원문 제목: Beyond Consensus: Prediction Markets and the Forecasting of Inflation Shocks

원문 출처: Kalshi Research

원문 번역: Azuma, Odaily 스타 행성 일보

편집자 주: 선두 예측 시장 플랫폼 Kalshi가 어제 새로운 연구 보고서 섹션 Kalshi Research를 출시했습니다. 이 섹션은 예측 시장과 관련된 주제에 관심이 있는 학자와 연구자들에게 Kalshi의 내부 데이터를 제공하는 것을 목표로 하고 있습니다. 이 섹션의 첫 보고서가 이미 발표되었으며, 아래는 보고서의 원문 내용이며, Odaily 스타 행성 일보에 의해 번역되었습니다:

개요

일반적으로 중요한 경제 통계 데이터 발표의 일주일 전, 대형 금융 기관의 분석가 및 고급 경제학자들은 예상 수치에 대한 추정을 제공합니다. 이러한 예측은 종종「공감 예상 (Consensus Expectation)」으로 종합되며, 시장 변화를 이해하고 포지션을 조정하는 데 중요한 참고 자료로 널리 인정받고 있습니다.

본 보고서에서는 공감 예상과 Kalshi 예측 시장의 내재 가격 (이하 때로는「시장 예측」으로 간략히 표시함)이 동일한 핵심 매크로 경제 신호 - 연간 소비자 물가 상승률 (YOY CPI) -의 실제 값 예측 성능을 비교했습니다.

중요한 하이라이트

· 전반적인 정확도 우수: 모든 시장 환경에서(일반적인 환경 및 충격 환경을 포함하여), Kalshi의 평균 절대 오차 (MAE)는 공감 예상보다 40.1% 낮습니다.

· 「충격 알파」 (Shock Alpha): 중대한 충격이 발생하는 경우(0.2% 이상), 예측 한 주 전의 창구에서 Kalshi의 예측은 공감 예상의 MAE보다 50% 낮으며, 데이터 발표 하루 전에는 MAE가 더 확대됩니다; 중간 규모 충격이 발생하는 경우(0.1 - 0.2.% 사이), 한 주 전의 예측 창구에서 Kalshi의 예측은 공감 예상의 MAE보다 50% 낮으며, 데이터 발표 하루 전에는 56.2%로 더 확대됩니다.

· 예측 신호 (Predictive Signal): 시장 예측과 공감 예상의 편차가 0.1% 이상일 때, 예측에 충격이 발생할 확률은 약 81.2%로, 데이터 발표 하루 전에는 약 82.4%까지 상승합니다. 시장 예측과 공감 예상이 일치하지 않을 때, 시장 예측이 75%의 사례에서 더 정확합니다.

배경

매크로 경제 전문가들은 내재적인 도전에 직면하고 있습니다: 가장 중요한 순간을 예측하는 것——시장의 불규칙성, 정책 전환 및 구조적 중단의 시기——이 때가 히스토리컬 모델이 가장 쉽게 실패하는 시기일 수록입니다. 금융 시장 참여자들은 일반적으로 주요 경제 데이터가 공개되기 몇 일 전에 공식적인 예측을 발표하며 전문가들의 의견을 시장의 예상치로 요약합니다. 그러나 이러한 공식적인 의견들은 가치가 있지만 종종 유사한 방법론 경로와 정보 소스를 공유하는 경향이 있습니다.

기관 투자가, 리스크 매니저 및 정책 결정자들에게 정확한 예측의 중요성은 비대칭적입니다. 확실한 시기에는 약간 더 나은 예측이 제한적인 가치를 제공할 수밖에 없지만, 시장이 혼란스러운 시기에——변동성이 급증하거나, 관련성이 붕괴하거나, 역사적 관계가 실패하는 시기——더 좋은 정확성은 상당한 알파 수익을 가져다 줄 뿐만 아니라 인버스먼트를 제한할 수 있습니다.

따라서, 파라미터의 시장 변동기간 동안의 행동 특성을 이해하는 것이 매우 중요합니다. 우리는 중요한 매크로 경제 지표 중 하나인 연간 물가 상승률(YOY CPI)에 초점을 맞추고 있으며, 이는 미래의 이자율 결정의 핵심적인 참고 지표이자, 경제 건강 상태를 측정하는 중요한 신호입니다.

우리는 공식 데이터가 공개되기 전의 여러 시간 창에서 예측의 정확도를 비교하고 평가했습니다. 우리의 주요 발견은, 소위 "충격적인 알파"가 실제로 존재한다는 것입니다——즉, 꼬리 사건에서, 시장 기반 예측은 공식적인 기준에 비해 추가적인 예측 정확도를 실현할 수 있습니다. 이러한 초과 성과는 순수히 학술적인 의미뿐만 아니라 예측 오류가 가장 큰 경제적 비용을 가지는 중요한 시기에 신호 품질을 크게 향상시킬 수 있습니다. 따라서, 실제로 중요한 문제는 시장이 항상 "옳다"고 예측하는지가 아니라, 그들이 전통적인 결정 프레임워크에 통합할 가치가 있는 차별화된 신호를 제공하는지입니다.

방법론

데이터

우리는 Kalshi 플랫폼에서 예측 시장 트레이더들이 매일 내놓은 내재적 예측 값을 분석했으며, 세 가지 시간 포인트를 다룹니다: 한 주 전 데이터 공개(공식 예상 발표 시간과 일치), 하루 전 공개, 당일 오전 공개입니다. 사용된 각 시장은 (또는 이전에) 실제 거래 가능한 운영 중인 마켓을 반영하며, 다양한 유동성 수준에서 실제 자본 포지션을 보여줍니다. 공식적 예상치에 대해서는 미국 노동통계국에서 공식 데이터가 공개되기 전 약 일주일 정도 전에 발표된 기관 수준의 YOY CPI 공통 예측을 수집했습니다.

샘플 기간은 2023년 2월부터 2025년 중반까지이며, 25개 이상의 월간 CPI 공개 주기를 포함하여 다양한 매크로 경제 환경을 아우릅니다.

충격 분류

우리는 역사적 수준에 대한 "예기치 못한 폭등"에 따라 이벤트를 세 가지 범주로 나누었습니다. "충격"은 합의 예상과 실제 공표 데이터 간의 절대적 차이로 정의됩니다:

· 일반적인 이벤트: YOY 소비자 물가 지수(CPI)의 예측 오차가 0.1% 미만입니다.

· 중간 충격: YOY CPI의 예측 오차가 0.1%에서 0.2% 사이입니다.

· 중대한 충격: YOY CPI의 예측 오차가 0.2% 이상입니다.

이 분류 방법을 사용하면 우리는 예측 우위가 예측 난이도 변화와 함께 체계적인 차이를 보이는지 검증할 수 있습니다.

성과 지표

예측 성과를 평가하기 위해 다음 지표를 사용했습니다:

· 평균 절대 오차(MAE): 주요 정확성 지표로, 예측 값과 실제 값 간의 절대 차이의 평균값을 계산합니다.

· 승률: 합의 예상과 시장 예측 사이의 차이가 0.1% 이상인 경우(소수점 첫째 자리에서 반올림), 어떤 예측이 최종 실제 결과에 더 가까운지를 기록합니다.

· 예측 시간대 분석: 공표 전 일주일부터 공표일까지 시장 평가의 정확성이 어떻게 점진적으로 변화하는지 추적하여 지속적인 정보 통합의 가치를 드러냅니다.

결과: CPI 예측 성과

전반적으로 정확성 우세

모든 시장 환경에서, 시장 기반 CPI 예측은 합의 예상 대비 평균 절대 오차(MAE)가 40.1% 낮습니다. 모든 시간대에서, 시장 기반 CPI 예측 MAE는 합의 예측보다 40.1% 낮음(일주일 전)부터 42.3% 낮음(하루 전까지).

또한, 합의 예상과 시장 내재값이 차이가 나는 경우, Kalshi의 시장 기반 예측은 통계적으로 유의한 승률을 보여주며, 일주일 전의 75.0%부터 공표당일의 81.2%까지 범위내에 있습니다. 합의 예상과 비교해 동일한 경우(소수점 첫째 자리까지 정확), 시장 기반 예측은 일주일 전에 대략 85%의 경우에서 합의와 동등하거나 우세한 결과를 보입니다.

이러한 높은 방향성 정확도는 다음을 시사합니다：시장 예측과 합의 예상 사이에 차이가 발생할 때, 이러한 차이 자체가 "충격 이벤트가 발생할 가능성"에 상당한 정보 가치를 지닌다는 것을 나타냅니다.

「충격 Alpha」는 실제로 존재합니다

정확성의 차이는 충격 사건 중에 특히 두드러지게 나타납니다. 중간 규모의 충격 사건에서는 공통 예상과의 일치하는 시간대에 시장 예측의 MAE가 공동 예상보다 50% 낮아야하는 반면, 데이터 발표 하루 전에 이 우위는 56.2% 이상으로 확장될 수 있습니다. 중대한 충격 사건에서는 공통 예상과의 일치하는 시간대에 시장 예측의 MAE도 마찬가지로 공동 예상보다 50% 미만이어야 하며, 데이터 발표 하루 전에는 60% 이상으로 상승할 수 있습니다. 반면 충격이 없는 정상적인 환경에서는 시장 예측과 공동 예상의 성능이 거의 비슷합니다.

충격 사건의 샘플 수가 상대적으로 작기는 하지만(이는 "이미 충격이 예측하기 어려운" 세계에서 합리적입니다), 전반적인 패턴은 매우 명확합니다: 예측 환경이 매우 어려운 시기일수록, 시장의 정보 집합 우위는 오히려 가장 가치 있습니다.

그러나, 더 중요한 것은 Kalshi의 예측이 충격이 발생할 때 더 나은 성과를 보인다는 것 뿐만 아니라, 시장 예측과 공동 예상 사이의 차이 자체가 충격이 곧 일어날 것임을 나타낼 수도 있다. 차이가 존재할 때, 시장 예측의 공동 예상에 비해 우위가 75%에 도달합니다(유사한 시간 창 안에서). 또한 임계 값 분석은 더 나아가 이러한 증거가 실제로 충분히 강력하다는 것을 보여주었습니다: 시장과 공동 예상의 편차가 0.1% 이상인 경우, 충격이 발생할 예측 확률은 약 81.2%이며, 데이터 발표 하루 전에는 이 확률이 약 84.2%로 더 높아집니다.

실무적인 측면에서 이러한 상당한 차이는 다음을 시사합니다: 예측 시장은 공동 예상에 더불어 경쟁력있는 예측 도구로서뿐만 아니라, 시장과 공동 예상 사이의 차이를 예측의 불확실성에 관한 "메타 신호"로 활용하여, 시장과 공동의 차이를 잠재적인 예기치 못한 결과에 대한 조기 경보지표로 전환할 수 있습니다.

파생 논의

명백한 질문이 제기됩니다: 왜 충격 기간 동안 시장 예측이 공동 예상보다 우수한 결과를 보일까요? 우리는 이 현상을 설명하기 위해 상호 보완적인 세 가지 메커니즘을 제안했습니다.

시장 참가자의 이질성과 "집단 지혜"

전통적인 공동 예상은 여러 기관의 견해를 통합하지만 종종 유사한 방법론 가정과 정보 소스를 공유합니다. 계량경제 모델, 월스트리트 연구 보고서 및 정부 데이터 공개는 매우 중첩된 공통 지식 기반을 형성합니다.

한편 예측 시장은 서로 다른 정보 기초를 가진 참가자들이 보유한 포지션을 집합시킵니다: 독점적 모델, 산업 수준 통찰, 대안 데이터 소스 및 경험에 근거한 직관적인 판단을 포함합니다. 이러한 참가자 다양성은 "집단 지혜"이론에서 견고한 이론적 기반이 있습니다. 이 이론은 참가자가 관련 정보를 보유하고 그들의 예측 오차가 완전히 상관되지 않을 때, 다양한 출처에서 얻은 독립적인 예측을 집계하는 것이 종종 더 우수한 추정 결과를 만들어냅니다.

마크로 환경에서 "상태 전환"이 발생하는 때에는 이러한 정보 다양성의 가치가 특히 두드러집니다. 분산되고 지역화된 정보를 가진 개체들이 시장에서 상호 작용하면서, 그 정보 조각들이 조합되어 집단 신호를 형성합니다.

참여자 인센티브 구조의 차이

기관 수준의 공식 예측자들은 종종 복잡한 조직 및 평판 시스템 내에 위치하며, 이러한 시스템은 "순수한 예측 정확성 추구" 목표에서 체계적으로 벗어납니다. 직업 예측자들이 직면한 직업적 위험은 비대칭적 이익 구조를 형성하며 — 대규모의 예측 오류는 상당한 평판 비용을 야기하고, 심지어 예측이 매우 정확하더라도, 특히 동료 공식에서 크게 벗어난 정확성을 통해 이루어진 경우에도 상응하는 직업적 보상을 보장하지 않을 수 있습니다.

이러한 비대칭성은 "추종 행동"을 유발하며, 즉 예측자들은 자신의 예측을 공식의 가치 주변으로 집중시키려는 경향이 있습니다, 비록 개인적인 정보나 모델 출력이 다른 결과를 시사함에도 불구합니다. 이는 직업 체제에서 "고립적으로 오류를 저지르는" 비용이 종종 "고립적으로 정확함"의 이익보다 높음을 이유로 합니다.

이에 반해, 예측 시장 참여자들이 직면한 인센티브 메커니즘은 예측 정확성과 경제 결과를 직접적으로 일치시킵니다 — 정확한 예측은 이익을 의미하며, 잘못된 예측은 손실을 의미합니다. 이러한 체계에서 평판 요소는 거의 존재하지 않으며, 시장 공식에서 벗어나는 유일한 비용은 경제적 손실이며, 오직 예측이 올바른지 여부에만 의존합니다. 이 구조는 예측 정확성에 더 강한 선택 압력을 가하며 — 공식적인 공감의 오류를 체계적으로 식별할 수 있는 참여자는 자본을 계속 축적하고, 시장에서의 영향력을 보다 높인 포지션 규모를 통해 이를 강화할 수 있으며; 반면, 그렇지 않은 기계적인 공감을 따르는 참여자들은 공감이 잘못된 것으로 입증될 때 계속해서 손실을 입을 것입니다.

불확실성이 크게 증가하는 경우에는, 기관 예측자들이 전문가 공감에서 벗어나는 직업적 비용이 최고점에 도달하는 때에,이러한 인센티브 구조의 분화가 가장 뚜렷하며, 경제적으로 가장 중요합니다.

정보 집계 효율성

주목할 만한 경험적 사실은: 심지어 데이터가 발표된 직전 주——이 시점은 공식적 예측이 일반적으로 발표되는 시간 창과 일치합니다——시장 예측은 여전히 상당한 정확성 우위를 보입니다. 이것은 시장 우위가 일반적으로 언급되는 "정보 확보 속도 우위"에서만 비롯된 것이 아님을 시사합니다.

대조적으로, 시장 예측은 아마도 "지나치게 분산되거나 지나치게 산업화되었거나 지나치게 모호하여 전통적인 계량적 경제 예측 프레임워크에 공식적으로 통합되기 어려운 정보 조각들을 보다 효과적으로 집계할 수 있음 . 예측 시장의 상대적 우위는 공공 정보에 먼저 접하기보다는, 동일한 시간 척도 내에서 이질적 정보를보다 효율적으로 통합할 수 있는 능력에 있을 수 있습니다 — 반면에 설문 조사 기반의 공식 메커니즘은 동일한 시간 창 내에서도 이러한 정보를 효율적으로 처리하기 어려울 수 있습니다.

한계와 주의사항

우리의 연구 결과는 중요한 한 가지 제한 사항을 고려해야 합니다. 전체 샘플이 약 30개월 정도만을 다루기 때문에 중대한 충격 사건은 정의상 매우 드물기 때문에 대규모 이벤트에 대한 통계적 파워가 여전히 제한적임을 의미합니다. 더 긴 시계열은 미래의 추론 능력을 향상시킬 것으로 기대됩니다. 그러나 현재 결과는 이미 시장 예측의 우월성과 신호의 차이를 강력히 시사하고 있습니다.

결론

우리는 시장 예측이 전문가 합의 예상에 비해 체계적이고 경제적으로 중요한 성과를 보였음을 기록했습니다, 특히 예측의 정확성이 가장 중요한 충격 사건 기간 중에.시장 기반의 CPI 예측은 전체적으로 약 40% 낮은 오차를 보이며, 중대한 구조적 변화 기간에는 오차 감소율이 약 60%에 달합니다.

이러한 발견을 토대로 미래의 연구 방향은 특히 중요해졌습니다: 첫째, 더 큰 샘플 규모 및 다양한 거시경제 지표를 통해『충격 알파』 이벤트 자체가 변동성 및 예측 차이 지표를 통해 예측될 수 있는지 연구; 둘째, 시장 예측이 어떤 유동성 임계값 이상에서 전통적인 예측 방법을 안정적으로 초월할 수 있는지; 셋째, 시장 예측 값과 고빈도 거래 금융상품에서 내재된 예측 값 간의 관계.

합의 예측이 강한 상관관계를 가진 모델 가정 및 공유 정보 세트 환경에 지대한 경우, 시장 예측은 상태 전환을 보다 빨리 포착하고 이질적 정보를 효율적으로 처리할 수 있는 대체 정보 집계 메커니즘을 제공합니다. 구조적 불확실성 및 꼬리 이벤트 빈도가 계속 높아지는 경제 환경에서 의사결정을 내리는 주체들에게 있어서, 『충격 알파』는 예측 능력의 점진적 향상뿐만 아니라 안전한 리스크 관리 인프라의 기본 구성 요소로 작용해야 합니다.

Original Article Link

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia