คาลชี่ แพลตฟอร์มตลาดทำนายผลเผยแพร่รายงานวิจัยฉบับแรก เปิดเผยว่า ในการทำนายข้อมูล CPI ค่าเฉลี่ยความผิดพลาดเชิงสัมบูรณ์ต่ำกว่าความคาดหวังของความเห็นร่วมแบบดั้งเดิมถึง 40% และในช่วงเวลาที่มีผลกระทบต่อตลาดอย่างมีนัยสำคัญ ความแม่นยำในการทำนายสูงขึ้นถึง 60% แสดงให้เห็นถึงความได้เปรียบของ “ปัญญากลุ่ม” ในด้านการทำนายเศรษฐกิจ
(ข้อมูลเบื้องหลัง: ตลาดทำนายผลร่วมกับ CNBC อัตราต่อรองแบบเรียลไทม์ 2026 เปิดตัวเต็มรูปแบบในรายการโทรทัศน์และข่าว)
(ข้อมูลเสริม: จากนักบัลเล่ต์สู่มหาเศรษฐีหญิงอายุน้อยที่สุด: Luana สร้างตลาดทำนายผลมูลค่าหลายพันล้านดอลลาร์อย่างไร)

สารบัญบทความ

• ภาพรวม
  • จุดเด่นหลัก
• พื้นหลัง
• ระเบียบวิธีวิจัย
  • ข้อมูล
  • การจัดประเภทผลกระทบ
  • ตัวชี้วัดประสิทธิภาพ
• ผลลัพธ์: ผลการทำนาย CPI
  • ความแม่นยำโดยรวมเหนือกว่า
  • “Alpha ผลกระทบ” มีอยู่จริง
• การอภิปรายเพิ่มเติม
  • ความแตกต่างของผู้เข้าร่วมตลาดและ “ปัญญากลุ่ม”
  • ความแตกต่างของโครงสร้างแรงจูงใจของผู้เข้าร่วม
  • ประสิทธิภาพในการรวมข้อมูล
• ข้อจำกัดและข้อควรระวัง
• สรุป

หมายเหตุบรรณาธิการ:

แพลตฟอร์มตลาดทำนายผลชั้นนำ Kalshi เมื่อวานนี้ประกาศเปิดตัวคอลัมน์รายงานวิจัยใหม่ Kalshi Research ซึ่งมุ่งให้ข้อมูลเชิงลึกแก่บรรดานักวิชาการและนักวิจัยที่สนใจหัวข้อเกี่ยวกับตลาดทำนายผล โดยใช้ข้อมูลภายในของ Kalshi รายงานวิจัยฉบับแรกนี้ได้เผยแพร่แล้ว ต่อไปนี้คือเนื้อหาต้นฉบับของรายงาน โดย Odaily Planet Daily เป็นผู้แปล

ภาพรวม

โดยทั่วไปแล้ว ในสัปดาห์ก่อนการประกาศข้อมูลสถิติทางเศรษฐกิจสำคัญ นักวิเคราะห์จากสถาบันการเงินขนาดใหญ่และนักเศรษฐศาสตร์อาวุโสมักจะให้ประมาณค่าที่คาดหวังไว้ ข้อมูลเหล่านี้ถูกรวบรวมเป็น “ความเห็นร่วม” ซึ่งเป็นข้อมูลเชิงลึกที่ได้รับการยอมรับอย่างกว้างขวางว่าเป็นเครื่องมือสำคัญในการเข้าใจการเปลี่ยนแปลงของตลาดและปรับกลยุทธ์การลงทุน

ในรายงานนี้ เราเปรียบเทียบความแม่นยำของความเห็นร่วมกับการประเมินค่าที่ซ่อนอยู่ในตลาดทำนายผล Kalshi (ซึ่งบางครั้งจะเรียกสั้น ๆ ว่า “การทำนายตลาด”) ในการทำนายค่าของสัญญาณเศรษฐกิจมหภาคหลักเดียวกัน คือ อัตราเงินเฟ้อทั่วไปแบบ YoY CPI ซึ่งเป็นตัวชี้วัดสำคัญของสุขภาพเศรษฐกิจ

จุดเด่นหลัก

· ความแม่นยำโดยรวมเหนือกว่า: ในทุกสภาพตลาด (รวมถึงสภาพปกติและสภาพที่มีผลกระทบ) ค่าเฉลี่ยความผิดพลาดเชิงสัมบูรณ์ (MAE) ของการทำนายโดยตลาด Kalshi ต่ำกว่าความเห็นร่วมถึง 40.1%

· “Alpha ผลกระทบ” (Shock Alpha): เมื่อเกิดผลกระทบสำคัญ (มากกว่า 0.2%) การทำนายของ Kalshi ในช่วงเวลาหนึ่งสัปดาห์ก่อนประกาศ จะมี MAE ต่ำกว่าความเห็นร่วมถึง 50% หากเป็นวันก่อนประกาศ ข้อได้เปรียบนี้จะขยายเป็น 60%; ในช่วงผลกระทบระดับปานกลาง (ระหว่าง 0.1% ถึง 0.2%) การทำนายของ Kalshi ก็ยังคงมี MAE ต่ำกว่าความเห็นร่วม 50% และในวันก่อนประกาศ ข้อได้เปรียบนี้จะขยายเป็น 56.2%

· สัญญาณการทำนาย (Predictive Signal): เมื่อความเบี่ยงเบนระหว่างการทำนายของตลาดและความเห็นร่วมเกินกว่า 0.1% โอกาสที่การทำนายจะเกิดผลกระทบประมาณ 81.2% และในวันก่อนประกาศจะเพิ่มเป็นประมาณ 82.4% ในกรณีที่การทำนายของตลาดและความเห็นร่วมไม่ตรงกัน การทำนายของตลาดจะมีความแม่นยำมากกว่าใน 75% ของกรณี

พื้นหลัง

นักทำนายเศรษฐกิจมหภาคเผชิญกับความท้าทายภายใน: ช่วงเวลาที่สำคัญที่สุดในการทำนาย — คือ ช่วงเวลาที่ตลาดเกิดความผิดปกติ การเปลี่ยนแปลงนโยบาย และการแตกหักเชิงโครงสร้าง — กลับเป็นช่วงที่โมเดลทางประวัติศาสตร์มักล้มเหลวที่สุด นักลงทุนในตลาดการเงินมักจะปล่อยความเห็นร่วมก่อนประกาศข้อมูลเศรษฐกิจสำคัญไม่กี่วัน โดยรวบรวมความคิดเห็นของผู้เชี่ยวชาญเป็นความคาดหวังของตลาด อย่างไรก็ตาม ความเห็นร่วมเหล่านี้ แม้จะมีคุณค่า แต่ก็มีแนวโน้มที่จะใช้วิธีการและแหล่งข้อมูลที่คล้ายคลึงกัน

สำหรับนักลงทุนสถาบัน ผู้จัดการความเสี่ยง และนักกำหนดนโยบาย ความแม่นยำในการทำนายมีความได้เปรียบเสียเปรียบในเชิงอรรถประโยชน์ ในช่วงเวลาที่ไม่มีข้อโต้แย้ง การประมาณค่าที่ดีกว่าเล็กน้อยก็ให้คุณค่าไม่มากนัก แต่ในช่วงเวลาที่ตลาดวุ่นวาย — เมื่อความผันผวนพุ่งสูงขึ้น ความสัมพันธ์ในอดีตล้มเหลว หรือความสัมพันธ์เชิงประวัติศาสตร์ไม่เป็นไปตามคาด — ความแม่นยำที่ดีกว่าก็สามารถสร้างผลตอบแทน Alpha ได้อย่างมีนัยสำคัญและจำกัดการขาดทุน

ดังนั้น การเข้าใจลักษณะการทำงานของพารามิเตอร์ในช่วงเวลาที่ตลาดผันผวนจึงเป็นสิ่งสำคัญ เรามุ่งเน้นไปที่ตัวชี้วัดเศรษฐกิจมหภาคสำคัญหนึ่งตัว คือ อัตราเงินเฟ้อทั่วไปแบบ YoY CPI ซึ่งเป็นตัวชี้วัดหลักสำหรับการตัดสินใจอัตราดอกเบี้ยในอนาคต และเป็นสัญญาณสำคัญของสุขภาพเศรษฐกิจ

เราเปรียบเทียบและประเมินความแม่นยำของการทำนายในหลายช่วงเวลาก่อนการประกาศข้อมูลอย่างเป็นทางการ ผลการค้นพบหลักคือ “Alpha ผลกระทบ” มีอยู่จริง — คือ ในเหตุการณ์ tail events การทำนายโดยตลาดสามารถให้ความแม่นยำเพิ่มเติมเมื่อเทียบกับเกณฑ์ความเห็นร่วม ความสามารถในการแสดงผลเกินคาดนี้ไม่ใช่แค่เรื่องเชิงทฤษฎี แต่เป็นสิ่งที่สำคัญในช่วงเวลาที่ความผิดพลาดในการทำนายมีต้นทุนทางเศรษฐกิจสูงสุด ซึ่งสามารถยกระดับคุณภาพสัญญาณได้อย่างมีนัยสำคัญ ในบริบทนี้ คำถามที่สำคัญไม่ใช่ “ตลาดทำนายผลจะถูกต้องเสมอหรือไม่” แต่เป็น “มันให้สัญญาณที่คุ้มค่าที่จะนำไปใช้ในกระบวนการตัดสินใจแบบดั้งเดิมหรือไม่”

วิธีการวิจัย

ข้อมูล

เราได้วิเคราะห์ค่าการทำนายแบบซ่อนอยู่รายวันของผู้เทรดในแพลตฟอร์ม Kalshi ครอบคลุมสามช่วงเวลา: หนึ่งสัปดาห์ก่อนประกาศข้อมูล (ตรงกับเวลาที่ความเห็นร่วมถูกเผยแพร่), วันก่อนประกาศ, เช้าวันประกาศ ตลาดที่ใช้เป็นข้อมูลคือ ตลาดที่สามารถซื้อขายได้จริง (หรือเคยเป็น) ซึ่งสะท้อนถึงตำแหน่งเงินทุนจริงในระดับสภาพคล่องต่าง ๆ สำหรับความเห็นร่วม เรารวบรวมความเห็นร่วมระดับสถาบันเกี่ยวกับ CPI YoY ซึ่งมักจะประกาศประมาณหนึ่งสัปดาห์ก่อนข้อมูลอย่างเป็นทางการของสหรัฐฯ

ช่วงตัวอย่างตั้งแต่กุมภาพันธ์ 2023 ถึงกลางปี 2025 ครอบคลุมมากกว่า 25 ชุดของรอบการประกาศ CPI รายเดือน ซึ่งครอบคลุมสภาพเศรษฐกิจมหภาคหลายแบบ

การจัดประเภทผลกระทบ

เราแบ่งเหตุการณ์ตาม “ความเบี่ยงเบนจากระดับปกติ” เป็น 3 ประเภท: “ผลกระทบ” ถูกกำหนดเป็นค่าความแตกต่างเชิงสัมบูรณ์ระหว่างความเห็นร่วมและข้อมูลจริงที่ประกาศ:

· เหตุการณ์ปกติ: ความผิดพลาดในการทำนาย CPI YoY ต่ำกว่า 0.1%

· ผลกระทบระดับปานกลาง: ความผิดพลาดอยู่ระหว่าง 0.1% ถึง 0.2%

· ผลกระทบสำคัญ: ความผิดพลาดเกินกว่า 0.2%

วิธีการจัดประเภทนี้ช่วยให้เราทดสอบได้ว่า ความได้เปรียบในการทำนายจะเปลี่ยนไปตามความยากง่ายของการทำนายหรือไม่

ตัวชี้วัดประสิทธิภาพ

เพื่อประเมินผลการทำนาย เราใช้ตัวชี้วัดดังนี้:

· ค่าเฉลี่ยความผิดพลาดเชิงสัมบูรณ์ (MAE): เป็นตัวชี้วัดหลักด้านความแม่นยำ คำนวณจากค่าเฉลี่ยของความต่างเชิงสัมบูรณ์ระหว่างค่าทำนายและค่าจริง

· อัตราชนะ (Win Rate): เมื่อความแตกต่างระหว่างความเห็นร่วมและการทำนายของตลาดเท่ากับหรือเกิน 0.1% (ปัดเป็นทศนิยมหนึ่งตำแหน่ง) เราจะบันทึกว่าการทำนายใดใกล้ค่าจริงที่สุด

· การวิเคราะห์ช่วงเวลาการทำนาย: ติดตามความแม่นยำของการประมาณค่าตั้งแต่สัปดาห์ก่อนประกาศจนถึงวันประกาศ เพื่อดูคุณค่าของข้อมูลที่ถูกรวมเข้ามาอย่างต่อเนื่อง

ผลลัพธ์: ผลการทำนาย CPI

ความแม่นยำโดยรวมเหนือกว่า

ในทุกสภาพตลาด การทำนาย CPI โดยตลาดมี MAE ต่ำกว่าความเห็นร่วมถึง 40.1% ในทุกช่วงเวลา การทำนายของตลาดในช่วงเวลาหนึ่งสัปดาห์ก่อนประกาศมี MAE ต่ำกว่าความเห็นร่วม 40.1% (ล่วงหน้า 1 สัปดาห์) ถึง 42.3% (ล่วงหน้า 1 วัน)

นอกจากนี้ ในกรณีที่ความเห็นร่วมและค่าการซ่อนอยู่ของตลาดไม่ตรงกัน การทำนายโดยตลาดแสดงอัตราชนะที่มีนัยสำคัญทางสถิติ ตั้งแต่ 75.0% (ล่วงหน้า 1 สัปดาห์) ถึง 81.2% (วันประกาศ) หากนับรวมกรณีที่เท่ากัน (ปัดเป็นทศนิยมหนึ่งตำแหน่ง) การทำนายของตลาดในช่วงล่วงหน้า 1 สัปดาห์จะมีโอกาสเท่ากับหรือดีกว่าความเห็นร่วมประมาณ 85%

อัตราความถูกต้องในทิศทางนี้ชี้ให้เห็นว่า: เมื่อความเห็นร่วมและการทำนายของตลาดแตกต่างกัน ความแตกต่างนี้เองเป็นข้อมูลเชิงลึกสำคัญเกี่ยวกับความเป็นไปได้ของเหตุการณ์ผลกระทบ

“Alpha ผลกระทบ” มีอยู่จริง

ความแตกต่างด้านความแม่นยำชัดเจนขึ้นในช่วงเหตุการณ์ผลกระทบ ในกรณีผลกระทบระดับปานกลาง เมื่อเวลาประกาศตรงกัน การทำนายของตลาดมี MAE ต่ำกว่าความเห็นร่วม 50% และในวันก่อนประกาศจะขยายเป็น 56.2% ขึ้นไป ในกรณีผลกระทบระดับสำคัญ เมื่อเวลาประกาศตรงกัน MAE ของการทำนายตลาดก็ต่ำกว่าความเห็นร่วม 50% และในวันก่อนประกาศสามารถลดลงถึง 60% ขึ้นไป ในสภาพปกติที่ไม่มีผลกระทบ ความแตกต่างระหว่างการทำนายของตลาดและความเห็นร่วมจะไม่แตกต่างกันมากนัก

แม้ว่าตัวอย่างเหตุการณ์ผลกระทบจะมีจำนวนน้อย (ซึ่งเป็นเรื่องสมเหตุสมผลในโลกที่ผลกระทบเป็นสิ่งที่คาดเดายากมาก) แต่รูปแบบโดยรวมชัดเจน: ในช่วงเวลาที่การทำนายยากที่สุด ข้อมูลเชิงลึกจากตลาดกลับมีคุณค่ามากที่สุด

อย่างไรก็ตาม สิ่งที่สำคัญกว่าคือ ไม่ใช่แค่การทำนายของ Kalshi ทำงานได้ดีกว่าในช่วงผลกระทบเท่านั้น แต่ความแตกต่างระหว่างการทำนายของตลาดและความเห็นร่วมเองก็อาจเป็นสัญญาณบ่งชี้ว่าเหตุการณ์ผลกระทบกำลังจะเกิดขึ้น ในกรณีที่มีความแตกต่าง การทำนายของตลาดมีอัตราชนะเมื่อเทียบกับความเห็นร่วมถึง 75% (ในช่วงเวลาที่เปรียบเทียบได้) นอกจากนี้ การวิเคราะห์ขีดจำกัดยังแสดงให้เห็นว่า: เมื่อความเบี่ยงเบนระหว่างตลาดและความเห็นร่วมเกินกว่า 0.1% โอกาสที่เหตุการณ์ผลกระทบจะเกิดขึ้นประมาณ 81.2% และในวันก่อนประกาศจะเพิ่มเป็นประมาณ 84.2%

ความแตกต่างที่มีนัยสำคัญเชิงปฏิบัติการนี้แสดงให้เห็นว่า: ตลาดทำนายผลไม่เพียงแต่เป็นเครื่องมือเปรียบเทียบกับความเห็นร่วมเท่านั้น แต่ยังเป็น “สัญญาณเมตา” เกี่ยวกับความไม่แน่นอนในการทำนาย ซึ่งสามารถเปลี่ยนความแตกต่างระหว่างตลาดและความเห็นร่วมเป็นสัญญาณเตือนล่วงหน้าสำหรับผลลัพธ์ที่ไม่คาดคิด

การอภิปรายเพิ่มเติม

คำถามที่ชัดเจนตามมาคือ: ทำไมในช่วงผลกระทบ ตลาดทำนายผลจึงดีกว่าความเห็นร่วม? เราขอเสนอสามกลไกเสริมกันเพื่ออธิบายปรากฏการณ์นี้

ความแตกต่างของผู้เข้าร่วมตลาดและ “ปัญญากลุ่ม”

แม้ว่าความเห็นร่วมแบบดั้งเดิมจะรวมมุมมองจากหลายสถาบัน แต่ก็มักใช้วิธีการและแหล่งข้อมูลที่คล้ายคลึงกัน เช่น แบบจำลองเชิงเศรษฐมิติ รายงานวิจัยของวอลล์สตรีท และข้อมูลของรัฐบาล ซึ่งเป็นฐานความรู้ร่วมกันที่ซ้ำซ้อนกันสูง

ในทางตรงกันข้าม ตลาดทำนายรวบรวมตำแหน่งของผู้เข้าร่วมที่มีฐานข้อมูลและข้อมูลเชิงลึกแตกต่างกัน รวมถึงแบบจำลองเฉพาะทาง ข้อมูลอุตสาหกรรม ข้อมูลทางเลือก และการตัดสินใจตามประสบการณ์ ความหลากหลายของผู้เข้าร่วมนี้เป็นรากฐานของ “ปัญญากลุ่ม” ซึ่งระบุไว้ในทฤษฎีว่า: เมื่อผู้เข้าร่วมมีข้อมูลที่แตกต่างกันและความผิดพลาดในการทำนายไม่สัมพันธ์กัน การรวมผลการทำนายอิสระจากแหล่งข้อมูลที่หลากหลายมักให้ผลลัพธ์ที่ดีกว่า

ในสภาพแวดล้อมเศรษฐกิจมหภาคที่เกิดการเปลี่ยนแปลง “สถานะ” ความหลากหลายของข้อมูลนี้มีคุณค่าอย่างยิ่ง—ผู้ที่มีข้อมูลกระจัดกระจายและเฉพาะด้านในตลาดสามารถรวมตัวกันเป็นสัญญาณกลุ่ม

ความแตกต่างของโครงสร้างแรงจูงใจของผู้เข้าร่วม

ความเห็นร่วมของสถาบันมักอยู่ภายใต้โครงสร้างองค์กรและชื่อเสียง ซึ่งอาจทำให้เกิดความเบี่ยงเบนจากเป้าหมาย “เน้นความแม่นยำ” การคาดการณ์ของนักวิเคราะห์อาชีพมีความเสี่ยงด้านชื่อเสียง ซึ่งเป็นโครงสร้างผลตอบแทนที่ไม่สมดุล—ความผิดพลาดใหญ่หลวงอาจทำลายชื่อเสียงอย่างรุนแรง และแม้จะทำนายได้แม่นยำมาก ก็อาจไม่ได้รับผลตอบแทนตามสัดส่วน

ความไม่สมดุลนี้ส่งผลให้เกิด “พฤติกรรมตามกลุ่ม” (herding) ซึ่งนักทำนายมักจะชี้นำการคาดการณ์ของตนใกล้เคียงกับความเห็นร่วม แม้ข้อมูลส่วนตัวหรือแบบจำลองของตนจะบ่งชี้ผลลัพธ์ที่แตกต่าง เหตุผลคือ ในระบบอาชีพ การ “ผิดพลาดเป็นเอกเทศ” มีต้นทุนสูงกว่าการ “ถูกต้องเป็นเอกเทศ” ซึ่งเป็นแรงจูงใจให้ตามกลุ่ม

ในทางตรงกันข้าม โครงสร้างแรงจูงใจของผู้เข้าร่วมตลาดทำนายผลคือ การทำให้ความแม่นยำในการทำนายสอดคล้องกับผลลัพธ์ทางเศรษฐกิจ—ความแม่นยำหมายถึงกำไร ข้อผิดพลาดหมายถึงขาดทุน ในระบบนี้ ชื่อเสียงแทบไม่มีผล และความแตกต่างจากความเห็นร่วมเป็นเพียงต้นทุนทางเศรษฐกิจเท่านั้น ซึ่งขึ้นอยู่กับความถูกต้องของการทำนาย โครงสร้างนี้สร้างแรงจูงใจให้ผู้เข้าร่วมพยายามแยกแยะความผิดพลาดของความเห็นร่วมและสร้างความได้เปรียบเชิงเศรษฐกิจ ผู้ที่สามารถระบุความผิดพลาดของความเห็นร่วมได้อย่างเป็นระบบจะสะสมทุนและเพิ่มอิทธิพลในตลาด ในขณะที่ผู้ที่ตามความเห็นร่วมอย่างเครื่องกลจะเสียเปรียบเมื่อความเห็นผิดพลาด

ในช่วงเวลาที่ความไม่แน่นอนเพิ่มสูงขึ้น เมื่อค่าใช้จ่ายในการเบี่ยงเบนจากความเห็นของผู้เชี่ยวชาญสูงสุด โครงสร้างแรงจูงใจนี้จะชัดเจนที่สุด และมีความสำคัญในเชิงเศรษฐกิจ

ประสิทธิภาพในการรวมข้อมูล

ข้อเท็จจริงที่น่าสนใจคือ แม้แต่ในสัปดาห์ก่อนประกาศข้อมูล ซึ่งเป็นช่วงเวลาที่ตรงกับเวลาที่ความเห็นร่วมถูกเผยแพร่ ตลาดทำนายผลก็ยังแสดงความได้เปรียบด้านความแม่นยำอย่างชัดเจน ซึ่งบ่งชี้ว่า: ความได้เปรียบของตลาดไม่ได้มาจากความเร็วในการรับข้อมูลเท่านั้น

ตรงกันข้าม ตลาดอาจรวมข้อมูลที่กระจัดกระจาย เกินกว่าจะถูกรวมเข้าในโมเดลเชิงเศรษฐมิติแบบดั้งเดิมได้อย่างมีประสิทธิภาพ เช่น ข้อมูลเฉพาะทาง ข้อมูลอุตสาหกรรม และข้อมูลเชิงประสบการณ์ ซึ่งเป็นข้อมูลที่อาจซ้อนทับกันและยากต่อการวัดผลอย่างเป็นทางการ ความได้เปรียบของตลาดอาจอยู่ที่ความสามารถในการรวมข้อมูลเชิงคุณภาพและข้อมูลเชิงปริมาณที่หลากหลายได้อย่างมีประสิทธิภาพในเวลาเดียวกัน

ข้อจำกัดและข้อควรระวัง

ผลการศึกษานี้มีข้อจำกัดสำคัญ เนื่องจากข้อมูลตัวอย่างครอบคลุมประมาณ 30 เดือนเท่านั้น เหตุการณ์ผลกระทบระดับสูงจึงเป็นเหตุการณ์ที่หายาก ซึ่งหมายความว่าประสิทธิภาพของการวิเคราะห์ใน tail events ยังมีข้อจำกัด การขยายช่วงเวลาจะช่วยเสริมความน่าเชื่อถือของผลในอนาคต แม้ผลในปัจจุบันจะชี้ให้เห็นถึงความได้เปรียบของตลาดและความแตกต่างของสัญญาณอย่างชัดเจนแล้วก็ตาม

สรุป

เราได้บันทึกความแตกต่างเชิงระบบและความสำคัญทางเศรษฐกิจของการทำนายโดยตลาดเทียบกับความเห็นร่วม โดยเฉพาะในช่วงเวลาที่ความแม่นยำเป็นสิ่งสำคัญที่สุด เช่น เหตุการณ์ผลกระทบ การทำนายโดยตลาดมีค่า MAE ต่ำกว่าประมาณ 40% โดยรวม และลดลงสูงสุดถึง 60% ในช่วงเวลาที่มีการเปลี่ยนแปลงเชิงโครงสร้างอย่างรุนแรง

จากการค้นพบนี้ การวิจัยในอนาคตควรเน้นไปที่: 1) การใช้ข้อมูลขนาดใหญ่และหลายตัวชี้วัดเพื่อศึกษาว่า “Alpha ผลกระทบ” นี้สามารถทำนายล่วงหน้าได้หรือไม่โดยใช้ความผันผวนและตัวชี้วัดความแตกต่างในการทำนาย; 2) ช่วงความคล่องตัวของตลาดที่สามารถสร้างความได้เปรียบเหนือวิธีการทำนายแบบดั้งเดิม; 3) ความสัมพันธ์ระหว่างค่าการทำนายของตลาดและค่าที่ได้จากเครื่องมือการซื้อขายความถี่สูง

ในสภาพแวดล้อมที่ความสัมพันธ์ของโมเดลและข้อมูลร่วมกันมีความเข้มข้นสูง การทำนายโดยตลาดเป็นกลไกการรวมข้อมูลทางเลือกที่สามารถจับการเปลี่ยนแปลงของสถานะล่วงหน้าและจัดการข้อมูลเชิงคุณภาพและเชิงปริมาณได้อย่างมีประสิทธิภาพ สำหรับผู้ที่ต้องตัดสินใจในสภาพแวดล้อมที่ไม่แน่นอนและ tail events เพิ่มขึ้น “Alpha ผลกระทบ” อาจไม่ใช่แค่การพัฒนาความสามารถในการทำนายเท่านั้น แต่ควรเป็นส่วนหนึ่งของโครงสร้างพื้นฐานการจัดการความเสี่ยงที่มั่นคง