Polymarket पर एक कॉन्ट्रैक्ट कहता है कि किसी विशेष घटना के होने की 15% संभावना है। आपका अंतर्ज्ञान कहता है कि यह 30% के करीब है। कॉन्ट्रैक्ट $0.15 पर ट्रेड हो रहा है। अगर आप सही हैं, तो आप प्रति शेयर $0.85 कमाते हैं। अगर गलत हैं, तो $0.15 खोते हैं।
क्या आपको खरीदना चाहिए?
अधिकांश लोग इसका जवाब अपनी सहज प्रवृत्ति से देते हैं। वे घटना को देखते हैं, जो सबसे पहले दिमाग में आता है उसके आधार पर राय बनाते हैं, और या तो Buy पर क्लिक करते हैं या आगे बढ़ जाते हैं। अधिकांश प्रिडिक्शन मार्केट प्रतिभागी इसी तरह काम करते हैं — और यही कारण है कि उनमें से अधिकांश पैसे खोते हैं।
यह पोस्ट अच्छी प्रायिकता सोच के पीछे की प्रणाली के बारे में है। यह संज्ञानात्मक विज्ञान, व्यवहारिक अर्थशास्त्र, और पूर्वानुमान में दशकों के शोध — Kahneman, Tversky, Tetlock, Gigerenzer, Taleb — से लेकर प्रिडिक्शन मार्केट्स वास्तव में कैसे काम करते हैं, इससे जोड़ती है।
लक्ष्य आपको गणितज्ञ बनाना नहीं है। यह आपको मानसिक उपकरणों का एक सेट देना है जो, एक बार अभ्यास करने के बाद, स्वचालित रूप से काम करने लगते हैं — आपको न केवल ट्रेडिंग में, बल्कि अनिश्चितता से जुड़े हर निर्णय में बेहतर विचारक बनाते हैं।
आपका मस्तिष्क इसके लिए नहीं बना था
यह एक सवाल है जो MIT, Princeton, और Harvard के छात्रों को दिया गया है:
एक बैट और एक गेंद की कुल कीमत $1.10 है। बैट की कीमत गेंद से $1.00 ज्यादा है। गेंद की कीमत कितनी है?
सहज उत्तर 10 सेंट है। सही उत्तर 5 सेंट है। इन शीर्ष विश्वविद्यालयों के 50% से अधिक छात्र गलत उत्तर देते हैं।
यह गणित की समस्या नहीं है। यह एक प्रदर्शन है कि आपका मस्तिष्क कैसे काम करता है।
Daniel Kahneman का Thinking, Fast and Slow में प्रस्तुत फ्रेमवर्क इसे दो प्रणालियों से समझाता है:
- सिस्टम 1 तेज़, स्वचालित और सहज है। यह तुरंत "10 सेंट" उत्तर देता है। यह पैटर्न मैचिंग, संघों और भावनाओं पर चलता है।
- सिस्टम 2 धीमा, सोच-समझकर काम करने वाला और विश्लेषणात्मक है। त्रुटि पकड़ने के लिए आपको इसकी जरूरत है। लेकिन यह आलसी है — यह अक्सर बिना जांचे सिस्टम 1 जो भी परोसता है, स्वीकार कर लेता है।
जब आप किसी प्रिडिक्शन मार्केट को देखकर सोचते हैं "यह 60% पर ठीक लगता है," तो वह सिस्टम 1 है। जब आप रुककर समस्या को विघटित करते हैं, बेस रेट्स जांचते हैं, और अपेक्षित मूल्य की गणना करते हैं — वह सिस्टम 2 है।
प्रायिकता सोच का संपूर्ण अनुशासन सिस्टम 2 को सिस्टम 1 की गलतियां पकड़ने के लिए प्रशिक्षित करने, और अंततः अभ्यास के माध्यम से बेहतर सिस्टम 1 अंतर्ज्ञान बनाने के बारे में है।
विकास ने हमें संभावनाओं में क्यों कमजोर बनाया
हमारे पूर्वजों को सशर्त संभावनाएं गणना करने की जरूरत नहीं थी। उन्हें तेज़ निर्णय लेने थे: क्या वह शिकारी है? क्या मुझे यह खाना चाहिए? क्या यह व्यक्ति खतरा है?
उस वातावरण में, गति ने सटीकता को हराया। छोटी लागत की उच्च संभावना और बड़ी लागत की कम संभावना — दोनों ध्यान देने योग्य थीं — खाए जाने की 2% और 5% संभावना के बीच अंतर करने में कोई विकासवादी लाभ नहीं था। गलत होने की कीमत बहुत अधिक थी।
इसका मतलब है कि हमारे मस्तिष्क ने ह्यूरिस्टिक्स विकसित किए — मानसिक शॉर्टकट जो अधिकतर सही हैं, अधिकतर तेज़ हैं, और प्रिडिक्शन मार्केट्स के लिए आवश्यक प्रायिकता तर्क पर लागू होने पर पूरी तरह गलत हैं।
बेयज प्रमेय: तर्कसंगत अपडेटिंग की नींव
अगर एक अवधारणा है जो अच्छे प्रायिकता विचारकों को बाकी सबसे अलग करती है, तो वह यह है। बेयज प्रमेय नए साक्ष्य प्राप्त होने पर अपनी मान्यताओं को अपडेट करने का गणितीय रूप से सही तरीका है।
सूत्र:
P(H|E) = P(E|H) × P(H) / P(E)
सरल भाषा में: आपकी अपडेटेड मान्यता = यदि आपकी परिकल्पना सत्य है तो साक्ष्य की संभावना, गुणा आपकी पूर्व मान्यता, भाग साक्ष्य की कुल संभावना।
यह अमूर्त लगता है। एक प्रसिद्ध उदाहरण से दिखाता हूं कि यह क्यों मायने रखता है — जो लगभग सभी को, डॉक्टरों सहित, गुमराह करता है।
चीट डिटेक्शन समस्या
एक ऑनलाइन गेमिंग प्लेटफॉर्म चीटर्स का पता लगाने के लिए एक एल्गोरिदम का उपयोग करता है। वास्तव में केवल 1% खिलाड़ी चीट करते हैं। एल्गोरिदम 80% समय चीटर्स को सही ढंग से फ्लैग करता है। लेकिन यह ईमानदार खिलाड़ियों को भी 9.6% समय गलत तरीके से फ्लैग करता है। एक खिलाड़ी फ्लैग हो जाता है। वास्तव में उसके चीट कर रहे होने की संभावना क्या है?
जब इस प्रकार की समस्या लोगों पर — सांख्यिकीय प्रशिक्षण प्राप्त लोगों सहित — परीक्षण की जाती है, बहुमत 70-80% अनुमान लगाता है। सही उत्तर 7.8% है।
प्रशिक्षित पेशेवर भी एक परिमाण क्रम से गलत होते हैं। वे एल्गोरिदम की पहचान दर (80%) को फ्लैग मिलने पर चीटिंग की वास्तविक संभावना से भ्रमित करते हैं। इसे बेस रेट उपेक्षा कहते हैं, और यह इसलिए होता है क्योंकि सिस्टम 1 सबसे जीवंत संख्या (80% पहचान दर) से चिपक जाता है और उबाऊ लेकिन महत्वपूर्ण संदर्भ (वास्तव में केवल 1% चीट करते हैं) की उपेक्षा करता है।
प्राकृतिक आवृत्तियां आपके मस्तिष्क को कैसे ठीक करती हैं
यही समस्या Gerd Gigerenzer के प्राकृतिक आवृत्ति दृष्टिकोण से पुनः प्रस्तुत:
10,000 खिलाड़ियों में से:
- 100 चीटर्स हैं। उनमें से 80 एल्गोरिदम द्वारा फ्लैग किए जाते हैं।
- 9,900 ईमानदारी से खेलते हैं। उनमें से लगभग 950 गलत तरीके से फ्लैग किए जाते हैं।
- कुल फ्लैग किए गए: 80 + 950 = 1,030
- उन 1,030 फ्लैग किए गए खिलाड़ियों में से, केवल 80 वास्तव में चीट कर रहे हैं।
- यह लगभग 13 में से 1, या 7.8% है।
जब Gigerenzer ने प्रतिशत के बजाय प्राकृतिक आवृत्तियों का उपयोग करके समान समस्याएं प्रस्तुत कीं, मेटा-विश्लेषणों में सही बेयजियन तर्क 4% से 24% तक बढ़ गया।
आपका मस्तिष्क क्रमिक अवलोकनों से आवृत्तियों को संसाधित करने के लिए विकसित हुआ, अमूर्त प्रतिशत के लिए नहीं। जब भी आपको संभावना के बारे में सोचना हो, प्राकृतिक आवृत्तियों में अनुवाद करें। "100 बार यह स्थिति होने पर, X कितनी बार होता है?" यह एकल पुनर्रचना किसी भी सूत्र से आपके तर्क को अधिक सुधारेगी।
टैक्सी कैब समस्या
एक शहर में 85% हरी टैक्सियां और 15% नीली टैक्सियां हैं। एक हिट-एंड-रन में गवाह ने टैक्सी को नीला बताया। गवाह 80% सही ढंग से रंग पहचानता है। टैक्सी के वास्तव में नीली होने की संभावना क्या है?
अधिकांश लोग 80% कहते हैं। सही उत्तर: 41%.
बेस रेट (85% हरी) यहां बहुत बड़ा काम कर रहा है, लेकिन सिस्टम 1 इसे पूरी तरह अनदेखा करता है और गवाह विश्वसनीयता (80%) पर केंद्रित होता है। प्राकृतिक आवृत्तियों में: 100 दुर्घटनाओं में से 85 हरी टैक्सियों और 15 नीली टैक्सियों से संबंधित हैं। गवाह 15 नीली टैक्सियों में से 12 को सही पहचानेगा, लेकिन 85 हरी टैक्सियों में से 17 को भी नीली बताएगा। तो 29 "नीली" पहचानों में से केवल 12 सही हैं — लगभग 41%।
प्रिडिक्शन मार्केट्स के लिए इसका क्या मतलब है
हर बार जब आप मार्केट प्राइस देखकर सोचते हैं "यह बहुत ऊंचा लगता है" या "बहुत कम," तो आप अंतर्निहित रूप से बेयज प्रमेय का एक संस्करण चला रहे हैं — बस खराब तरीके से। आप कोई पूर्व मान्यता और साक्ष्य ला रहे हैं, लेकिन बेस रेट को ठीक से तौल नहीं रहे हैं।
ट्रेडर्स के लिए व्यावहारिक बेयजियन सोच:
बेस रेट से शुरू करें। किसी भी घटना की बारीकियों को देखने से पहले पूछें: "ऐतिहासिक रूप से इस तरह की स्थितियों में क्या होता है?" अगर 70% मौजूदा राष्ट्रपति पुनः चुने जाते हैं, तो वह आपका शुरुआती बिंदु है — 50/50 नहीं।
क्रमिक रूप से अपडेट करें। नया पोल डेटा, कोई नीतिगत घोषणा, आर्थिक रिपोर्ट — प्रत्येक साक्ष्य है जो आपके अनुमान को स्थानांतरित करे, लेकिन उतना नहीं जितना आपका अंतर्ज्ञान सुझाता है। सुपरफोरकास्टर्स "अक्सर, लेकिन छोटी वृद्धि में" अपडेट करते हैं।
पूछें कि साक्ष्य कितना नैदानिक है। एक समाचार लेख जो आपके मौजूदा दृष्टिकोण से मेल खाता है, मजबूत साक्ष्य नहीं है — यह परिणाम की परवाह किए बिना मौजूद होता। एक आश्चर्यजनक डेटा पॉइंट जो केवल तभी मौजूद होगा जब एक परिणाम सत्य हो, बहुत अधिक जानकारीपूर्ण है।
जब बेयजियन सोच ने इतिहास बदला
यह केवल सिद्धांत नहीं है। बेयजियन खोज विधियों ने वास्तविक दुनिया की समस्याएं हल की हैं जिन्हें पारंपरिक दृष्टिकोण हल नहीं कर सके:
- 1966: अमेरिकी नौसेना ने पारंपरिक खोज विफल होने के बाद भूमध्य सागर में खोए हुए हाइड्रोजन बम का पता लगाने के लिए बेयजियन प्रायिकता मानचित्रों का उपयोग किया।
- 1968: उसी दृष्टिकोण से 3,000 मीटर पानी के नीचे पनडुब्बी USS Scorpion मिली — अनुमानित स्थान से 260 गज के भीतर।
- 2011: दो साल की विफल खोज के बाद, बेयजियन प्रायिकता मानचित्र ने एक सप्ताह के भीतर एयर फ्रांस फ्लाइट 447 का मलबा खोज लिया। शोधकर्ताओं ने लिखा: "2010 की खोज योजना में बेयजियन दृष्टिकोण का उपयोग न करने से मलबे की खोज में एक वर्ष तक की देरी हुई।"
वे पूर्वाग्रह जो आपका पैसा खर्च कराते हैं
बेयज प्रमेय जानना पर्याप्त नहीं है। आपको उन विशिष्ट तरीकों को भी जानना होगा जिनसे आपका मस्तिष्क व्यवस्थित रूप से संभावना अनुमानों को विकृत करता है — क्योंकि ये विकृतियां सीधे प्रिडिक्शन मार्केट कीमतों में परिलक्षित होती हैं।
उपलब्धता ह्यूरिस्टिक
आप अनुमान लगाते हैं कि कुछ कितना संभावित है इसके आधार पर कि उदाहरण कितनी आसानी से दिमाग में आते हैं। जीवंत, हालिया, भावनात्मक रूप से आवेशित घटनाएं अधिक संभावित लगती हैं।
एक अध्ययन में, प्रतिभागियों ने बवंडर को अस्थमा मृत्यु से अधिक बार होने वाला आंका, भले ही अस्थमा 20 गुना अधिक लोगों को मारता है। उन्होंने दुर्घटना से मृत्यु को स्ट्रोक से अधिक सामान्य माना, जबकि स्ट्रोक लगभग दोगुनी मौतों का कारण बनता है। ये त्रुटियां मीडिया कवरेज को ट्रैक करती हैं, वास्तविकता को नहीं।
प्रिडिक्शन मार्केट्स में: किसी नाटकीय भू-राजनीतिक घटना के बाद, समान घटनाओं के बाजार तेजी से बढ़ते हैं — इसलिए नहीं कि आधार संभावना बदल गई, बल्कि इसलिए कि घटना अब ट्रेडर्स के दिमाग में "उपलब्ध" है। यह एक संक्षिप्त खिड़की बनाता है जहां संबंधित बाजार व्यवस्थित रूप से अधिमूल्यित होते हैं।
एंकरिंग
आपका अनुमान पहली संख्या की ओर खिंच जाता है जो आप देखते हैं, भले ही वह पूरी तरह अप्रासंगिक हो।
Tversky और Kahneman के प्रसिद्ध प्रयोग में, प्रतिभागियों ने एक हेरफेर किए गए भाग्य चक्र को 10 या 65 पर रुकते देखा, फिर UN में अफ्रीकी देशों के प्रतिशत का अनुमान लगाया। जिन्होंने 10 देखा उन्होंने 25% अनुमान लगाया। जिन्होंने 65 देखा उन्होंने 45% अनुमान लगाया। एक यादृच्छिक, अर्थहीन संख्या ने 20 अंकों का अंतर पैदा किया।
प्रिडिक्शन मार्केट्स में: वर्तमान बाजार मूल्य सबसे मजबूत एंकर है। जब आप $0.72 पर एक कॉन्ट्रैक्ट देखते हैं, तो आपका मस्तिष्क 72% से शुरू होता है और समायोजन करता है। अगर "सही" संभावना 55% है, तो आप संभवतः पर्याप्त समायोजन नहीं करेंगे। यही कारण है कि बाजार लगातार गलत कीमत पर बने रह सकते हैं — प्रत्येक नया प्रतिभागी स्वतंत्र विश्लेषण करने के बजाय मौजूदा कीमत पर एंकर करता है।
अतिविश्वास
जब लोगों से 90% विश्वास अंतराल देने को कहा जाता है — ऐसी सीमाएं जिनमें वे 90% निश्चित हैं कि सही उत्तर है — सही उत्तर उनकी सीमा में केवल 33-50% समय आता है। हम थोड़ा अतिविश्वासी नहीं हैं। हम हर अध्ययन किए गए क्षेत्र में, व्यवस्थित रूप से, भारी मात्रा में अतिविश्वासी हैं।
एक अध्ययन में, जैसे-जैसे नैदानिक मनोवैज्ञानिकों को एक मामले के बारे में अधिक जानकारी मिली, उनका विश्वास 33% से 53% तक बढ़ गया। उनकी सटीकता में बिल्कुल सुधार नहीं हुआ, 30% से नीचे ही रही। अधिक जानकारी ने सटीकता बढ़ाए बिना विश्वास बढ़ाया।
प्रिडिक्शन मार्केट्स में: अगर आपको लगता है कि आपके पास 90% एज है, तो शायद आपके पास 60% एज है। अपने हर विश्वास अनुमान पर छूट लागू करें। सुपरफोरकास्टिंग के शोधकर्ता प्रारंभिक अंतर्ज्ञान विश्वास को 5-15% कम करने की सिफारिश करते हैं शुरुआती कैलिब्रेशन सुधार के रूप में।
फेवरिट-लॉन्गशॉट बायस
यह प्रिडिक्शन मार्केट डेटा में सीधे मापने योग्य है।
Jonathan Becker ने Kalshi पर 7.2 करोड़ ट्रेड्स और $18 बिलियन वॉल्यूम का विश्लेषण किया:
| कॉन्ट्रैक्ट मूल्य | निहित संभावना | वास्तविक जीत दर | गलत मूल्य निर्धारण |
|---|
| $0.01 | 1% | 0.43% | -57% |
| $0.05 | 5% | 4.18% | -16% |
| $0.10 | 10% | 8% | -20% |
| $0.50 | 50% | 48.7% | -3% |
सस्ते कॉन्ट्रैक्ट व्यवस्थित रूप से अधिमूल्यित हैं। 1-सेंट कॉन्ट्रैक्ट 1% संभावना इंगित करता है, लेकिन ये घटनाएं वास्तव में केवल 0.43% समय होती हैं — जिसका मतलब है कि लॉन्गशॉट खरीदार औसतन अपने पैसे का 60% से अधिक खो देते हैं।
क्यों: लोग छोटी संभावनाओं को अधिक तौलते हैं (Kahneman और Tversky का प्रॉस्पेक्ट थ्योरी)। 1% संभावना को 1% से कहीं अधिक मानसिक "निर्णय भार" मिलता है। यह वही पूर्वाग्रह है जो लोगों को लॉटरी टिकट खरीदने पर मजबूर करता है — और यह सीधे प्रिडिक्शन मार्केट्स में स्थानांतरित होता है।
पुष्टि पूर्वाग्रह
एक बार जब आप कोई दृष्टिकोण बना लेते हैं, तो आप उसका समर्थन करने वाले साक्ष्य खोजते हैं और विरोधी साक्ष्य को नकारते हैं। प्रसिद्ध Stanford प्रयोग (Lord et al., 1979) में, मृत्युदंड पर मजबूत विचार रखने वाले प्रतिभागियों ने समान मिश्रित साक्ष्य पढ़े। दोनों पक्ष अपनी मूल स्थिति में और मजबूत हो गए। एक ही डेटा ने सभी को अधिक आश्वस्त किया कि वे सही थे।
प्रिडिक्शन मार्केट्स में: पोजीशन खरीदने के बाद, आप अनजाने में ऐसी खबरें खोजेंगे जो आपके ट्रेड को मान्य करती हैं और ऐसी जानकारी को खारिज करेंगे जो इसे खतरे में डालती है। यही कारण है कि पेशेवर पूर्वानुमानकर्ता सक्रिय रूप से विरोधी साक्ष्य खोजने का अनुशासन अपनाते हैं।
हानि विमुखता और डिस्पोजिशन प्रभाव
Kahneman और Tversky ने दिखाया कि $1,000 खोने के दर्द की भरपाई के लिए लगभग $2,000-$2,500 के लाभ की जरूरत होती है — लगभग 2:1 अनुपात। यह असमता ट्रेडिंग में एक अच्छी तरह से प्रलेखित पैटर्न उत्पन्न करती है:
Terrance Odean ने 10,000 ट्रेडिंग खातों का अध्ययन किया और पाया कि निवेशकों द्वारा हारने वाली पोजीशन की तुलना में जीतने वाली पोजीशन बेचने की संभावना 50% अधिक थी। लोग हारने वालों को बहुत देर तक रखते हैं (नुकसान का एहसास टालने की उम्मीद में) और जीतने वालों को बहुत जल्दी बेच देते हैं (लाभ का आनंद सुरक्षित करने के लिए)।
प्रिडिक्शन मार्केट्स में: आप $0.40 पर कॉन्ट्रैक्ट खरीदते हैं। यह $0.25 तक गिर जाता है। यह पुनर्मूल्यांकन करने के बजाय कि क्या संभावना वास्तव में बदल गई है, आप रखते हैं — क्योंकि बेचने का मतलब है स्वीकार करना कि आप गलत थे। इस बीच, $0.30 पर खरीदा गया कॉन्ट्रैक्ट $0.55 तक बढ़ जाता है। आप "मुनाफा बुक" करने के लिए बेच देते हैं, भले ही आपका विश्लेषण कहता है कि यह $0.70 होना चाहिए। हानि विमुखता तर्कसंगत संभावना मूल्यांकन को ओवरराइड कर देती है।
नैरेटिव फैलेसी
Nassim Taleb इसे "तथ्यों के अनुक्रम को बिना कोई स्पष्टीकरण बुने देखने की हमारी सीमित क्षमता" के रूप में वर्णित करते हैं। किसी भी घटना के बाद, हम एक कहानी गढ़ते हैं जो इसे पूर्वदृष्टि में पूर्वानुमेय बनाती है। हमारी स्मृति "एक रिकॉर्डिंग डिवाइस की तरह नहीं है — यह एक साफ कहानी में फिट होने के लिए खुद को फिर से लिखती है।"
प्रिडिक्शन मार्केट्स में: हर हल हुआ बाजार एक कथा उत्पन्न करता है। "बेशक Trump जीते — पोल स्पष्ट रूप से गलत थे।" "बेशक Bitcoin ने $100k छुआ — ETF प्रवाह ने इसे अनिवार्य बना दिया।" ये कथाएं सच लगती हैं लेकिन तथ्य के बाद गढ़ी गई हैं। वे आपको अगले पूर्वानुमान के बारे में अतिविश्वासी बनाती हैं क्योंकि आप मानते हैं कि पिछला "स्पष्ट" था।
जब भीड़ गलत होती है
प्रिडिक्शन मार्केट्स भीड़ की बुद्धिमत्ता के आधार पर बने हैं। लेकिन भीड़ केवल विशिष्ट शर्तों के तहत ही बुद्धिमान होती है — और प्रिडिक्शन मार्केट्स नियमित रूप से उन शर्तों का उल्लंघन करते हैं।
Surowiecki की चार शर्तें
James Surowiecki ने बुद्धिमान भीड़ के लिए चार आवश्यकताएं पहचानीं:
- राय की विविधता — प्रत्येक व्यक्ति के पास निजी जानकारी या दृष्टिकोण है
- स्वतंत्रता — राय आसपास के लोगों द्वारा निर्धारित नहीं होती
- विकेंद्रीकरण — लोग स्थानीय ज्ञान पर निर्भर करते हैं
- एकत्रीकरण — व्यक्तिगत निर्णयों को सामूहिक उत्तर में बदलने का तंत्र
जब ये शर्तें विफल होती हैं, भीड़ भीड़तंत्र बन जाती है।
भीड़ की विफलता के वास्तविक मामले
Brexit 2016: परिणाम से एक घंटे पहले, Ladbrokes ने Brexit के खिलाफ 12:1 ऑड्स ट्वीट किए। लंदन स्थित बेटर्स — भारी रूप से Remain समर्थक — ने अनुपातहीन रूप से बड़ी शर्तें लगाईं, जिससे एक इको चैंबर बना जो "वर्तमान पूर्वानुमान ऑड्स को एंकर के रूप में उपयोग करता था और आने वाली जानकारी को पूरी तरह नकारता था।" बाजार वास्तविक मतगणना के रुझान दिखाने के घंटों बाद रात 3 बजे तक Leave की ओर नहीं पलटा। स्वतंत्रता और विविधता एक साथ ध्वस्त हो गई।
Polymarket vs PredictIt सटीकता: 2024 अमेरिकी चुनाव के दौरान 2,500+ बाजारों का Vanderbilt अध्ययन:
| प्लेटफॉर्म | सटीकता | क्यों |
|---|
| PredictIt | 93% | $850 पोजीशन सीमा ने विविध, छोटे ट्रेडर्स को बाध्य किया |
| Kalshi | 78% | विनियमित, मिश्रित प्रतिभागी आधार |
| Polymarket | 67% | एक व्हेल बकाया कॉन्ट्रैक्ट्स का 20%+ नियंत्रित कर सकता था |
विरोधाभास: सबसे अधिक वॉल्यूम और लिक्विडिटी वाला प्लेटफॉर्म सबसे कम सटीक था, क्योंकि पोजीशन संकेंद्रण ने विविधता की शर्त को नष्ट कर दिया।
फ्रांसीसी व्हेल Theo: 11 खातों में Trump की जीत पर $8 करोड़ का दांव लगाया। उन्होंने सभी Trump इलेक्टोरल कॉलेज कॉन्ट्रैक्ट्स का 25% और लोकप्रिय वोट कॉन्ट्रैक्ट्स का 40%+ रखा। एक व्यक्ति का विश्वास "भीड़ की बुद्धिमत्ता" के रूप में मूल्यित हुआ। उन्होंने $8.5 करोड़ जीते — लेकिन उनकी सफलता बाजार को मान्य नहीं करती। सही पूर्वानुमान का एक डेटा पॉइंट यह साबित नहीं करता कि बाजार कुशल था।
निष्कर्ष
प्रिडिक्शन मार्केट कीमतें जानकारी हैं। सत्य नहीं। वे अपने प्रतिभागियों के पूर्वाग्रहों, जानकारी और पोजीशन आकारों को एकत्रित करती हैं। जब भागीदारी विविध और स्वतंत्र होती है, तो वे उल्लेखनीय रूप से सटीक हो सकती हैं। जब व्हेल, इको चैंबर, या सहसंबद्ध जानकारी से प्रभावित होती हैं, तो वे शानदार ढंग से गलत हो सकती हैं।
हमेशा पूछें: किसका पैसा यह कीमत तय कर रहा है?
संभावना पहेलियां जो आपको बेहतर विचारक बनाती हैं
कुछ क्लासिक संभावना पहेलियां केवल बौद्धिक मनोरंजन नहीं हैं — वे विशिष्ट विफलता मोड प्रकट करती हैं जो सीधे प्रिडिक्शन मार्केट ट्रेडिंग पर लागू होते हैं।
मॉन्टी हॉल समस्या → मान्यताओं को कैसे अपडेट करें
तीन दरवाजे, एक पुरस्कार। आप दरवाजा 1 चुनते हैं। मेजबान, जो जानता है कि पुरस्कार कहां है, दरवाजा 3 खोलकर खाली दिखाता है। क्या आपको दरवाजा 2 पर स्विच करना चाहिए?
हां। स्विच करने से 2/3 बार जीत होती है।
अधिकांश लोगों का अंतर्ज्ञान कहता है कि फर्क नहीं पड़ता — "शेष दरवाजों के बीच 50/50 है।" लेकिन मेजबान की पसंद ने आपको जानकारी दी ठीक इसलिए क्योंकि यह यादृच्छिक नहीं थी। उसने एक ऐसा दरवाजा चुना जिसे वह जानता था कि खाली है। इसने आपके न चुने गए दो दरवाजों की संभावना (संयुक्त 2/3) को शेष एक दरवाजे (2/3) में केंद्रित कर दिया।
प्रिडिक्शन मार्केट सबक: हर नया साक्ष्य आपके अनुमान को अपडेट करे। लेकिन मॉन्टी हॉल समस्या की तरह, मुख्य सवाल यह है कि साक्ष्य जानकारीपूर्ण है (जैसे मेजबान की जानबूझकर पसंद) या शोर (जैसे सिक्का उछालना)। बाजार जो पहले से मानता है उसकी पुष्टि करने वाला समाचार बहुत नैदानिक नहीं है। सहमति का खंडन करने वाला आश्चर्यजनक डेटा पॉइंट अत्यंत नैदानिक है — और आपके अंतर्ज्ञान से सुझाए गए से बड़ा अपडेट ट्रिगर करना चाहिए।
जन्मदिन समस्या → पोर्टफोलियो जोखिम
एक कमरे में दो लोगों का एक ही जन्मदिन होने की 50% संभावना के लिए कितने लोग चाहिए? केवल 23। अधिकांश लोग 183 के करीब अनुमान लगाते हैं।
अंतर्दृष्टि: संभावित जोड़ियों की संख्या लोगों की संख्या से बहुत तेजी से बढ़ती है। 23 लोगों के साथ, 253 अद्वितीय जोड़ियां हैं।
प्रिडिक्शन मार्केट सबक: अगर आपके पास 20 पोजीशन हैं जिनमें प्रत्येक को आप 90% संभावित मानते हैं, तो कम से कम एक के विफल होने की संभावना 10% नहीं है। यह है:
1 - (0.9)^20 = 87.8%
लगभग निश्चित रूप से, आपकी "90% निश्चित" पोजीशनों में से एक हारेगी। अगर आपने प्रत्येक को लगभग निश्चित मानकर आकार दिया है, तो एक नुकसान आपके पोर्टफोलियो को तबाह कर सकता है। यही कारण है कि पोजीशन साइजिंग और विविधीकरण तब भी महत्वपूर्ण हैं जब व्यक्तिगत दांव बहुत अधिक-विश्वास वाले लगते हैं।
अभियोजक की भ्रांति → बाजार कीमतें पढ़ना
Sally Clark को दो बच्चों की हत्या के लिए दोषी ठहराया गया, इस विशेषज्ञ गवाही के आधार पर कि एक परिवार में दो SIDS मौतों की संभावना 7.3 करोड़ में 1 है। दोषसिद्धि पलटने से पहले उन्होंने वर्षों जेल में बिताए — विशेषज्ञ ने P(साक्ष्य | निर्दोषता) को P(निर्दोषता | साक्ष्य) से भ्रमित किया था।
प्रिडिक्शन मार्केट सबक: जब बाजार $0.05 पर मूल्यित है, लोग सोचते हैं "इसके होने की 5% संभावना है।" लेकिन उन्हें सोचना चाहिए: "इस बाजार में जानकारी को देखते हुए, निहित संभावना 5% है — लेकिन हम डेटा से जानते हैं कि बाजार चरम सीमाओं पर व्यवस्थित रूप से गलत मूल्य लगाते हैं।" Becker के शोध से पता चलता है कि 1-सेंट कॉन्ट्रैक्ट 57% अधिमूल्यित हैं। 5-सेंट कॉन्ट्रैक्ट का मतलब 5% संभावना नहीं है। व्यवस्थित लॉन्गशॉट बायस को ध्यान में रखते हुए, इसका मतलब 4% संभावना है।
सुपरफोरकास्टर की रणनीति पुस्तिका
Philip Tetlock के 284 विशेषज्ञों द्वारा 80,000+ पूर्वानुमान बनाने के 20 वर्षीय अध्ययन ने सामाजिक विज्ञान में सबसे विनम्रता देने वाली खोजों में से एक दी: औसत विशेषज्ञ डार्ट फेंकने वाले चिंपैंजी से मुश्किल से अधिक सटीक था।
लेकिन अनुवर्ती — Good Judgment Project — ने दिखाया कि कुछ लोग पूर्वानुमान में उल्लेखनीय रूप से अच्छे हैं। शीर्ष 2%, जिन्हें "सुपरफोरकास्टर्स" कहा गया, गोपनीय जानकारी तक पहुंच रखने वाले खुफिया विश्लेषकों को 30% से हराया और प्रिडिक्शन मार्केट्स से बेहतर प्रदर्शन किया।
उन्हें अलग बनाने वाली बुद्धिमत्ता नहीं है (हालांकि वे होशियार हैं)। यह विधि है।
लोमड़ी vs साही
Tetlock ने Isaiah Berlin का फ्रेमवर्क उधार लिया:
- साही "एक बड़ी बात" जानते हैं। वे सब कुछ एक ही लेंस या सिद्धांत से व्याख्या करते हैं। वे आत्मविश्वासी हैं, शानदार TV अतिथि बनते हैं, और व्यवस्थित रूप से कम सटीक हैं।
- लोमड़ियां "बहुत सी बातें" जानती हैं। वे कई दृष्टिकोणों से लेती हैं, बारीकियों और अनिश्चितता के साथ सहज हैं, और ऐसे पूर्वानुमान बनाती हैं जो उबाऊ हैं लेकिन सही।
80,000+ पूर्वानुमानों में हर तुलना में, लोमड़ियों ने साहियों को पीछे छोड़ा। जो विशेषज्ञ आपको शर्तों और आरक्षणों से बोर करता है वह शायद सही है। आकर्षक कथा वाला करिश्माई विशेषज्ञ शायद गलत है।
सुपरफोरकास्टर्स कैसे सोचते हैं
Tetlock के शोध और Good Judgment Project से:
बाहरी दृष्टिकोण से शुरू करें। बारीकियों में जाने से पहले पूछें: इस तरह की घटनाओं के लिए बेस रेट क्या है? Kahneman की टीम ने एक बार अनुमान लगाया कि वे 2 वर्षों में एक पाठ्यक्रम पूरा करेंगे। समान परियोजनाओं का बेस रेट? 40% कभी पूरी नहीं होतीं, और बाकी 7-10 वर्ष लेती हैं। वास्तव में 8 वर्ष लगे।
समस्या को विघटित करें। बड़े सवालों को छोटे, उत्तर देने योग्य उप-सवालों में तोड़ें। "क्या रूस यूक्रेन पर आक्रमण करेगा?" यह बन जाता है: सैन्य जमावड़ा दर क्या है? कूटनीतिक संकेत क्या हैं? उपग्रह इमेजरी क्या दिखाती है? समान सैन्य तैनाती से वास्तविक आक्रमण का ऐतिहासिक बेस रेट क्या है? प्रत्येक उप-सवाल पूरे से अधिक सुलझाने योग्य है।
अक्सर अपडेट करें, छोटा अपडेट करें। सुपरफोरकास्टर्स ने दूसरों की तुलना में अधिक बार अपने पूर्वानुमानों को समायोजित किया, लेकिन छोटी वृद्धि में। Tetlock इसकी तुलना साइकिल चलाने से करते हैं — दोनों दिशाओं में लगातार छोटे सुधार। "मान्यता अपडेटिंग अच्छे पूर्वानुमान के लिए वही है जो ब्रश और फ्लॉस अच्छे दंत स्वास्थ्य के लिए हैं।"
विरोधी साक्ष्य खोजें। सबसे शक्तिशाली पूर्वाग्रह-निवारण तकनीक है पूछना: "कौन सा साक्ष्य मेरा मन बदलेगा?" और फिर सक्रिय रूप से इसे खोजना। Gary Klein की प्री-मॉर्टम तकनीक — कल्पना करें कि परियोजना पहले ही विफल हो चुकी है और कारण उत्पन्न करें — जोखिम पहचानने की क्षमता को 30% बढ़ाती है।
डिग्री में सोचें, बाइनरी नहीं। "मुझे लगता है यह होगा" पूर्वानुमान नहीं है। "मैं इस परिणाम को 73% संभावना देता हूं" पूर्वानुमान है। विशिष्ट संख्याएं चुनने के लिए खुद को मजबूर करना जवाबदेही बनाता है और कैलिब्रेशन संभव करता है।
अपनी सटीकता ट्रैक करें। फीडबैक के बिना, आप सुधार नहीं कर सकते। Metaculus और Good Judgment Open जैसे प्लेटफॉर्म आपको पूर्वानुमान बनाने और समय के साथ अपना Brier स्कोर मापने देते हैं। मुख्य अंतर्दृष्टि: कैलिब्रेशन प्रशिक्षण काम करता है। अध्ययन दिखाते हैं कि यह अतिविश्वास को 30% या उससे अधिक कम कर सकता है, और प्रभाव महीनों तक बना रहता है।
कैलिब्रेशन की शक्ति
एक अच्छी तरह से कैलिब्रेटेड पूर्वानुमानकर्ता के 70% विश्वास वाले पूर्वानुमान लगभग 70% समय सच होते हैं। 90% विश्वास पर, लगभग 90%।
औसत सुपरफोरकास्टर ने पूर्णता से 0.01 के भीतर कैलिब्रेशन हासिल किया — आदर्श से लगभग अप्रभेद्य। इसी बीच, 90% विश्वास पर पूर्वानुमान बनाने वाले अधिकांश लोग केवल लगभग 70% समय सही होते हैं।
कैलिब्रेशन एक कौशल है। इसे मापा, अभ्यास किया और सुधारा जा सकता है। यह शायद प्रिडिक्शन मार्केट ट्रेडिंग के लिए सबसे अधिक लीवरेज वाला एकल कौशल है, क्योंकि यह सीधे निर्धारित करता है कि क्या आप वास्तविक एज बनाम अतिविश्वास की पहचान कर सकते हैं।
एक व्यावहारिक ढांचा: हर ट्रेड से पहले
शोध को एक कार्रवाई योग्य प्रक्रिया में संश्लेषित करने वाली चेकलिस्ट:
1. बेस रेट खोजें
इस तरह की घटनाओं की ऐतिहासिक आवृत्ति क्या है? अगर आप किसी राजनीतिक उम्मीदवार पर दांव लगा रहे हैं, तो समान स्थिति में मौजूदा/चुनौती देने वाले/अग्रणी ने ऐतिहासिक रूप से कितने प्रतिशत जीत हासिल की है? यहां से शुरू करें, 50/50 से नहीं।
2. प्राकृतिक आवृत्तियों में बदलें
"15% संभावना है" के बजाय, सोचें: "100 बार यह स्थिति होने पर, यह लगभग 15 बार होता है।" यह आपके मस्तिष्क की प्राकृतिक आवृत्ति-प्रसंस्करण क्षमता को सक्रिय करता है और त्रुटियां कम करता है।
3. साक्ष्य से अपडेट करें (बेयजियन सोच)
प्रत्येक नई जानकारी के लिए पूछें:
- अगर मेरा वर्तमान अनुमान सही है तो यह साक्ष्य कितना संभावित है?
- अगर मेरा अनुमान गलत है तो यह कितना संभावित है?
- इसे मेरी संख्या कितनी स्थानांतरित करनी चाहिए?
क्रमिक रूप से अपडेट करें। एक डेटा पॉइंट पर नाटकीय रूप से बदलने के आग्रह का विरोध करें।
4. अपने पूर्वाग्रहों की जांच करें
त्वरित मानसिक चेकलिस्ट:
- क्या मैं वर्तमान बाजार मूल्य पर एंकर कर रहा हूं? (बाजार देखने से पहले अनुमान लगाने का प्रयास करें)
- क्या मैं हालिया/जीवंत घटनाओं को बहुत अधिक तौल रहा हूं? (उपलब्धता)
- क्या मैं केवल अपने दृष्टिकोण का समर्थन करने वाले साक्ष्य देख रहा हूं? (पुष्टि)
- क्या मैं एक अच्छी कहानी को अच्छी संभावना से भ्रमित कर रहा हूं? (नैरेटिव फैलेसी)
- अगर मेरे पास पहले से यह पोजीशन न होती तो क्या मैं यही दृष्टिकोण रखता? (डिस्पोजिशन प्रभाव)
5. विपरीत पर विचार करें
अपनी स्थिति के खिलाफ सक्रिय रूप से तर्क दें। दूसरे पक्ष के जीतने के लिए क्या सच होना चाहिए? क्या वह परिदृश्य उतना अविश्वसनीय है जितना आपने शुरू में सोचा? यह एकल तकनीक — "विपरीत पर विचार करें" — एक साथ कई पूर्वाग्रहों को काफी हद तक कम करती है।
6. पोजीशन साइजिंग
पोजीशन आकार निर्धारित करने के लिए Kelly criterion (या बेहतर, half-Kelly) का उपयोग करें:
f = (your_probability - market_probability) / (1 - market_probability)
अगर आप 60% अनुमान लगाते हैं और बाजार 40% कहता है: f = (0.60 - 0.40) / (1 - 0.40) = 33%। Half-Kelly आपके बैंकरोल का 17% होगा। यह बहुत कम अस्थिरता के साथ इष्टतम विकास दर का 75% प्राप्त करता है।
महत्वपूर्ण: अगर आपका अनुमानित एज छोटा है (5% से कम), quarter-Kelly या उससे कम का उपयोग करें। छोटे एज अनुमानों के गलत होने की सबसे अधिक संभावना है, और Kelly त्रुटियों को बढ़ाता है।
7. ट्रैक और कैलिब्रेट करें
हर पूर्वानुमान को एक विशिष्ट संभावना के साथ दर्ज करें। नियमित रूप से समीक्षा करें। क्या आपके 70% पूर्वानुमान 70% समय सच हो रहे हैं? अगर वे 85% हिट कर रहे हैं, तो आप कम-विश्वासी हैं — बड़ा दांव लगाएं। अगर वे 55% हिट कर रहे हैं, तो आप अति-विश्वासी हैं — छोटा दांव लगाएं या बिल्कुल न लगाएं।
उपकरण और संसाधन
कैलिब्रेशन प्रशिक्षण
- Calibrate Your Judgment — ClearerThinking का मुफ्त टूल जिसमें कैलिब्रेशन अभ्यास के लिए हजारों तथ्यात्मक प्रश्न हैं
- Metaculus — वास्तविक दुनिया के पूर्वानुमान बनाएं और समय के साथ अपना Brier स्कोर ट्रैक करें
- Good Judgment Open — भू-राजनीतिक सवालों पर पूर्वानुमान अभ्यास के लिए Tetlock का प्लेटफॉर्म
आवश्यक पठन
- Thinking, Fast and Slow by Daniel Kahneman — संज्ञानात्मक पूर्वाग्रहों और दोहरी प्रक्रिया सिद्धांत पर मूल पाठ
- Superforecasting by Philip Tetlock & Dan Gardner — सर्वश्रेष्ठ पूर्वानुमानकर्ता कैसे सोचते हैं, व्यावहारिक तकनीकों सहित
- The Signal and the Noise by Nate Silver — विभिन्न क्षेत्रों में लागू संभाव्यता सोच
- The Black Swan by Nassim Taleb — दुर्लभ घटनाएं हमारी सोच से अधिक क्यों मायने रखती हैं
- The Theory That Would Not Die by Sharon Bertsch McGrayne — बेयज प्रमेय का आकर्षक इतिहास
प्रिडिक्शन मार्केट एनालिटिक्स
अंतिम निष्कर्ष
संभावना सोच एक प्रतिभा नहीं है। यह एक अभ्यास है।
शोध स्पष्ट है: सुपरफोरकास्टर्स बाकी सबसे अधिक होशियार नहीं हैं। वे अधिक अनुशासित हैं। वे अंतर्ज्ञान के बजाय बेस रेट्स से शुरू करते हैं। निश्चितता और संदेह के बीच झूलने के बजाय क्रमिक रूप से अपडेट करते हैं। वे अपने विचारों का खंडन करने वाले साक्ष्य खोजते हैं। वे अपनी सटीकता ट्रैक करते हैं और अपनी गलतियों से सीखते हैं।
वही पूर्वाग्रह जो प्रशिक्षित पेशेवरों को पहचान दरों को 10x गलत आंकने, प्रोजेक्ट मैनेजरों को समयसीमा को 4x कम आंकने, और प्रिडिक्शन मार्केट प्रतिभागियों को व्यवस्थित रूप से लॉन्गशॉट्स के लिए अधिक भुगतान करने पर मजबूर करते हैं — ये पूर्वाग्रह आपके मस्तिष्क में भी रहते हैं। आप उन्हें समाप्त नहीं कर सकते। लेकिन आप उन्हें पकड़ने के लिए सिस्टम बना सकते हैं।
प्रिडिक्शन मार्केट पर हर ट्रेड व्यावहारिक संभावना का अभ्यास है। सवाल यह है कि क्या आप वह अभ्यास एक प्रशिक्षित प्रणाली के साथ कर रहे हैं — या उन्हीं सहज शॉर्टकट्स के साथ जो विकास ने आपको सवाना पर शिकारियों से बचने के लिए दिए।
बेस रेट से शुरू करें। साक्ष्य से अपडेट करें। अपने पूर्वाग्रहों की जांच करें। अपने दांवों का आकार तय करें। अपनी सटीकता ट्रैक करें।
फिर दोबारा करें।
यह पोस्ट Kahneman & Tversky, Philip Tetlock, Gerd Gigerenzer, Nassim Taleb और अन्य के शोध को संश्लेषित करती है। वित्तीय सलाह नहीं है। सभी प्रिडिक्शन मार्केट ट्रेडिंग में जोखिम शामिल है।
