Polymarket'te bir kontrat, belirli bir olayın gerçekleşme ihtimalinin %15 olduğunu gösteriyor. İçgüdüleriniz bunun daha çok %30 civarında olduğunu söylüyor. Kontrat $0,15'ten işlem görüyor. Haklıysanız, hisse başına $0,85 kazanırsınız. Yanılırsanız, $0,15 kaybedersiniz.
Satın almalı mısınız?
Çoğu insan bu soruya içgüdüleriyle cevap verir. Olaya bakarlar, akıllarına ilk gelen şeye dayanan bir görüş oluştururlar ve ya satın al düğmesine tıklarlar ya da geçerler. Tahmin piyasası katılımcılarının çoğu böyle çalışır — ve çoğunun para kaybetmesinin nedeni de budur.
Bu yazı, iyi olasılık düşüncesinin altında yatan sistem hakkındadır. Bilişsel bilim, davranışsal ekonomi ve öngörü alanlarında on yıllarca süren araştırmalardan — Kahneman, Tversky, Tetlock, Gigerenzer, Taleb — beslenir ve bunları tahmin piyasalarının pratikte nasıl çalıştığıyla bağdaştırır.
Amaç sizi bir matematikçiye dönüştürmek değil. Size bir dizi zihinsel araç kazandırmaktır ki bunlar, pratik yapıldığında, otopilotta çalışmaya başlar — sadece ticarette değil, belirsizlik içeren her kararda sizi daha iyi bir düşünür yapar.
Beyniniz Bunun İçin Tasarlanmadı
İşte MIT, Princeton ve Harvard öğrencilerine sorulan bir soru:
Bir sopa ve bir top toplam $1,10'a mal oluyor. Sopa, toptan $1,00 daha pahalı. Top ne kadar?
Sezgisel yanıt 10 senttir. Doğru yanıt 5 senttir. Bu seçkin üniversitelerdeki öğrencilerin %50'den fazlası yanlış cevap veriyor.
Bu bir matematik problemi değil. Beyninizin nasıl çalıştığının bir gösterimidir.
Daniel Kahneman'ın Thinking, Fast and Slow kitabındaki çerçevesi bunu iki sistem üzerinden açıklar:
- Sistem 1 hızlı, otomatik ve sezgiseldir. "10 sent" cevabını anında üretir. Örüntü eşleştirme, çağrışımlar ve duygular üzerinden çalışır.
- Sistem 2 yavaş, bilinçli ve analitiktir. Hatayı yakalamanız için gereken budur. Ancak tembeldir — çoğu zaman Sistem 1'in sunduğunu kontrol etmeden kabul eder.
Bir tahmin piyasasına bakıp "%60'ta makul görünüyor" diye düşündüğünüzde, bu Sistem 1'dir. Duraksayıp problemi parçalara ayırdığınızda, temel oranları kontrol ettiğinizde ve beklenen değeri hesapladığınızda — bu Sistem 2'dir.
Olasılıksal düşünmenin tüm disiplini, Sistem 2'yi Sistem 1'in hatalarını yakalamak için eğitmek ve nihayetinde pratik yoluyla daha iyi Sistem 1 sezgileri inşa etmektir.
Evrim Neden Bizi Olasılıklarda Kötü Yaptı
Atalarımızın koşullu olasılıkları hesaplamasına gerek yoktu. Hızlı kararlar vermeleri gerekiyordu: O bir yırtıcı mı? Bunu yemeli miyim? Bu kişi bir tehdit mi?
O ortamda hız doğruluğu yenerdi. Küçük maliyetin yüksek olasılığı ve büyük maliyetin düşük olasılığı — ikisi de dikkat gerektiriyordu. Yenmek üzere olma şansının %2 ile %5 arasındaki farkı ayırt etmenin evrimsel bir avantajı yoktu. Yanılmanın bedeli çok yüksekti.
Bu, beyinlerimizin buluşsal yöntemler — çoğunlukla doğru, çoğunlukla hızlı ve tahmin piyasalarının gerektirdiği olasılıksal muhakemeye uygulandığında tamamen yanlış olan zihinsel kestirme yollar — geliştirdiği anlamına gelir.
Bayes Teoremi: Rasyonel Güncellemenin Temeli
İyi olasılık düşünürlerini diğerlerinden ayıran tek bir kavram varsa, budur. Bayes teoremi, yeni kanıt aldığınızda inançlarınızı güncellemenin matematiksel olarak doğru yoludur.
Formül:
P(H|E) = P(E|H) × P(H) / P(E)
Sade bir dille: güncellenmiş inancınız, teoriniz doğruysa kanıtın ne kadar olası olduğu ile önceki inancınızın çarpımının, kanıtın genel olasılığına bölünmesine eşittir.
Kulağa soyut geliyor. Neredeyse herkesi — doktorlar dahil — kandıran ünlü bir örnekle bunun neden önemli olduğunu göstereyim.
Hile Tespit Problemi
Bir çevrimiçi oyun platformu, hilecileri tespit etmek için bir algoritma kullanıyor. Oyuncuların yalnızca %1'i gerçekten hile yapıyor. Algoritma hilecileri %80 oranında doğru şekilde işaretliyor. Ancak dürüst oyuncuları da %9,6 oranında yanlışlıkla işaretliyor. Bir oyuncu işaretleniyor. Gerçekten hile yapıyor olma olasılığı nedir?
Bu tür bir problem insanlara — istatistik eğitimi almış olanlar dahil — sorulduğunda, çoğunluk %70-80 tahmin ediyor. Doğru cevap %7,8'dir.
Eğitimli profesyoneller bile bir büyüklük sırası kadar yanılıyor. Algoritmanın tespit oranını (%80) bir işaretleme verildiğinde gerçek hile yapma olasılığıyla karıştırıyorlar. Buna temel oran ihmal etme denir ve Sistem 1'in en çarpıcı sayıya (%80 tespit oranı) yapışıp sıkıcı ama kritik bağlamı (sadece %1'in gerçekten hile yaptığı) görmezden gelmesi nedeniyle gerçekleşir.
Doğal Frekanslar Beyninizi Nasıl Düzeltir
İşte aynı problem, Gerd Gigerenzer'in doğal frekans yaklaşımıyla yeniden çerçevelenmiş hali:
10.000 oyuncudan:
- 100'ü hileci. Bunların 80'i algoritma tarafından işaretleniyor.
- 9.900'ü dürüst oynuyor. Bunların yaklaşık 950'si yanlışlıkla işaretleniyor.
- Toplam işaretlenen: 80 + 950 = 1.030
- Bu 1.030 işaretlenen oyuncudan sadece 80'i gerçekten hile yapıyor.
- Bu yaklaşık 13'te 1, yani ~%7,8.
Gigerenzer benzer problemleri yüzdeler yerine doğal frekanslar kullanarak sunduğunda, doğru Bayesçi muhakeme meta-analizler genelinde %4'ten %24'e sıçradı.
Beyniniz ardışık gözlemlerden frekansları işlemek için evrildi, soyut yüzdeler için değil. Ne zaman olasılık hakkında düşünmeniz gerekse, doğal frekanslara çevirin. "Bu durum 100 kez gerçekleştiğinde, X kaç kez oluyor?" Bu tek yeniden çerçeveleme, muhakemenizi herhangi bir formülden daha fazla geliştirecektir.
Taksi Problemi
Bir şehirde %85 Yeşil taksi ve %15 Mavi taksi var. Bir vur-kaç kazasında tanık taksiyi Mavi olarak tanımladı. Tanık renkleri %80 oranında doğru tanımlıyor. Taksinin gerçekten Mavi olma olasılığı nedir?
Çoğu insan %80 der. Doğru cevap: %41.
Temel oran (%85 Yeşil) burada muazzam bir iş yapıyor, ancak Sistem 1 bunu tamamen görmezden gelip tanığın güvenilirliğine (%80) odaklanıyor. Doğal frekanslarda: 100 kazadan 85'i Yeşil taksileri, 15'i Mavi taksileri içerir. Tanık 15 Mavi taksiden 12'sini doğru tanımlardı, ancak 85 Yeşil taksiden 17'sini de yanlışlıkla Mavi olarak tanımlardı. Yani 29 "Mavi" tanımlamasından sadece 12'si doğrudur — yaklaşık %41.
Bu Tahmin Piyasaları İçin Ne Anlama Geliyor
Bir piyasa fiyatına her bakışınızda "bu çok yüksek görünüyor" veya "çok düşük" diye düşündüğünüzde, örtük olarak Bayes teoreminin bir versiyonunu çalıştırıyorsunuz — sadece kötü bir şekilde. Bir önceki inanç ve bir miktar kanıt getiriyorsunuz, ancak temel oranı düzgün tartmıyorsunuz.
Yatırımcılar için pratik Bayesçi düşünme:
Temel oranla başlayın. Herhangi bir olayın ayrıntılarına bakmadan önce sorun: "Tarihsel olarak bunun gibi durumlarda ne olur?" Görevdeki başkanların %70'i yeniden seçiliyorsa, başlangıç noktanız budur — 50/50 değil.
Aşamalı olarak güncelleyin. Yeni anket verileri, bir politika duyurusu, bir ekonomik rapor — her biri tahmininizi kaydırması gereken bir kanıttır, ancak içgüdünüzün önerdiği kadar değil. Süper tahminleciler "sık sık ama küçük artışlarla" günceller.
Kanıtın ne kadar ayırt edici olduğunu sorun. Mevcut görüşünüzle uyumlu bir haber makalesi güçlü kanıt değildir — sonuçtan bağımsız olarak var olurdu. Yalnızca bir sonuç doğruysa var olacak şaşırtıcı bir veri noktası çok daha bilgilendiricidir.
Bayesçi Düşünme Tarihi Değiştirdiğinde
Bu sadece teori değil. Bayesçi arama yöntemleri, geleneksel yaklaşımların çözemediği gerçek dünya problemlerini çözdü:
- 1966: ABD Donanması, geleneksel aramaların başarısız olmasının ardından Akdeniz'de kayıp bir hidrojen bombasını bulmak için Bayesçi olasılık haritaları kullandı.
- 1968: Aynı yaklaşım, USS Scorpion denizaltısını 3.000 metreden fazla derinlikte buldu — tahmin edilen konumun 260 metre yakınında.
- 2011: Air France 447 sefer sayılı uçağı için iki yıl süren başarısız aramaların ardından, bir Bayesçi olasılık haritası enkazı bir hafta içinde buldu. Araştırmacılar şöyle yazdı: "2010 aramasının planlanmasında Bayesçi bir yaklaşım kullanılmaması, enkazın keşfini bir yıla kadar geciktirdi."
Size Para Kaybettiren Önyargılar
Bayes teoremini bilmek yeterli değil. Beyninizin olasılık tahminlerini sistematik olarak çarpıttığı spesifik yolları da bilmeniz gerekir — çünkü bu çarpıtmalar doğrudan tahmin piyasası fiyatlarına yansır.
Bulunabilirlik Buluşsal Yöntemi
Bir şeyin ne kadar olası olduğunu, akla ne kadar kolay örnek geldiğine göre tahmin edersiniz. Canlı, yeni ve duygusal olarak yüklü olaylar daha olası hissedilir.
Bir çalışmada, katılımcılar kasırgaların astım ölümlerinden daha sık olduğuna hükmetti, oysa astım 20 kat daha fazla insanı öldürüyor. Kaza sonucu ölümlerin inmelerden daha yaygın olduğunu tahmin ettiler, oysa inmeler neredeyse iki kat daha fazla ölüme neden oluyor. Bu hatalar medya yansımasını takip ediyor, gerçekliği değil.
Tahmin piyasalarında: Dramatik bir jeopolitik olaydan sonra, benzer olaylar için piyasalar fırlar — temel olasılık değiştiği için değil, olay artık yatırımcıların zihninde "bulunabilir" olduğu için. Bu, ilgili piyasaların sistematik olarak aşırı fiyatlandığı kısa bir pencere oluşturur.
Çıpalama
Tahmininiz, tamamen alakasız olsa bile gördüğünüz ilk sayıya doğru çekilir.
Tversky ve Kahneman'ın ünlü deneyinde, katılımcılar hileli bir şans çarkının 10 veya 65'e düştüğünü izledi, ardından BM'deki Afrika ülkelerinin yüzdesini tahmin etti. 10'u görenler %25 tahmin etti. 65'i görenler %45 tahmin etti. Rastgele, anlamsız bir sayı 20 puanlık bir fark yarattı.
Tahmin piyasalarında: Mevcut piyasa fiyatı en güçlü çıpadır. $0,72'lik bir kontrat gördüğünüzde, beyniniz %72'den başlar ve ayarlar. "Gerçek" olasılık %55 ise, muhtemelen yeterince ayarlamayacaksınız. Bu yüzden piyasalar kalıcı olarak yanlış fiyatlanmış kalabilir — her yeni katılımcı bağımsız analiz yapmak yerine mevcut fiyata çıpalanır.
Aşırı Güven
İnsanlardan %90 güven aralıkları — doğru cevabın %90 olasılıkla içinde bulunduğundan emin oldukları aralıklar — vermeleri istendiğinde, doğru cevap aralıklarına yalnızca %33-50 oranında düşer. Sadece biraz fazla güvenli değiliz. İncelenen her alanda sistematik olarak muazzam ölçüde fazla güvenliyiz.
Bir çalışmada, klinik psikologlar bir vaka hakkında daha fazla bilgi aldıkça, güvenleri %33'ten %53'e yükseldi. Doğrulukları hiç gelişmedi, %30'un altında kaldı. Daha fazla bilgi, doğruluğu artırmadan güveni artırdı.
Tahmin piyasalarında: %90'lık bir avantajınız olduğunu düşünüyorsanız, muhtemelen %60'lık bir avantajınız vardır. Yaptığınız her güven tahminine bir iskonto uygulayın. Süper tahminleme araştırmacıları, başlangıç içgüdüsel güveninizi ilk kalibrasyon düzeltmesi olarak %5-15 azaltmanızı önerir.
Favori-Uzun Vuruş Önyargısı (Favorite-Longshot Bias)
Bu, tahmin piyasası verilerinde doğrudan ölçülebilir.
Jonathan Becker, Kalshi'de 72 milyon işlemi ve 18 milyar dolarlık hacmi analiz etti:
| Kontrat Fiyatı | İma Edilen Olasılık | Gerçek Kazanma Oranı | Yanlış Fiyatlama |
|---|
| $0,01 | %1 | %0,43 | -%57 |
| $0,05 | %5 | %4,18 | -%16 |
| $0,10 | %10 | ~%8 | -%20 |
| $0,50 | %50 | ~%48,7 | -%3 |
Ucuz kontratlar sistematik olarak aşırı fiyatlanmıştır. 1 sentlik bir kontrat %1'lik bir şansı ima eder, ancak bu olaylar aslında yalnızca %0,43 oranında gerçekleşir — yani uzun vuruş alıcıları ortalamada paralarının %60'ından fazlasını kaybeder.
Neden: İnsanlar küçük olasılıklara gereğinden fazla ağırlık verir (Kahneman ve Tversky'nin beklenti teorisi). %1'lik bir şans, %1'den çok daha büyük bir zihinsel "karar ağırlığı" alır. Bu, insanları piyango bileti almaya iten aynı önyargıdır — ve doğrudan tahmin piyasalarına aktarılır.
Doğrulama Önyargısı
Bir görüş oluşturduğunuzda, onu destekleyen kanıtlar ararsınız ve çelişen kanıtları göz ardı edersiniz. Stanford'un klasik deneyinde (Lord et al., 1979), idam cezası konusunda güçlü görüşlere sahip katılımcılar aynı karışık kanıtları okudu. Her iki taraf da orijinal pozisyonlarında daha da kökleşti. Aynı veriler herkesi haklı olduğuna daha fazla ikna etti.
Tahmin piyasalarında: Bir pozisyon satın aldıktan sonra, bilinçsizce işleminizi doğrulayan haberleri arayacak ve onu tehdit eden bilgileri göz ardı edeceksiniz. Bu yüzden profesyonel tahminleciler, aktif olarak çürütücü kanıt arama disiplinini uygular.
Kayıptan Kaçınma ve Elden Çıkarma Etkisi
Kahneman ve Tversky, 1.000 dolar kaybetmenin acısını telafi etmek için yaklaşık 2.000-2.500 dolarlık kazanç gerektiğini gösterdi — kabaca 2:1'lik bir oran. Bu asimetri, ticarette iyi belgelenmiş bir kalıp üretir:
Terrance Odean 10.000 ticaret hesabını inceledi ve yatırımcıların kazanan bir pozisyonu satma olasılığının, kaybeden bir pozisyonu satma olasılığından %50 daha yüksek olduğunu buldu. İnsanlar kaybedenleri çok uzun tutarlar (kaybı gerçekleştirmekten kaçınma umuduyla) ve kazananları çok erken satarlar (kazancın keyfini kilitleme).
Tahmin piyasalarında: $0,40'tan bir kontrat satın alırsınız. $0,25'e düşer. Olasılığın gerçekten değişip değişmediğini yeniden değerlendirmek yerine tutarsınız — çünkü satmak yanıldığınızı kabul etmek demektir. Bu arada, $0,30'dan satın aldığınız bir kontrat $0,55'e yükselir. Analiziniz $0,70 olması gerektiğini söylese bile "kâr almak" için satarsınız. Kayıptan kaçınma, rasyonel olasılık değerlendirmesini geçersiz kılar.
Anlatı Yanılgısı
Nassim Taleb bunu "olgu dizilerine bir açıklama örmeden bakabilme konusundaki sınırlı yeteneğimiz" olarak tanımlar. Herhangi bir olaydan sonra, onu geriye dönük olarak öngörülebilir gösteren bir hikaye kurgularız. Hafızamız "bir kayıt cihazı gibi değildir — kendini temiz bir hikayeye uyacak şekilde yeniden yazar."
Tahmin piyasalarında: Her çözülen piyasa bir anlatı üretir. "Tabii ki Trump kazandı — anketler açıkça yanlıştı." "Tabii ki Bitcoin $100k'yı vurdu — ETF girişleri bunu kaçınılmaz kıldı." Bu anlatılar doğru hissedilir ama olaydan sonra kurgulanmıştır. Bir sonraki tahmin hakkında sizi aşırı güvenli yaparlar çünkü bir öncekinin "apaçık" olduğuna inanırsınız.
Kalabalık Yanıldığında
Tahmin piyasaları, kalabalığın bilgeliği öncülü üzerine inşa edilmiştir. Ancak kalabalıklar yalnızca belirli koşullar altında akıllıdır — ve tahmin piyasaları bu koşulları düzenli olarak ihlal eder.
Surowiecki'nin Dört Koşulu
James Surowiecki, akıllı kalabalıklar için dört gereksinim belirledi:
- Görüş çeşitliliği — her kişinin özel bilgisi veya bakış açısı vardır
- Bağımsızlık — görüşler çevredekiler tarafından belirlenmez
- Adem-i merkeziyetçilik — insanlar yerel bilgiye dayanır
- Toplanma — bireysel yargıları kolektif bir cevaba dönüştüren bir mekanizma
Bu koşullar başarısız olduğunda, kalabalıklar güruh olur.
Kalabalık Başarısızlığının Gerçek Vakaları
Brexit 2016: Sonuçlardan bir saat önce, Ladbrokes Brexit'e karşı 12:1 oran tweeti attı. Londra merkezli bahisçiler — ezici çoğunlukla Remain destekçileri — orantısız büyük bahisler koyarak "mevcut tahmin oranlarını çıpa olarak kullanıp gelen bilgileri tamamen göz ardı eden" bir yankı odası yarattı. Piyasa, gerçek oy sayımları trendi göstermesinden saatler sonra, sabah 3'e kadar Leave'e dönmedi. Bağımsızlık ve çeşitlilik eş zamanlı olarak çöktü.
Polymarket vs PredictIt Doğruluğu: Vanderbilt'in 2024 ABD seçimi sırasında 2.500'den fazla piyasayla yaptığı bir çalışma şunu buldu:
| Platform | Doğruluk | Neden |
|---|
| PredictIt | %93 | $850 pozisyon limiti çeşitli, küçük yatırımcıları zorladı |
| Kalshi | %78 | Düzenlenmiş, karma katılımcı tabanı |
| Polymarket | %67 | Tek bir balina, dolaşımdaki kontratların %20+'sını kontrol edebiliyordu |
Paradoks: en fazla hacme ve likiditeye sahip platform en az doğru olanıydı, çünkü pozisyon yoğunlaşması çeşitlilik koşulunu yok etti.
Fransız balina Theo: 11 hesap üzerinden Trump'ın kazanmasına 80 milyon dolar bahis koydu. Tüm Trump Seçiciler Kurulu kontratlarının %25'ini ve halk oylaması kontratlarının %40'ından fazlasını elinde tutuyordu. Tek bir bireyin kanaati "kalabalığın bilgeliği" olarak fiyatlandı. 85 milyon dolar kazandı — ama başarısı piyasayı doğrulamaz. Doğru bir tahminin tek bir veri noktası, piyasanın etkin olduğunu kanıtlamaz.
Çıkarım
Tahmin piyasası fiyatları bilgidir. Gerçek değildir. Katılımcılarının önyargılarını, bilgilerini ve pozisyon büyüklüklerini toplar. Katılım çeşitli ve bağımsız olduğunda, dikkate değer ölçüde doğru olabilirler. Balinalar, yankı odaları veya korelasyonlu bilgi tarafından domine edildiğinde, olağanüstü yanlış olabilirler.
Her zaman sorun: bu fiyatı kimin parası belirliyor?
Sizi Daha İyi Düşünür Yapan Olasılık Bulmacaları
Bazı klasik olasılık bulmacaları sadece entelektüel eğlence değildir — tahmin piyasası ticaretine doğrudan uygulanan belirli başarısızlık modlarını ortaya koyar.
Monty Hall Problemi → İnançları Nasıl Güncellersiniz
Üç kapı, bir ödül. Kapı 1'i seçersiniz. Ödülün nerede olduğunu bilen sunucu, Kapı 3'ü açarak boş olduğunu gösterir. Kapı 2'ye geçmeli misiniz?
Evet. Geçmek 2/3 oranında kazanır.
Çoğu insanın sezgisi fark etmediğini söyler — "kalan kapılar arasında 50/50." Ama sunucunun seçimi tam da rastgele olmadığı için bilgi verdi. Boş olduğunu bildiği bir kapı seçti. Bu, ödül olasılığını seçmediğiniz iki kapıdan (toplamda 2/3) kalan tek kapıya (2/3) yoğunlaştırdı.
Tahmin piyasası dersi: Her yeni kanıt parçası tahmininizi güncellemelidir. Ama Monty Hall problemindeki gibi, kilit soru kanıtın bilgilendirici mi (sunucunun bilinçli seçimi gibi) yoksa gürültü mü (yazı tura atmak gibi) olduğudur. Piyasanın zaten inandığını doğrulayan bir haber makalesi çok ayırt edici değildir. Konsensüsle çelişen sürpriz bir veri noktası son derece ayırt edicidir — ve içgüdünüzün önerdiğinden daha büyük bir güncellemeyi tetiklemelidir.
Doğum Günü Problemi → Portföy Riski
Bir odada iki kişinin aynı doğum gününü paylaşma olasılığının %50 olması için kaç kişiye ihtiyacınız var? Sadece 23. Çoğu insan 183'e yakın bir şey tahmin eder.
Kavrayış: olası eşleşme sayısı, kişi sayısından çok daha hızlı büyür. 23 kişiyle 253 benzersiz eşleşme vardır.
Tahmin piyasası dersi: Her birini %90 olası olarak tahmin ettiğiniz 20 pozisyonunuz varsa, en az birinin başarısız olma olasılığı %10 değildir. Şudur:
1 - (0,9)^20 = %87,8
Neredeyse kesinlikle, "%90 emin" pozisyonlarınızdan biri kaybedecek. Her birini neredeyse kesinlik gibi boyutlandırdıysanız, tek bir kayıp portföyünüzü mahvedebilir. Bu yüzden bireysel bahisler çok yüksek güvenli hissettirdiğinde bile pozisyon boyutlandırma ve çeşitlendirme önemlidir.
Savcı Yanılgısı → Piyasa Fiyatlarını Okumak
Sally Clark, bir uzmanın bir ailede iki SIDS (Ani Bebek Ölümü Sendromu) ölümünün olasılığının 73 milyonda 1 olduğuna dair ifadesine dayanarak iki çocuğunu öldürmekten mahkum edildi. Mahkumiyet bozulmadan önce yıllarca hapiste kaldı — uzman P(kanıt | masumiyet) ile P(masumiyet | kanıt)'ı karıştırmıştı.
Tahmin piyasası dersi: Bir piyasa $0,05'ten fiyatlandığında, insanlar "bunun gerçekleşme olasılığı %5" diye düşünür. Ancak düşünmeleri gereken şudur: "Bu piyasadaki bilgi göz önüne alındığında, ima edilen olasılık %5'tir — ama verilerden piyasaların uç noktalarda sistematik olarak yanlış fiyatlandığını biliyoruz." Becker'ın araştırması 1 sentlik kontratların %57 oranında aşırı fiyatlanmış olduğunu gösteriyor. 5 sentlik bir kontrat %5 şans anlamına gelmez. Sistematik uzun vuruş önyargısı hesaba katıldığında ~%4 şans anlamına gelir.
Süper Tahminlecinin El Kitabı
Philip Tetlock'un 284 uzmanla 80.000'den fazla tahmin yaptırdığı 20 yıllık çalışması, sosyal bilimlerin en alçaltıcı bulgularından birini ortaya koydu: ortalama uzman, dart atan bir şempanzeden ancak marjinal olarak daha doğruydu.
Ama devamı — Good Judgment Project — bazı insanların tahminlemede olağanüstü iyi olduğunu gösterdi. En iyi %2'ye "süper tahminleciler" denir ve gizli bilgilere erişimi olan istihbarat analistlerini %30 oranında yendiler ve tahmin piyasalarından daha iyi performans gösterdiler.
Onları farklı kılan zeka değildir (akıllı olsalar da). Yöntemdir.
Tilki vs Kirpi
Tetlock, Isaiah Berlin'in çerçevesini ödünç aldı:
- Kirpiler "tek bir büyük şey" bilir. Her şeyi tek bir mercek veya teori üzerinden yorumlarlar. Özgüvenlidirler, harika TV konukları olurlar ve sistematik olarak daha az doğrudurlar.
- Tilkiler "birçok şey" bilir. Birden fazla perspektiften yararlanırlar, nüans ve belirsizlikle rahatırlar ve sıkıcı ama doğru tahminler yaparlar.
80.000'den fazla tahmin boyunca her karşılaştırmada tilkiler kirpileri geride bıraktı. Sizi uyarılarla sıkan uzman muhtemelen haklıdır. İkna edici bir anlatıya sahip karizmatik yorumcu muhtemelen yanılıyordur.
Süper Tahminleciler Nasıl Düşünür
Tetlock'un araştırmasından ve Good Judgment Project'ten:
Dışarıdan bakışla başlayın. Ayrıntılara dalmadan önce sorun: bunun gibi olaylar için temel oran nedir? Kahneman'ın ekibi bir keresinde bir müfredatı 2 yılda bitireceklerini tahmin etmişti. Benzer projeler için temel oran? %40'ı hiç bitmez ve geri kalanı 7-10 yıl sürer. Aslında 8 yıl sürdü.
Problemi parçalayın. Büyük soruları daha küçük, cevaplanabilir alt sorulara bölün. "Rusya Ukrayna'yı işgal edecek mi?" şuna dönüşür: Asker yığılma hızı nedir? Diplomatik sinyaller nelerdir? Uydu görüntüleri ne gösteriyor? Benzer askeri yığılmaların gerçek işgale dönüşme konusundaki tarihsel temel oranı nedir? Her alt soru, bütünden daha ele alınabilirdir.
Sık güncelleyin, az güncelleyin. Süper tahminleciler tahminlerini diğerlerinden daha sık ayarladılar, ancak küçük artışlarla. Tetlock bunu bisiklet sürmeye benzetir — her iki yönde sürekli küçük düzeltmeler. "İnanç güncelleme, iyi öngörü için, diş fırçalama ve diş ipi kullanmanın iyi diş sağlığı için olduğu kadar önemlidir."
Çürütücü kanıt arayın. En güçlü önyargı giderme tekniği şunu sormaktır: "Hangi kanıt fikrimi değiştirirdi?" ve ardından aktif olarak aramak. Gary Klein'ın ön-mortem tekniği — projenin zaten başarısız olduğunu hayal edip nedenler üretmek — riskleri belirleme yeteneğini %30 artırır.
Derece olarak düşünün, ikili değil. "Bence bu olacak" bir tahmin değildir. "Bu sonuca %73 olasılık atıyorum" bir tahmindir. Kendinizi belirli sayılar seçmeye zorlamak hesap verebilirlik yaratır ve kalibrasyonu mümkün kılar.
Doğruluğunuzu takip edin. Geri bildirim olmadan gelişemezsiniz. Metaculus ve Good Judgment Open gibi platformlar tahmin yapmanıza ve Brier skorunuzu zaman içinde ölçmenize olanak tanır. Kilit kavrayış: kalibrasyon eğitimi işe yarar. Çalışmalar, aşırı güveni %30 veya daha fazla azaltabileceğini ve etkilerin aylarca sürdüğünü gösteriyor.
Kalibrasyonun Gücü
İyi kalibre edilmiş bir tahminlecinin %70 güvendeki tahminleri, zamanın yaklaşık %70'inde gerçek olur. %90 güvende, yaklaşık %90.
Ortalama süper tahminleci, mükemmelden 0,01 fark içinde kalibrasyon elde etti — idealden neredeyse ayırt edilemez. Bu arada, %90 güvenle tahmin yapan çoğu insan zamanın yalnızca yaklaşık %70'inde haklı çıkar.
Kalibrasyon bir beceridir. Ölçülebilir, pratik yapılabilir ve geliştirilebilir. Muhtemelen tahmin piyasası ticareti için en yüksek kaldıraçlı beceridir, çünkü gerçek avantaj ile aşırı güven arasında ayrım yapabilip yapamayacağınızı doğrudan belirler.
Pratik Bir Çerçeve: Her İşlemden Önce
İşte araştırmayı eyleme dönüştürülebilir bir sürece dönüştüren bir kontrol listesi:
1. Temel Oranı Bulun
Bu tür olayların tarihsel sıklığı nedir? Bir siyasi adaya bahis koyuyorsanız, benzer pozisyonlardaki görevdeki/rakip/favori adayların tarihsel olarak yüzde kaçı kazandı? Başlangıç noktanız burası olsun, 50/50 değil.
2. Doğal Frekanslara Çevirin
"%15 şans var" yerine şöyle düşünün: "Bu durum 100 kez meydana geldiğinde, yaklaşık 15 kez gerçekleşiyor." Bu, beyninizin doğal frekans işleme yeteneğini harekete geçirir ve hataları azaltır.
3. Kanıtla Güncelleyin (Bayesçi Düşünme)
Her yeni bilgi parçası için sorun:
- Mevcut tahminim doğruysa, bu kanıt ne kadar olası?
- Tahminim yanlışsa ne kadar olası?
- Bu, sayımı ne kadar kaydırmalı?
Aşamalı olarak güncelleyin. Tek bir veri noktasıyla dramatik bir şekilde sallanma dürtüsüne direnin.
4. Önyargılarınızı Kontrol Edin
Hızlı zihinsel kontrol listesinden geçin:
- Mevcut piyasa fiyatına çıpalanıyor muyum? (Piyasaya BAKMADAN ÖNCE tahmin etmeyi deneyin)
- Son/canlı olaylara aşırı ağırlık mı veriyorum? (Bulunabilirlik)
- Sadece görüşümü destekleyen kanıtlara mı bakıyorum? (Doğrulama)
- İyi bir anlatıyı iyi bir olasılıkla mı karıştırıyorum? (Anlatı yanılgısı)
- Bu pozisyona sahip olmasaydım aynı görüşü korur muydum? (Elden çıkarma etkisi)
5. Tersini Düşünün
Kendi pozisyonunuza karşı aktif olarak argüman üretin. Diğer tarafın kazanması için neyin doğru olması gerekirdi? Bu senaryo, başlangıçta düşündüğünüzden daha az mantıklı mı? Bu tek teknik — "tersini düşünün" — birden fazla önyargıyı aynı anda önemli ölçüde azalttığı gösterilmiştir.
6. Pozisyonunuzu Boyutlandırın
Pozisyon büyüklüğünü belirlemek için Kelly kriteri'ni (veya tercihen yarım Kelly'yi) kullanın:
f = (sizin_olasılığınız - piyasa_olasılığı) / (1 - piyasa_olasılığı)
%60 tahmin ediyorsanız ve piyasa %40 diyorsa: f = (0,60 - 0,40) / (1 - 0,40) = %33. Yarım Kelly, bankrollunuzun ~%17'si olurdu. Bu, çok daha az volatilite ile optimal büyüme oranının %75'ini elde eder.
Kritik: tahmini avantajınız küçükse (%5'in altında), çeyrek Kelly veya daha az kullanın. Küçük avantaj tahminlerinin yanlış olma olasılığı en yüksektir ve Kelly hataları büyütür.
7. Takip Edin ve Kalibre Edin
Her tahmini belirli bir olasılıkla kaydedin. Düzenli olarak gözden geçirin. %70 tahminleriniz zamanın %70'inde gerçekleşiyor mu? %85'e isabet ediyorlarsa, yeterince güvenli değilsiniz — daha büyük bahis koyun. %55'e isabet ediyorlarsa, aşırı güvenlisiniz — daha az bahis koyun veya hiç koymayın.
Araçlar ve Kaynaklar
Kalibrasyon Eğitimi
- Calibrate Your Judgment — ClearerThinking'den binlerce olgusal soruyla ücretsiz kalibrasyon pratiği aracı
- Metaculus — Gerçek dünya tahminleri yapın ve Brier skorunuzu zaman içinde takip edin
- Good Judgment Open — Tetlock'un jeopolitik sorularda tahminleme pratiği yapmak için platformu
Temel Okumalar
- Thinking, Fast and Slow — Daniel Kahneman — Bilişsel önyargılar ve çift süreç teorisi üzerine temel metin
- Superforecasting — Philip Tetlock & Dan Gardner — En iyi tahminleciler nasıl düşünür, pratik tekniklerle
- The Signal and the Noise — Nate Silver — Farklı alanlarda uygulamalı olasılık düşüncesi
- The Black Swan — Nassim Taleb — Nadir olaylar neden düşündüğümüzden daha önemli
- The Theory That Would Not Die — Sharon Bertsch McGrayne — Bayes teoreminin büyüleyici tarihi
Tahmin Piyasası Analitiği
Sonuç
Olasılık düşüncesi bir yetenek değildir. Bir pratiktir.
Araştırma açıktır: süper tahminleciler herkesten daha akıllı değildir. Daha disiplinlidirler. İçgüdüler yerine temel oranlarla başlarlar. Kesinlik ve şüphe arasında sallanmak yerine aşamalı olarak güncelleme yaparlar. Görüşleriyle çelişen kanıtlar ararlar. Doğruluklarını takip eder ve hatalarından öğrenirler.
Eğitimli profesyonellerin tespit oranlarını 10 kat yanlış değerlendirmesine, proje yöneticilerinin zaman çizelgelerini 4 kat hafife almasına ve tahmin piyasası katılımcılarının sistematik olarak uzun vuruşlara fazla ödemesine neden olan aynı önyargılar — bu önyargılar sizin beyninizde de yaşıyor. Onları ortadan kaldıramazsınız. Ama onları yakalamak için sistemler kurabilirsiniz.
Bir tahmin piyasasındaki her işlem, uygulamalı olasılıkta bir alıştırmadır. Soru, bu alıştırmayı eğitilmiş bir sistemle mi yapıyorsunuz — yoksa evrimin size savanada yırtıcılardan kaçmak için verdiği aynı sezgisel kestirme yollarla mı.
Temel oranla başlayın. Kanıtla güncelleyin. Önyargılarınızı kontrol edin. Bahislerinizi boyutlandırın. Doğruluğunuzu takip edin.
Sonra tekrar yapın.
Bu yazı Kahneman & Tversky, Philip Tetlock, Gerd Gigerenzer, Nassim Taleb ve diğerlerinin araştırmalarını sentezler. Finansal tavsiye değildir. Tüm tahmin piyasası ticareti risk içerir.
