshi, saya bekerja di perusahaan berita arus utama terkenal. Peran saya berpusat di sekitar penceritaan berbasis data (menerjemahkan data dari sumber ke layar). Saya merasa memenuhi syarat untuk menawarkan pandangan saya tentang bagaimana pasar prediksi mendemokratisasi pengumpulan data dengan memperbaiki masalah data lag. Perkenalan Dalam peran terakhir saya, saya menyadari bagaimana pengumpulan data tradisional datang dengan kelemahan fatal: lag. Himpunan data bereaksi lambat terhadap perubahan cepat. Data dikumpulkan dalam periode berminggu-minggu dan bertahun-tahun yang sewenang-wenang. 1. Dibutuhkan satu bulan untuk laporan pekerjaan atau inflasi untuk menyelesaikan menjadi angka. 2. Dibutuhkan satu musim atau satu tahun untuk mengukur pola cuaca kumulatif. 3. Dibutuhkan satu hari untuk menilai bagaimana pasar mencerna berita. Contoh lag menciptakan kantong-kantong inefisiensi, yang pada akhirnya menyebabkan kerugian bagi aktor hilir: 1. Laporan inflasi kejut menghancurkan 401K Anda. 2. Penghitung kacang di negara bagian Midwest meningkatkan premi asuransi rumah Anda karena Anda sekarang berada di zona banjir. 3. Informasi asimetris pada uji coba obat menanam saham. (Saya dapat mencantumkan 50 lagi, tetapi Anda mengerti idenya) Bagaimana Pasar Prediksi Mengatasi Kelambatan Pasar prediksi mengubah kumpulan data yang bergerigi dan lambat tiba menjadi aliran probabilitas yang hidup. Alih-alih menunggu langkah berikutnya di tangga yang berombak, Anda mendapatkan kurva halus yang diperbarui secara real time. Sumber kebenaran seperti itu membuat model aktuaria, keuangan, dan sosial menjadi lebih baik dengan mengompresi fungsi kehilangan media data terhuyung-huyung yang membutuhkan waktu sewenang-wenang untuk dibersihkan. Tapi, bukankah Anda membutuhkan data agar PM bekerja secara efisien? Ya! Tentu saja. Tanpa data pendukung, Pasar Prediksi hanyalah Delapan Bola Ajaib. Pengumpulan data akan selalu ada – tetapi pasar prediksi secara implisit menyerap data tersebut dengan cara yang didukung dolar. 1. Pasar prediksi adalah agregator data, dan akan memperjuangkan pandangan sumber yang akurat, tidak bias, dan terkini. 2. Mereka memperhitungkan data keras dan sinyal lunak secara real time. 3. Pasar yang efisien memberi penghargaan kepada peserta untuk mengoreksi peluang yang salah. Apakah profil peserta menciptakan bias? Agak, tapi tidak sepenuhnya. Profil siapa yang berpartisipasi memang penting, tetapi desain pasar prediksi cenderung mengoreksi bias sendiri dengan cara yang membuatnya sangat kuat dibandingkan dengan sebagian besar sistem pengumpulan data. 1. Penambatan hasil mengurangi penyimpangan. Semua pasar pada akhirnya menyelesaikan, dan peserta dihargai karena meninggalkan bias. Seiring waktu, peserta berusaha untuk menormalkan bias mereka untuk memaksimalkan hasil pribadi. 2. Bias ditanggung. Jika kelompok peserta yang bias menyebabkan peluang harga melayang, kelompok lain akan diberi insentif untuk secara paksa menetapkan kembali harga pasar. 3. Pasar yang efisien terdiri dari banyak transaksi dari peserta heterogen. Seperti pasar saham, ritel, pakar, dana lindung nilai, dll. semuanya menawarkan keunggulan mereka sendiri yang dirakit ke dalam penetapan harga pasar yang tepat. Efek bersih: Bias ada di tingkat individu tetapi terus-menerus dihargai di tingkat sistem. Pasar prediksi mengubah kebisingan keyakinan individu menjadi kurva probabilitas yang lebih halus dan akurat yang mengungguli kumpulan data satu dimensi yang tertinggal. Siapa yang peduli? Ada perkawinan antara pasar data dan prediksi. Yang satu tidak dapat ada tanpa yang lain. Melalui berbagai mekanisme penetapan harga yang tepat, pasar prediksi menetapkan kurva probabilitas berkelanjutan yang mengurangi kebisingan, memampatkan kerugian dari data yang lambat, dan menghasilkan "angka akhir" yang lebih baik untuk pemodelan. Hasil di dunia nyata berkelanjutan sekarang dapat berakar pada metrik yang lebih efektif. Dalam skenario dunia nyata, ini berarti merujuk pada hasil pasar prediksi secara langsung dalam model, artikel berita, analisis, dan banyak lagi. Dan ini baru dimulai dengan adopsi dari pembuat pasar, perusahaan berita, dan platform data. TLDR Data biasanya datang dalam interval sewenang-wenang. Pasar prediksi memiliki cara yang berbeda untuk mengompresi kerugian di antara interval ini. Anda dapat menggunakan mekanisme penetapan harga yang tepat ini untuk aplikasi dunia nyata yang berguna. Anda masih lebih awal.