美联储最新研究力挺Kalshi：预测市场成政策参考“高频基准”
美联储三位研究人员在最新工作论文中，以“Kalshi and the Rise of Macro Markets”为题系统评估Kalshi事件预测市场，结论是：Kalshi提供了一套高频、连续更新、分布信息丰富的宏观预期基准，对研究者和政策制定者都具有参考价值。
论文对比了Kalshi与彭博共识等传统调查和市场隐含预期，发现其对核心CPI和失业率的预测误差与彭博接近，对头条CPI则显著优于彭博，并能给出完整概率分布而非单点预测，还能在联储决议与数据公布后实时反映预期变化。
作者包括美联储首席经济学家Anthony Diercks等人，强调这是一份不代表官方立场的讨论稿，但指出Kalshi这类受CFTC监管的预测市场，为通胀、就业和利率决策提供了新的“实时概率视角”，建议将其纳入工具箱补充传统数据和调查。
来源：公开信息
ABAB AI Insight
1）一句话结论：这条信息真正想提醒什么？
结论：美联储已经在半官方地承认——像Kalshi这样的预测市场，不再只是散户玩票，而是可以进入货币政策研究和讨论桌面的“数据源”。 机制上，传统工具（调查、掉期、期权）给的是低频、以平均值为主的预期，而Kalshi用合约价格在事件级别、逐分钟不断更新“这件事发生的概率分布”，让研究人员和官员看到的不只是“预期是多少”，还能看到“市场认为大幅超预期或爆冷的尾部风险有多大”。 对读者来说，这意味着：未来讨论“市场怎么解读CPI/议息”的时候，引用Kalshi赔率会越来越像引用国债利率和民调一样自然。
2）历史同构案例
案例A：（通胀互换和TIPS成为主流通胀预期指标，约1990s–2000s）在通胀互换和TIPS普及前，央行主要依赖调查和历史数据判断通胀预期；后来国债市场上的“盈亏平衡通胀”逐渐成为核心参考，赢家是率先把这些市场价格纳入模型的央行和宏观交易员，输家是只看CPI公布、不跟踪市场预期变化的传统分析框架。Kalshi与本次论文的对应点：现在预期从“年化通胀”进一步细化到“下次CPI公布是多少”“下次FOMC加不加息”的事件级概率，预测市场价格正被拉进这个“官方参考篮子”。
案例B：（民调与博彩赔率被系统纳入选举预测，约2000s–至今）过去政治分析主要依赖民调和专家观点，后来带价格信号的博彩或预测市场（如Betfair）被越来越多学者视作补充信号，赢家是将民调+赔率整合建模的平台和分析机构，输家是只看单一民调或媒体情绪的预测者。与这篇Kalshi论文对应的是：这里不是选举，而是通胀、失业、利率等宏观变量，美联储研究团队现在相当于在说——“我们也要看赔率，而且它在某些指标上比传统共识更准”。
3）认知模型
模型：当一个数据源从“边缘玩意”被写进央行研究论文时，它就从投机工具升级成“信息基础设施”。 以后遇到类似新闻，可以按两步判断：第一，看谁在写——如果是央行、主流监管机构或一线学术机构，把某个平台数据当作“benchmark”，说明它已经通过了基本的可信度门槛；第二，看结论是“当花边参考”还是“在某些维度显著优于传统指标”，后者意味着它会被纳入模型、幻灯片和内部简报，而不仅仅是论文里的点缀。 当你看到“高频、分布、实时”这些词反复出现，就要意识到：这类市场价格正在成为判断宏观预期的默认语言。
4）行动清单
普通人：
在看宏观新闻时，尝试把“预测市场赔率”加入信息源清单，比如在关注CPI与议息日期前后，对比Kalshi等平台的赔率变化和媒体叙事差异，训练自己用概率而不是绝对口号看宏观事件。
学会读“概率分布”而不仅是“中位数”：看到“通胀中值预期3%”的同时，也要关注市场给出“高于4%或低于2%”的尾部概率，用这种视角来决定自己在房贷、固定利率和长期投资上的风险承受度。
创业者：
如果做金融、数据或内容产品，考虑把事件预测市场的数据嵌入界面：例如在利率、通胀、就业相关页面加上“市场认为下次结果落在各区间的概率”，为用户提供比单一预测更丰富的风险视图。
面向机构或高净值用户的工具，可以设计“宏观事件仪表盘”，把传统指标（收益率曲线、互换、期权）与Kalshi这类事件赔率统一展示，通过可视化帮助用户直观感受“政策会议前后预期如何重定价”。
投资人：
在宏观和利率交易框架中，把Kalshi等事件预测市场当成“即时预期探测器”：例如在重要数据和议息前后对比Kalshi概率与利率期货/互换隐含概率，如果两者背离明显，就有可能出现“预期纠偏”带来的交易机会。
对更长期的资产配置，利用这些预测市场的分布信息来校准“极端情景”的权重，比如通胀超目标、高失业或极端宽松/紧缩路径的概率，把它们反映到自己对久期、杠杆和风险资产仓位的上限设置中，而不是只依赖研报里的基线情景。