Итоги «народного прогноза» на ИНФОЛОМ – падение цен стало реальностью

Традиционно мы применяем теорему Кондорсе (Теорему о жюри присяжных) для народного прогнозирования цен на лом. Этот инструмент доступен всем нашим читателям и позволяет сделать прогнозы о движении цен в реальном времени.

Большинство участников опроса сделало вывод о падении цен на лом.

Все подтвердилось – цены на лом падают примерно с уровня 27000 с учетом доставки (на пике августа) до 25000 (и ниже по отдельным заводам/регионам) на начало 1 декады сентября.

Как работает теорема Кондорсе в прогнозировании цен на биржевые товары?

Отметим, что лом чермета до некоторой степени можно считать таковым – он торгуется на БУТБ и имели место быть торги на LME. Для подробного объяснения механики прогнозирования мы воспользовались помощью нейросети, ее объяснение показалось нам адекватным.

Применение теоремы Кондорсе о присяжных (Condorcet’s Jury Theorem) для прогнозирования цен — это математическое обоснование концепции «мудрости толпы» (Wisdom of Crowds) на финансовых и товарных рынках. В классическом понимании теорема доказывает, что если каждый участник группы имеет вероятность принять правильное решение чуть выше 50%, то с ростом числа участников вероятность того, что коллективное решение (выбранное большинством) окажется верным, стремится к 100%.На рынках этот принцип превращает хаотичные индивидуальные оценки трейдеров, алгоритмов или экспертов в точный инструмент прогнозирования рыночных трендов.

Как теорема Кондорсе адаптируется под прогнозирование цен?

В экономике и трейдинге непрерывное движение цены сводят к дискретным (бинарным) альтернативам, чтобы применить аппарат теоремы:

Формулировка задачи: Пойдет ли цена актива вверх (\(A\)) или вниз (\(B\)) к моменту закрытия сессии?

Будет ли инфляция выше 3% или ниже?

Участники («присяжные»): Роль присяжных выполняют независимые аналитики, розничные трейдеры, краудсорсинговые платформы или ансамбли моделей машинного обучения. Условие компетентности (\(p > 0.5\)): Каждый отдельный участник может ошибаться и иметь слабую предсказательную силу (например, угадывать направление цены с вероятностью \(p = 0.52\)), но он должен быть эффективнее подбрасывания монетки. Независимость: Участники должны принимать решения на основе собственных данных, а не слепо копировать чужие сделки. Если эти условия соблюдены, агрегированное мнение рынка (через объем торгов, консенсус-прогнозы или голосование) с математической неизбежностью предскажет направление цены точнее, чем самый лучший одиночный эксперт.

Основные сферы применения

1. Ансамблевое машинное обучение (Ensemble Learning)В алгоритмической торговле теорема Кондорсе является фундаментальным обоснованием для методов бэггинга (Bagging) и случайного леса (Random Forest).Вместо одной сложной нейросети создаются тысячи простых независимых классификаторов (деревьев решений).Каждое дерево обучается на своем случайном подмножестве исторических данных о ценах. Итоговый прогноз («акция вырастет») выносится простым голосованием большинства. Как следствие, общая точность ансамбля оказывается кратно выше точности любого отдельного алгоритма.
2. Рынки предсказаний (Prediction Markets)Платформы вроде Augur, Polymarket или специализированные внутренние платформы корпораций используют реальные денежные ставки для прогнозирования цен на сырье, исхода событий или экономических показателей. Деньги мотивируют участников давать максимально честный и глубокий анализ. Рыночная цена контракта на этих платформах отражает коллективную вероятность события, которая формируется строго по Кондорсе и зачастую оказывается точнее прогнозов центральных банков или крупных инвестдомов.
3. Агрегаторы экспертных оценок и консенсус-прогнозыИнформационные агентства (Bloomberg, Reuters, Корпорация Исток) собирают прогнозы сотен аналитиков по цене на нефть, курсу валют, цен на металлолом или ключевым ставкам. Усредненный или медианный консенсус-прогноз, согласно расширенной теореме Кондорсе (для непрерывных величин), нивелирует случайные индивидуальные ошибки («шум») и точнее указывает на справедливую будущую стоимость актива или направления движения цен на лом.

Ограничения и почему рынки иногда ошибаются

Если бы теорема Кондорсе работала на рынках идеально, кризисов и пузырей бы не существовало. В реальности применение концепции сталкивается со следующими барьерами:Информационный каскад (нарушение независимости): Трейдеры постоянно смотрят на действия друг друга, читают одни и те же новости и Telegram-каналы. Когда люди начинают копировать чужое поведение, группа теряет свойство «толпы» и превращается в «стадо». Вероятность ошибки коллектива резко возрастает.

Почему на ИНФОЛОМ не влияет этот фактор? У нас основная масса посетителей – люди, глубоко знающие рынок. Рекламы у нас нет, и заходящие посетители обычно представляют собой самых компетентных участников рынка, заинтересованных в точной и достоверной информации, остальные до нас просто не доходят. Поэтому и погрешности «стада» у нас нет.

Падение компетентности (\(p < 0.5\)): В периоды высокой неопределенности, паники или сильных манипуляций на рынке, большинство розничных инвесторов начинает совершать иррациональные действия. Если вероятность правильного прогноза у каждого падает ниже 0.5, теорема Кондорсе начинает работать «в обратную сторону»: чем больше участников, тем выше вероятность коллективной ошибки. Именно так формируются биржевые пузыри. Это как раз то, чего мы на ИНФОЛОМ пока что избегаем – за счет лучшей концентрации качества читателей и экспертов.

Асимметрия весов (модификация модели): На реальном рынке капитал распределен неравномерно. Голос институционального инвестора с миллиардом долларов «весит» больше, чем голос тысячи мелких трейдеров. Поэтому в современных финансовых моделях чаще используют взвешенную теорему Кондорсе, где голоса участников калибруются под их историческую точность или объем располагаемых ресурсов.

Мы на ИНФОЛОМ не сторонники этого подхода – автор лично был очевидцем, как миллиардеры теряли огромные средства во время кризисов, тогда как относительно небольшие компании пережили их. Рынка лома это тоже касается – единственным миллиардером из лома в России, в Forbes был владелец МАИР, ну и где он сейчас?

Историческая точность вообще ни о чем не говорит – если давно не было ошибок, значит выше вероятность их появления, на чем работает целая теория «черного лебедя». В модификацию моделей мы не верим – и предпочитаем классический вариант, именно в том виде, как маркиз де Кондорсе ее сформулировал.