Vera opublikowała wyniki analizy obejmującej ponad 200 000 par wiadomości i rynków prognostycznych, w okresie od 22 kwietnia do 30 czerwca 2026 r., dopasowując ponad 3 000 rynków prognostycznych. Kluczowe odkrycie badania: przed zmianami cen, narzędzie AI Vera sortuje i oznacza wiadomości z wyprzedzeniem, a prawdopodobieństwo, że wpłyną one na wahania rynku, jest znacznie wyższe niż w przypadku wiadomości odłożonych na bok.
Na rynkach w stanie spoczynku, oznaczone wiadomości mają około 23% szans na przesunięcie ceny o co najmniej 2 centy, podczas gdy wiadomości odłożone na bok tylko około 8%, co stanowi jedną trzecią tej wartości. W całym rynku, trafność oznaczonych wiadomości wynosi około 35%, podczas gdy odłożonych 13%, różnica wynosi około 21 punktów procentowych.
Co ważniejsze, trafność rośnie wraz z poziomem pewności narzędzia. Wśród wiadomości oznaczonych przez Vera jako "warte uwagi", około 33% ostatecznie wpłynęło na wahania rynku; natomiast na najwyższym poziomie pewności "transakcyjnym", odsetek ten osiąga około 43%.
Badanie wykluczyło również mechaniczne odchylenia. Nawet przy jednoczesnym kontrolowaniu kategorii rynku, skrajności kursów i stanu ruchu rynku, trafność oznaczonych wiadomości pozostaje o około 9 punktów procentowych wyższa niż wiadomości odłożonych. Ta różnica jest znacznie wyższa niż wcześniej ustalony próg skuteczności.
Jeśli chodzi o aktualność, badanie wskazuje, że czas do osiągnięcia maksymalnych wahań jest podobny dla wiadomości oznaczonych i nieoznaczonych (84 minuty wobec 86 minut), co sugeruje, że silniejszy sygnał nie powoduje szybszej reakcji rynku.
Sortowanie Vera opiera się na wstępnej ocenie wiadomości w momencie ich nadejścia, a nie na wynikach po fakcie. Badanie potwierdza, że etykieta może być odtworzona na podstawie wstępnej oceny wiadomości Vera z dokładnością przekraczającą 99,9%, a przechowywane dane nie zawierają żadnych pól z wynikami cen, co wyklucza odchylenie "oceny po fakcie".
Na koniec badanie podkreśla, że wszystkie liczby są częstotliwościami reakcji, a nie zwrotami ani dokładnością. Dwie wady w danych zostały naprawione i wskazują w przeciwnych kierunkach, częściowo się znosząc, a wszystkie wnioski pozostają aktualne.
