Il sito usa solo cookie tecnici necessari al funzionamento: nessun tracciamento, nessuna profilazione. Cookie Policy

Salta al contenuto
Tutti i termini

Cos'è un mercato predittivo?

Mercato di contratti su eventi futuri, costruito perché il prezzo sia leggibile come la probabilità che il mercato assegna all'esito.

Un mercato predittivo è un mercato di contratti il cui valore dipende da un evento futuro verificabile, costruito in modo che il prezzo sia direttamente leggibile come probabilità. La forma standard è binaria: il contratto paga un'unità se l'evento si verifica e zero se non si verifica, quindi un prezzo di 60 centesimi equivale a dire che il mercato assegna all'esito circa il 60% di probabilità. A ogni scambio il prezzo si aggiorna, e con esso la stima. Ogni contratto porta una data di regolamento e una fonte di verifica dichiarate in anticipo, perché senza un esito indiscutibile non esisterebbe modo di chiudere le posizioni e quindi nessun motivo per prezzarle con attenzione. La differenza rispetto a un sondaggio non è tecnologica ma di incentivi: dichiarare una convinzione costa denaro in proporzione alla convinzione stessa, e chi sbaglia paga subito invece di far pagare chi ha usato la sua previsione per decidere.

Il valore sta nel numero, non nella commissione

Che l'output informativo valga più dell'attività di scambio che lo produce non è una tesi teorica. A ottobre 2025 ICE, la società che possiede il New York Stock Exchange, ha annunciato un investimento fino a 2 miliardi di dollari in Polymarket dichiarando l'obiettivo di diventare distributore globale dei suoi dati event-driven, per fornire indicatori di sentiment a clienti istituzionali. All'epoca la piattaforma non applicava commissioni di trading. Il prezzo è stato fissato su un flusso di probabilità, non su un conto economico.

Un esempio enterprise

I mercati predittivi interni sono documentati, e in condizioni ostili. Bo Cowgill ed Eric Zitzewitz hanno studiato quelli di Google, Ford e di una grande azienda privata del settore dei materiali di base per la Review of Economic Studies: pochi partecipanti, incentivi deboli, accesso limitato e persone con ottimi motivi per mentire sulla data di consegna del proprio progetto. Nonostante questo i tre mercati hanno ridotto fino al 25% l'errore quadratico medio delle previsioni degli esperti interni. Due risultati contano più del titolo: la distorsione più visibile era un bias di ottimismo nei mercati di Google, cioè esattamente quella che ci si aspetta da chi scommette sul progetto su cui lavora; e le inefficienze si riducevano nel tempo, perché i trader con storico migliore scommettevano contro le distorsioni mentre i meno abili uscivano dal mercato.

Perché conta per chi decide

Quest'ultimo punto è la parte utile per chi guida un'azienda, ed è anche la risposta empirica a una domanda che di solito si risolve per anzianità: come si distingue chi sa prevedere da chi ha solo un tono sicuro. Non lo si decide in anticipo, lo si scopre lasciando che le previsioni vengano registrate e verificate su molte iterazioni. Aprire un mercato interno resta però sproporzionato per la quasi totalità delle PMI, e la parte trasferibile non è la piattaforma: è il vincolo che la rende utile. Ogni previsione che conta viene scritta con una probabilità e una data ("60%: non andiamo in produzione entro marzo"), e dopo quella data viene valutata. Questo produce la calibrazione di chi decide, che è una proprietà misurabile e che quasi nessuna organizzazione misura, e chiude l'anello mancante della decision intelligence: dal dato alla decisione registrata, e dalla decisione alla verifica. Due limiti vanno però tenuti presenti, perché il meccanismo promette più di quanto mantenga. Un mercato è muto sugli orizzonti lunghi, dato che un contratto che si regola tra dieci anni immobilizza capitale e non attira volumi, quindi è affidabile proprio dove il feedback è rapido e muto dove le decisioni pesano di più. E comprime tutto in un esito binario: sa mettere un prezzo a una data di consegna, non sa metterne uno a una priorità, perché la prima ha un valore vero da scoprire mentre la seconda è una scelta da compiere. In Europa, infine, il vincolo è anche regolatorio: lo stesso strumento che negli Stati Uniti opera sotto la CFTC viene classificato caso per caso, spesso come gioco d'azzardo. Va poi ricordato che la risoluzione oggettiva è una proprietà di governance e non una proprietà strutturale: qualcuno deve dichiarare che l'evento si è verificato, e sulle piattaforme decentralizzate questo dipende da un oracolo con un meccanismo di disputa, che è il punto su cui si concentrano le critiche più fondate. Il fondamento statistico del meccanismo, e le condizioni che deve rispettare, sono quelli della saggezza della folla, e quello che tiene onesto il prezzo è lo skin in the game di chi scommette: chi sbaglia perde qualcosa di proprio, e questo pesa le opinioni come nessun sondaggio riesce a fare.

Domande frequenti

Sì, ed è documentato: nei mercati interni di Google, Ford e di una terza azienda studiati sulla Review of Economic Studies le previsioni hanno ridotto fino al 25% l'errore quadratico medio rispetto a quelle degli esperti interni, nonostante il numero ridotto di partecipanti e gli incentivi deboli. Il meccanismo tiene perché la liquidità viene sussidiata con un market maker automatico.

Quasi sempre no: l'infrastruttura e il numero di partecipanti sono sproporzionati. La parte trasferibile non è la piattaforma ma il vincolo che la rende utile, cioè scrivere ogni previsione che conta con una probabilità e una data, e valutarla dopo quella data.

Su tutto quello che non si regola in una data ragionevole e su tutto quello che non ha un valore vero da scoprire. Sa mettere un prezzo a una data di consegna, non a una priorità: la prima è un fatto futuro, la seconda è una decisione da prendere.
  • Saggezza della folla · L'aggregazione di molte stime indipendenti che risulta più accurata della quasi totalità delle stime singole, incluse quelle degli esperti.
  • Calibrazione della confidenza · Quanto il livello di sicurezza dichiarato da un modello AI corrisponde davvero alla probabilità di avere ragione.
  • Skin in the game · Avere una perdita propria in gioco nell'esito di una decisione, e non solo il vantaggio se va bene o la reputazione se va male.
  • Bias di sopravvivenza · Trarre conclusioni solo dai casi che sono arrivati fino a te, ignorando quelli che non ce l'hanno fatta.
  • Superforecasting · Prevedere come competenza misurabile: stime probabilistiche registrate, punteggiate e riviste, dal programma di ricerca di Tetlock.

Un termine che ti riguarda da vicino? Parliamone.

CONTATTAMI