Zum Inhalt springen
  • BTC $62.183 −1,5%
  • ETH $1.759 −1,4%
  • SOL $73,12 −0,7%
  • BNB $579,14 −0,8%
  • XRP $0,9636 −0,4%
  • DOGE $0,0582 −1,2%
  • ADA $0,1525 +0,5%

Warum Prognosemärkte Wall Street bei Inflationsprognosen schlagen, zeigt eine Kalshi-Studie

Neue Forschung von Kalshi zu Prognosemärkten legt nahe, dass diese Plattformen traditionelle Wall-Street-Schätzungen bei der Vorhersage der US-Inflation übertreffen können. Kalshi-Studie zeigt, dass Prognosemärkte Wall Street bei Inflationsdaten übertreffen Laut einer neuen Studie von Kalshi übertreffen Prognosemärkte die Konsensschätzungen von Wall Street zur US-Inflation um 40%…

prediction markets
Prediction Markets Beat Wall Street on Inflation, Kalshi

Neue Forschung von Kalshi zu Prognosemärkten legt nahe, dass diese Plattformen traditionelle Wall-Street-Schätzungen bei der Vorhersage der US-Inflation übertreffen können.

Kalshi-Studie zeigt, dass Prognosemärkte Wall Street bei Inflationsdaten übertreffen

Laut einer neuen Studie von Kalshi übertreffen Prognosemärkte die Konsensschätzungen von Wall Street zur US-Inflation mit einem 40% niedrigeren durchschnittlichen Fehler über einen Zeitraum von 25 Monaten. Darüber hinaus zeigt die Analyse, dass diese Märkte besonders genau waren, wenn die Inflation stark von den Erwartungen der Ökonomen abwich.

Beim Vergleich der Inflationsprognosen auf seiner Plattform mit dem professionellen Konsens stellte Kalshi fest, dass marktbasierten Händlern die konventionellen Ökonomen und Analysten während der 25 überprüften Monate übertrafen. Der Leistungsvorsprung war am deutlichsten in Zeiten erhöhter wirtschaftlicher Volatilität, wenn traditionelle Modelle tendenziell Schwierigkeiten haben.

Marktbasierte Schätzungen der jährlichen Veränderungen im Verbraucherpreisindex (CPI) verzeichneten einen 40% niedrigeren durchschnittlichen Fehler als Konsensprognosen zwischen Februar 2023 und Mitte 2025, berichtet die Studie. Allerdings vergrößerte sich die Lücke weiter, wenn die tatsächlichen CPI-Werte stark von den Erwartungen abwichen, wobei Kalshis Prognosen den Konsens in diesen Fällen um bis zu 67% übertrafen.

Crisis Alpha und der Wert von Meinungsverschiedenheiten

Die Studie mit dem Titel „Crisis Alpha: When Do Prediction Markets Outperform Expert Consensus?“ untersuchte auch, wie Meinungsverschiedenheiten selbst bevorstehende Überraschungen signalisieren können. Insbesondere wurde die Beziehung zwischen der Größe der Lücke zwischen Kalshis CPI-Schätzung und dem Wall-Street-Konsens und der Wahrscheinlichkeit eines Schocks untersucht.

Wenn Kalshis CPI-Schätzung eine Woche vor der offiziellen Veröffentlichung um mehr als 0,1 Prozentpunkt vom Konsens abwich, stieg die Wahrscheinlichkeit einer signifikanten Abweichung im tatsächlichen CPI-Wert auf etwa 80%, verglichen mit einem Basiswert von 40%. Allerdings warnt das Papier, dass die Stichprobe großer Schocks über den Zeitraum hinweg noch relativ klein ist.

Die Autoren argumentieren, dass dieses Muster das Potenzial für marktbasiertes Forecasting als Frühwarninstrument für politische Entscheidungsträger und institutionelle Investoren hervorhebt. Anstatt bestehende Modelle zu ersetzen, deuten die Ergebnisse darauf hin, dass Märkte als ergänzendes Signal dienen können, insbesondere während Episoden struktureller Veränderungen oder finanzieller Stresssituationen.

Informationsaggregation und die Weisheit der Vielen

Im Gegensatz zu traditionellen Prognosen, die oft auf einem gemeinsamen Satz wirtschaftlicher Modelle und Annahmen beruhen, aggregieren Kalshis Märkte Informationen von einer vielfältigen Gruppe von Händlern mit direkten finanziellen Anreizen. Diese Struktur, so die Studie, erzeugt einen „Weisheit der Vielen“-Effekt, der schneller auf neue Daten und sich ändernde Narrative reagieren kann.

Der Bericht betont jedoch, dass der Vorteil am deutlichsten wird, wenn das Prognoseumfeld herausfordernd wird. In den Worten der Autoren: „Wenn das Prognoseumfeld am herausforderndsten wird, wird der Informationsaggregationsvorteil der Märkte am wertvollsten.“ Genau dann stehen institutionelle Entscheidungsträger vor dem größten Risiko, von konsensbasierten Fehlern überrascht zu werden.

Warum Prognosemärkte den Konsens in Stresszeiten übertreffen, könnte darauf zurückzuführen sein, wie sie Informationen verarbeiten. Traditionelle Prognostiker in Banken und Forschungseinrichtungen greifen oft auf ähnliche Datensätze und Modelle zurück, was die Anpassungsfähigkeit einschränken kann, wenn sich die wirtschaftlichen Bedingungen außerhalb historischer Normen bewegen, so die Studie.

Anreize, Liquidität und Echtzeit-Preise

Prognosemarkt-Plattformen spiegeln hingegen die Ansichten einzelner Händler wider, die auf sektorspezifische Einblicke, alternative Datensätze und manchmal konträre Narrative zurückgreifen. Darüber hinaus haben Händler auf diesen Märkten Kapital im Spiel und werden ausschließlich auf Basis der Prognoseleistung belohnt oder bestraft, anstatt auf Grundlage von Reputations- oder organisatorischen Überlegungen.

Institutionelle Prognostiker, so die Studie, können mit Karriere- und Organisationsbeschränkungen konfrontiert sein, die mutige Vorhersagen entmutigen, selbst wenn die Daten sie rechtfertigen könnten. Auf einer Handelsplattform hingegen begünstigt die Auszahlungsstruktur die Ausrichtung der Preise auf das wahrscheinlichste Ergebnis, unabhängig davon, wie unkonventionell dieses Ergebnis für Konsensökonomen aussehen mag.

Die kontinuierliche Preisgestaltung auf Plattformen wie Kalshi ist ebenfalls von Bedeutung. Marktpreise aktualisieren sich in Echtzeit, sobald neue Informationen eintreffen, während Wall-Street-Konsensschätzungen typischerweise mehrere Tage vor offiziellen Datenveröffentlichungen festgelegt werden. Diese Verzögerung kann besonders kostspielig sein, wenn sich die Bedingungen schnell ändern, wie bei Inflationsschocks oder politischen Überraschungen.

Wachstum von kryptoverknüpften Prognoseplattformen

Die Nutzerbasis von Kalshi hat sich kürzlich erweitert, nachdem die Prognoseplattform in die große Krypto-Wallet Phantom integriert wurde. Anfang dieses Monats sammelte das Unternehmen 1 Milliarde Dollar bei einer Bewertung von 11 Milliarden Dollar, was das wachsende Interesse der Investoren an Märkten unterstreicht, auf denen Nutzer auf makroökonomische und politische Ergebnisse wetten können.

Im Oktober wurde berichtet, dass die konkurrierende Plattform Polymarket in Gesprächen ist, um Mittel bei einer Bewertung von bis zu 15 Milliarden Dollar zu beschaffen. Zusammen deuten diese Entwicklungen auf eine schnelle Institutionalisierung dessen hin, was als Nischenmarkt begann, wobei sowohl traditionelle Finanz- als auch krypto-native Investoren nun teilnehmen.

Darüber hinaus fand eine frühere Studie eines Datenwissenschaftlers heraus, dass Polymarket mit 90% Genauigkeit vorhersagte, wie Ereignisse eintreten würden einen Monat im Voraus und 94% nur Stunden vor dem Ereignis. Dennoch stellte die Studie fest, dass Zustimmungstendenzen, Herdenverhalten und geringe Liquidität manchmal zu überschätzten Wahrscheinlichkeiten für bestimmte Ergebnisse führen können.

Grenzen und Anwendungsfälle für marktbasierten Signale

Das Kalshi-Papier betont, dass seine Ergebnisse nicht implizieren, dass Expertenprognosen obsolet geworden sind. Stattdessen argumentiert es, dass Prognosemärkte als ergänzendes Werkzeug für das institutionelle Risikomanagement, die Analyse der Geldpolitik und die Portfoliokonstruktion dienen können, insbesondere wenn historische Beziehungen zusammenbrechen.

Die Autoren erkennen an, dass die Anzahl der großen Inflationsschocks in der Stichprobe begrenzt ist, was die statistische Aussagekraft naturgemäß einschränkt. Sie argumentieren jedoch, dass die Konsistenz der Leistungslücke über volatile Episoden hinweg dennoch auf einen bedeutenden Informationsvorteil hinweist, der in Marktpreisen eingebettet ist.

Anstatt einen vollständigen Ersatz traditioneller Methoden zu fordern, schlägt die Studie vor, dass institutionelle Entscheidungsträger in Erwägung ziehen sollten, marktbasierten Signale neben bestehenden Modellen zu integrieren. In Zeiten struktureller Unsicherheit könnten solche gemischten Ansätze die Genauigkeit von Inflationsprognosen verbessern und das Risiko verringern, von unerwarteten makroökonomischen Daten überrascht zu werden.

Insgesamt hebt die Analyse hervor, wie vielfältige, incentivierte Händler und Echtzeit-Preise Prognosen auf Plattformbasis zu einer nützlichen Ergänzung des Werkzeugkastens von Ökonomen, Investoren und politischen Entscheidungsträgern machen können, die sich in einer zunehmend komplexen makroökonomischen Landschaft bewegen.

Amelia Tomasicchio

Alle Artikel von Amelia Tomasicchio