Mechanisms, efficiency and probabilistic accuracy of scalable prediction markets

Thumbnail Image

Files

bachelor_Bergring_Herman_2025.pdf (738.43 KB)

URL

Journal Title

Journal ISSN

Volume Title

School of Science | Bachelor's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2025-12-14

Department

Major/Subject

Industrial Engineering and Management

Mcode

Degree programme

Bachelor's Programme in Science and Technology
Teknistieteellinen kandidaattiohjelma
Kandidatprogram i teknikvetenskap

Language

en

Pages

45

Series

Abstract

Prediction markets offer the potential to aggregate dispersed information into accurate, real-time probability estimates, yet their practical impact has historically been constrained by liquidity frictions and regulatory uncertainty. While foundational literature often proposes Automated Market Makers (AMMs) and scoring-rule mechanisms to address the thin market problem, modern scalable prediction markets such as Kalshi instead adopt the Continuous Double Auction (CDA) architecture familiar from traditional exchanges. This thesis validates the design principles of scalable prediction markets by comparing Kalshi’s market microstructure and institutional features against theoretical benchmarks for optimal information aggregation and efficiency. The analysis shows that for high-volume markets, CDAs outperform subsidized AMMs regarding cost efficiency and price discovery. The thesis argues that Kalshi approximates the theoretical optimum through institutional solutions, specifically CFTC-regulation and central clearing, which foster the liquidity necessary for efficiency. Empirically, Kalshi’s prices are suggested to be well-calibrated and capable of outperforming standard statistical forecasting models. Furthermore, the observed Favorite-Longshot Bias is reinterpreted as a structural liquidity premium induced by tick sizes and fees, rather than a behavioural failure. The thesis characterizes these market prices as “meta-signals”, wealth-weighted signals of all available information that are largely orthogonal to other data sources. Consequently, the thesis concludes that scalable prediction markets can transform collective beliefs into institutional-grade data products, providing reliable probabilistic inputs for financial hedging, strategic risk management and governance.

Prognosmarknader har potentialen att aggregera spridd information till precisa sannolikhetsestimat i realtid, men deras praktiska genomslag har historiskt begränsats av låg likviditet och regulatorisk osäkerhet. Medan grundläggande litteratur ofta föreslår automatiserade marknadsgaranter (AMM) för att lösa problemet med tunna marknader, använder moderna skalbara prognosmarknader som Kalshi istället arkitekturen för kontinuerlig dubbelauktion (CDA) och orderbok som är standard på traditionella börser. Arbetet validerar designprinciperna för skalbara prognosmarknader genom att jämföra Kalshis marknadsmikrostruktur och institutionella egenskaper med teoretiska riktmärken för optimal informationsaggregering och marknadseffektivitet. Analysen visar att för marknader med hög volym överträffar CDA-mekanismen subventionerade AMM:er gällande kostnadseffektivitet och prisupptäckt. Arbetet argumenterar för att Kalshi approximerar ett teoretiskt optimum genom institutionell design istället för algoritmiska lösningar, specifikt genom CFTC-reglering och central clearing, som möjliggör den likviditet som krävs för effektivitet. Empiriskt visar sig Kalshis priser vara välkalibrerade och i flera fall kunna överträffa statistiska standardmodeller för prognoser. Vidare omtolkas systematiska avvikelser, såsom ”Favorite–Longshot Bias”, som strukturella likviditetspremier orsakade av tick-storlek och avgifter, snarare än beteendemässiga brister. Avhandlingen karaktäriserar dessa marknadspriser som ”metasignaler”: ekonomiskt viktade sammanvägningar av all tillgänglig information som i stor utsträckning är ortogonala mot andra datakällor. Slutsatsen är att skalbara prognosmarknader kan omvandla kollektiva uppfattningar till dataprodukter av institutionell kvalitet, vilket erbjuder tillförlitliga sannolikhetsbaserade inmatningsvärden för finansiell hedging, strategisk riskhantering och styrning.

Description

Supervisor

Rajala, Risto

Thesis advisor

Kaila, Ruth

Keywords

prediction markets, event derivatives, information aggregation, probabilistic forecasting, market microstructure

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202512309702

Collections

[kand] Perustieteiden korkeakoulu / SCI