报告概述
本报告系统评估了Kalshi——美国最大的CFTC监管预测市场——在宏观经济预期测量中的表现。研究对象涵盖CPI、失业率、GDP、联邦基金利率等关键指标。报告构建了Kalshi合约隐含的风险中性概率分布，并比较其与Survey of Market Expectations、Bloomberg Consensus等传统预测工具的准确性。采用高频数据和事件研究方法，分析经济新闻与货币政策冲击对预期分布的影响。报告为研究人员和政策制定者提供了一种实时、连续更新、分布丰富的预期新基准。
报告的核心结论
Kalshi预测市场提供校准良好、快速更新的密度预测
通过构造风险中性概率分布，Kalshi在多个宏观经济变量上表现出与调查和期货相当甚至更优的预测精度。其分布结构能捕捉尾部风险和不对称性，且概率积分变换检验表明密度预测整体校准良好。
Kalshi在联邦基金利率预测上优于期货，与专业预测者持平
报告显示，Kalshi的模值预测在FOMC会议前一天实现零绝对误差，显著优于联邦基金期货。均值和中位数预测与纽约联储SME调查的误差相当，且提供连续更新的全分布，而非低频点估计。
Kalshi独特提供GDP、核心CPI等变量的市场分布预测
对于GDP增长、核心CPI、失业率等变量，此前缺乏活跃的金融衍生品市场。Kalshi填补了这一空白，提供高频的分布预测，使投资者和政策制定者能实时监测经济增长和通胀的尾部风险。
宏观新闻对联邦基金利率分布的高阶矩产生不对称影响
CPI正负冲击对利率预期的均值影响不对称（正冲击影响是负冲击的四倍）。方差在数据公布后普遍下降，零意外时下降最显著。货币政策新闻发布会的冲击则显著降低利率分布的偏度，暗示对上行不确定性有所缓解。
报告回答的关键问题
Kalshi预测市场如何运作？
Kalshi是受CFTC监管的预测市场，交易基于经济结果（如CPI、FOMC决策）的二元合约。合约价格反映市场隐含的风险中性概率，通过收集不同执行价的合约可构建完整的概率分布。报告详细说明了从交易数据到概率分布的方法，并披露了尾部分布处理的注意事项。
Kalshi的预测与Fed Funds Futures相比如何？
Fed Funds Futures仅能推断双点概率，且已无活跃期权交易。Kalshi提供多结果的全分布，且直接挂钩联邦基金利率，避免了SOFR的基差问题。报告证明Kalshi模值预测在FOMC前夕零误差，准确率优于期货。
Kalshi能否改善通胀预测？
对于核心CPI和失业率，Kalshi预测误差与Bloomberg Consensus无显著差异；对于整体CPI，Kalshi的中位数和模值在统计上显著优于Bloomberg。报告显示Kalshi在发布前50天即可连续更新预期，比调查更及时。
预测市场数据如何用于货币政策分析？
报告利用Kalshi的高频分布数据，研究CPI、非农等新闻对利率预期的均值、方差和偏度的影响。发现CPI冲击对第一矩影响显著，而FOMC新闻发布会冲击显著降低偏度。这些发现有助于理解市场预期形成机制和风险状况。
报告中的代表性数据
联邦基金利率预测：Kalshi模值在FOMC前一天的绝对误差
自2022年以来，Kalshi模值预测在所有FOMC会议前一天均准确匹配实际利率，而联邦基金期货和调查均有非零误差。该差异在统计上显著（Diebold-Mariano检验p<0.05）。
整体CPI预测：Kalshi与Bloomberg Consensus的MAE对比
自2022年以来，发布日当天，Kalshi中位数和模值的平均绝对误差为0.063个百分点，Bloomberg为0.081，差异在10%水平显著（*）。核心CPI和失业率误差无显著差异。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 预测市场制度设计概述，包括Kalshi与Polymarket、PredictIt等平台的监管与流动性对比。
- 将合约价格转换为概率分布的详细方法论，包括尾部处理、单调性约束及Bid-Ask中点替代方案的局限性。
- Kalshi与联邦基金期货、SOFR期权的分布比较图，展示Kalshi在捕捉多峰分布和避免基差问题上的优势。
- 2022-2025年逐次FOMC会议的预测误差时间序列图，显示Kalshi、SME调查、联邦基金期货的对比。
- CPI、核心CPI、失业率预测误差的日度演变图，突出Kalshi在发布前50天的持续更新能力。
- 年末CPI与GDP增长的整体分布图及尾部风险（通胀>3%、增长<1.5%）的日度演变。
- 事件研究回归结果：CPI、PCE、非农意外对联邦基金利率分布各矩的影响系数表格。
- 货币政策冲击（声明窗口与新闻发布会窗口）对利率分布影响的回归分析，突出偏度变化的统计显著性。
- 概率积分变换（PIT）检验图，验证Kalshi密度预测的校准程度及风险溢价证据。
- 完整参考文献列表及附录（含Bid-Ask中点方法的额外结果）。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
