Lass uns über Kalibrierung, Verzerrung und Genauigkeit in Vorhersagemärkten sprechen. Ich habe kürzlich darüber gepostet, wie die Effizienzmarkthypothese die Quoten von Vorhersagemärkten zu einer nützlichen kontinuierlichen Datenquelle macht. Ihr habt alle gefragt, ob ich: 1. Verzerrt? 2. Genau? 3. Annahmen treffe? Also möchte ich eines klarstellen: Vorhersagemärkte sind wirklich gut in ihrem Job. Das große Diagramm, das du siehst, wird als Kalibrierungsdiagramm bezeichnet. Es zeigt einfach, wie oft ein Kalshi-Markt (zum Zeitpunkt der Halbzeit seiner Dauer ausgewählt) zu einem vorhergesagten Ergebnis führt. In einer perfekten Welt würde ein Ereignis mit 20 % Wahrscheinlichkeit genau 20 % der Zeit eintreten. Wenn die Quoten 80 % sagen, sollte es 80 % der Zeit eintreten… Du verstehst. Unsere Welt ist nicht perfekt, aber Vorhersagemärkte sind (fast) perfekt. Wir wollen, dass unsere Quoten der grauen Linie so weit wie möglich folgen, und wie dieses Diagramm überdeutlich macht: Wir sind fast immer absurd nah dran. Und mit zunehmender Teilnahme und Liquidität wird es nur besser. Wie übersetzt sich das in die reale Welt? Ich kann weiter über abstrakte Genauigkeit sprechen, also werde ich mein Argument in realen Begriffen untermauern. Vorhersagemärkte sind: 1. Die genauesten Wettervorhersager der Welt. 2. Die führenden Indikatoren für erwartete Tesla-Lieferungen. 3. Genauer als die CME bei der Prognose der Zinssätze der Federal Reserve. Und das ist noch lange nicht alles... aber das ist ein anderes Thema.