De nouvelles recherches menées par Kalshi sur les marchés de prédiction suggèrent que ces plateformes peuvent surpasser les estimations traditionnelles de Wall Street en matière de prévision de l’inflation aux États-Unis.
Sommaire
L’étude de Kalshi révèle que les marchés de prédiction surpassent Wall Street sur les données d’inflation
Selon une nouvelle étude de Kalshi, les marchés de prédiction battent les estimations consensuelles de Wall Street sur l’inflation aux États-Unis avec une erreur moyenne inférieure de 40% sur une période de 25 mois. De plus, l’analyse montre que ces marchés étaient particulièrement précis lorsque l’inflation s’écartait fortement des attentes des économistes.
En comparant les prévisions d’inflation sur sa plateforme avec le consensus professionnel, Kalshi a constaté que les traders basés sur le marché surpassaient les économistes et analystes conventionnels tout au long des 25 mois examinés. L’avantage en termes de performance était le plus visible pendant les périodes de forte volatilité économique, lorsque les modèles traditionnels ont tendance à avoir des difficultés.
Les estimations basées sur le marché des variations annuelles de l’Indice des Prix à la Consommation (CPI) ont enregistré une erreur moyenne inférieure de 40% par rapport aux prévisions consensuelles entre février 2023 et mi-2025, rapporte l’étude. Cependant, l’écart s’est encore creusé lorsque les lectures réelles du CPI divergeaient fortement des attentes, les prévisions de Kalshi battant le consensus jusqu’à 67% dans ces cas.
Crisis Alpha et la valeur du désaccord
L’étude, intitulée « Crisis Alpha: When Do Prediction Markets Outperform Expert Consensus? », a également examiné comment le désaccord lui-même peut signaler des surprises à venir. Plus précisément, elle a étudié la relation entre la taille de l’écart entre l’estimation du CPI de Kalshi et le consensus de Wall Street, et la probabilité d’un choc.
Lorsque l’estimation du CPI de Kalshi différait du consensus de plus de 0,1 point de pourcentage une semaine avant la publication officielle, la probabilité d’une déviation significative dans la lecture réelle du CPI augmentait à environ 80%, contre une base de 40%. Cela dit, le document avertit que l’échantillon de grands chocs sur la période reste relativement petit.
Les auteurs soutiennent que ce schéma met en évidence le potentiel de la prévision basée sur le marché pour servir d’outil d’alerte précoce pour les décideurs politiques et les investisseurs institutionnels. Plutôt que de remplacer les modèles existants, les résultats suggèrent que les marchés peuvent agir comme un signal complémentaire, en particulier lors d’épisodes de changement structurel ou de stress financier.
Aggregation de l’information et sagesse de la foule
Contrairement aux prévisions traditionnelles, qui reposent souvent sur un ensemble partagé de modèles économiques et d’hypothèses, les marchés de Kalshi agrègent des informations provenant d’un ensemble diversifié de traders avec des incitations financières directes. Cette structure, note l’étude, crée un effet de « sagesse de la foule » qui peut répondre plus rapidement aux nouvelles données et aux récits changeants.
Cela dit, le rapport souligne que l’avantage est le plus évident lorsque l’environnement de prévision devient difficile. Selon les auteurs, « lorsque l’environnement de prévision devient le plus difficile, l’avantage d’agrégation de l’information des marchés devient le plus précieux. » C’est précisément à ce moment-là que les décideurs institutionnels courent le plus grand risque d’être pris au dépourvu par des erreurs basées sur le consensus.
Pourquoi les marchés de prédiction surpassent le consensus en période de stress peut se résumer à la façon dont ils traitent l’information. Les prévisionnistes traditionnels à travers les banques et les bureaux de recherche s’appuient souvent sur des ensembles de données et des modèles similaires, ce qui peut limiter l’adaptabilité lorsque les conditions économiques s’écartent des normes historiques, suggère l’étude.
Incitations, liquidité et tarification en temps réel
Les plateformes de marché de prédiction, en revanche, reflètent les points de vue de traders individuels s’appuyant sur des insights spécifiques au secteur, des ensembles de données alternatifs et parfois des récits contraires. De plus, les traders sur ces marchés ont du capital en jeu et sont récompensés ou pénalisés uniquement sur la performance des prévisions, plutôt que sur des considérations de réputation ou d’organisation.
Les prévisionnistes institutionnels, note l’étude, peuvent faire face à des contraintes de carrière et d’organisation qui découragent les appels audacieux, même lorsque les données pourraient les justifier. Cependant, sur une plateforme de trading, la structure de rémunération favorise l’alignement des prix avec l’issue la plus probable, indépendamment de la façon dont cette issue peut sembler non conventionnelle aux économistes du consensus.
La nature continue de la tarification sur des plateformes comme Kalshi est également importante. Les prix du marché se mettent à jour en temps réel à mesure que de nouvelles informations arrivent, tandis que les estimations consensuelles de Wall Street sont généralement fixées plusieurs jours avant les publications de données officielles. Ce décalage peut être particulièrement coûteux lorsque les conditions évoluent rapidement, comme lors de chocs inflationnistes ou de surprises politiques.
Croissance des plateformes de prédiction liées à la crypto
La base d’utilisateurs de Kalshi s’est récemment élargie suite à l’intégration de sa plateforme de prédiction dans le principal portefeuille crypto Phantom. Plus tôt ce mois-ci, l’entreprise a levé 1 milliard de dollars pour une valorisation de 11 milliards de dollars, soulignant l’intérêt croissant des investisseurs pour les marchés où les utilisateurs peuvent parier sur des résultats macroéconomiques et politiques.
En octobre, la plateforme rivale Polymarket aurait été en pourparlers pour lever des fonds à une valorisation pouvant atteindre 15 milliards de dollars. Ensemble, ces développements suggèrent une institutionnalisation rapide de ce qui a commencé comme un marché de niche, avec la participation désormais d’investisseurs de la finance traditionnelle et natifs de la crypto.
De plus, plus tôt cette année, une recherche menée par un data scientist a révélé que Polymarket était précis à 90% pour prédire comment les événements se dérouleraient un mois à l’avance, et 94% juste quelques heures avant l’événement. Cependant, l’étude a noté que le biais d’acquiescement, le comportement de troupeau et la faible liquidité peuvent parfois conduire à des probabilités surestimées pour certains résultats.
Limites et cas d’utilisation des signaux basés sur le marché
Le document de Kalshi souligne que ses conclusions n’impliquent pas que les prévisions d’experts soient devenues obsolètes. Au contraire, il soutient que les marchés de prédiction peuvent agir comme un outil complémentaire pour la gestion des risques institutionnels, l’analyse de la politique monétaire et la construction de portefeuilles, en particulier lorsque les relations historiques se décomposent.
Les auteurs reconnaissent que le nombre de chocs inflationnistes majeurs dans l’échantillon est limité, ce qui limite naturellement la puissance statistique. Cependant, ils soutiennent que la cohérence de l’écart de performance à travers les épisodes volatils indique toujours un avantage informationnel significatif intégré dans les prix du marché.
Plutôt que de plaider pour un remplacement total des méthodes traditionnelles, l’étude suggère que les décideurs institutionnels devraient envisager d’incorporer des signaux basés sur le marché aux côtés des modèles existants. En période d’incertitude structurelle, de telles approches mixtes peuvent améliorer la précision des prévisions d’inflation et réduire le risque d’être pris à contre-pied par des données macroéconomiques inattendues.
Dans l’ensemble, l’analyse met en évidence comment des traders diversifiés et incités et une tarification en temps réel peuvent faire des prévisions basées sur des plateformes un ajout utile à la boîte à outils des économistes, des investisseurs et des décideurs politiques naviguant dans un paysage macroéconomique de plus en plus complexe.




