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

该论文通过 2023 年 1 月至 2026 年 3 月的实证分析发现，Kalshi 宏观预测市场中的货币政策（如美联储利率预期）、衰退风险和通胀（CPI）重定价信号，能够显著且稳健地预测比特币及多种山寨币的已实现波动率，且这些预测信息独立于传统金融指标。

要点

这篇论文就像是在说：“预测市场（比如 Kalshi）就像是一个巨大的、实时的‘情绪晴雨表’，它能比传统金融工具更早、更准地告诉我们，加密货币（比如比特币）接下来会经历多大的‘风浪’（波动性）。”

为了让你更容易理解，我们把这篇充满学术术语的论文，拆解成几个生动的故事和比喻：

1. 核心问题：我们如何预知“风暴”？

想象一下，加密货币市场（比特币、以太坊等）就像一片变幻莫测的大海。

• 传统方法：以前的经济学家试图通过看“天气预报”（比如美联储的官方公告、通胀数据 CPI）来预测大海会不会起浪。但问题是，官方公告是定时发布的（比如每个月一次），而在两次公告之间，大海里的暗流涌动，大家心里怎么想的，传统工具是看不到的。
• 新方法（这篇论文）：作者发现了一个新的“气象站”——Kalshi 预测市场。这是一个允许人们下注“美联储会不会降息”或“通胀会不会高”的合法赌场。
  • 比喻：Kalshi 上的价格就像是一群聪明人每天在不停地投票。如果价格突然剧烈变动，说明大家的预期变了。这种“预期的变化”本身，就是风暴来临前的信号。

2. 两大“魔法通道”：不同的船，不同的风

论文发现，并不是所有加密货币都怕同一种风。它们对不同的宏观消息反应完全不同：

🪙 通道一：比特币（BTC）怕“美联储的风”

• 现象：比特币的波动，主要跟美联储的利率政策有关。
• 比喻：比特币像是一艘超级大船，上面坐满了机构投资者（大银行、基金）。这艘船非常依赖“美元流动性”这个燃料。
  • 当 Kalshi 上的价格显示大家觉得“美联储要降息”（鸽派信号）时，这通常意味着经济可能有点糟糕，或者大家觉得钱会变多。这种预期的突然改变，会让大船上的投资者感到不安，开始频繁调整仓位，导致比特币价格剧烈波动。
  • 结论：如果你想知道比特币下周会不会“坐过山车”，就看 Kalshi 上关于美联储利率的预测有没有剧烈变化。

🪙 通道二：山寨币（以太坊、Solana 等）怕“通胀的雾”

• 现象：像以太坊（ETH）、Solana（SOL）这样的“山寨币”，它们的波动主要跟**通胀数据（CPI）**有关。
• 比喻：这些山寨币更像是一群小快艇，上面坐的大多是散户。散户更担心“物价会不会涨得太快”。
  • 有趣的是，论文发现了一个反直觉的现象：当 Kalshi 上关于通胀的预测发生剧烈变化时，山寨币的波动反而变小了！
  • 为什么？ 这叫“不确定性消除”。在通胀数据公布前，大家心里没底，像在大雾里开船，小心翼翼但随时可能撞船（高波动）。一旦 Kalshi 上的价格剧烈变动（说明大家终于看清了数据，或者数据出炉了），迷雾散去，大家心里有底了，反而不再恐慌性买卖，波动就降下来了。
  • 结论：如果你想知道以太坊下周会不会平静，就看 Kalshi 上关于通胀的预测是不是已经“尘埃落定”。

3. 为什么这个发现很厉害？（不仅仅是“看热闹”）

论文做了一些严格的测试，证明这些信号不是瞎蒙的：

• 不是重复信息：作者把 Kalshi 的信号和传统的“国债收益率”、“股市波动指数（VIX）”做对比。发现 Kalshi 提供了全新的信息。就像你既有天气预报，又有卫星云图，两者结合才能看得更准。
• 真的能赚钱吗？（虽然论文没直接说，但暗示了）：
  • 对于比特币：在美联储降息周期（2024-2025），这个信号特别准。
  • 对于以太坊和 Solana：这个信号在预测通胀后的波动时非常稳定，能比传统模型更准地预测下周的波动率。
  • 实际应用：如果你是一个基金经理，知道下周比特币可能会因为“降息预期”而大波动，你就可以减少仓位（少买一点），或者多买保险（期权），从而在风暴中少亏钱。

4. 一个重要的“副作用”：天气会变

论文也提醒我们，这个“气象站”不是永远灵验的。

• 比喻：就像“厄尔尼诺”现象一样，美联储的降息周期是一个特定的时期。在这个时期，Kalshi 的信号特别准。但如果未来进入“加息周期”或者经济特别平稳，这个信号可能就不那么灵了。
• 结论：这个工具在“动荡期”最好用，在“太平期”可能就没那么大的预测力了。

总结

这篇论文告诉我们：
不要只盯着新闻标题看，要盯着“预测市场”的价格变动看。

• 想管比特币的风浪？盯着美联储的预测。
• 想管山寨币的风浪？盯着通胀的预测。

这就好比，以前我们看海是凭经验猜，现在有了 Kalshi 这个“实时情绪雷达”，我们能更早地看到海平面上升的征兆，从而在风暴来临前把船开得更稳。

技术摘要

1. 研究问题 (Problem)

• 核心痛点：宏观经济新闻会驱动资产价格波动，其波动幅度取决于新闻中包含的、超出市场已定价信息的“意外”成分。对于股票和债券，已有大量文献将美联储沟通、CPI 发布等与波动率联系起来。然而，加密货币市场具有全天候交易、投资者结构异质性强、缺乏传统机构锚点等特点，使得宏观 - 金融联系难以解读。
• 现有局限：现有研究受限于传统“意外”指标（如美联储意外指数）仅在预定公告日可用。在公告日之间，缺乏衡量宏观预期如何连续变化的标准指标。
• 研究目标：本文旨在探究 KALSHI 预测市场（美国首个受 CFTC 监管的事件合约交易所）中的每日概率变化是否能填补这一空白，从而预测加密货币的已实现波动率（Realized Volatility）。

2. 方法论 (Methodology)

2.1 数据构建

• 预测市场信号：
  • 来源：KALSHI 的 10 个宏观事件合约系列（涵盖美联储利率决策、CPI、GDP、NBER 衰退判定等）。
  • 时间跨度：2023 年 1 月至 2026 年 3 月。
  • 信号构造：计算每日成交量加权概率变化（Volume-Weighted Probability Change, $\Delta vw_{s,t}$）。
  • 核心逻辑：关注概率变化的幅度（绝对值）而非方向，因为每日变化主要反映信念更新，而非风险溢价的剧烈波动。
  • 具体信号：
    • 货币政策通道：KXFED（美联储利率），构建“美联储鸽派”信号（利率预期下调时为正）。
    • 通胀通道：KXCPI（CPI 数据）。
    • 衰退风险：KXRECSSNBER（NBER 衰退判定）。
• 目标变量：
  • 标的资产：比特币 (BTC)、以太坊 (ETH)、Solana (SOL)、Cardano (ADA)、Avalanche (AVAX)、Chainlink (LINK)。
  • 因变量：5 天向前已实现波动率（5-day forward realized volatility），基于日对数收益率计算。
• 控制变量：VIX 指数、美元指数 (DXY) 回报、标普 500 回报、美联储期货隐含利率变化、10 年期国债收益率。

2.2 实证模型

• 基准模型 (HAR)：采用 Corsi (2009) 的异质自回归模型，分解日、周、月维度的波动率持续性。
• 增强模型 (M3)：在 HAR 模型和控制变量的基础上，加入滞后一日的 KALSHI 信号。
  $$RVol_{a,t} = \alpha + \beta' HAR_{a,t} + \gamma' Ctrl_t + \delta \cdot Kalshi_{s,t-1} + \epsilon_{a,t}$$
• 统计推断：
  • 使用 Newey-West HAC 标准误（5 阶滞后）处理重叠数据带来的自相关。
  • 针对 60 个“信号 - 资产”组合进行多重检验，采用 Benjamini-Hochberg (BH) 程序控制错误发现率 (FDR, q=0.05)。
• 样本外评估：
  • 采用扩展窗口（Expanding Window）方案，初始训练期为 120 天。
  • 使用 Clark-West (CW) 统计量检验嵌套模型的预测误差改进（MSFE 比率）。

3. 关键贡献 (Key Contributions)

1. 引入新型宏观信号源：首次利用受监管的预测市场（KALSHI）的连续每日概率变化作为宏观不确定性指标，填补了传统指标在公告日之间的空白。
2. 揭示资产异质性：证明了不同的宏观传导通道对不同加密货币资产具有特异性影响，而非简单的“风险规避”普适效应。
3. 信息增量验证：通过正交化分析，证明 KALSHI 信号包含了传统金融工具（如美联储期货、国债收益率、Deribit 隐含波动率）中未包含的独立信息。
4. 区分风险中性与物理概率：指出在预测波动率幅度时，概率水平的风险溢价差异不如概率变化的幅度重要，因为每日差分消除了常数风险溢价。

4. 主要结果 (Results)

4.1 通道特异性 (Channel Specificity)

• 比特币 (BTC) 与货币政策：
  • 美联储鸽派信号（利率预期下调）显著预测 BTC 波动率上升（样本内 $t=3.63, p<0.001$）。
  • 机制解释：鸽派转向可能预示宏观经济疲软或触发美元流动性重平衡，增加不确定性。
  • 样本外表现：受限于 2024-2025 降息周期的特定 regime，该信号在样本外未能持续产生显著增益。
  • 衰退风险信号（KXRECSSNBER）：在样本外表现最稳健（MSFE 比率 0.979, $p=0.020$），因其反映缓慢演变的宏观状态。
• 山寨币 (Altcoins) 与通胀：
  • CPI 信号（KXCPI）：CPI 概率变化的幅度显著预测 ETH、SOL、ADA 和 LINK 的下周波动率下降（系数为负，$t$ 值在 -2.1 至 -3.4 之间）。
  • 机制解释：这反映了不确定性消除（Uncertainty Resolution）。CPI 数据发布前后的预期重定价集中了不确定性，数据发布后不确定性消除，导致波动率下降。
  • 样本外表现：ETH (MSFE=0.959, $p=0.010$) 和 SOL (MSFE=0.983, $p=0.048$) 在样本外表现稳健。

4.2 稳健性与正交化

• 正交性：KALSHI 信号与传统宏观指标（如美联储期货变化、10 年期国债回报）的相关性极低（第一阶 $R^2$ 仅为 2.3% 和 7.5%）。残差信号仍保持显著预测力。
• 对比传统工具：KALSHI 信号在联合模型中显著，而 Fed Funds 期货、国债收益率甚至 Deribit 加密货币隐含波动率指数 (DVOL) 在联合模型中不显著。这表明预测市场捕捉了期权市场未反映的宏观驱动信息。
• 多重检验：经过 BH 校正后，BTC-鸽派信号和LINK-CPI 信号在 $q=0.05$ 水平下依然显著。

4.3 机制依赖与时间窗口

• 货币政策通道：具有强烈的制度依赖性 (Regime Dependence)。其预测能力主要集中在 2024-2025 年利率重新定价的活跃期，一旦周期结束，预测力反转。
• 通胀通道：更为稳定，不依赖于特定的利率周期，主要受通胀预期不确定性的驱动。
• 时间 horizon：货币政策信号在 3-5 天预测窗口达到峰值；CPI 信号在 5 天窗口显著，部分资产（如 ETH）可持续至 10 天。

5. 意义与启示 (Significance)

• 理论意义：
  • 证实了预测市场是有效的信息聚合器，能够高效分散并反映宏观预期。
  • 揭示了加密货币市场内部投资者结构的异质性：BTC 更多受机构投资者（关注流动性/利率）驱动，而山寨币更多受散户（关注通胀/购买力）驱动。
• 实践意义：
  • 波动率管理：投资者可利用 KALSHI 信号优化仓位大小。例如，当鸽派信号处于高位时，预测的 BTC 波动率上升，应相应降低仓位（约 7% 的权重调整）。
  • 期权定价：CPI 信号显示，大型 CPI 事件后，山寨币的实际波动率往往低于隐含波动率。这暗示在 CPI 发布后，期权市场可能系统性高估了波动率（Straddle 定价过高），存在套利机会。
• 局限性：
  • 样本覆盖特定宏观周期（高通胀、降息周期），结论在平静市场环境下是否适用尚需验证。
  • 缺乏交易者层面的微观数据，无法直接验证是否存在重叠的参与者群体。

总结

该论文通过严谨的实证分析，确立了 KALSHI 预测市场作为加密货币波动率预测新工具的有效性。它发现货币政策预期主要驱动比特币波动，而通胀预期主要驱动山寨币波动。这些信号提供了传统金融指标无法捕捉的增量信息，为量化交易、风险管理和衍生品定价提供了新的视角和工具。