Elezioni, recessioni, decisioni delle banche centrali, risultati sportivi. Possiamo utilizzare un mercato per prevedere cosa accadrà?
L’idea alla base dei prediction markets, o mercati previsionali, è semplice e affascinante: aggregare le informazioni disperse tra molte persone attraverso un sistema di prezzi.
Come funziona un mercato previsionale?
Immaginiamo di voler prevedere se la Banca Centrale Europea ridurrà i tassi di interesse entro la fine dell’anno.
Potremmo chiedere a un gruppo di economisti, consultare le previsioni degli analisti oppure realizzare un sondaggio.
Esiste però un’altra possibilità: creare un mercato nel quale le persone possano acquistare e vendere contratti il cui valore dipende dal verificarsi dell’evento.
Supponiamo che un contratto paghi 1 euro se la BCE riduce i tassi entro una determinata data e zero altrimenti.
Se il contratto viene scambiato a 70 centesimi, il mercato sta attribuendo all’evento una probabilità implicita del 70%.
Chi ritiene che la probabilità sia superiore al 70% potrebbe trovare conveniente acquistare il contratto. Chi ritiene che sia inferiore potrebbe preferire venderlo.
Attraverso gli scambi, le informazioni e le aspettative dei partecipanti contribuiscono alla formazione di un prezzo.
Perché un mercato dovrebbe prevedere meglio di un esperto?
L’idea ha radici profonde nella teoria economica.
Nel 1945, Friedrich Hayek pubblica “The Use of Knowledge in Society”, uno degli articoli più influenti della storia dell’economia.
Hayek osserva che le informazioni rilevanti per prendere decisioni economiche sono disperse tra milioni di individui. Nessuna autorità centrale può conoscerle tutte.
Il sistema dei prezzi permette di utilizzare queste informazioni senza che debbano essere raccolte e comunicate esplicitamente.
I prediction markets applicano un principio simile alle previsioni.
Ogni partecipante può possedere informazioni differenti: dati economici, conoscenze specifiche, esperienza professionale oppure semplicemente un’interpretazione diversa delle informazioni pubbliche.
Il mercato offre un incentivo a utilizzare queste conoscenze.
Chi ritiene che il prezzo non rifletta correttamente la probabilità di un evento può assumere una posizione e, se la previsione si rivela corretta, ottenere un guadagno.
Naturalmente, il fatto che le persone rischino denaro non garantisce che abbiano ragione. Ma può incentivare una valutazione più attenta delle informazioni rispetto a una semplice dichiarazione di opinione.
Cosa dice la ricerca economica?
Uno dei lavori di riferimento è quello di Justin Wolfers ed Eric Zitzewitz, “Prediction Markets”, pubblicato nel 2004 sul Journal of Economic Perspectives.
Gli autori esaminano il funzionamento di questi mercati e mostrano come i prezzi possano sintetizzare informazioni utili sulle probabilità di eventi futuri.
Un altro contributo importante è quello di Berg, Nelson e Rietz (2008), pubblicato sull’International Journal of Forecasting, che analizza le previsioni elettorali dell’Iowa Electronic Markets.
Gli autori documentano che, nei contesti esaminati, i mercati previsionali hanno spesso prodotto previsioni competitive, e talvolta più accurate, rispetto ai sondaggi tradizionali.
I prediction markets non sono però necessariamente superiori a qualsiasi altro metodo di previsione. La loro accuratezza dipende dal tipo di evento, dalla qualità delle informazioni disponibili e dal funzionamento del mercato.
I prediction markets oggi
Negli ultimi anni questi mercati hanno acquisito una crescente visibilità grazie a piattaforme come Polymarket e Kalshi.
Queste piattaforme consentono di negoziare contratti su eventi futuri, trasformando le aspettative dei partecipanti in prezzi continuamente aggiornati.
La differenza rispetto a un sondaggio è importante.
Un sondaggio chiede alle persone cosa pensano o cosa intendono fare. Un prediction market cerca invece di misurare quanto i partecipanti ritengano probabile un determinato risultato.
Per esempio, chiedere a una persona per chi voterà non equivale a chiederle quale candidato ritenga più probabile vincitore.
Sono due informazioni differenti.
Ma possiamo davvero interpretare il prezzo come una probabilità?
Non sempre.
Se un contratto che paga 1 euro viene scambiato a 70 centesimi, è naturale interpretare il prezzo come una probabilità del 70%.
Questa interpretazione, tuttavia, richiede alcune condizioni.
I partecipanti devono poter acquistare e vendere liberamente, i costi di transazione devono essere limitati e il mercato deve essere sufficientemente liquido.
Inoltre, le preferenze per il rischio possono influenzare i prezzi.
Un contratto potrebbe essere particolarmente richiesto non soltanto perché un evento viene considerato probabile, ma anche perché offre una forma di copertura contro altri rischi.
Di conseguenza, il prezzo di mercato non coincide necessariamente con la probabilità effettiva dell’evento.
È una misura delle valutazioni aggregate dei partecipanti, influenzata anche dagli incentivi e dalle caratteristiche del mercato.
Quando i mercati possono sbagliare
I prediction markets presentano alcuni limiti importanti.
Il primo riguarda la liquidità. Se pochi individui partecipano agli scambi, i prezzi possono essere influenzati da singole operazioni e riflettere informazioni incomplete.
Il secondo riguarda la selezione dei partecipanti. Le persone che operano su questi mercati non costituiscono necessariamente un campione rappresentativo della popolazione. Questo non è di per sé un problema, perché l’obiettivo non è misurare un’opinione media, ma può diventarlo quando informazioni importanti rimangono escluse.
Il terzo riguarda la possibilità che i prezzi siano influenzati da comportamenti strategici, preferenze non legate alla previsione o tentativi di manipolazione.
Un mercato può quindi aggregare informazioni in modo efficace senza essere infallibile.
Perché sono interessanti per gli economisti?
L’aspetto più interessante dei prediction markets non è necessariamente la possibilità di prevedere il risultato di un’elezione o di una partita.
È il fatto che rappresentino un laboratorio per studiare come le informazioni vengono aggregate.
La teoria economica ci insegna che i prezzi coordinano decisioni decentralizzate. I prediction markets permettono di osservare questo meccanismo in un contesto nel quale il valore finale del contratto dipende da un evento verificabile.
Possiamo quindi confrontare le probabilità implicite nei prezzi con gli eventi effettivamente realizzati e valutare quanto siano accurate le previsioni.
Questi mercati hanno anche applicazioni interessanti all’interno delle organizzazioni.
Un’impresa potrebbe utilizzarli per prevedere le vendite di un nuovo prodotto, la probabilità di rispettare una scadenza oppure il successo di un progetto.
In questo modo, informazioni disperse tra dipendenti e reparti potrebbero emergere attraverso un meccanismo di mercato, anziché attraverso una procedura gerarchica.
La lezione economica
I prediction markets ci ricordano un’intuizione fondamentale: per produrre una buona previsione non è sempre necessario individuare la persona che conosce meglio un determinato fenomeno.
A volte può essere più efficace costruire un meccanismo capace di aggregare le informazioni possedute da molte persone.
Il valore di questi mercati non risiede quindi nella capacità di conoscere il futuro, ma nella possibilità di utilizzare informazioni disperse per formulare previsioni continuamente aggiornate.
La domanda più interessante non è se i mercati sappiano prevedere il futuro. È se possano aggregare le informazioni meglio dei metodi alternativi.
Ed è proprio questa una delle questioni centrali dell’economia: comprendere come le istituzioni e gli incentivi trasformino conoscenze individuali in risultati collettivi.
Riferimenti bibliografici
Hayek, F. A. (1945). “The Use of Knowledge in Society.” American Economic Review, 35(4), 519–530.
Wolfers, J., & Zitzewitz, E. (2004). “Prediction Markets.” Journal of Economic Perspectives, 18(2), 107–126.
https://doi.org/10.1257/0895330041371321
Berg, J. E., Nelson, F. D., & Rietz, T. A. (2008). “Prediction Market Accuracy in the Long Run.” International Journal of Forecasting, 24(2), 285–300.
https://doi.org/10.1016/j.ijforecast.2008.03.007
