当预测市场出现分歧时：2024年美国选举中的跨平台数据分散性与股市波动性

《Finance Research Letters》：When prediction markets disagree: Cross-platform dispersion and equity volatility in the 2024 U.S. election

　　**摘要**
我们探讨了2024年美国总统选举期间，预测市场之间的一致性分歧是否有助于预测政治敏感股票的波动性。利用来自七个博彩平台的5分钟赔率以及71家政治敏感公司的盘中价格，我们构建了跨平台分散度和实际波动性的每小时度量指标。研究发现，较高的分歧程度预示着党派多头-空头投资组合的波动性更大：在控制了广泛的实际波动性和隐含波动性之后，一个标准差的变化会导致报价波动性增加4%到11%，这一范围反映了提供商在报价覆盖范围和时间戳约定上的差异。正式的选择性测试表明，这种关系对于政治敏感股票而言比整体市场或纯粹的非政治性股票（公用事业和消费品）基准更为显著。与主要基于第二矩（不确定性）的机制一致，分歧对绝对回报和平方回报的预测能力远强于对符号回报的预测能力，并且其效应大约持续一个交易日。我们将这一证据解释为特定于2024年选举事件的选择性预测特征，而非普遍存在的因果关系。

**引言**
在2024年美国总统选举期间，至少有七个全球平台同时对选举结果进行报价，这些平台之间的报价往往存在分歧。在我们的样本中，特朗普获胜概率的横截面标准差平均为2.6个百分点，在最大的竞选冲击事件前后，这一差异可能翻倍以上——7月暗杀企图事件后以及拜登总统退出竞选后超过6个百分点。本文探讨了这种跨平台分歧对股票市场的影响。大量研究表明，政治不确定性会影响资产价格（Pástor和Veronesi, 2012; Pástor和Veronesi, 2013; Kelly等人, 2016; Baker等人, 2016）。虽然也有部分研究关注预测市场中的信息聚合现象（Arrow等人, 2008; Wolfers和Zitzewitz, 2004），但预测市场分歧与股票市场波动性之间的联系尚未得到充分探究。我们的研究灵感源自异质信念理论（Miller, 1977; Diether等人, 2002; Hong和Stein, 2007; Banerjee和Kremer, 2010）：当活跃的市场也无法就获胜者达成一致时，投资者需要考虑的政策情景范围扩大，从而增加了那些命运取决于选举结果的公司の波动性。跨平台分散度的独特之处在于，它是通过高频交易数据（同一事件在不同平台的报价）来衡量的——这与共识概率（第一矩）、民意调查分散度（低频、基于调查）或期权隐含波动性（结合了选举风险和风险溢价成分）不同。这种分散度反映了潜在的不确定性状态，从而增加了未来概率修正的条件方差。

**研究方法**
我们采用选择性设计来探讨这一联系。如果跨平台分歧确实捕捉到了选举特有的不确定性，那么它应该比预测整体市场的波动性更强烈地预测受选举结果影响公司的波动性。数据验证了这一点：分歧显著预测了党派多头-空头股票价差的波动性，正式的交互作用测试也确认了这一差异的统计显著性。相比之下，一旦加入标准控制变量，其与整体市场波动性的关系则明显减弱。局部研究表明，这种预测效应大约持续一个交易日，而整个市场的效应则较小且估计不精确。

**我们的贡献**
我们的工作不同于那些将单一平台概率水平或变化与股票回报联系起来的研究（Addoum和Kumar, 2016; Aktu?和Torul, 2026a）。那些研究关注的是选举走势的方向。我们的重点是第二矩特征：市场分歧的程度，以及这种分歧是否能够预测政治敏感股票的波动性。选择性设计有助于区分选举特定的不确定性与其他混淆因素。我们从三个方面进行了优化：将党派价差波动性与纯粹的非政治性股票组合（公用事业和消费品公司）进行对比；通过测试绝对回报和符号回报来区分第二矩机制与方向性机制；并通过平台级别的价格发现和报价时效性诊断来验证场所分类的有效性。如果分歧仅仅反映了一般新闻强度或报价陈旧度，那么预期它会以类似的方式预测整体市场波动性和党派价差波动性。因此，我们将这一证据视为记录了一种选择性预测关系，而非建立了一种完全的因果机制。

**概念框架**
以下框架设计得较为简约；详细推导见在线补充材料。设????为共和党候选人获胜的潜在概率。平台??发布的赔率为????,??=????+????,??，其中????,??代表不同平台客户群体之间的信念和信息处理差异（而非机械性微观结构噪声），其条件方差等于潜在的不确定性状态????：当选举信号难以解读时，这种不确定性状态会增加。

**数据收集**
我们结合了2024年1月22日至11月5日的预测市场和股票市场数据。

**方法论**
在每个5分钟的时间点，我们通过计算七个平台上特朗普获胜概率的横截面标准差来衡量分歧程度：DISAGREE??=SD?(??1,??,…,??7,??)。我们将这一度量转换为每小时频率，并将其与每小时的实际波动性进行关联。对于每个交易小时，我们分别计算该小时内十二个5分钟对数回报的标准差，分别针对党派价差和整体市场组合。

**描述性证据**
图1展示了随时间变化的分歧程度。在重大竞选事件（特朗普暗杀企图、拜登总统退出竞选以及哈里斯副总统成为民主党候选人）前后，跨平台分散度显著上升。这种趋势与政治环境的变化密切相关。

**选择性测试**
表1展示了主要结果。第（1）列显示，较高的分歧程度预示着更大的党派价差波动性；第（2）列则表明，这种关系在整个市场中的显著性较弱。

**稳健性检验**
表8总结了稳健性检验的结果。无论分歧和波动性的测量方式如何变化，结果都保持一致。将横截面标准差替换为范围、四分位间距、变异系数或基尼系数，并不会改变定性发现。同样，将实际波动性替换为方差或平均绝对回报也不会改变结果。即使在日频数据下，结论依然成立。分歧能够预测党派价差波动性，并且具有信息价值。

**结论**
我们发现，预测市场之间的分歧包含了关于政治敏感股票波动性的增量性、选择性信息。正式的选择性测试证实，这种关系对于党派多头-空头投资组合而言比对于整体市场或纯粹的非政治性基准更为显著，且主要通过第二矩机制发挥作用：分歧对绝对回报和平方回报的预测能力远强于对符号回报的预测能力。

**作者贡献声明**
Emrehan Aktu?：负责写作、审稿与编辑、可视化、验证、软件开发、资源管理、方法论设计、数据分析、概念构建。
Orhan Torul：负责写作、审稿与编辑、原始稿撰写、验证、软件开发、资源管理、方法论设计、数据分析、数据整理、概念构建。

**利益冲突声明**
作者声明没有已知的财务利益或个人关系可能会影响本文的研究结果。