Laten we het hebben over kalibratie, bias en nauwkeurigheid in voorspellingsmarkten. Ik heb onlangs gepost over hoe de Efficiënte Markt Hypothese de odds van Voorspellingsmarkten nuttig maakt als een continue gegevensbron. Jullie vroegen allemaal of ik: 1. Vooringenomen was? 2. Nauwkeurig was? 3. Dingen aannam? Dus, ik wil één ding vaststellen: Voorspellingsmarkten zijn echt goed in hun werk. De grote grafiek die je ziet, wordt een Kalibratieplot genoemd. Het toont simpelweg hoe vaak een Kalshi-markt (genomen op het midden van de duur) uitkomt op een voorspelde uitkomst. In een perfecte wereld zou een gebeurtenis met 20% kans om te gebeuren precies 20% van de tijd plaatsvinden. Als de odds 80% zeggen, zou het 80% van de tijd moeten gebeuren... Je snapt het. Onze wereld is niet perfect, maar voorspellingsmarkten (bijna) wel. We willen dat onze odds zo veel mogelijk de grijze lijn volgen, en zoals deze grafiek overduidelijk maakt: we zijn bijna altijd absurd dichtbij. En naarmate de deelname en liquiditeit toenemen, wordt dit alleen maar beter. Hoe vertaalt dit zich naar de echte wereld? Ik kan doorgaan over abstracte nauwkeurigheid, dus ik zal mijn argument in concrete termen onderbouwen. Voorspellingsmarkten zijn: 1. De meest nauwkeurige weerexperts ter wereld. 2. De belangrijkste indicatoren voor verwachte Tesla-leveringen. 3. Nauwkeuriger dan de CME voor de rentevoorspelling van de Federal Reserve. En nog veel meer dan dat... maar dat is voor een andere keer.