Finanzas de la información: Nuevas perspectivas más allá del mercado de predicción
El mercado de predicción como una nueva aplicación de blockchain está atrayendo la atención de cada vez más personas. Como fundador de Ethereum, siempre he tenido un gran interés en el mercado de predicción. Ya en 2014, escribí un artículo explorando un modelo de gobernanza basado en predicciones. En 2015, participé activamente y apoyé el desarrollo del mercado de predicción Augur. En las elecciones estadounidenses de 2020, obtuve ganancias de 58,000 dólares a través del mercado de predicción. Recientemente, he estado siguiendo de cerca y apoyando el desarrollo de Polymarket.
Para muchas personas, el mercado de predicción es una forma de apuestas electorales, pero es otra forma de juego. Desde esta perspectiva, mi entusiasmo por el mercado de predicción puede parecer un tanto increíble. Pero en realidad, lo que valoro son los conceptos profundos detrás del mercado de predicción. Creo que:
El mercado de predicción existente ya es una herramienta muy útil;
Más importante aún, el mercado de predicción es solo el pionero de un campo más amplio conocido como "finanzas de la información". Se espera que las finanzas de la información se apliquen en múltiples áreas como las redes sociales, la ciencia, las noticias y la gobernanza.
Polymarket: la doble identidad de un sitio de apuestas y plataforma de noticias
Recientemente, en las elecciones estadounidenses, Polymarket demostró su ventaja como fuente de información. Además de proporcionar una predicción de probabilidad de 60/40, Polymarket reveló la verdad directamente cuando se anunciaron los resultados: la probabilidad de que un candidato ganara era superior al 95%, mientras que la probabilidad de que obtuviera el control de todos los departamentos gubernamentales era superior al 90%. Esto contrasta notablemente con los informes engañosos de muchos expertos y fuentes de noticias.
El valor de Polymarket no solo se refleja en eventos significativos. Durante las elecciones presidenciales de Venezuela en julio de este año, vi en Polymarket que había personas dispuestas a apostar más de 100,000 dólares sobre la posibilidad de que Maduro fuera derrocado, con un 23%. Esto llamó mi atención y me hizo darme cuenta de que la oposición estaba adoptando una estrategia inusual que merecía atención. Si no hubiera sido por la señal inicial de Polymarket, probablemente no habría prestado atención a la importancia de este evento.
Por supuesto, no debemos confiar ciegamente en los datos de los gráficos. Si todos solo miran los gráficos, las personas con capital podrían manipular el mercado. De igual manera, depender completamente de las noticias tradicionales tampoco es recomendable, ya que las noticias a menudo exageran los acontecimientos por el clic. La práctica sabia es combinar la lectura de noticias y la revisión de datos del mercado. Si ves informes sensacionalistas, pero la probabilidad de predicción del mercado no ha cambiado, entonces deberías mantenerte escéptico. Por el contrario, si el mercado presenta probabilidades inusuales o fluctuaciones repentinas, entonces vale la pena profundizar en las razones detrás de ello.
En resumen, al combinar noticias y datos de mercado, podemos obtener información más completa. Para los jugadores de apuestas, Polymarket es una plataforma de apuestas. Para otros, es un sitio web de datos de noticias. Aunque no se debe confiar completamente en los datos de gráficos, he incluido la revisión de datos de mercado como parte del proceso de recopilación de información, junto con los medios tradicionales y las redes sociales. Esto me ayuda a obtener información de manera más eficiente.
Amplias perspectivas de la información financiera
Predecir los resultados electorales es solo una aplicación de las finanzas de la información. Un concepto más amplio es utilizar las finanzas como un mecanismo de coordinación de incentivos para proporcionar información valiosa al público. Algunos podrían decir que todas las finanzas están esencialmente relacionadas con la información. Los diferentes participantes toman decisiones de compra y venta basadas en diferentes perspectivas sobre el futuro, y podemos inferir mucho conocimiento sobre el mundo a partir de los precios del mercado.
Pero las finanzas de la información son una disciplina más precisa, que nos exige:
Partiendo de los hechos que se quieren conocer;
Diseñar cuidadosamente el mecanismo del mercado para obtener esa información de los participantes de la manera óptima.
El mercado de predicción es un ejemplo típico: queremos saber qué sucederá en el futuro, así que establecemos un mercado para que las personas apuesten sobre ello. Otro ejemplo es el mercado de decisiones: queremos saber si la decisión A o B producirá mejores resultados, por lo que establecemos un mercado condicional para que las personas apuesten sobre los valores de los indicadores bajo diferentes decisiones.
La inteligencia artificial es muy probable que tenga un gran impacto en la industria financiera en la próxima década. Esto se debe a que muchas aplicaciones de información financiera involucran problemas "micro": millones de mercados de decisiones a pequeña escala. Tradicionalmente, los mercados con bajo volumen de transacciones tienen dificultades para operar de manera efectiva, ya que los participantes profesionales no tienen suficiente incentivo de ganancias. Pero la inteligencia artificial ha cambiado esta situación; incluso en mercados con solo 10 dólares de volumen de transacciones, podríamos obtener información de alta calidad. Incluso si se requieren subsidios, la escala de subsidios para cada problema es manejable.
Finanzas de información: Refinar el juicio humano
Supongamos que tenemos un mecanismo de juicio humano confiable pero costoso, y queremos acceder a su "versión económica" en tiempo real a bajo costo. Robin Hanson propuso un esquema: establecer un mercado de predicción cada vez que se necesite tomar una decisión, pronosticando qué resultado se obtendría si se invocara el mecanismo costoso. El mercado funcionaría y se invertiría una pequeña cantidad de fondos para subsidiar a los creadores de mercado.
En la gran mayoría de los casos, no realmente invocamos mecanismos costosos: podemos tomar decisiones directamente basadas en el precio promedio del mercado. Solo en muy raras ocasiones, tal vez eligiendo aleatoriamente o en el mercado con mayor volumen de transacciones, realmente ejecutaremos mecanismos costosos y compensaremos a los participantes en consecuencia.
De esta manera se proporciona una "versión refinada" confiable, neutral, rápida y barata, que refleja aproximadamente el comportamiento del mecanismo original. Porque solo los participantes que ayudan a lograr ese resultado pueden obtener ganancias, mientras que los demás perderán.
Este método no solo es aplicable a las redes sociales, sino también a las organizaciones autónomas descentralizadas (DAO). Uno de los principales problemas de un DAO es que hay demasiadas decisiones, lo que lleva a la mayoría de las personas a no querer participar. Si en el DAO realmente ocurren pocas votaciones, y la mayoría de los asuntos son decididos por el mercado de predicción, donde humanos y AI predicen conjuntamente los resultados de las votaciones, entonces este DAO podría funcionar mejor.
Otras aplicaciones de la información financiera
Token personal: crear tokens negociables para cada persona, reflejando las expectativas sobre su estatus futuro. Aunque proyectos actuales como friend.tech aún no son lo suficientemente maduros, se espera que a través de un diseño económico más cuidadoso se puedan abordar problemas importantes como el descubrimiento de talento.
Publicidad: Basado en el "señal costosa pero confiable" del comportamiento de compra real, la información financiera puede ayudar a las personas a tomar mejores decisiones de compra.
Revisión por pares científica: utilizar el mercado de predicción para determinar los resultados de investigación que necesitan ser reexaminados, ayudando a los lectores a evaluar la credibilidad de resultados específicos. Los experimentos preliminares han tenido éxito.
Financiación de bienes públicos: Al rastrear todo el gráfico de dependencias, se espera mejorar el problema de "competencia de popularidad" en el actual mecanismo de financiación, determinando la contribución de cada proyecto a los resultados positivos.
Conclusión
Aunque estas ideas han sido discutidas durante años, creo que las finanzas de la información tienen un gran potencial en la década actual, y hay tres razones principales para ello:
La información financiera resuelve el problema de confianza que existe comúnmente en los ámbitos político, científico y comercial;
La tecnología blockchain escalable proporciona la infraestructura para implementar estas ideas;
La participación de la inteligencia artificial hace posible establecer mercados efectivos en problemas a pequeña escala.
Para aprovechar plenamente esta oportunidad, necesitamos ir más allá de las predicciones electorales y explorar las perspectivas de aplicación más amplias de las finanzas de la información.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
10 me gusta
Recompensa
10
7
Compartir
Comentar
0/400
HappyMinerUncle
· Hace4m
Entonces, ¿es solo por el dinero?
Ver originalesResponder0
ContractHunter
· hace14h
Donde hay dinero, ahí iré.
Ver originalesResponder0
OnchainGossiper
· hace14h
Los apostadores están condenados a morir. No apuestes. No hay buen final.
Ver originalesResponder0
NFTFreezer
· hace14h
He estado jugando unos años, todavía estoy Arruinado
Ver originalesResponder0
PrivacyMaximalist
· hace14h
El consenso es la verdadera fuerza, y apostar también es un tipo de ejercicio.
Ver originalesResponder0
UnluckyMiner
· hace14h
Otra máquina que toma a la gente por tonta, jajaja.
Finanzas de la información: la próxima revolución encriptación más allá del mercado de predicción
Finanzas de la información: Nuevas perspectivas más allá del mercado de predicción
El mercado de predicción como una nueva aplicación de blockchain está atrayendo la atención de cada vez más personas. Como fundador de Ethereum, siempre he tenido un gran interés en el mercado de predicción. Ya en 2014, escribí un artículo explorando un modelo de gobernanza basado en predicciones. En 2015, participé activamente y apoyé el desarrollo del mercado de predicción Augur. En las elecciones estadounidenses de 2020, obtuve ganancias de 58,000 dólares a través del mercado de predicción. Recientemente, he estado siguiendo de cerca y apoyando el desarrollo de Polymarket.
Para muchas personas, el mercado de predicción es una forma de apuestas electorales, pero es otra forma de juego. Desde esta perspectiva, mi entusiasmo por el mercado de predicción puede parecer un tanto increíble. Pero en realidad, lo que valoro son los conceptos profundos detrás del mercado de predicción. Creo que:
El mercado de predicción existente ya es una herramienta muy útil;
Más importante aún, el mercado de predicción es solo el pionero de un campo más amplio conocido como "finanzas de la información". Se espera que las finanzas de la información se apliquen en múltiples áreas como las redes sociales, la ciencia, las noticias y la gobernanza.
Polymarket: la doble identidad de un sitio de apuestas y plataforma de noticias
Recientemente, en las elecciones estadounidenses, Polymarket demostró su ventaja como fuente de información. Además de proporcionar una predicción de probabilidad de 60/40, Polymarket reveló la verdad directamente cuando se anunciaron los resultados: la probabilidad de que un candidato ganara era superior al 95%, mientras que la probabilidad de que obtuviera el control de todos los departamentos gubernamentales era superior al 90%. Esto contrasta notablemente con los informes engañosos de muchos expertos y fuentes de noticias.
El valor de Polymarket no solo se refleja en eventos significativos. Durante las elecciones presidenciales de Venezuela en julio de este año, vi en Polymarket que había personas dispuestas a apostar más de 100,000 dólares sobre la posibilidad de que Maduro fuera derrocado, con un 23%. Esto llamó mi atención y me hizo darme cuenta de que la oposición estaba adoptando una estrategia inusual que merecía atención. Si no hubiera sido por la señal inicial de Polymarket, probablemente no habría prestado atención a la importancia de este evento.
Por supuesto, no debemos confiar ciegamente en los datos de los gráficos. Si todos solo miran los gráficos, las personas con capital podrían manipular el mercado. De igual manera, depender completamente de las noticias tradicionales tampoco es recomendable, ya que las noticias a menudo exageran los acontecimientos por el clic. La práctica sabia es combinar la lectura de noticias y la revisión de datos del mercado. Si ves informes sensacionalistas, pero la probabilidad de predicción del mercado no ha cambiado, entonces deberías mantenerte escéptico. Por el contrario, si el mercado presenta probabilidades inusuales o fluctuaciones repentinas, entonces vale la pena profundizar en las razones detrás de ello.
En resumen, al combinar noticias y datos de mercado, podemos obtener información más completa. Para los jugadores de apuestas, Polymarket es una plataforma de apuestas. Para otros, es un sitio web de datos de noticias. Aunque no se debe confiar completamente en los datos de gráficos, he incluido la revisión de datos de mercado como parte del proceso de recopilación de información, junto con los medios tradicionales y las redes sociales. Esto me ayuda a obtener información de manera más eficiente.
Amplias perspectivas de la información financiera
Predecir los resultados electorales es solo una aplicación de las finanzas de la información. Un concepto más amplio es utilizar las finanzas como un mecanismo de coordinación de incentivos para proporcionar información valiosa al público. Algunos podrían decir que todas las finanzas están esencialmente relacionadas con la información. Los diferentes participantes toman decisiones de compra y venta basadas en diferentes perspectivas sobre el futuro, y podemos inferir mucho conocimiento sobre el mundo a partir de los precios del mercado.
Pero las finanzas de la información son una disciplina más precisa, que nos exige:
Partiendo de los hechos que se quieren conocer;
Diseñar cuidadosamente el mecanismo del mercado para obtener esa información de los participantes de la manera óptima.
El mercado de predicción es un ejemplo típico: queremos saber qué sucederá en el futuro, así que establecemos un mercado para que las personas apuesten sobre ello. Otro ejemplo es el mercado de decisiones: queremos saber si la decisión A o B producirá mejores resultados, por lo que establecemos un mercado condicional para que las personas apuesten sobre los valores de los indicadores bajo diferentes decisiones.
La inteligencia artificial es muy probable que tenga un gran impacto en la industria financiera en la próxima década. Esto se debe a que muchas aplicaciones de información financiera involucran problemas "micro": millones de mercados de decisiones a pequeña escala. Tradicionalmente, los mercados con bajo volumen de transacciones tienen dificultades para operar de manera efectiva, ya que los participantes profesionales no tienen suficiente incentivo de ganancias. Pero la inteligencia artificial ha cambiado esta situación; incluso en mercados con solo 10 dólares de volumen de transacciones, podríamos obtener información de alta calidad. Incluso si se requieren subsidios, la escala de subsidios para cada problema es manejable.
Finanzas de información: Refinar el juicio humano
Supongamos que tenemos un mecanismo de juicio humano confiable pero costoso, y queremos acceder a su "versión económica" en tiempo real a bajo costo. Robin Hanson propuso un esquema: establecer un mercado de predicción cada vez que se necesite tomar una decisión, pronosticando qué resultado se obtendría si se invocara el mecanismo costoso. El mercado funcionaría y se invertiría una pequeña cantidad de fondos para subsidiar a los creadores de mercado.
En la gran mayoría de los casos, no realmente invocamos mecanismos costosos: podemos tomar decisiones directamente basadas en el precio promedio del mercado. Solo en muy raras ocasiones, tal vez eligiendo aleatoriamente o en el mercado con mayor volumen de transacciones, realmente ejecutaremos mecanismos costosos y compensaremos a los participantes en consecuencia.
De esta manera se proporciona una "versión refinada" confiable, neutral, rápida y barata, que refleja aproximadamente el comportamiento del mecanismo original. Porque solo los participantes que ayudan a lograr ese resultado pueden obtener ganancias, mientras que los demás perderán.
Este método no solo es aplicable a las redes sociales, sino también a las organizaciones autónomas descentralizadas (DAO). Uno de los principales problemas de un DAO es que hay demasiadas decisiones, lo que lleva a la mayoría de las personas a no querer participar. Si en el DAO realmente ocurren pocas votaciones, y la mayoría de los asuntos son decididos por el mercado de predicción, donde humanos y AI predicen conjuntamente los resultados de las votaciones, entonces este DAO podría funcionar mejor.
Otras aplicaciones de la información financiera
Token personal: crear tokens negociables para cada persona, reflejando las expectativas sobre su estatus futuro. Aunque proyectos actuales como friend.tech aún no son lo suficientemente maduros, se espera que a través de un diseño económico más cuidadoso se puedan abordar problemas importantes como el descubrimiento de talento.
Publicidad: Basado en el "señal costosa pero confiable" del comportamiento de compra real, la información financiera puede ayudar a las personas a tomar mejores decisiones de compra.
Revisión por pares científica: utilizar el mercado de predicción para determinar los resultados de investigación que necesitan ser reexaminados, ayudando a los lectores a evaluar la credibilidad de resultados específicos. Los experimentos preliminares han tenido éxito.
Financiación de bienes públicos: Al rastrear todo el gráfico de dependencias, se espera mejorar el problema de "competencia de popularidad" en el actual mecanismo de financiación, determinando la contribución de cada proyecto a los resultados positivos.
Conclusión
Aunque estas ideas han sido discutidas durante años, creo que las finanzas de la información tienen un gran potencial en la década actual, y hay tres razones principales para ello:
La información financiera resuelve el problema de confianza que existe comúnmente en los ámbitos político, científico y comercial;
La tecnología blockchain escalable proporciona la infraestructura para implementar estas ideas;
La participación de la inteligencia artificial hace posible establecer mercados efectivos en problemas a pequeña escala.
Para aprovechar plenamente esta oportunidad, necesitamos ir más allá de las predicciones electorales y explorar las perspectivas de aplicación más amplias de las finanzas de la información.