众包预测将预测误差降低了40%——为何基于市场的CPI预测优于华尔街

当下个月美国消费者价格指数（CPI）下降时，华尔街的机构预测者将提前数周提交他们的预期。然而，根据领先的预测市场平台Kalshi的一份开创性研究报告，这些专家预测往往偏离实际——有时偏差相当大。罪魁祸首？并非缺乏专业知识，而是在经济动荡期间预测误差累积的根本缺陷。

对25个多月CPI数据的全面分析显示，基于市场的预测——由成千上万用真钱下注的交易者基于多样信息源做出——比传统机构共识的预测误差大约少40%。更令人惊讶的是，当经济冲击发生时，这一优势会迅速放大。在温和的意外情况下，预测误差比共识低50-56%；在重大冲击中，则低50-60%。这不是渐进式的改进，而是对“如何预测不可预测”的结构性重塑。

根本转变：市场与共识对通胀的不同理解

核心区别在于被汇总的信息内容。华尔街的共识预期通过使用大致相同的模型、研究方法和公共数据集，整合主要金融机构的预测。当这些预测在每次CPI公布前大约一周发布时，本质上是在整合相似的思维框架。

Kalshi的预测市场则完全不同。它们汇聚了来自不同信息源的交易者的仓位——专有模型、行业洞察、替代数据集和经验直觉。这种异质性成为市场的竞争优势。

数字证据十分明显：

• 整体表现优越：在所有市场条件下，基于市场的CPI预测的平均绝对误差（(MAE)）比共识预测低40.1%。这一差距在不同时间范围内持续存在：一周前(低40.1%)，一天前(低42.3%)，公布当天(低43.2%)。

• 战胜共识的胜率：当市场预测与共识预测存在分歧时，市场预测在相应时间窗口内的准确率高达75%。包括双方一致的情况在内，市场预测在一周前大致与共识持平或更优，约占85%。

冲击来临——预测误差扩大，但市场缩小差距

研究将CPI预测偏差分为三类：正常事件（误差<0.1个百分点）、中度冲击（0.1-0.2点）和重大冲击（>0.2点）。

在正常、稳定的环境中，市场和共识预测表现相当。而当预测误差变得尤为关键——在意外的经济变动中——差异才开始显现。

中度冲击表现：

• 一周前：市场预测误差比共识低50%
• 发布前一天：市场预测误差低56.2%

重大冲击表现：

• 一周前：市场预测误差比共识低50%
• 发布前一天：低60%

这一模式揭示了一个关键点：**市场的信息优势不在于速度，而在于在决定投资成败的关键时刻提供更准确的预测。**即使在一周前——共识预测刚刚发布的时间点——预测市场已展现出显著优势。

分歧信号：预测误差的预警作用

除了更高的准确性外，市场还发出一种具有深远实际价值的信号。当市场价格与共识预期偏差超过0.1个百分点时，发生实际经济冲击的概率大约为81.2%。在公布前一天，这一概率升至82.4%。

换句话说，分歧本身成为一种“元信号”——一种可量化的尾部事件预警系统。当“市场”(和“专家共识”)出现分歧时，意味着某些意外事件正在酝酿。投资者和政策制定者可以将这种偏差解读为“冲击概率”指标，而无需依赖任何单一预测。

三大核心机制：为何集体智慧优于专业共识

( 1. 异质信息的汇聚

预测市场实现了行为经济学所称的“群体智慧”——当参与者拥有相关信息且误差不相关时，汇聚多样预测优于同质的机构分析。

华尔街的共识整合了具有相似基础的观点：相同的计量经济模型、重叠的数据供应商、类似的时间框架。当宏观经济“状态切换”——从正常转向危机——时，这些相关假设会同时崩溃。

而预测市场中的交易者带来分散、局部、专业化的信息：物流专家提供供应链洞察，人力资源专家提供劳动力市场信号，零售运营者观察消费者行为。这些碎片化信息通过价格信号汇聚，构建出在结构性转变期间更丰富的集体信号。

) 2. 传统预测中的激励结构错位

专业预测者在复杂的组织和声誉体系中操作，系统性偏离纯粹的预测准确性。预测误差越大，声誉受损越严重；而极其准确、偏离共识的预测，反而难以获得相应的专业奖励。

这导致了反常的激励：预测者即使拥有专有模型，也倾向于围绕共识值进行预测。单独“错了”的专业成本远高于“对了”的收益。

而预测市场参与者面临的激励则相反：**准确预测带来利润，错误预测则亏损。**声誉风险不再是考虑因素。系统性识别共识偏差的参与者会积累资本和市场影响力，而盲目跟随共识的则会持续亏损。

在高不确定性时期，这一差异尤为明显——正是专业预测者面临最大压力去保持一致时，也是市场激励最强烈奖励偏离的时刻。

( 3. 相同时间窗口内更优的信息效率

研究显示，即使提前一周——即共识预测的标准发布时间窗口——市场优势依然存在。这表明市场不仅仅是更快获取信息，而是更高效地处理碎片化信息。

共识预期依赖问卷调查式的汇总；即使信息获取相同，这种方法也难以将分散、非正式或行业特定的数据转化为正式的计量模型。而预测市场通过持续的价格发现，汇聚了这些异质信息。

市场擅长捕捉那些传统调查难以覆盖、过于模糊或过于分散的信号——正是这些信号在状态切换事件中变得至关重要。

预测误差作为经济现实——为何这很重要

对于投资者、风险管理者和政策制定者而言，预测误差的风险是不对称的。在稳定时期，微小的预测改进带来的经济价值有限。而在波动剧烈的时期——当相关性崩溃、历史模型失效、尾部风险出现时——更优的预测准确性能带来显著的α收益和回撤保护。

研究也坦承其局限：仅有约30个月的数据，重大冲击事件仍属统计稀少，限制了推断能力。更长的时间序列将增强结论的稳健性，尽管目前的发现已强烈支持市场预测的优越性和偏差信号的预测价值。

未来方向与启示

提出三个研究前沿：

1. 冲击可预测性：波动性和偏差指标本身是否能利用更大样本和多重宏观经济指标预测“冲击α”事件？

2. 流动性门槛：在何种交易量和市场深度下，预测市场能持续优于传统方法？

3. 跨工具验证：市场隐含预测与高频金融工具定价中的预测相关性如何？

结论：从渐进改进到结构性优势

这一根本洞察重塑了组织进行经济预测的方式。在依赖模型假设和共享数据源的环境中，预测市场提供了一种替代的汇聚机制——能更早捕捉状态转变，更高效处理异质信息。

整体而言，市场基的CPI预测将预测误差降低了约40%，在重大冲击中甚至高达60%。这一差距非同小可；它代表了在识别共识模型失效方面的结构性优势。

对于应对结构性不确定性和尾部事件频发的经济环境的机构来说，采纳预测市场信号——尤其是基于偏差的冲击预警系统——应成为基础设施的一部分，而非仅仅是补充的预测工具。在预测误差成本最大时，群众的智慧胜过共识。