I mercati predittivi battono Wall Street nel prevedere l’inflazione, dice Kalshi

Una nuova analisi indica che i traders sui mercati predittivi tendono a prevedere l’inflazione con maggiore precisione rispetto agli economisti e agli analisti tradizionali, soprattutto quando le letture divergono in modo significativo dalle attese.

Lo studio condotto da Kalshi ha confrontato le previsioni presenti sulla propria piattaforma con il consenso di Wall Street su un arco di 25 mesi, rilevando vantaggi di accuratezza particolarmente marcati nei periodi di maggiore volatilità economica.

Risultati principali

Le stime di mercato sul cambiamento annuo del CPI (Consumer Price Index) hanno mostrato, tra febbraio 2023 e la prima metà del 2025, un errore medio inferiore del 40% rispetto al consenso. Quando la lettura si discostava in modo netto dalle attese, il vantaggio delle previsioni di Kalshi è salito fino al 67%.

Inoltre, quando la stima di Kalshi differiva dal consenso di oltre 0,1 punti percentuali una settimana prima del rilascio, la probabilità di una deviazione significativa nella lettura effettiva del CPI aumentava fino a circa l’80%, rispetto a una probabilità di base intorno al 40%.

Metodologia e definizioni

Lo studio, intitolato Crisis Alpha: When Do Prediction Markets Outperform Expert Consensus?, valuta le previsioni di mercato aggregate da singoli operatori che hanno incentivi finanziari a prevedere correttamente gli esiti, confrontandole con il consenso degli esperti, spesso calcolato su modelli e ipotesi condivise tra le istituzioni.

Vengono presi in considerazione sia errori medi su orizzonti temporali standard sia la capacità di anticipare shock imprevisti o deviazioni ampie rispetto al consenso.

Perché i mercati predittivi possono funzionare meglio

I mercati predittivi aggregano informazioni da una base di partecipanti eterogenea, che può includere operatori con conoscenze settoriali, accesso a dataset alternativi o approcci non convenzionali. Questo crea un effetto di “saggezza della folla” che spesso reagisce più rapidamente ai segnali emergenti rispetto ai modelli istituzionali omogenei.

Gli incentivi sono differenti: gli analisti istituzionali possono essere vincolati da considerazioni reputazionali o organizzative che scoraggiano previsioni audaci, mentre i partecipanti ai mercati predittivi espongono capitale reale e vengono ricompensati o penalizzati in base alle performance.

La natura continua della determinazione dei prezzi sui mercati evita inoltre il ritardo tipico dei consensi, che vengono spesso fissati alcuni giorni prima del rilascio dei dati ufficiali.

Dichiarazione degli autori

Gli autori dello studio hanno osservato:

“Sebbene la dimensione del campione di shock sia ridotta (come dovrebbe accadere in un mondo dove essi sono in gran parte inattesi), il modello è chiaro: quando l’ambiente di previsione diventa più sfidante, il vantaggio informativo dell’aggregazione di mercato diventa particolarmente prezioso.”

Limiti e fattori di rischio

Gli autori riconoscono che il numero di grandi scostamenti osservati è relativamente contenuto, elemento atteso dato il carattere imprevedibile di tali shock. Per questa ragione i risultati, pur significativi, richiedono ulteriori conferme su campioni più ampi e su orizzonti temporali diversi.

Altri fattori che possono distorcere le previsioni di mercato includono bias di acquiescenza, comportamento gregario e problemi di liquidità, che talvolta portano a sovrastimare le probabilità di evento.

Ricerche precedenti hanno inoltre mostrato che alcune piattaforme predittive possono raggiungere livelli elevati di accuratezza: si è osservato un tasso di successo vicino al 90% a un mese dall’evento e fino al 94% poche ore prima dell’accadimento, pur con le riserve sopra esposte.

Implicazioni per policy e gestione del rischio

Piuttosto che proporre una sostituzione totale dei metodi di previsione tradizionali, lo studio suggerisce che i segnali provenienti dai mercati predittivi possano essere integrati come informazioni complementari, con valore particolare durante fasi di incertezza strutturale.

Per i decisori istituzionali e i responsabili della gestione del rischio, l’adozione di segnali di mercato può significare inserire questi dato all’interno di modelli di stress test, monitorare gli scostamenti rispetto al consenso e predisporre procedure per valutare la robustezza delle informazioni rispetto a problemi di liquidità e bias comportamentali.

Negli ultimi mesi Kalshi ha ampliato la propria utenza grazie all’integrazione con portafogli crittografici come Phantom e ha annunciato una raccolta di capitali significativa che riflette l’interesse crescente verso questo tipo di strumenti. Anche altre piattaforme di mercato predittivo sono state oggetto di discussioni finanziarie con valutazioni elevate, a sottolineare la crescente rilevanza del settore.

Conclusioni

Il lavoro suggerisce che i mercati predittivi rappresentano una fonte informativa robusta e dinamica, con capacità superiori nel captare deviazioni inattese rispetto al consenso professionale. Tuttavia, la loro integrazione nelle pratiche decisionali richiede attenzione ai limiti empirici, alla qualità della liquidità e a meccanismi di mitigazione del bias.