Ловушки прогнозирования рынка: почему ваш инвестиционный портфель всегда терпит убытки

Автор: Терри Ли

Оригинал: Почему рынки предсказаний неправильно оценивают парлей — слепая зона корреляции

Перевод и редакция: BitpushNews

Введение

На платформах вроде Polymarket большинство участников (в том числе и я раньше) при оценке стоимости «парлеев» (Parlay, то есть комбинированных ставок на несколько событий) обычно используют простое умножение вероятностей каждого события.

Например:

• Вероятность события A: P(A) = 80%
• Вероятность события B: P(B) = 70%
• Вероятность события C: P© = 60%

Тогда общая вероятность парлея = 80% × 70% × 60% = 33,6%

(Обратите внимание, что Parlay — это термин из азартных игр и инвестиций, по-русски обычно называют «串关» или «перекрестные ставки». Определение: вы объединяете ставки на два или более независимых события. Правило: чтобы выиграть, все выбранные события должны быть предсказаны правильно. Если хотя бы одно — неправильно, вся ставка проиграна.)

Звучит просто, не так ли?

Проблема не в математике, а в скрытых предположениях.

Это умножение предполагает, что каждое событие — независимое. То есть результат A никак не влияет на B. Но в реальности ситуация зачастую иная.

Например:

1. Решение Федеральной резервной системы на одном заседании сильно влияет на следующее.
2. Победа кандидата в президентской гонке в «железных» штатах предвещает его успех в Пенсильвании, а значит — влияет на итог всей президентской кампании.

На практике большинство событий, связанных с «парлеями», связаны между собой. Игнорируя эти связи, вы рискуете заплатить слишком высокую цену или упустить возможность заработать.

В этой статье я покажу простую структуру, которая научит вас, как, подобно тому, как в традиционных финансах оценивают «мульти-лег» опционов, научно подходить к оценке парлеев.

Почему возникают ошибки в ценообразовании?

На мой взгляд, большинство инструментов предсказательных рынков сосредоточены на «исполнении», а не на «анализе связей». Кроме того, такие сегменты рынка ещё недостаточно развиты. Хотя «парлеи» широко используются в спортивных ставках, в случае оценки социальных или экономических событий рынок всё ещё находится на ранней стадии, и механизмы ценообразования ещё не совершенны.

Исследование кейса: решение по ставкам ФРС

(Рисунок 1: ФРС склонна повторять одни и те же действия, в 83% случаев после «поддержания» ставки она снова «поддерживает»)

Используя данные Федерального резервного банка Сент-Луиса (FRED) (с 1994 по начало 2026 года), я построил матрицу переходов (Transition Matrix), специально выделяющую изменения решений ФРС между двумя последовательными заседаниями.

Результаты очень ясны:

• Поддержание -> Поддержание: вероятность 83,1%
• Снижение ставки -> Снижение ставки: вероятность 69,2%
• Повышение ставки -> Повышение ставки: вероятность 62,5%

Очевидно, деятельность ФРС обладает «последовательностью». Как организация, ориентированная на данные и прогнозирование, они склонны повторять одни и те же действия, пока не произойдет «смена режима» (Regime Shift).

Насколько сильна эта «последовательность»?

Чтобы проверить это, я создал модель, которая выявляет каждую историческую тенденцию — то есть последовательность из поддержания, снижения или повышения ставки.

Результаты:

• Поддержание ставки: 32 тренда, в среднем по 5,4 заседания
• Снижение ставки: 12 трендов, в среднем по 3,3 заседания

Затем я смоделировал 1000 «параллельных вселенных» с историей ФРС. В этих моделях каждое заседание — независимое событие (аналог броска монеты). На основе исторических данных я установил вероятности: поддержание — 66%, снижение — 15%, повышение — 19%, при этом каждое решение — независимо от предыдущих.

(Рисунок 2: Реальная последовательность решений ФРС в 2-3 раза сильнее случайных моделей)

При условии независимости средняя длина тренда поддержки — всего 2,9 заседания, снижение — 1,2, повышение — 1,2.

Сравним реальные данные и модель случайных событий:

• Поддержание: реальность 5,4 против 2,9 (в 1,9 раза больше)
• Снижение: 3,3 против 1,2 (в 2,8 раза больше)
• Повышение: 2,6 против 1,2 (в 2,1 раза больше)

Обратите внимание, что последовательность снижения ставок почти в 3 раза превышает случайную модель. Причина в том, что снижение ставки — обычно реакция на ухудшение экономики, и проблему нельзя решить за один раз. Они снижают ставку, анализируют данные, и если ситуация остаётся плохой, скорее всего, снизят ещё раз.

Простое умножение вероятностей для парлея полностью игнорирует эти связи. Реальность показывает, что последовательность сильнее случайных моделей в 2-3 раза.

Что происходит после двух заседаний?

Достаточно учитывать только предыдущее заседание — для оценки «трехсторонних» парлеев нужно рассматривать условные вероятности, основанные на результатах двух предыдущих.

Анализ можно разбить на два сценария:

Продолжение текущего сценария

@image.png

(Рисунок 3: После двух одинаковых действий третье почти всегда совпадает)

Из рисунка 3 видно, что после двух одинаковых решений вероятность продолжения — очень высокая:

• Два раза поддержали — третий раз поддержат: 87%
• Два раза повысили — третий раз повысят: 84%
• Два раза снизили — третий раз снизят: 68% (чуть слабее)

Также важно отметить, что в матрице отсутствуют случаи, когда после двух повышений вдруг снижают, или после двух снижений — вдруг повышают. Они всегда проходят через «пауза» (поддержание). Осознав это, можно исключить из модели множество «детских» сценариев, которые кажутся возможными, но на практике — нет.

После смены режима

(Рисунок 4: После смены режима — сильные различия в вероятностях)

Это самое интересное для трейдеров. Не все изменения направления равнозначны:

• Поддержание -> снижение -> снижение: вероятность 75%. Как только ФРС начинает снижать ставку, «ворота» открываются, и дальнейшие снижения — очень вероятны.
• Снижение -> поддержка -> поддержка: вероятность 100%. В недавней истории после паузы в снижении ставка никогда не возвращалась к снижению сразу.
• Поддержание -> повышение -> поддержка: вероятность 79%. Первое повышение после поддержки — обычно пробное, они наблюдают за реакцией.
• Повышение -> поддержка -> повышение/поддержка: 60% и 40%. В отличие от снижения, пауза перед повышением — более неопределённа.

Эта асимметрия — ключевая идея. «Поддержание -> снижение -> снижение» — гораздо ценнее, чем по простому умножению. А вот «снижение -> поддержка -> снижение» — почти не имеет ценности. Одни и те же события, только в разном порядке, имеют разную ценность. Модель независимых вероятностей этого не учитывает.

Что означает общая оценка стоимости?

Это общий вывод. Не стоит использовать слепое среднее вероятностей, лучше — учитывать исторные условные вероятности.

Например, «поддержание ставки три раза подряд (Hold-Hold-Hold)»:

• Исходная модель: использует общую вероятность (поддержание — 67%), получается 67% × 67% × 67% = 30,1%
• Корректированная модель: с учетом условных вероятностей: 67% (первый раз) × 83% (второй, при условии, что первый — поддержка) × 87% (третий, при условии, что первые два — поддержка) = 48,4%

(Рисунок 5: Комбинации одинаковых действий систематически недооценены, а смена направления — переоценена)

Мониторинг рынка в реальном времени

На примере данных Polymarket:

(Рисунок 6: Распределение коэффициентов Polymarket и реальные вероятности)

Комбинация 1: поддержание — поддержание — поддержание (сильно недооценена)

• Исходная модель: 93% (март) × 75% (апрель) × 38% (июнь) ≈ 26%
• Условная модель: 87% × 87% × 87% ≈ 65,8%
• Итог: рынок недооценил примерно на 39 процентных пунктов.

Комбинация 2: поддержание — поддержание — снижение (сильно переоценена)

• Исходная модель: 93% × 75% × 49% = 34,2%
• Условная модель: 87% × 87% × 8,5% = 6,4%
• Итог: рынок оценивает вероятность около 34%, а реальная — всего 6,4%. Переоценка более чем в 5 раз.

Можно ли на этом заработать?

Я провел простую обратную проверку. С 1994 года каждое парлее из двух или трех заседаний ФРС, если его скорректированная цена — выше рыночной (то есть недооценена), я ставлю по 100 долларов.

(Рисунок 7: Пример накопленной прибыли и убытков по двум связкам)

(Рисунок 8: Аналогично для трех связок)

С 1994 года, если ставить по 100 долларов на все недооцененные сценарии, то на двухсвязках можно было заработать 169 тысяч долларов, а на трех — более миллиона. Значительный скачок прибыли совпадает с периодами мягкой политики ФРС в 2001, 2008, 2020 и 2024–2025 годах, когда повторялись одни и те же действия, а исходные оценки рынка — недооценивали их последовательность.

«Лестничный» характер кривой показывает, что деньги зарабатываются именно в периоды продолжительных действий ФРС. Но есть ограничение: в 90-х и 2000-х не было развитых предсказательных рынков для таких стратегий.

Где ещё можно применить этот подход?

Пример с ФРС — классический, потому что данных много, и связи сильны. Но тот же подход подходит и к другим связанным событиям:

1. Предвыборные кампании: если кандидат выигрывает в одном штате, его шансы в другом с похожей демографией меняются.
2. Криптовалюты и макроэкономика/ростовые акции: поведение биткоина связано с глобальными рисками. Ставки типа «биткоин выше X и Nasdaq выше Y» — ценнее, чем произведение их отдельных вероятностей, потому что оба зависят от общих драйверов.

В любом случае, алгоритм один: анализируйте исторические данные, измеряйте реальные связи, используйте более точные оценки, чем простое среднее, и сравнивайте с рыночными ценами.

Итог

Рынки предсказаний всё ещё находятся на начальной стадии развития. Большинство участников используют примитивные методы — просто умножают вероятности и надеются на лучшее.

Этот подход требует знания конкретных сценариев, но в основе лежит один вопрос: может ли результат первого события дать информацию о следующем? Если да — цена на парлей, основанная на простом умножении, ошибочна, а исторические данные покажут, насколько.

Кейс с ФРС показывает, что преимущества есть и их можно измерить. Этот принцип универсален: везде, где связаны события, неправильно оцененные связи — скрытые возможности.

Единственное — сможете ли вы их заметить и воспользоваться ими.