در سالهای اخیر، بازارهای پیشبینی به یکی از ابزارهای بحثبرانگیز در دنیای فناوری و سیاست تبدیل شدهاند. پلتفرمهایی مانند پالی مارکت (Polymarket) و کالشی (Kalshi) با استفاده از شرطبندی کاربران، احتمال وقوع رویدادهای مختلف را قیمتگذاری میکنند. برخی طرفداران این سیستمها آن را ماشین حقیقت مینامند؛ سیستمی که ادعا میکند با پول واقعی کاربران، دقیقترین تصویر از آینده را تولید میکند.
اما سوال اصلی این است که آیا این بازارها واقعا قابل اعتماد هستند؟ و اگر احتمالهای آنها بهعنوان حقیقت پذیرفته شوند، چه پیامدی دارد؟ در این مطلب از میهن بلاکچین، با بررسی دادهها و مثالهای واقعی، عملکرد این بازارها را بررسی میکنیم.
آیا بازارهای پیشبینی واقعا ماشین حقیقت هستند؟
در ژانویه ۲۰۲۶، معاملهگری ناشناس در پالی مارکت روی دستگیری رییسجمهور ونزوئلا، نیکلاس مادورو، شرطبندی کرد. مجموع سرمایه او حدود ۳۴ هزار دلار بود و چند روز بعد، با اجرای یک عملیات نظامی توسط نیروهای ویژه آمریکا، بیش از ۴۰۰ هزار دلار سود به دست آورد.
نکته مهم این است که بعدها اعلام شد این عملیات آنقدر حساس بوده که حتی به کنگره ایالات متحده هم اطلاع داده نشده بود. یعنی نه نهادهای رسمی و نه مردم از آن خبری نداشتند، اما یک معاملهگر توانسته بود به درکی برسد که منجر به شرطبندی موفق شد.
همین اتفاقها باعث شده است تا برخی از مدیران این حوزه، از جمله مدیرعامل پالی مارکت، شین کوپلن (Shayne Coplan)، از این سیستمها با عنوان «ماشین حقیقت» یاد کنند. ایده اصلی این است که وقتی افراد پول واقعی وارد پیشبینی میکنند، نتیجه جمعی میتواند دقیقتر از نظرسنجیها یا تحلیلهای بدون ریسک باشد.
این روایت در فضای عمومی هم جا افتاده است. بررسی ۳۶۴ ویدئوی تیکتاک نشان میدهد بخش زیادی از کاربران از احتمالهای این بازارها نه صرفا بهعنوان ابزار شرطبندی، بلکه بهعنوان مرجع سیاسی استفاده میکنند. بهعبارت دیگر، احتمالها تبدیل به نوعی «خبر» شدهاند. اما سوال اصلی همچنان باقی است: آیا این اعداد واقعا شایسته چنین اعتمادی هستند؟
دقت بازارهای پیشبینی چگونه سنجیده میشود؟
برای پاسخ به این سوال، باید بهجای مثالهای پراکنده، عملکرد کلی بازارها را بررسی کرد. در ارزیابی پیشبینیها معمولا از یک معیار استاندارد استفاده میشود که نشان میدهد یک سیستم چقدر در پیشبینی احتمالات دقیق بوده است.
یکی از مهمترین این معیارها امتیاز بریر (Brier Score) است؛ شاخصی که در سال ۱۹۵۰ توسط گلن بریر برای ارزیابی پیشبینیهای آبوهوا معرفی شد.
امتیاز بریر چیست؟
در این روش، پیشبینیها بهصورت احتمالی بررسی میشوند. اگر شما احتمال بالایی برای وقوع یک رویداد بدهید و آن اتفاق رخ دهد، امتیاز خوبی میگیرید. اما اگر با اطمینان بالا اشتباه کنید، امتیاز شما بدتر میشود. به بیان ساده:
- عدد ۰ یعنی پیشبینی کاملا دقیق
- عدد ۰٫۲۵ یعنی عملکردی در حد حدس تصادفی
- بالاتر از ۰٫۲۵ یعنی بدتر از حدس تصادفی
بنابراین برای قضاوت درباره یک بازار، باید هزاران پیشبینی در طول زمان بررسی شود.
عملکرد بازارهای پیشبینی در عمل
تحلیل بیش از ۸۴ هزار پیشبینی در پلتفرمهایی مانند پالی مارکت، کالشی و دیگر بسترها نشان میدهد که عملکرد کلی این بازارها در ظاهر خوب است. اما این تصویر وقتی شکسته میشود که دادهها را بر اساس حوزه تقسیم کنیم.
در علم و اقتصاد، بازارها عملکرد بسیار خوبی دارند. پیشبینیهایی مانند نرخ بهره، تورم یا دادههای GDP معمولا دقیق هستند، چون دادههای شفاف و معاملهگران حرفهایتر در این بخش داریم.
در سیاست، عملکرد متوسط است و در انتخاباتهای بزرگ بهتر میشود. اما در حوزههایی مثل فرهنگ، فناوری و مخصوصا ورزش، دقت بهطور قابل توجهی افت میکند و حتی در برخی موارد از حدس تصادفی هم ضعیفتر است. این یعنی کیفیت پیشبینی به شدت به نوع موضوع وابسته است.
چرا نتیجه درست همیشه به معنای پیشبینی دقیق نیست؟
گاهی بازارها نتیجه نهایی را درست پیشبینی میکنند، اما مسیرشان اشتباه بوده است. برای مثال، در بازار بیت کوین، پیشبینی میشد قیمت به ۱۰۰ هزار دلار برسد. این اتفاق در نهایت رخ داد، اما بازار تا مدتها احتمال بسیار کمی برای آن قائل بود و تنها در روزهای پایانی ناگهان تغییر نظر داد. در نتیجه، امتیاز آن نشاندهنده عملکرد ضعیف بود.
در نمونهای دیگر، بازار مربوط به نامزدی کامالا هریس نیز در نهایت نتیجه درست را ثبت کرد، اما در طول مسیر، پیشبینی آن بهطور مداوم اشتباه و گمراهکننده بود.
چرا انتخابات بهترین عملکرد را دارد؟
با وجود این ضعفها، بازارهای پیشبینی در انتخابات بزرگ عملکرد خوبی دارند. در انتخابات ریاستجمهوری آمریکا ۲۰۲۴، این بازارها حتی در برخی ایالتهای کلیدی از نظرسنجیهای سنتی دقیقتر بودند. دلیل این موضوع ساده است. پول زیاد، توجه عمومی و تعداد زیاد معاملهگران باعث میشود اطلاعات بیشتری وارد بازار شود و قیمتها دقیقتر شوند. اما این فقط بخش کوچکی از کل بازار است.
مشکل اصلی: نقدینگی و بازارهای کوچک
بخش بزرگی از بازارهای پیشبینی نقدینگی کمی دارند. در این بازارها، اختلاف قیمت خرید و فروش گاهی بسیار زیاد است که نشان میدهد اطلاعات کافی در بازار وجود ندارد. در مقایسه، حجم کل این صنعت در برابر بازارهای مالی سنتی بسیار کوچک است و نقش حاشیهای دارد. این موضوع باعث میشود بسیاری از پیشبینیها بیشتر شبیه حدس باشند تا تحلیل واقعی.
وقتی احتمالها شروع به شکلدادن واقعیت میکنند
مشکل زمانی جدی میشود که این احتمالها از داخل بازار خارج شده و وارد رسانهها میشوند. در سالهای اخیر، رسانههایی مانند والاستریت ژورنال، CNN و CNBC از دادههای پالی مارکت و کالشی در پوشش خبری خود استفاده کردهاند. این دادهها سپس به شبکههای اجتماعی مثل تیکتاک منتقل شدهاند و بهعنوان واقعیت آماری مصرف میشوند.
در اقتصاد، این پدیده زمانی خطرناک میشود که ابزار اندازهگیری روی نتیجه اثر بگذارد. برای مثال، در یک گزارش مالی، مدیرعامل کوینبیس زمانی که متوجه شرطبندی بازار روی صحبتهایش شد، رفتار خود را تغییر داد. این یعنی پیشبینی، خودش بخشی از واقعیت شد.
در انتخابات ۲۰۲۴ نیز یک معاملهگر بزرگ با استفاده از دادههای خصوصی توانست قیمتها را در بازار تغییر دهد. سپس این تغییر قیمت توسط رسانهها بهعنوان «اجماع بازار» منتشر شد، درحالیکه در واقعیت، فقط دیدگاه یک بازیگر بزرگ بود.
خطر استفاده از اطلاعات پنهان
در برخی موارد، این بازارها حتی به ابزاری برای استفاده از اطلاعات محرمانه تبدیل شدهاند. گزارشهایی از استفاده اطلاعات نظامی برای شرطبندی در پالی مارکت منتشر شده است که نشان میدهد سرعت و ناشناسی این بازارها میتواند مشکلساز باشد. در نمونهای مشابه، شرطبندی روی عملیات نظامی پیش از اعلام رسمی، سودهای قابل توجهی برای برخی افراد ایجاد کرده است. این یعنی مرز بین تحلیل و سوءاستفاده اطلاعاتی در این بازارها بسیار باریک است.
نتیجهگیری؛ ماشین حقیقت یا ماشین توجه؟
بازارهای پیشبینی در شرایط خاص، مثل انتخابات یا دادههای اقتصادی مهم، میتوانند دقت بالایی داشته باشند. اما در موارد زیادی هم عملکرد آنها بهشدت وابسته به نقدینگی و میزان توجه عمومی است. هرچه توجه بیشتر باشد، قیمتها دقیقتر میشوند و هرچه توجه کمتر شود، این بازارها بیشتر شبیه یک حدس پراکنده عمل میکنند تا یک ابزار تحلیلی قابل اتکا. به همین دلیل، این سیستمها را نمیتوان صرفا ماشین حقیقت نامید. آنها بیشتر شبیه ماشین توجه هستند؛ ابزارهایی که در حضور جمعیت هوشمند میشوند و در غیاب آن، دقت خود را از دست میدهند.
مسئله اصلی هم این نیست که این بازارها مفید هستند یا نه. مسئله این است که وقتی احتمالها از یک داده تخصصی به یک مرجع عمومی تبدیل شوند، مرز بین پیشبینی و تعریف واقعیت کمکم محو میشود. در چنین شرایطی، این سوال مطرح است که اگر قیمتها قرار است حقیقت را نشان دهند، چه کسی تعیین میکند کدام قیمت دیده شود و کدام نادیده بماند؟
بازار پیشبینی چیست؟
بازارهای پیشبینی پلتفرمهایی هستند که در آن کاربران روی نتیجه رویدادهای آینده شرطبندی میکنند و قیمتها نشاندهنده احتمال وقوع آن رویداد است.
آیا بازارهای پیشبینی قابل اعتماد هستند؟
این بازارها در برخی حوزهها مانند انتخابات دقیقتر هستند، اما در بسیاری از موضوعات دیگر بهویژه بازارهای کمنقدینگی دقت پایینی دارند.
امتیاز بریر چیست؟
امتیاز بریر معیاری برای سنجش دقت پیشبینیهای احتمالی است که نشان میدهد یک سیستم چقدر در پیشبینی نتایج درست عمل کرده است.
چرا بازارهای پیشبینی به ماشین حقیقت معروف شدهاند؟
چون برخی از افراد معتقد هستند که شرطبندی با پول واقعی باعث میشود این بازارها تصویر دقیقتری از آینده نسبت به نظرسنجیها ارائه دهند.
