Motore di probabilità AI

Il motore di probabilità AI di Predite è il cervello dietro lo scanner. Stima le probabilità reali degli eventi per i contratti dei prediction market, che vengono poi confrontate con i prezzi di mercato per individuare l'edge. Questo documento spiega come funziona, in cosa eccelle e in cosa no.

L'approccio a consenso su 3 modelli

Non ci affidiamo a un singolo modello AI. Al contrario, vengono eseguiti tre metodi di stima indipendenti e i loro output sono ponderati in una probabilità finale:

Questo è tutto l'input. Nessuna notizia, nessun sondaggio, nessun feed esterno viene recuperato o allegato: il modello ragiona a partire dalla domanda e dai numeri del mercato stesso, più ciò che già sa. Trattalo come un secondo parere ben informato su formulazione e prezzo, non come qualcuno che ha letto i titoli di stamattina.

Questo modello gira solo quando è configurata una chiave LLM. Quando non c'è, viene saltato e gli altri due vengono ripesati a 60/40 — vale la pena saperlo, perché cambia il significato del numero.

Output: stima di probabilità con ragionamento strutturato.

Solo l'ultimo ha una direzione. I primi tre stabiliscono *quanto* la stima può muoversi; il termine favorite-longshot decide *da che parte*. Su un mercato prezzato tra circa il 30% e il 70%, dove quel bias non si applica, questo modello restituisce il prezzo di mercato e non contribuisce con alcun edge — di proposito, perché nessuno dei suoi input riesce lì a distinguere YES da NO.

Output: stima numerica senza ragionamento in linguaggio naturale.

Modello 3: microstruttura di mercato (peso del 20%, 40% senza LLM) Questo guarda la forma della quotazione, non l'argomento. Usa tre input: lo spread implicito tra i prezzi di YES e NO, il volume scambiato e le ore che mancano alla risoluzione. Uno spread ampio allontana la stima dal prezzo di mercato; un volume alto (sopra $5M) riduce quella spinta, sul presupposto che un mercato affollato sia efficiente; un volume scarso (sotto $50k) la amplia; e nelle ultime 24 ore l'intero aggiustamento viene smorzato, perché resta poco tempo per un riprezzamento. In questo motore non esiste alcuna tabella di tassi base storici.

Perché tre modelli e non uno

Ogni modello ha modalità di errore note:

Combinandoli, gli errori tendono ad annullarsi a vicenda. La stima finale è più robusta di qualsiasi singolo modello.

Calibrazione

Una stima di probabilità del "70% di probabilità" dovrebbe significare che, su molte previsioni di questo tipo, l'evento si verifica effettivamente nel 70% dei casi. Questo si chiama calibrazione.

Oggi non c'è alcun raggruppamento in fasce di probabilità del 5%, quindi non possiamo ancora mostrarti una curva di previsto contro realizzato sull'intera scala.

La calibrazione viene pubblicata periodicamente sul nostro blog. È la misura più onesta dell'accuratezza dell'AI.

In cosa l'AI eccelle

Tipologie di eventi consolidate: elezioni, sport, indicatori economici. L'AI dispone di molti dati di addestramento e di pattern chiari.

Mercati con informazioni pubbliche: esiti guidati dalle notizie in cui i dati pertinenti sono liberamente disponibili.

Domande quantitative: "X supererà Y entro la data Z" con soglie chiare.

Ragionamento aggregato: combinare molteplici fonti in un'unica stima.

In cosa l'AI fa fatica

Mercati guidati da insider: voti di governance, speculazioni su M&A, decisioni regolatorie. Chi dispone di informazioni private ha un edge che l'AI non può replicare.

Eventi culturali: Oscar, previsioni di viralità, moda. L'AI non ha buoni modelli del gusto.

Notizie dell'ultimo minuto molto recenti: i dati di addestramento hanno un ritardo. Gli eventi importanti delle ultime 24h potrebbero non essere riflessi.

Esiti della coda lunga: eventi rari privi di precedenti storici.

Mercati sensibili alla manipolazione: mercati a basso volume in cui un singolo trader può muovere il prezzo.

Per queste categorie, tratta le stime dell'AI con scetticismo e affidati maggiormente alla tua conoscenza del settore.

Come funziona l'integrazione delle notizie

Questi dati vengono inseriti nella context window dell'AI quando analizza i mercati correlati. Quindi, se si verifica un evento di cronaca importante che influisce su un mercato, l'analisi dell'AI lo riflette.

Avvertenza: l'integrazione delle notizie ha dei limiti. Non possiamo coprire ogni fonte di notizie. Non possiamo leggere contenuti a pagamento. Non possiamo anticipare notizie non ancora emerse.

Come viene calcolata la confidenza dell'AI

Il punteggio di confidence (0-100%) è la media ponderata della confidence che ciascun modello dichiara su se stesso, con gli stessi pesi 50/30/20 usati per la probabilità. Ne discende una conseguenza da interiorizzare: non c'è alcun termine di accordo. Tre modelli che si contraddicono apertamente producono esattamente la stessa confidence di facciata di tre che concordano, purché ciascuno sia sicuro per conto suo. Una confidence alta significa "ogni modello era sicuro", non "i modelli hanno convergato".

Cosa muove la confidence di ciascuno: nell'euristico, la dimensione dell'edge trovato; nel modello di microstruttura, uno spread ampio, un volume elevato o la vicinanza alla risoluzione. La distanza dal 50% non è un input di nessuno dei due.

Una stima con confidenza del 90% è genuinamente più affidabile di una con confidenza del 50%. Fidati della metrica di confidenza: non è una trovata di marketing.

Errori comuni commessi dagli utenti

Fidarsi ciecamente delle stime dell'AI: a volte l'AI sbaglia. Perdite significative derivano da un dimensionamento delle puntate eccessivamente sicuro sui segnali dell'AI.

Ignorare la confidenza: un edge di 10pp con confidenza del 40% è peggiore di un edge di 5pp con confidenza del 90%. Tieni conto di entrambi.

Operare su ogni segnale: l'AI mostra centinaia di piccoli edge. La maggior parte non vale la frizione. Filtra per un edge >5pp + confidenza >70% come riferimento di base.

Ancorarsi al numero dell'AI: se l'AI dice 70% e il mercato è a 60%, il tuo compito è valutare SE l'AI ha più ragione del mercato. Non limitarti a copiare la stima dell'AI come tua opinione.

Migliorare l'AI

Le modifiche importanti vengono annunciate nel nostro changelog. Se noti errori sistematici dell'AI in specifiche categorie di mercato, segnalali tramite il feedback in-app (arriva davvero a una persona e lo leggiamo).

Casi d'uso per piano

Piano Starter: stime dell'AI nello scanner, in sola lettura — guarda i segnali e prendi confidenza con la piattaforma. La copertura delle piattaforme non dipende dal piano: la scansione di qualsiasi piano recupera e analizza Polymarket *e* Kalshi, e i chip POLY/KLSH si limitano a filtrare ciò che c'è già.

Piano Pro: stime AI su Polymarket e Kalshi. Più i segnali di arbitrage (l'AI confronta i prezzi tra le piattaforme).

Piano Bot: le stime dell'AI alimentano strategie automatizzate. Il template EV Follower le usa direttamente.

Limiti dichiarati con onestà

Questo è coerente con la verità di fondo: i prediction market sono per lo più efficienti, e l'edge informativo nell'era dell'AI è reale ma modesto. Non promettiamo rendimenti mensili del 30%. Forniamo strumenti per estrarre un edge modesto in modo costante nel corso degli anni.

Documenti correlati