Agentic AI for Clustering, Relationship Discovery, and Semantic Trading in Prediction Markets

Stel je een gigantische, chaotische bazaar voor waar mensen wedden op alles, van verkiezingsuitslagen tot het weer. Dit is een voorspellingsmarkt. In plaats van appels of schoenen te kopen, kopen handelaren "contracten" die uitbetalen als een specifieke gebeurtenis plaatsvindt. Denk aan een enorme, wereldwijde weersverwachting waarbij de prijs van een "Regen Morgen"-ticket vertelt hoe waarschijnlijk iedereen denkt dat het gaat regenen. Maar hier komt de adder onder het gras: de bazaar is een rommeltje. Er zijn duizenden tickets, en velen zijn stiekem met elkaar verbonden. Als één ticket zegt "Het gaat regenen", zegt een ander misschien "De voetbalwedstrijd wordt geannuleerd", en een derde "Het gras zal nat zijn". Dit zijn niet zomaar willekeurige gokjes; ze zijn logisch aan elkaar gekoppeld. Als de eerste waar is, zijn de anderen dat waarschijnlijk ook. Het probleem is dat de markt deze links niet automatisch laat zien. Het is alsof je een bibliotheek hebt waar elk boek op een andere plank ligt en je moet raden welke verhalen bij elkaar horen.

Om dit op te lossen, gebruiken wetenschappers Agentic AI. Je kunt dit zien als een superintelligente, onvermoeibare detective die niet alleen woorden leest, maar het verhaal achter de woorden begrijpt. In tegenstelling tot een eenvoudige rekenmachine die alleen getallen verwerkt, kan een "agent" redeneren, plannen en zijn eigen werk controleren. De agent kijkt naar de tekst van deze wedcontracten, groepeert vergelijkbare onderwerpen en bepaalt vervolgens welke contracten "leiders" zijn (de contracten die eerst gebeuren of de anderen veroorzaken) en welke "volgers" zijn. Het doel is om deze chaotische bazaar te veranderen in een heldere kaart, die precies laat zien hoe de ene weddenschap de andere beïnvloedt, zodat handelaren kansen kunnen zien die anderen missen.

---

De Kaart van de Detective: Het Oplossen van de Voorspellingsmarkt-puzzel

In de wereld van voorspellingsmarkten heerst chaos. Stel je een enorme kamer voor vol met duizenden mensen die schreeuwen om verschillende weddenschappen op verschillende gebeurtenissen. Sommigen wedden op wie de verkiezingen wint, anderen op hoe hoog de rentetarieven zullen gaan, en weer anderen op of een specifieke film een prijs wint. Het probleem is dat deze weddenschappen vaak overlappend, tegenstrijdig of stiekem verbonden zijn, maar de markt behandelt ze alsof het allemaal vreemden zijn. Een weddenschap op "De Fed verhoogt de rente" kan logischerwijs een weddenschap op "Inflatie stijgt" dwingen om in een specifiek richting te bewegen, maar de markt vertelt je dat niet automatisch.

Maak kennis met de onderzoekers van Columbia University en IBM, die een digitale detective hebben gebouwd genaamd Agentic AI (AAI). Hun missie was om deze lawaaierige kamer binnen te lopen, elk enkel contract te lezen en een kaart te tekenen die laat zien welke weddenschappen eigenlijk vrienden zijn en welke vijanden.

De Detective versus het Woordenboek

Om te zien of hun nieuwe detective goed was, zetten ze het af tegen een standaard hulpmiddel genaamd Natural Language Inference (NLI). Je kunt het NLI-hulpmiddel zien als een zeer strikt woordenboek. Het is goed in het controleren of de ene zin logischerwijs de andere bewijst (zoals "Alle katten zijn harig" impliceert "Deze kat is harig"). Het heeft echter moeite met de rommelige, echte logica van economie en politiek.

De Agentic AI daarentegen is meer als een ervaren redacteur. Het controleert niet alleen de grammatica; het begrijpt context, oorzaak-gevolg en de "vibe" van de situatie. Het kan kijken naar een contract over een politieke kandidaat en een ander over een specifiek beleid, en beseffen dat als de kandidaat wint, het beleid waarschijnlijk zal plaatsvinden, zelfs als de zinnen er niet exact hetzelfde uitzien.

De Grote Ontdekking: Wie is de Baas?

Het team testte hun systeem op een enorme dataset van contracten uit het begin van semente 2026. Ze stelden een simpele vraag: "Kan deze AI ontdekken welke contracten verbonden zijn, en in welke richting?"

De resultaten waren een duidelijke overwinning voor de detective. Wanneer ze de antwoorden van de AI controleerden tegen de werkelijke resultaten van de gebeurtenissen (gebeurde de gebeurtenis wel of niet?), had de Agentic AI in 62,8% van de gevallen gelijk. Het standaard woordenboek-hulpmiddel (NLI) kreeg het slechts in 40,6% van de gevallen goed.

Maar de echte magie zat niet alleen in het vaker hebben van gelijk; het zat in de manier waarop de AI de informatie organiseerde. De AI wierp niet zomaar een miljoen willekeurige verbindingen op de kaart. Het bouwde een sparse graph (een ijle graaf), wat meer lijkt op een schoon, georganiseerd metrostelsel dan op een verwarde kluwen wol.

• De "Frustratie"-test: Stel je een groep vrienden voor waarbij sommigen beste vrienden zijn (positieve links) en anderen vijanden (negatieve links). Een "gefrustreerde" groep is een groep waar de vriendschappen geen zin maken (bijv. Alice houdt van Bob, Bob houdt van Charlie, maar Alice haat Charlie). De kaart van de AI had een "frustratiegraad" van slechts 0,324%. Dit betekent dat de relaties die het vond ongelooflijk consistent en logisch waren. In contrast hiermee was de kaart van het woordenboek-hulpmiddel veel rommeliger, met een frustratiegraad tussen de 5,88% en 16,16%.

De AI begreep ook de richting van de relaties. Het kon aangeven welk contract de "leider" was (degene die eerst beweegt) en welk contract de "volger" was (degene die reageert). Het kon bijvoorbeeld correct identificeren dat een contract over een besluit van de Fed over de rente zou leiden tot een contract over obligatie-rendementen, en niet andersom.

Geld Verdienen met de Kaart

De onderzoekers stopten niet bij het tekenen van de kaart; ze vroegen zich af: "Kunnen we dit gebruiken om geld te verdienen?" Ze creëerden een handelsstrategie gebaseerd op de ontdekkingen van de AI. Het idee was simpel: als de AI zegt dat Contract A leidt tot Contract B, en Contract B is momenteel te laag (of te hoog) geprijsd in vergelijking met wat Contract A suggereert, koop je het goedkope contract en verkoop je het dure.

Ze draalden een simulatie van deze strategie gedurende twee maanden in 2026. Na aftrek van alle kosten genereerde de strategie een netto rendement op investering (ROI) van 14,12%. Dit bewijst dat het vermogen van de AI om verborgen connecties te vinden niet alleen een leuke truc is; het heeft echte economische waarde. Het vond "semantische statistische arbitrage"—winstkansen die bestaan omdat de markt nog niet heeft gerealiseerd dat twee ogenschijnlijk verschillende weddenschappen eigenlijk hetzelfde verhaal zijn.

Wat dit betekent voor de Toekomst

Dit paper suggereert dat de toekomst van voorspellingsmarkten niet alleen gaat over betere odds of snellere computers; het gaat over beter begrip. De Agentic AI fungeert als een "structurele ontdekkingslaag", die een chaotische stapel tekst omzet in een samenhangende, logische structuur die machines en mensen kunnen vertrouwen.

Hoewel het woordenboek-hulpmiddel (NLI) nog steeds nuttig is voor het controleren van strikte logica, is het te rigide voor het complexe, echte web van oorzaak en gevolg dat deze markten aanstuurt. De Agentic AI, met zijn vermogen om door context te redeneren en alleen de meest betekenisvolle verbindingen te selecteren, biedt een nieuwe manier om door de ruis te navigeren. Het suggereert dat in een wereld van gefragmenteerde informatie, de sleutel tot succes niet alleen het hebben van meer data is, maar het hebben van een slimme agent die je kan vertellen welke stukjes data daadwerkelijk bij elkaar passen.

De onderzoekers merken er voorzichtig bij op dat dit een simulatie is gebaseerd op 2026-data, en dat handel in de echte wereld risico's met zich meebrengt. De resultaten suggereren echter sterk dat Agentic AI klaar is om de stap te maken van het laboratorium naar de handelsvloer, om als gids te fungeren door het verstrengelde web van wereldwijde voorspellingen.