Predicción de volatilidad en mercados de predicción binaria

Resumen

El documento desarrolla un marco para predecir la volatilidad en mercados de predicción binaria, donde los precios representan probabilidades acotadas y los contratos se liquidan en plazos conocidos. Combina un componente Wright–Fisher para modelar cómo la incertidumbre se resuelve a medida que se acercan los plazos con un componente Glosten–Milgrom que vincula el flujo de órdenes informadas, los diferenciales y el volumen con la volatilidad. También compara estas variables estructurales con referentes ARCH y GARCH, y considera añadir dinámicas GARCH residuales.

Las pruebas en un amplio panel de contratos de Kalshi muestran que las variables estructurales mejoran las predicciones frente a modelos ARCH/GARCH simples, mientras que combinarlas con dinámicas GARCH residuales ofrece las mejores predicciones generales. El marco atribuye una mayor volatilidad a los precios cercanos a una probabilidad paritaria y a los contratos próximos a su resolución. También señala diferencias entre los contratos económicos, más estables, y los contratos deportivos, más concentrados en eventos. El ajuste específico por categoría no mejora de forma sistemática los resultados fuera de muestra; por tanto, estos hallazgos respaldan la transferencia entre las categorías estudiadas, pero no demuestran el rendimiento en contratos distintos de los disponibles.

Ideas clave

• La volatilidad de los contratos binarios refleja tanto la resolución impuesta por los plazos como la negociación informada.
• El modelo utiliza los niveles de probabilidad y el tiempo hasta la resolución como variables estructurales para las predicciones.
• En el panel analizado, las especificaciones estructurales superan a los referentes ARCH/GARCH simples.
• Añadir dinámicas GARCH residuales ofrece las mejores predicciones generales del estudio.
• Los patrones de volatilidad varían entre categorías de contratos, pero los ajustes específicos por categoría no ayudan de forma sistemática fuera de muestra.

Etiquetas

# 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.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.