Strukturelle Volatilitätsprognosen für binäre Prognosemärkte

Zusammenfassung

Das Dokument entwickelt einen Rahmen zur Volatilitätsprognose für binäre Prognosemärkte, in denen Preise begrenzte Wahrscheinlichkeiten abbilden und Kontrakte zu festgelegten Fristen abgerechnet werden. Es kombiniert eine Wright–Fisher-Komponente, die modelliert, wie sich Unsicherheit mit näher rückender Frist auflösen muss, mit einer Glosten–Milgrom-Komponente, die informierten Orderflow, Spreads und Volumen mit der Volatilität verknüpft. Außerdem vergleicht es diese strukturellen Eingangsgrößen mit ARCH- und GARCH-Benchmarks und betrachtet die Ergänzung um residuale GARCH-Dynamik.

Tests mit einer großen Gruppe von Kalshi-Kontrakten zeigen, dass die strukturellen Variablen Prognosen gegenüber einfachen ARCH/GARCH-Modellen verbessern, während die Kombination mit einer residualen GARCH-Dynamik die insgesamt besten Prognosen liefert. Das Framework führt eine höhere Volatilität auf Preise nahe einer ausgeglichenen Wahrscheinlichkeit und auf Kontrakte kurz vor ihrer Auflösung zurück. Außerdem zeigt es Unterschiede zwischen gleichmäßigeren Wirtschaftskontrakten und stärker auf einzelne Ereignisse konzentrierten Sportkontrakten. Eine kategoriespezifische Anpassung verbessert die Ergebnisse außerhalb der Stichprobe nicht durchgängig. Die Ergebnisse sprechen daher für eine Übertragbarkeit auf die untersuchten Kategorien, belegen jedoch keine Leistung über die verfügbaren Kontrakte hinaus.

Kernaussagen

• Die Volatilität binärer Kontrakte hängt sowohl von der fristbedingten Auflösung als auch von informierten Handelsaktivitäten ab.
• Das Modell verwendet Wahrscheinlichkeitsniveaus und die verbleibende Zeit bis zur Abrechnung als strukturelle Prognosegrößen.
• Die strukturellen Spezifikationen übertreffen in der berichteten Stichprobe einfache ARCH/GARCH-Benchmarks.
• Die Ergänzung um residuale GARCH-Dynamik liefert in der Studie die insgesamt besten Prognosen.
• Die Volatilitätsmuster unterscheiden sich zwischen Kontraktkategorien, aber kategoriespezifische Anpassungen helfen Out-of-Sample nicht durchgängig.

Schlagwörter

# Volatility in Prediction Markets: A Structural Approach


# Volatility in Prediction Markets: A Structural Approach









Forward-looking volatility forecasts are central inputs to derivatives pricing, market making, risk management, and volatility-linked trading strategies, with ARCH and GARCH models serving as the canonical workhorses. Such models are natural in standard asset markets, where prices are positive-valued stochastic processes and volatility is typically inferred from return dynamics. Prediction markets have a different structure: prices are bounded probabilities, payoffs are binary, and contracts resolve at known deadlines. We develop and estimate a volatility model tailored to binary prediction markets. The model combines two economic mechanisms: a Wright-Fisher deadline-resolution component, capturing how remaining binary uncertainty is forced to resolve over time, and a Glosten-Milgrom order-flow component, capturing volatility from informed trading as reflected in spreads and volume. Using a large panel of Kalshi contracts, we show that these structural variables carry substantial forecasting power. Plain ARCH/GARCH benchmarks are dominated by structural specifications; combining the structural model with residual GARCH dynamics gives the best overall forecasts. The model also provides an interpretable measurement framework: volatility is highest near fifty-fifty prices, rises near resolution, and varies across categories with the timing and discreteness of information arrival. Economics contracts are closer to smooth deadline-resolution dynamics, while sports contracts exhibit more event-concentrated, jump-like behavior. Across major categories, category-specific fitting does not systematically improve out-of-sample performance, suggesting that the structural specification transfers beyond the pooled headline result.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.