Do Prediction Markets Forecast Cryptocurrency Volatility? Evidence from Kalshi Macro Contracts

Cette étude démontre que les variations quotidiennes des probabilités sur les marchés de prédiction Kalshi, en particulier celles liées à la politique monétaire et aux risques de récession, permettent de prévoir la volatilité des cryptomonnaies comme le Bitcoin et l'Ethereum avec une précision statistique significative, offrant des signaux prédictifs distincts des instruments financiers traditionnels.

L'essentiel

🎯 Le Concept de Base : Un "Thermomètre" pour l'Incertitude

Imaginez que le marché des cryptomonnaies (Bitcoin, Ethereum, etc.) est comme un océan très agité. Les vagues sont la volatilité (les gros mouvements de prix). Traditionnellement, pour prédire les tempêtes, les investisseurs regardent les instruments financiers classiques : les taux d'intérêt de la Banque Centrale, l'inflation, ou les actions de Wall Street. C'est comme regarder le ciel pour prévoir la pluie.

Mais entre deux annonces officielles (comme une réunion de la Banque Centrale), le ciel peut changer subtilement sans que les instruments classiques ne le détectent tout de suite.

C'est là qu'intervient Kalshi.
Imaginez Kalshi comme un grand marché de paris en direct où les gens parient sur l'avenir de l'économie (ex: "La Fed va-t-elle baisser les taux ?" ou "L'inflation va-t-elle monter ?").

• Le prix d'un pari sur Kalshi change chaque jour selon ce que les gens pensent.
• L'idée de l'article : Si les gens sur Kalshi changent soudainement d'avis (le prix du pari bouge), cela signifie qu'ils ont une information ou une intuition que le marché classique n'a pas encore intégrée. Ce changement de "croyance" est un signal d'alerte précoce pour les cryptos.

---

🔍 Ce que les chercheurs ont découvert (La Recette)

Les auteurs (Hardhik Mohanty et Bhaskar Krishnamachari) ont analysé des données de 2023 à 2026 pour voir si ces changements de paris sur Kalshi pouvaient prédire les vagues sur l'océan crypto.

Ils ont découvert deux "canaux" de transmission très différents, un peu comme si deux types de vents soufflaient sur deux types de bateaux différents :

1. Le Bitcoin et la "Politique Monétaire" (Le Vent du Nord)

• Le Bateau : Le Bitcoin.
• Le Vent : Les décisions de la Banque Centrale (Fed) sur les taux d'intérêt.
• L'Analogie : Le Bitcoin est comme un grand paquebot très sensible à la "marée" de l'argent liquide. Quand les gens sur Kalshi parient que la Banque Centrale va devenir plus "douce" (baisser les taux), cela signale une incertitude économique.
• Le Résultat : Quand les paris sur Kalshi indiquent un changement de politique, le Bitcoin devient plus agité (plus de volatilité) dans les jours qui suivent. C'est comme si le capitaine du paquebot sentait un changement de courant avant même que la boussole classique ne le montre.

2. Les "Altcoins" (Ethereum, Solana, etc.) et l'Inflation (Le Vent du Sud)

• Les Bateaux : Les petites cryptos (Ethereum, Solana, Cardano, Chainlink).
• Le Vent : L'inflation (le prix des courses au supermarché, mesuré par le CPI).
• L'Analogie : Ces petites cryptos sont comme des bateaux de pêche plus légers. Ils sont très sensibles à la peur de l'inflation.
• Le Résultat : Quand les paris sur Kalshi bougent beaucoup concernant l'inflation, cela signifie que l'incertitude est en train de se "résoudre" (les gens savent enfin à quoi s'attendre). Paradoxalement, quand l'incertitude se résout, les petites cryptos se calment (leur volatilité baisse). C'est comme si une tempête de peur s'arrêtait une fois que la météo est confirmée.

---

🧪 Pourquoi c'est spécial ? (La Preuve)

Les chercheurs ont fait un test important : "Est-ce que Kalshi nous dit juste ce que nous savons déjà ?"

Ils ont comparé les signaux de Kalshi avec :

• Les futures sur les taux d'intérêt (les instruments classiques).
• Les rendements des obligations (les bons du Trésor).
• L'indice de peur des options crypto (DVOL).

Le verdict : Non ! Kalshi apporte une information nouvelle et unique.
C'est comme si vous aviez un radar météo classique (les instruments financiers) et un oiseau qui vole très haut (Kalshi). L'oiseau voit les nuages se former avant que le radar ne les détecte. Même en ajoutant toutes les données classiques à votre modèle, le signal de Kalshi améliore encore la prédiction.

---

⚠️ Les Limites (Le Météo Changeante)

Il y a une petite mise en garde importante :

• Le signal de la Banque Centrale (Fed) est "saisonier". Il fonctionne très bien pendant une période de baisse des taux (comme en 2024-2025), mais il pourrait ne pas fonctionner aussi bien dans d'autres contextes économiques. C'est comme un vent qui ne souffle fort que pendant l'été.
• Le signal de l'Inflation est plus stable. Il fonctionne bien pour les petites cryptos, peu importe le moment, car la peur de l'inflation est un sentiment constant.

---

💡 En Résumé : À quoi ça sert ?

Imaginez que vous êtes un capitaine de bateau (un investisseur) :

1. Pour le Bitcoin : Surveillez les paris sur les taux d'intérêt. Si les gens sur Kalshi commencent à parier massivement sur un changement de politique, préparez-vous à une mer agitée.
2. Pour les petites cryptos : Surveillez les paris sur l'inflation. Si les paris bougent beaucoup, cela signifie que le flou artistique va disparaître, et la mer va probablement se calmer.

La conclusion simple : Les marchés de prédiction comme Kalshi ne sont pas juste des jeux de hasard. Ils agissent comme un baromètre social qui capte les changements d'humeur des investisseurs avant qu'ils n'apparaissent dans les chiffres officiels, permettant de mieux prévoir les tempêtes sur le marché des cryptomonnaies.

Résumé technique

1. Problématique et Contexte

Les marchés de cryptomonnaies réagissent aux nouvelles macroéconomiques, mais la littérature existante souffre d'une limitation majeure : les mesures de « surprise » macroéconomique (comme les annonces de la Fed ou l'IPC) ne sont disponibles que lors de dates d'annonces spécifiques. Entre ces annonces, il n'existe pas de mesure continue de l'évolution des anticipations macroéconomiques.

L'article pose la question suivante : Les changements quotidiens de probabilités sur les marchés de prédiction réglementés (Kalshi) comblent-ils ce vide et permettent-ils de prévoir la volatilité réalisée des cryptomonnaies ?

L'étude se concentre sur Kalshi, la première bourse de contrats d'événements réglementée par la CFTC aux États-Unis. Les prix de ces contrats binaires reflètent les probabilités neutres au risque des résultats macroéconomiques (taux de la Fed, IPC, récession, etc.). Les auteurs hypothesent que les variations quotidiennes de ces prix capturent la mise à jour des croyances des investisseurs sur l'incertitude macroéconomique, offrant ainsi un signal continu pour la prévision de la volatilité.

2. Méthodologie et Données

Données :

• Période : Janvier 2023 à mars 2026.
• Actifs : Six cryptomonnaies (Bitcoin, Ethereum, Solana, Cardano, Avalanche, Chainlink).
• Signaux Kalshi : Dix séries de contrats (taux de la Fed, IPC, PCE, PIB, marché du travail, risque de récession). Les auteurs utilisent la variation pondérée par le volume des probabilités de clôture ($\Delta vw_{s,t}$).
• Variable dépendante : Volatilité réalisée sur 5 jours ($RVol_{h=5}$), calculée à partir des rendements logarithmiques.

Cadre Économétrique :

• Modèle de Référence (Benchmark) : Le modèle HAR (Heterogeneous Autoregressive) de Corsi [2009], qui décompose la persistance de la volatilité sur des horizons journalier, hebdomadaire et mensuel.
• Modèles Augmentés : Ajout de contrôles de marché (VIX, DXY, S&P 500) et du signal Kalshi retardé d'un jour ($t-1$) pour éviter la causalité inverse immédiate.
• Estimation : Utilisation d'erreurs standards Newey-West (HAC) avec 5 retards pour corriger l'autocorrélation due au chevauchement des fenêtres de volatilité.
• Validation :
  • In-sample : Tests t de Student et ajustement $R^2$.
  • Out-of-sample (OOS) : Utilisation d'une fenêtre d'entraînement expansive (120 jours initiaux) et test de Clark-West pour comparer les erreurs quadratiques moyennes (MSFE) entre le modèle de base et le modèle augmenté.
  • Correction Multiple : Procédure de Benjamini-Hochberg pour contrôler le taux de fausses découvertes (FDR) sur les 60 combinaisons signal/actif testées.

3. Contributions Clés

1. Nouveau Signal Macro Continu : Introduction d'une classe de signaux macroéconomiques continus dérivés de marchés de prédiction réglementés, comblant le vide entre les annonces officielles.
2. Spécificité des Canaux de Transmission : Démonstration que différents actifs cryptographiques réagissent à des canaux macroéconomiques distincts, contredisant l'hypothèse d'une réaction uniforme de l'ensemble du marché crypto aux chocs macro.
3. Information Non-Redondante : Preuve que les signaux Kalshi contiennent une information prédictive qui n'est pas déjà intégrée dans les instruments financiers traditionnels (futures sur taux Fed, obligations du Trésor, indices de volatilité implicite crypto).

4. Résultats Principaux

A. Spécificité par Actif (Hétérogénéité)

Les résultats révèlent une ségrégation nette des canaux de transmission :

• Bitcoin (BTC) : Réagit principalement au canal de la politique monétaire.
  • Le signal « Fed-Dovish » (baisse des anticipations de taux) prédit une volatilité accrue de BTC ($t = 3.63, p < 0.001$).
  • Le signal de risque de récession (KXRECSSNBER) offre les gains les plus fiables hors échantillon (MSFE = 0.979, $p = 0.020$).
• Altcoins (ETH, SOL, ADA, LINK) : Réagissent principalement au canal de l'inflation (IPC).
  • Les variations de probabilité de l'IPC (KXCPI) prédisent une baisse de la volatilité réalisée la semaine suivante pour Ethereum, Solana, Cardano et Chainlink ($t$ entre -2.1 et -3.4).
  • Interprétation : La résolution de l'incertitude autour des données d'inflation réduit la volatilité des altcoins, dont les investisseurs seraient plus exposés à l'incertitude du régime d'inflation qu'à la trajectoire des taux.

B. Performance Hors Échantillon (OOS)

• Bitcoin : Le signal de récession améliore significativement la précision de prévision hors échantillon. Le signal « Fed-Dovish », bien que fort in-sample, échoue hors échantillon sur la période totale en raison d'une dépendance au régime (il est performant uniquement durant le cycle de baisse des taux de 2024-2025).
• Altcoins : Les signaux d'inflation (CPI) montrent une stabilité hors échantillon, avec des améliorations de MSFE significatives pour Ethereum (0.959) et Solana (0.983).

C. Robustesse et Orthogonalité

• Orthogonalisation : Après projection des signaux Kalshi sur les futures de taux Fed, les rendements du Trésor à 10 ans et le VIX, les résidus conservent une puissance prédictive significative. Cela confirme que Kalshi capture une information macroéconomique non reflétée par les instruments traditionnels.
• Comparaison avec les Options Crypto : Les signaux Kalshi dominent les indices de volatilité implicite crypto (Deribit DVOL), suggérant que les marchés de prédiction anticipent des chocs macro avant qu'ils ne se reflètent dans les options crypto.
• Correction Multiple : Après correction de Benjamini-Hochberg, deux spécifications survivent au seuil de 5 % : Bitcoin-Fed Dovish et Chainlink-CPI.

5. Signification et Implications

Théorique :
L'article démontre que les marchés de prédiction réglementés ne sont pas seulement des outils de prévision de points (ex: taux final), mais contiennent une information dynamique sur l'incertitude et la réévaluation des risques qui influence directement la volatilité des actifs numériques. La structure du marché crypto est hétérogène : Bitcoin se comporte comme un actif sensible à la liquidité et aux taux (institutionnel), tandis que les altcoins sont plus sensibles aux régimes d'inflation (détail de marché plus retail).

Pratique :

• Gestion des Portefeuilles : L'utilisation de ces signaux permet d'ajuster la taille des positions (position sizing) en fonction de la volatilité prédite. Par exemple, un signal Fed-Dovish élevé suggère de réduire l'exposition au Bitcoin.
• Pricing des Options : Pour les altcoins, de grands mouvements de probabilité sur l'IPC prédisent une baisse de la volatilité réalisée. Cela pourrait indiquer un sur-évalué (overpricing) des straddles sur les options d'altcoins juste après les annonces d'inflation, offrant des opportunités de vente.

Limites et Perspectives :
La dépendance au régime (notamment pour le canal monétaire) suggère que ces signaux peuvent être moins efficaces dans des environnements macroéconomiques stables. L'avenir de la recherche devrait inclure des données intra-journalières pour affiner le timing de la transmission de l'information et des données sur les participants pour vérifier le chevauchement des investisseurs entre Kalshi et les marchés crypto.

En conclusion, cet article établit un lien causal et prédictif robuste entre les marchés de prédiction macroéconomiques et la volatilité des cryptomonnaies, offrant un nouvel outil pour la modélisation des risques dans l'écosystème numérique.