Za wzrostem popularności rynków predykcyjnych: gdy fala meme opada, uwaga szuka nowego stołu do gry

Autorzy: Kyle (@Cryptonymk), Dapangdun (@DaPangDunCrypto)

Oryginalny tytuł: Era po ekonomii uwagi — rynki predykcyjne

W tym artykule przeprowadzimy Cię od powierzchownych zjawisk do leżącej u ich podstaw logiki ekonomicznej, rozkładając zjawiska na czynniki pierwsze, by dotrzeć do ich istoty.

1. Wzrost znaczenia rynków predykcyjnych

Wraz z upadkiem memów, lub raczej ich tendencją spadkową, po cichu wyłania się nowy rynek ekonomii uwagi: rynki predykcyjne (kontrakty na wydarzenia).

Rynki predykcyjne zyskały rozgłos podczas batalii o zwycięstwo Trumpa na polymarket. Gdy tradycyjne sondaże i poparcie wyborcze wskazywały, że Harris nadal prowadzi przed Trumpem, francuscy traderzy postawili dziesiątki milionów dolarów na zwycięstwo Trumpa w wyborach prezydenckich w USA. Polymarket na 8 godzin przed ogłoszeniem wyników przewidział z 98% prawdopodobieństwem, że Trump zostanie 47. prezydentem USA — i ta prognoza się sprawdziła. Przełamało to dotychczasowe reguły danych dotyczących wyborów prezydenckich w USA i zmieniło globalne postrzeganie zakładów i kasyn.

Od tego czasu Polymarket wystrzelił do przodu, pojawiło się wiele nowych wydarzeń predykcyjnych, które choć nie dorównują rangą wyborom prezydenckim w USA, wniosły do rynku nowe pomysły i świeżą ekonomię uwagi.

2. Rynki predykcyjne odzwierciedlają prawdziwe głosy użytkowników

Dlaczego Polymarket był w stanie przewidzieć zwycięstwo Trumpa w wyborach na 47. prezydenta USA? To temat wart głębszej analizy.

Późniejsze analizy wykazały: — tradycyjne badania danych nie są w stanie naprawdę odzwierciedlić prawdziwych głosów społeczeństwa.

Gdy organizacje badawcze przeprowadzają sondaże, respondenci, chcąc być postrzegani jako zgodni z otoczeniem i uniknąć wykluczenia, niekoniecznie wyrażają swoje prawdziwe opinie, lecz podążają za nastrojami tłumu. Im większy szum, tym większa ślepa uległość, co często prowadzi do nieracjonalnych baniek. To powoduje rozbieżności między danymi z sondaży a wynikami głosowania.

Natomiast na rynku predykcyjnym użytkownicy obstawiają własne pieniądze, co dotyczy ich realnych interesów, a jednocześnie nie są pod wpływem otoczenia. W takich warunkach ich wybory lepiej odzwierciedlają prawdziwe przekonania i preferencje, dlatego rynki predykcyjne wykazują większą trafność. To zjawisko ma swoje wyjaśnienie w ekonomii — mechanizm zgodności bodźców (incentive compatibility). Rynki predykcyjne opierają się właśnie na tym mechanizmie, na którym budują filary bodźców finansowych, a całość dopełniają mechanizmy rynkowe, tworząc kolejne rynkowe "deale" predykcyjne.

Rynki predykcyjne mogą odzwierciedlać prawdziwe myśli użytkowników dzięki kompletnej logice ekonomicznej — ekonomia rynku predykcyjnego polega na przekształcaniu rozproszonych informacji w sygnały cenowe. Każdy obstawiający ma własną skłonność do ryzyka, mechanizmy zarządzania kapitałem oraz "grubość" informacji (czyli bliskość do rzeczywistego wyniku i zdolność do agregowania rozproszonych informacji). Skala wartości każdego użytkownika jest inna, ale gdy liczba obstawiających jest wystarczająco duża, zdolność agregacji informacji przez grupę znacznie wzrasta. Po agregacji skali wartości powstaje sygnał cenowy, który koryguje odchylenia w agregacji informacji, a wynik jest bliższy rzeczywistemu rezultatowi. Taka agregacja tworzy wartość predykcyjną — precyzja agregacji informacji przez grupę jest znacznie większa niż wybór pojedynczych próbek czy wiedza ekspertów.

3. Różnice między rynkami predykcyjnymi a tradycyjnymi kasynami

Niektórzy utożsamiają rynki predykcyjne (Polymarket, Kalshi, PredictIt) z tradycyjnymi kasynami (kasyna w Las Vegas, hazard w Makau, strony hazardowe online). Nasza dogłębna analiza pokazuje, że to nieobiektywne — istnieje wiele różnic.

Omówimy różnice w ośmiu aspektach: [centralizacja], [przedmiot gry], [złożoność mechanizmu], [cel rynku], [wartość wyniku], [przejrzystość], [motywacja uczestników], [efekt stadny].

Dlatego w porównaniu z tradycyjnymi kasynami rynki predykcyjne mają unikalne zalety:

• Struktura zdecentralizowana: gra toczy się między uczestnikami o różnych poglądach;

• Proste zasady: użytkownicy nie mają obciążeń mentalnych, co sprzyja masowej popularyzacji i zastosowaniu;

• Wysoka aktualność: silnie powiązane z gorącymi tematami rynkowymi, bardziej różnorodne i ciekawsze niż tradycyjne formy;

• Dzięki integracji z Crypto: automatyczne działanie 24/7 bez nadzoru.

4. Efekt Dunninga-Krugera na rynku predykcyjnym

Aby łatwiej zrozumieć kolejne zagadnienia, najpierw przyjrzyjmy się pojęciu: efekt Dunninga-Krugera. Jego główna teoria brzmi:

Ludzie o niskich kompetencjach często przeceniają swoje umiejętności, podczas gdy osoby naprawdę kompetentne mają tendencję do ich niedoceniania.

Niewiedza rodzi pewność siebie, a eksperci są skromni.

Oto analiza mechanizmu psychologicznego efektu Dunninga-Krugera:

1. Osoby o płytkiej wiedzy lub niewystarczających umiejętnościach:

▪️ Z powodu braku wiedzy lub umiejętności nie dostrzegają własnej niewiedzy

▪️ Brakuje im zdolności rozwiązywania problemów i oceny własnej poprawności

▪️ Są bardzo pewni siebie

2. Osoby z dużym doświadczeniem:

▪️ Lepiej rozumieją złożoność problemu

▪️ Wiedzą, czego nie wiedzą

▪️ Dlatego wykazują mniejszą pewność siebie

Krzywa ilustrująca to zjawisko wygląda następująco:

Jak efekt Dunninga-Krugera wpływa na rynki predykcyjne?

Gry w tradycyjnych kasynach są zwykle matematycznie złożone i od dawna badane, co nadaje im "profesjonalny" charakter. Osoby bez doświadczenia często boją się grać, bo wiedzą, że mogą nie mieć niezbędnej wiedzy i umiejętności.

Rynki predykcyjne są inne — ich tematyka jest szeroka, każdy może znaleźć interesujące go wydarzenie, a nawet uważać się za bardziej kompetentnego od innych lub posiadającego więcej informacji. Taka psychologia sprzyja obstawianiu. Na przykład, jeśli bardzo lubię motocykle, podczas wyścigu motogp mogę przewidywać wyniki treningów, kwalifikacji czy wyścigu głównego. Jednak moja wiedza ogranicza się do pasji — nie znam szczegółów technicznych motocykli, warunków pogodowych czy formy zawodników. Mimo to, przez moją pasję i uwielbienie dla Marqueza, łatwo wpadam w pułapkę efektu Dunninga-Krugera.

W rezultacie podczas obstawiania użytkownik naprawdę myśli: wydarzenie najprawdopodobniej potoczy się zgodnie z moją prognozą, a ci, którzy obstawiają przeciwnie, to głupcy, którzy dają mi pieniądze. Zdolność jednostki do agregowania informacji, głębokość wiedzy, myślenie logiczne i umiejętność radzenia sobie z różnicami informacyjnymi są w tym procesie znacznie częściej błędnie oceniane niż w przypadku profesjonalnych graczy kasynowych.

Dodatkowo, rynki predykcyjne naturalnie przyciągają tłumy — za każdym wybranym wydarzeniem stoi ogromna potencjalna grupa użytkowników, a próg wejścia jest tak niski, że uczestniczyć mogą zarówno 8-letnie dzieci, jak i 80-letnie babcie. W takich warunkach efekt Dunninga-Krugera jest znacznie silniejszy.

Oczywiście należy zauważyć, że to właśnie dzięki temu efektowi na rynkach predykcyjnych istnieje ogromny potencjał zysku. Można przewidzieć, że wraz z rozwojem rynku coraz więcej profesjonalnych grup będzie brało w nim udział, ale one również mogą stać się częścią efektu Dunninga-Krugera.

5. Struktura rynku predykcyjnego

Obecnie rynki predykcyjne mają dwie główne struktury: binarną i wielowariantową.

Struktura binarna to obecny model TAK lub NIE, natomiast struktura wielowariantowa wymaga od użytkownika wyboru spośród wielu opcji. Na przykład w meczu piłkarskim struktura binarna to wybór, która z dwóch drużyn wygra, a wielowariantowa to przewidywanie dokładnego wyniku: 0-1, 1-1, 1-2, 1-3, 2-1, 3-1 itd.

Obecnie większość produktów rynku predykcyjnego ma strukturę binarną, głównie dlatego, że próg wejścia jest bardzo niski — wystarczy kliknąć TAK lub NIE.

Jednak wraz ze wzrostem złożoności wydarzeń binarnych, zdolność jednostki do agregowania informacji, głębokość wiedzy, umiejętność radzenia sobie z różnicami informacyjnymi i myślenie logiczne zostaną podzielone na wiele poziomów — od trudnych do prostych. Bardzo specjalistyczne wydarzenia predykcyjne staną się areną dla ekspertów, ale ci zawsze będą w mniejszości, więc rynki predykcyjne skierowane do mas mogą uzyskać większe zyski monopolistyczne.

Przejdźmy do struktury wielowariantowej. Gdy opcji jest więcej, system staje się bardziej złożony, a próg wejścia rośnie, bo użytkownicy mogą doświadczyć przeciążenia informacyjnego i zmęczenia decyzyjnego. W rezultacie efekt Dunninga-Krugera u jednostek jest jeszcze bardziej widoczny. Laicy szybciej wpadają w pułapkę "nikt nie zna się na XXX lepiej ode mnie", a eksperci są bardziej ostrożni, świadomi ryzyka i niepewności. Dolny próg jest bardzo niski, a górny bardzo wysoki. Dlatego rynki wielowariantowe zwykle wymagają specyficznych scenariuszy — skupiają grupę entuzjastów, którzy intensywnie uczestniczą, co może prowadzić do zastąpienia tradycyjnych kasyn. Choć mają ograniczenia, jeśli kierunek zostanie zaakceptowany, łatwiej osiągnąć monopol w danej niszy niż w przypadku produktów binarnych.

Analizując strukturę rynku predykcyjnego pod kątem trudności, poziomy wyglądają następująco:

@FractionAI_xyz@Polymarket@Kalshi @theclearingco @PredictBase @Opiniondotfun @MyriadMarkets @triadfi @fireplacegg @polldotfun @trylimitless @butterygg

6. Trendy rozwoju rynku predykcyjnego

Po dogłębnych badaniach rynku predykcyjnego jesteśmy bardzo optymistyczni co do jego przyszłości, z następujących powodów:

▪️ Eksplozja projektów ekosystemowych — coraz więcej projektów pojawia się na rynku i w naszym polu widzenia, a ich zakres staje się coraz bardziej niszowy

▪️ W obecnych chłodnych czasach na rynku inwestycji pierwotnych finansowanie w tej branży stale rośnie, a instytucje głosują prawdziwymi pieniędzmi

▪️ Eksplozja liczby projektów: liczba nowych projektów wchodzących na rynek rośnie wykładniczo, a coraz większa uwaga skupia się na niszowych, wertykalnych segmentach.

7. Konkurencja i segmentacja rynku predykcyjnego

Rynek predykcyjny wykształcił już stabilny układ dwóch liderów: Polymarket i Kalshi. Konkurencja osiągnęła fazę zaawansowaną. Czołowe platformy dzięki przewadze pierwszeństwa, akumulacji kapitału i efektowi sieci użytkowników zasadniczo zdominowały większość ruchu i TVL na rynku.

Jednak wraz z pojawieniem się coraz większej liczby podobnych produktów, problem "przegrzania" konkurencji staje się coraz bardziej widoczny. Nowi gracze mają trudności z przełamaniem bariery wzrostu użytkowników i nie są w stanie konkurować z liderami pod względem głębokości kapitału i płynności rynku, przez co wiele produktów szybko wpada w błędne koło "brak transakcji —> słaba płynność —> spadek atrakcyjności".

W tej sytuacji niektóre nowe platformy predykcyjne wybierają "ścieżkę segmentacji", rezygnując z bezpośredniej walki z gigantami w pełnym zakresie i koncentrując się na pojedynczym rynku predykcyjnym o strukturze binarnej. Takie produkty skupiają się na jednej dziedzinie, co daje kilka wyraźnych korzyści:

▪️ Skupienie: zasoby koncentrują się na jednym typie rynku, świadomość użytkowników jest wyraźniejsza, a pozycjonowanie produktu bardziej precyzyjne.

▪️ Skupiona płynność: ograniczona głębokość transakcji skupia się na kilku kontraktach, co zapewnia lepszy mechanizm wyceny i doświadczenie handlowe.

▪️ Bariera różnicowania: wejście w niszowe segmenty pozwala uniknąć bezpośredniej konkurencji z liderami.

▪️ Szybszy wzrost użytkowników: lekka forma binarnej predykcji jest łatwiejsza do zrozumienia, obniżając próg wejścia dla nowych użytkowników.

▪️ Silniejsza spójność społeczności: atmosfera społeczności wertykalnej ułatwia użytkownikom budowanie tożsamości i lojalności.

Chociaż takie platformy mogą mieć trudności z osiągnięciem rozmiarów "uniwersalnego giganta rynku predykcyjnego", mają szansę na przełom w niszowych segmentach jako jednorożce.

Na przykład @trylimitless, oferując binarne rynki cenowe dla popularnych tokenów takich jak BTC, ETH, SOL, DOGE, dzięki jasnemu pozycjonowaniu produktu i częstym okazjom do handlu, szybko zgromadził grupę bardzo zaangażowanych użytkowników.

Następnie @trylimitless skutecznie zwiększył retencję użytkowników i częstotliwość transakcji dzięki programowi motywacyjnemu opartego na punktach. W tym tygodniu platforma rozszerzyła się na rynek predykcji cen akcji, poszerzając tym samym scenariusze handlowe użytkowników.

Warto zauważyć, że @trylimitless, opierając się wyłącznie na predykcji cen kryptowalut, zgromadził już ponad 300 milionów dolarów łącznego wolumenu transakcji (Trading Volume). Logika stojąca za tym sukcesem to:

▪️ Precyzyjny wybór rynku: ceny tokenów są bardzo zmienne i medialne, co naturalnie sprzyja krótkoterminowym binarnym predykcjom.

▪️ Jasna świadomość użytkowników: proste pozycjonowanie platformy eliminuje koszty zrozumienia dla nowych użytkowników.

▪️ Silna atmosfera społeczności: użytkownicy handlujący to zazwyczaj aktywni członkowie społeczności kryptowalutowej, którzy mają większą chęć uczestnictwa i motywację do promowania platformy.

Dlatego ścieżka rozwoju @trylimitless dobrze ilustruje rozwój pojedynczego produktu rynku predykcyjnego: skupiając się na jednym, często używanym i silnie pożądanym segmencie, można uniknąć bezpośredniej konkurencji z liderami i dzięki głębokiej operacji osiągnąć własną przewagę różnicującą. W dłuższej perspektywie takie "jednorożce niszowych segmentów" mogą stać się ważnym uzupełnieniem ekosystemu rynku predykcyjnego.

8. Podsumowanie

Na podstawie powyższej analizy wyciągamy następujące wnioski:

• Rynki predykcyjne wpłyną na "tradycyjne kasyna" i poszerzą zakres oraz kategorie "kasyn"

• Rynki predykcyjne staną się głównym polem bitwy ekonomii uwagi w erze po Meme

• Rynki predykcyjne osiągną większą skalę pozyskiwania użytkowników i płynności niż Meme