Залагащи аматьори често бият прогнозите на топ експертите от Уолстрийт
Уолстрийт има модели, а тълпата има резултати. Оказва се, че когато застанеш със собствени пари на масата - стимулът е реален риск, а прогнозите стават по-точни
,fit(1001:538)&format=webp)
Експерти от водещи банки и инвестиционни компании, които получават високи възнаграждения, за да предвиждат посоката на американската икономика, очакваха последният доклад за пазара на труда в САЩ да покаже, че през миналия месец са били създадени около 68 000 работни места.
Група анонимни онлайн залагащи, които правят прогнози в Kalshi – платформа за залагания на всичко от спорт до политика – са очаквали 54 000 нови работни места.
В крайна сметка докладът показа, че в началото на годината американската икономика е добавила 130 000 работни места. И двете групи се разминават значително с реалността – и то в сходна степен.
За петте години от съществуването на Kalshi хилядите му участници средно са се оказали толкова точни в прогнозирането на определени икономически показатели, колкото и висококвалифицираните професионални анализатори, показва нов доклад, публикуван миналия месец от Националното бюро на САЩ за икономически изследвания.
Колективната прогноза се справя добре и с предвиждането на решенията на Федералния резерв за лихвените проценти, а при инфлационните показатели дори надминава професионалистите.
„Събирането на информация от голяма група хора може да бъде изненадващо добър метод за прогнозиране“, казва Джонатан Райт, професор по икономика в университета „Джонс Хопкинс“ и съавтор на изследването.
Томас Саймънс, икономист за САЩ в инвестиционната компания Jefferies, обръща внимание, когато Кевин Уорш излиза начело в предсказателните пазари като фаворит за номинацията на Тръмп за председател на Федералния резерв. Саймънс първоначално е отхвърлил тази възможност заради предишната подкрепа на Уорш за по-високи лихви, вместо за по-ниските нива, които Тръмп предпочита.
„Как е възможно той да води? Това няма никакъв смисъл“, спомня си, че си е мислел Саймънс.
Пазарите обаче се оказват прави и той решава, че не бива да пренебрегва коефициентите. Осъзнава и едно предимство на залагащите – те не са длъжни да правят прогноза, ако не са уверени. Професионалните анализатори нямат този избор. Дори когато данните са объркващи и не се чувстват сигурни в преценката си, те все пак дават прогноза.
„Трябва да анализирате тези числа всеки месец, дори когато нямате особено предимство“, казва Саймънс пред The New York Times.
„Затова започнах да си мисля, че ако се върна към изходните си предположения, хората с реално предимство са именно тези, които избират да участват.“
Друго изследване, на икономисти от London Business School и Йейлския университет, показва, че участниците в Polymarket като цяло прогнозират корпоративните печалби по-точно от анализаторите, които получават заплащане, за да съветват инвеститорите дали да купуват или продават.
Тайс Йенсен, професор в Йейл и съавтор на това изследване, смята, че сравнително доброто представяне на хиляди аматьори се обяснява със стимулите.
Професионалните анализатори може да имат конфликти на интереси, например свързани с търговските комисиони на компаниите им, които могат да нараснат при по-оптимистични прогнози.
Освен това анализаторите често избягват да публикуват прогнози, които се отклоняват от консенсуса, тъй като това носи по-голям риск, отколкото придържането към масовото мнение.
„Хубавото на пазарите за прогнози е, че залагаш собствените си пари зад думите си“, казва Йенсен.
„Това силно те стимулира да изразиш истинските си убеждения.“
Разбира се, това не е ново. Първите подобни онлайн платформи се появяват в началото на 2000-те години. Сайтове като Intrade се фокусират основно върху избори и вероятността от различни световни събития и като цяло се оказват сравнително точни.
От 2010 г. нататък американските регулатори предприемат мерки срещу тях с аргумента, че действат като нелегални хазартни платформи.
Някои сайтове обаче продължават да работят в Европа, където политическите и икономическите договори са странична дейност спрямо огромните обеми спортни залози.
Сходна е ситуацията и при Kalshi, която печели съдебно дело и получава право да оперира законно през 2024 г., както и при Polymarket, която е достъпна в САЩ само периодично, тъй като съдебни процеси блокират търговията в много щати.
Въпреки това обемът на залозите дори по въпроси извън спорта нараства с толкова бързи темпове, че анализаторите започват да обръщат сериозно внимание.
Във всеки един ден на тези платформи са заложени над 60 млн. долара по политически и икономически теми – значително повече от нивата, достигани от по-ранните платформи.
Едуард Риджли ръководи Stand – компания, която позволява на залагащите да търгуват едновременно в Kalshi и Polymarket и да следят големи трейдъри. Той казва, че много от клиентите му с най-големи обеми работят именно в сферите, върху които залагат.
Един потребител в Хонконг търгува акции на Nvidia в ежедневната си работа и използва договори на предсказателните пазари, свързани с митата, като хедж.
„Ако митата на Тръмп към Китай ескалират, той може да излезе от позицията си и да не понесе тежки загуби“, казва Риджли пред NYT.
Той вижда и друго доказателство за специализацията на залагащите – повечето не са добри във всичко.
„Вижда се, че много трейдъри, които са много добри в политически или икономически решения, не се справят добре с крипто. Или ако си добър с крипто, не си толкова добър в геополитика“, казва той.
Майкъл Фероли, главен икономист за САЩ в J.P. Morgan, има достъп до широк експертен ресурс от специалисти по политика, регионални експерти и анализатори на акции.
Въпреки това той също гледа към пазарите за прогнози, за да получи по-прецизна оценка.
„Когато говориш с хора във Вашингтон, те казват: „Мисля, че ще приемат бюджета“. Но каква е вероятността?“, казва Фероли пред NYT.
„Това е различен език. Често трябва сериозно да настояваш, за да получиш количествен отговор.“
По количествените въпроси, които са негов специалитет, като прогнозите за индекса на потребителските цени и брутния вътрешен продукт, Фероли подозира нещо друго – че пазарите на залози просто следват експертите.
Това може да означава следене на консенсуса на Bloomberg, четене на анализи от големи инвестиционни къщи или проследяване на фючърсните пазари и инвеститорските очаквания, които институции като Чикагската търговска борса вече обобщават.
Тара Синклер, икономист в университета „Джордж Вашингтон“, която изследва прогнозирането, е съгласна, че това е вероятно. И именно тук се крие риск за тези платформи – ако колективната прогноза измести професионалните анализатори, индивидуалните залагащи могат да загубят.
„Това би затруднило работата на самите участници, защото в момента те черпят информация от отделни източници“, казва Синклер.
„Ако заменят всичко това, няма да имат към какво да се обръщат.“
Повечето професионални икономисти не се притесняват от подобен сценарий, защото работата им не се изчерпва с числа. Всяка прогноза идва с подробен анализ на факторите зад нея, а именно това е нужно на инвеститорите и компаниите, за да решават как да разпределят капитала си.
Възможно е също нито отделните експерти, нито колектив от хиляди хора да са най-добрият предсказател на бъдещето. През последното десетилетие група, наречена Good Judgment, разработва модел за подбор на хора с доказано добър опит в прогнозирането.
Тези „суперпрогнозисти“ работят по по-дългосрочни въпроси за платени клиенти. Те си сътрудничат, но в крайна сметка дават самостоятелни оценки.
Уорън Хач, главен изпълнителен директор на организацията, следи и появата на друга сила – изкуствения интелект, който може да обобщава големи обеми стандартизирана информация и да генерира сравнително добри оценки. Но AI среща трудности при въпроси, свързани повече с човешко поведение и култура, отколкото с числа и метрики.
„Когато данните са оскъдни, а средата е променлива, машините по дефиниция гледат назад“, казва Хач.
„И именно там, според мен, ще остане пространството за хората.“
&format=webp)
&format=webp)
&format=webp)
)
&format=webp)
&format=webp)
&format=webp)
&format=webp)
,fit(140:94)&format=webp)
,fit(140:94)&format=webp)
,fit(140:94)&format=webp)
,fit(140:94)&format=webp)
&format=webp)
,fit(140:94)&format=webp)