I prediction markets nascono per aggregare informazioni disperse e migliorare le previsioni su eventi futuri.
Questi mercati ospitano ora scommesse su qualunque evento verificabile, anche il più improbabile o simbolico.
Indice degli argomenti
Dall’intelligenza collettiva ai mercati di previsione
L’idea alla base dei prediction markets non è nuova. Si fonda su un’intuizione semplice, quando molte persone, con informazioni ed esperienze diverse, esprimono un giudizio in modo indipendente, il risultato aggregato può essere sorprendentemente accurato.
Questo principio è noto come wisdom of crowds e indica che, in determinate condizioni, il “giudizio della folla” può funzionare meglio di quello di singoli esperti. A partire dagli anni Settanta, questa intuizione è stata studiata e testata in ambito economico e nelle scienze sociali, trovando conferme in numerosi esperimenti empirici. Studi accademici condotti negli ultimi vent’anni mostrano che, in contesti ben definiti, i prediction markets possono risultare più accurati di sondaggi tradizionali e previsioni di esperti, in particolare su eventi politici, elettorali e macroeconomici.
Una parte decisiva di questa evidenza empirica è legata al lavoro di Philip Tetlock, professore alla University of Pennsylvania e al suo Good Judgment Project (GJP). Il GJP nasce nel 2011 all’interno di una competizione promossa dall’intelligence statunitense (IARPA), con un obiettivo ambizioso, prevedere eventi geopolitici complessi in modo più accurato degli analisti professionisti.
Il risultato fu sorprendente. I team coordinati da Tetlock riuscirono a superare le previsioni degli analisti dell’intelligence tra il 30% e il 60%, pur lavorando esclusivamente su informazioni open source. Da quell’esperimento emerse un dato chiave, non conta tanto chi prevede, quanto come lo fa. Tetlock individuò un piccolo gruppo di partecipanti, circa il 2%, particolarmente accurati, che definì Superforecaster.
Non erano esperti ideologici né opinion leader, ma persone capaci di aggiornare continuamente le proprie stime probabilistiche alla luce di nuovi dati, mantenendo un approccio disciplinato e antidogmatico.
Il metodo del Good Judgment Project si basa su incentivi reputazionali e metriche di accuratezza, come il Brier Score, che misura la distanza tra probabilità assegnate ed esiti reali, più che su ricompense economiche. Questo approccio ha permesso di studiare in modo rigoroso cosa renda una previsione buona, distinguendo la qualità del processo dal risultato occasionale.
Il contributo di Robin Hanson alla formalizzazione teorica
In parallelo, gli esperimenti teorici e applicativi di Robin Hanson hanno contribuito a formalizzare i prediction markets come strumenti di aggregazione dell’informazione, mostrando come gli incentivi economici possano favorire la rivelazione di conoscenza distribuita, pur entro limiti strutturali ben documentati.
Polymarket e Kalshi: l’estensione del perimetro
Negli ultimi anni, l’emergere di piattaforme digitali come Polymarket e Kalshi ha segnato una svolta quantitativa e qualitativa nei mercati di previsione. Non solo per la crescita dei volumi e del numero di partecipanti, ma soprattutto per il modo in cui queste piattaforme hanno reso i prediction markets accessibili, continui e integrati nell’ecosistema digitale.
Polymarket opera principalmente su blockchain e utilizza criptovalute come mezzo di scambio, abbassando le barriere di ingresso e consentendo una partecipazione globale, spesso al di fuori dei circuiti finanziari tradizionali. Kalshi, al contrario, è una piattaforma regolamentata negli Stati Uniti, supervisionata dalla Commodity Futures Trading Commission (CFTC) e si propone come un ponte tra i mercati di previsione e la finanza istituzionale.
Pur con modelli diversi, entrambe condividono una caratteristica chiave, trasformano qualunque evento chiaramente definibile in un contratto scambiabile, rendendo la previsione un’attività continua, liquida e osservabile in tempo reale.
Dalla politica agli eventi simbolici: cosa si può scommettere
Accanto a quesiti tradizionali, elezioni, decisioni regolatorie, politiche pubbliche, compaiono oggi domande su eventi simbolici, culturali o mediatici, dall’abbigliamento di un leader politico alla presenza di una parola in una serie animata, fino a eventi di natura religiosa o escatologica.
Ciò che accomuna domande così diverse non è la loro rilevanza sociale, ma un requisito fondamentale, la verificabilità. Per un prediction market non conta se un evento sia plausibile, razionale o persino sensato; conta che possa essere risolto secondo una regola chiara e condivisa. Questo passaggio è cruciale. I prediction markets stanno evolvendo da strumenti di previsione specializzati a infrastrutture generaliste di scommessa sull’incertezza.
Il caso limite: scommettere sull’impossibile
Tra gli esempi più discussi vi è stata la scommessa sul ritorno di Gesù Cristo entro il 2025. Il dato interessante non è la probabilità stimata, prossima allo zero, ma il fatto stesso che milioni di dollari siano stati scambiati su un evento che, per definizione, appartiene a una sfera teologica e non empirica. Il mercato non esprime una credenza religiosa né una valutazione metafisica.
Valuta esclusivamente la probabilità che si verifichi qualcosa che soddisfi i criteri operativi di risoluzione del contratto. In altre parole, il mercato non giudica la verità dell’evento, ma la sua traducibilità in un fatto pubblicamente riconoscibile. Questo chiarisce un equivoco frequente, i prediction markets non misurano ciò che è vero, ma ciò che è scommettibile. Le due cose non coincidono necessariamente.
Metodo contro mercato: Good Judgment e prediction markets
Il confronto tra il metodo sviluppato da Tetlock e le piattaforme di prediction markets come Polymarket e Kalshi è istruttivo. Entrambi mirano a prevedere il futuro, ma lo fanno seguendo logiche profondamente diverse. Nel Good Judgment Project, la motivazione principale è l’accuratezza nel tempo, i partecipanti sono valutati sulla base della qualità delle loro stime e della capacità di spiegare il ragionamento sottostante. Nei prediction markets, invece, il meccanismo centrale è il prezzo, che riflette l’equilibrio tra domanda e offerta e incentiva il comportamento orientato al profitto. Questa differenza ha conseguenze importanti.
Nei mercati, il risultato finale è una probabilità “silenziosa”, che non spiega perché il mercato ritenga un evento probabile o improbabile. Nel metodo Tetlock, al contrario, la previsione è sempre accompagnata da una giustificazione, rendendo possibile apprendimento, revisione critica e miglioramento nel tempo. Non a caso, dati recenti mostrano che i Superforecaster continuano a ottenere risultati superiori non solo rispetto agli esperti tradizionali, ma anche rispetto ai mercati finanziari, soprattutto su decisioni complesse come le mosse delle banche centrali.
In alcune sperimentazioni recenti, l’integrazione tra Superforecaster umani e sistemi di intelligenza artificiale, inclusi Large Language Models, ha prodotto livelli di accuratezza ancora più elevati, suggerendo un futuro ibrido tra previsione umana e algoritmica.
The Economist e il Good Judgment Project: razionalità contro rumore
Da oltre un decennio, la testata britannica collabora con il Good Judgment Project per il suo speciale annuale The World Ahead.
L’obiettivo è trasformare le intuizioni geopolitiche dei giornalisti in dati statistici granulari: l’integrazione di queste probabilità permette di misurare lo scarto tra le aspettative degli esperti e la realtà dei mercati, fornendo una “ancora” di razionalità contro il rumore informativo e la volatilità emotiva delle scommesse su larga scala.
Previsione o attenzione? Il ruolo delle narrazioni
L’analisi dei volumi di scambio suggerisce un ulteriore livello di lettura. Le scommesse più trafficate non sono sempre quelle più rilevanti dal punto di vista economico o politico, ma quelle che intercettano attenzione, visibilità e partecipazione collettiva. In questo senso, i prediction markets iniziano ad assomigliare a veri e propri media probabilistici. Come le piattaforme social o i motori di ricerca, competono per l’attenzione. La probabilità diventa contenuto, un numero che racconta una storia, genera dibattito, circola nei media. Questa dinamica richiama il lavoro sull’economia delle narrazioni, concetto reso centrale da Robert Shiller, secondo cui le aspettative economiche e sociali si diffondono e si rafforzano attraverso storie condivise, analogamente a un contagio. In questo quadro, le persone non reagiscono solo a dati e informazioni, ma a racconti semplificati che danno senso all’incertezza, orientano l’attenzione e guidano le decisioni. I prediction markets si inseriscono pienamente in questa dinamica, non si limitano a registrare aspettative già formate, ma contribuiscono a rafforzarle e a renderle visibili. Trasformando narrazioni, paure e speranze in prezzi e probabilità, questi mercati monetizzano l’immaginario collettivo e lo rendono osservabile in tempo reale.
La probabilità diventa così una forma di racconto sintetico, capace di circolare nei media e di influenzare a sua volta le percezioni, in un circuito di retroazione tra narrazione, attenzione e mercato.
Limiti strutturali e distorsioni
La letteratura scientifica è chiara nel sottolineare che l’accuratezza dei prediction markets non è garantita. Il loro funzionamento dipende da condizioni precise, diversità degli attori, indipendenza delle informazioni, incentivi corretti, assenza di manipolazioni. Quando queste condizioni vengono meno, emergono distorsioni note, effetto gregge, sovra rappresentazione di minoranze altamente motivate, influenza dei media, tentativi di manipolazione strategica.
Studi recenti mostrano che i mercati funzionano meglio su eventi frequenti e ben definiti, mentre faticano su eventi rari, ambigui o fortemente simbolici. Non a caso, Tetlock distingue tra forecasting e sensemaking, prevedere non equivale a comprendere. Un mercato può produrre una probabilità senza offrire alcuna spiegazione causale.
Una lezione sul futuro dell’informazione
Il successo dei prediction markets dice molto sul nostro rapporto con il futuro. In un contesto di incertezza strutturale, la probabilità diventa una forma di rassicurazione cognitiva. Anche una stima minima è percepita come preferibile all’assenza di informazioni. Il rischio, però, è confondere il numero con la conoscenza, il prezzo con la verità, la stima con il senso.
I prediction markets sono strumenti potenti, ma non neutrali. Riflettono incentivi, attenzione, cultura e narrazioni dominanti. Capirli significa usarli per ciò che sono, non oracoli del futuro ma dispositivi che mostrano cosa una collettività è disposta a scommettere che accada. Questo è già un’informazione preziosa.
