87% trader Pasar Prediksi Mengalami Kerugian, Pemenang Mengikuti 5 Strategi Kunci

Di Las Vegas Strip, rata-rata pengembalian mesin slot sekitar 93%, artinya setiap dolar yang dipertaruhkan, rata-rata hanya mengembalikan 0,93 dolar; namun di Polymarket, para pedagang secara sukarela menerima pengembalian sekecil 0,43 dolar, menggunakan 1 dolar untuk mempertaruhkan hasil yang jarang terjadi dengan odds bahkan lebih buruk daripada kasino.

Ini bukan metafora, melainkan berdasarkan data nyata. Peneliti Jonathan Becker melakukan analisis terhadap semua pasar yang telah diselesaikan di Kalshi, mencakup 72,1 juta transaksi dengan total volume perdagangan sebesar $18,26 miliar. Pola yang ditemukannya juga berlaku untuk Polymarket—mekanisme yang sama, bias yang sama, yang berarti peluang yang sama. Kesimpulan dari data tersebut sangat jelas, yaitu sekitar 87% dari dompet pasar prediksi akhirnya mengalami kerugian, tetapi 13% sisanya tidak menang karena keberuntungan, melainkan menguasai metode matematis yang tidak diketahui oleh sebagian besar trader.

Artikel ini akan menguraikan 5 rumus teori permainan yang membedakan pemenang dari pecundang, masing-masing dilengkapi dengan prinsip matematis terkait, kasus nyata, serta kode Python yang dapat langsung dijalankan; beberapa trader yang telah menerapkan metode ini dalam praktik meliputi:

• RN (Alamat Polymarket: https://polymarket.com/profile/%40rn1): Sebuah robot perdagangan algoritmik Polymarket yang menghasilkan total keuntungan lebih dari $6 juta di pasar olahraga berdasarkan model dalam artikel ini.

• distinct-baguette (Alamat Polymarket: https://polymarket.com/profile/%40distinct-baguette): Mengubah $560 menjadi $812.000 dengan menjadi market maker di pasar UP/DOWN.

Di Polymarket, setiap perdagangan pada dasarnya adalah penilaian nilai harapan. Sebagian besar trader mengandalkan intuisi, sementara 13% pemenang membuat keputusan dengan matematika. Nilai harapan (EV) mengukur bukan hasil tunggal, melainkan pengembalian rata-rata setelah dilakukan berulang kali, untuk menentukan apakah suatu perdagangan layak diikuti.

Dengan mengambil contoh pasar nyata, “Apakah Bitcoin akan mencapai $150.000 sebelum Juni 2026?” Harga YES saat ini adalah 12¢, yang mencerminkan probabilitas implisit pasar sebesar 12%. Jika berdasarkan data on-chain, siklus halving, dan arus dana ETF, probabilitas sebenarnya diperkirakan sekitar 20%, maka transaksi ini memiliki nilai harapan positif. Dengan perhitungan ini, setiap kontrak yang dibeli dengan harga 12¢ secara rata-rata jangka panjang akan menghasilkan keuntungan 8¢; membeli 100 kontrak dengan biaya $12 akan menghasilkan keuntungan harapan $8, dengan tingkat pengembalian sekitar +66,7%.

Namun, data menunjukkan bahwa sebagian besar trader pasar prediksi tidak melakukan perhitungan semacam ini. Dalam sampel yang mencakup 72 juta transaksi, taker (pembeli harga pasar) mengalami kerugian rata-rata sekitar 1,12% per transaksi, sementara maker (pemasang pesanan) mendapatkan keuntungan rata-rata sekitar 1,12% per transaksi. Perbedaan antara keduanya bukan terletak pada informasi, melainkan pada kesabaran—maker menunggu peluang dengan nilai harapan positif, sedangkan taker lebih cenderung melakukan transaksi impulsif.

“Preferensi barang langka” adalah salah satu kesalahan paling mahal di pasar prediksi, di mana trader sering secara sistematis melebih-lebihkan kemungkinan kejadian berprobabilitas rendah, membayar harga terlalu tinggi untuk kontrak yang tampak murah. Sebuah kontrak yang dihargai 5¢ secara teoritis seharusnya memiliki tingkat kemenangan 5%, tetapi di Kalshi tingkat kemenangan aktualnya hanya 4,18%, yang sesuai dengan deviasi harga -16,36%; dalam kasus yang lebih ekstrem, kontrak 1¢ seharusnya memiliki tingkat kemenangan 1%, tetapi bagi taker, tingkat kemenangan aktualnya hanya 0,43%, dengan deviasi hingga -57%.

Dari distribusi keseluruhan, harga pasar relatif akurat di rentang tengah (30¢–70¢), tetapi terdapat penyimpangan jelas di kedua ujungnya: kontrak di bawah 20¢ secara umum memiliki tingkat kemenangan aktual lebih rendah daripada probabilitas yang diimplikasikan oleh harganya; sementara kontrak di atas 80¢ sering kali memiliki tingkat kemenangan lebih tinggi daripada probabilitas yang tercermin dalam harganya.

Artinya, ketidakefisienan pasar terutama terkonsentrasi di kedua ujungnya, dan rentang ini justru merupakan tempat paling banyak terjadi perdagangan emosional. Secara khusus, ada dua rumus:

Rumus satu: Harga yang salah (Mispricing, δ)

Harga yang salah digunakan untuk mengukur penyimpangan antara tingkat kemenangan aktual kontrak dan probabilitas implisitnya. Sebagai contoh kontrak 5¢, di seluruh pasar yang telah diselesaikan, misalkan terdapat 100.000 transaksi yang dilakukan pada harga 5¢, di mana 4.180 transaksi berakhir dengan hasil YES, maka tingkat kemenangan aktual adalah 4,18%, sedangkan probabilitas implisit yang sesuai dengan harga adalah 5,00%. Selisih antara keduanya adalah -0,82 poin persentase, dengan deviasi relatif sekitar -16,36%. Ini berarti, setiap pembelian satu kontrak 5¢ sebenarnya membayar premi sekitar 16,36%.

Rumus kedua: Keuntungan berlebih per transaksi (Gross Excess Return, rᵢ)

Jika penetapan harga yang salah mencerminkan bias keseluruhan, maka keuntungan berlebih dari satu transaksi mengungkap struktur pengembalian aktual setiap transaksi, dan di sinilah bias perilaku menjadi jelas terlihat. Ketika membeli kontrak senilai 5¢, ada dua kemungkinan hasil: jika kontrak berhasil, keuntungan bisa mencapai +1900% (sekitar 20 kali pengembalian); jika gagal, kerugian langsung 100%, dan 5¢ yang diinvestasikan menjadi nol.

Inilah mengapa preferensi terhadap underdog menarik—ketika menang, imbalannya sangat tinggi, mudah diingat, diperbesar, dan disebarluaskan. Namun secara keseluruhan, tingkat keberhasilan aktualnya lebih rendah daripada probabilitas yang diimplikasikan oleh harganya, dan struktur asimetris antara "kerugian total" dan "keuntungan sangat tinggi" akan menghasilkan nilai harapan negatif dalam banyak transaksi, pada dasarnya setara dengan membeli lotre yang dinilai terlalu tinggi.

Dari distribusi keseluruhan, bias ini menunjukkan gradien harga yang jelas, di mana kontrak dengan harga lebih rendah memberikan pengembalian yang lebih buruk. Sebagai contoh, sebagai taker, setiap dolar yang diinvestasikan pada kontrak 1¢ rata-rata hanya menghasilkan sekitar $0,43; sementara pada kontrak 90¢, setiap dolar yang diinvestasikan rata-rata menghasilkan sekitar $1,02. Semakin murah harganya, semakin tidak menguntungkan kondisi perdagangan aktualnya.

Pemisahan peran lebih lanjut menunjukkan bahwa struktur ini hampir merupakan hubungan cermin, kerugian taker di kisaran harga rendah (paling rendah hingga -57%) secara tepat sesuai dengan keuntungan maker di kisaran yang sama; penyimpangan harga pasar secara keseluruhan berada di antara keduanya. Dengan kata lain, setiap sen yang hilang oleh taker hampir seluruhnya diperoleh oleh maker.

Dari sudut pandang teori permainan, kontrak dengan probabilitas rendah biasanya secara sistematis ditaksir terlalu tinggi, sementara kontrak dengan probabilitas tinggi sering kali ditaksir terlalu rendah. Strategi yang sebenarnya bukanlah mengejar kontrak yang tidak populer, melainkan menjual kontrak yang tidak populer dan membeli kontrak dengan tingkat kepastian tinggi.

Ketika menemukan transaksi dengan nilai harapan positif, masalah sebenarnya baru saja dimulai: berapa banyak yang harus diperdagangkan? Posisi terlalu besar, satu kerugian bisa menghapus keuntungan selama beberapa minggu; posisi terlalu kecil, bahkan dengan keunggulan, pertumbuhannya terlalu lambat hingga hampir tidak bermakna. Di antara "all-in" dan "tidak sama sekali", ada rasio taruhan optimal secara matematis, yaitu rumus Kelly.

Rumus Kelly dikembangkan oleh John Kelly Jr. pada tahun 1956, awalnya digunakan untuk mengoptimalkan masalah noise sinyal komunikasi, dan kemudian terbukti sebagai salah satu metode manajemen posisi paling efektif dalam perjudian, perdagangan, bahkan memprediksi pasar. Pemain poker profesional, ahli taruhan olahraga, dan dana kuantitatif Wall Street hampir semuanya menggunakan bentuk strategi Kelly tertentu.

Di pasar prediksi, karena kontrak bersifat biner (hasilnya $1 atau $0) dan harga secara langsung mewakili probabilitas, penerapan rumus Kelly juga lebih langsung. Kuncinya adalah memahami odds (b): jika membeli kontrak YES seharga 30¢, Anda sebenarnya mempertaruhkan 0,30 dolar untuk mendapatkan keuntungan 0,70 dolar, dengan odds sebesar 0,70 / 0,30 ≈ 2,33; pada harga 50¢, oddsnya adalah 1; pada 10¢, oddsnya adalah 9; sedangkan pada 80¢, oddsnya hanya 0,25. Semakin tinggi odds, semakin besar proporsi taruhan yang disarankan oleh Kelly, selama ada keunggulan.

Namun, prinsip kunci adalah jangan menggunakan Kelly penuh. Meskipun secara matematis Kelly penuh dapat memaksimalkan pertumbuhan jangka panjang modal, dalam pelaksanaan nyata, volatilitasnya sangat tinggi, dengan penarikan dana yang sering melebihi 50%. Meskipun mungkin menghasilkan keuntungan tertinggi dalam jangka panjang, fluktuasi tajam di tengah jalan sering membuat sebagian besar orang kesulitan untuk bertahan. Oleh karena itu, pendekatan yang lebih umum adalah menggunakan Kelly fraksional (misalnya 1/2 atau 1/4 Kelly). Sebagai contoh, dalam kondisi tingkat kemenangan yang stabil, Kelly penuh meskipun menghasilkan kurva modal tertinggi pada akhirnya, tetapi sangat volatil; 1/4 Kelly tumbuh lebih halus dengan penarikan yang terkendali; sedangkan 1/2 Kelly berada di antara keduanya.

Pada dasarnya, rumus Kelly menyediakan disiplin untuk menilai apakah ada keunggulan (yaitu, probabilitas subjektif lebih tinggi daripada probabilitas implisit pasar), dan baru kemudian menentukan berapa banyak dana yang akan diinvestasikan. Hanya ketika "apakah akan bertaruh" dan "berapa banyak bertaruh" secara bersamaan dibatasi secara matematis, perdagangan benar-benar berubah dari permainan menjadi strategi.

Pasar prediksi berfluktuasi pada dasarnya karena informasi baru terus masuk. Kuncinya bukan pada apakah penilaian awal benar, tetapi bagaimana menyesuaikan pemahaman ketika bukti berubah. Sebagian besar trader mengabaikan informasi baru atau bereaksi berlebihan, sementara pembaruan Bayesian menyediakan metode matematis untuk menentukan seberapa besar penyesuaian yang wajar.

Logika intinya dapat dipahami secara sederhana sebagai: penilaian baru = tingkat dukungan bukti terhadap hipotesis awal × penilaian awal ÷ probabilitas total kemunculan bukti tersebut. Dalam penerapannya, biasanya digunakan rumus probabilitas total untuk mengembangkan bentuk yang lebih mudah dihitung.

Sebagai contoh pasar tipikal, "Apakah The Fed akan memotong suku bunga pada pertemuan Juni?" Harga pasar saat ini adalah 35¢, yang sesuai dengan probabilitas 35%, sebagai penilaian awal. Kemudian, data non-farm payroll dirilis, menunjukkan penambahan lapangan kerja hanya 120.000 (diharapkan 200.000), tingkat pengangguran naik, dan laju pertumbuhan upah melambat. Dalam situasi ini, jika The Fed memang akan memotong suku bunga, probabilitas munculnya data ketenagakerjaan lemah dapat diperkirakan sebesar 70%; jika tidak memotong suku bunga, probabilitas munculnya data semacam ini rendah, tetapi masih mungkin, dapat diperkirakan sebesar 25%.

Setelah diterapkan pembaruan Bayesian, probabilitas baru sekitar 60,1%, naik langsung dari 35% menjadi 60,1%, meningkat sekitar 25 poin persentase. Ini berarti, satu informasi kunci saja sudah cukup untuk secara signifikan mengubah penilaian pasar.

Dalam praktiknya, tidak perlu selalu menghitung rumus secara lengkap. Metode yang lebih umum digunakan adalah "rasio kemungkinan". Informasi yang sama (misalnya LR = 3) memiliki dampak berbeda tergantung pada penilaian awalnya: dimulai dari 10%, kemungkinan meningkat menjadi sekitar 25%; dimulai dari 50%, dapat meningkat menjadi 75%; sedangkan dimulai dari 90%, hanya meningkat menjadi sekitar 96%. Semakin tinggi ketidakpastian, semakin besar dampak informasi tersebut.

Pemain yang secara konsisten mengalahkan pasar prediksi dalam jangka panjang bukanlah orang yang paling akurat dalam memprediksi, tetapi mereka yang paling cepat dan paling rasional menyesuaikan penilaian mereka ketika bukti baru muncul. Metode Bayesian pada dasarnya menyediakan skala untuk "kecepatan penyesuaian" ini.

Dalam poker, bluf bukanlah tindakan sembarangan, melainkan strategi yang dapat dihitung secara tepat. Secara teori, ada frekuensi bluf optimal; jika menyimpang darinya, lawan yang terampil dapat memanfaatkannya. Logika yang sama berlaku untuk memprediksi pasar. Di Polymarket, "bluf" sesuai dengan perdagangan kontra-tren—memilih berlawanan dengan mayoritas ketika harga pasar menyimpang; sementara "fold" serupa dengan bertindak sebagai taker pasif, terus membayar premi atas emosi pasar.

Di Polymarket, maker dan taker membentuk hubungan adversarial yang serupa. Perdagangan kontra-tren (berlawanan dengan konsensus pasar) mirip dengan "bluff", sementara perdagangan mengikuti tren (mengikuti penilaian mayoritas) mirip dengan "bertaruh pada nilai". Dari sudut pandang keseimbangan, pasar seharusnya membuat partisipan marginal tidak berbeda antara "menjadi maker" dan "menjadi taker", keadaan ini sesuai dengan Nash equilibrium dalam pasar prediksi.

Namun, keseimbangan ini tidak tetap, melainkan disesuaikan secara dinamis sesuai perubahan struktur peserta. Data menunjukkan bahwa kategori pasar yang berbeda memiliki strategi optimal yang berbeda: di wilayah yang lebih rasional informasinya dan penetapan harganya lebih efisien (seperti pasar keuangan), ruang kontrarian lebih kecil; sedangkan di wilayah yang lebih dipengaruhi emosi dan irasionalitas lebih terkonsentrasi (seperti hiburan dan olahraga), pasar lebih rentan mengalami penyimpangan harga, sehingga menciptakan peluang untuk perdagangan kontrarian.

Lebih penting lagi, keseimbangan ini juga mengalami perubahan signifikan dalam dimensi waktu. Pada periode awal (2021–2023), taker justru merupakan kelompok yang menghasilkan keuntungan, dengan strategi optimal cenderung pada transaksi aktif; namun setelah volume perdagangan meledak pada kuartal keempat 2024, banyak market maker profesional masuk, struktur pasar berubah, dan strategi keseimbangan beralih ke arah maker (sekitar 65%–70%). Ini adalah hasil khas teori permainan, di mana ketika struktur peserta berubah, strategi optimal pun berevolusi. Strategi yang dulunya efektif dalam "lingkungan pemula" mungkin cepat menjadi tidak efektif di hadapan "lawan profesional", sehingga "cara bermain" pasar terus beriterasi.

87% dari dompet pasar prediksi akhirnya mengalami kerugian, bukan karena pasar dimanipulasi, tetapi karena para trader ini tidak pernah benar-benar melakukan perhitungan. Mereka membeli kontrak kurang populer dengan harga lebih buruk daripada mesin slot, menentukan posisi berdasarkan perasaan, mengabaikan perubahan informasi baru, dan membayar untuk "optimisme" pada setiap transaksi pasar.

Dan 13% peserta yang secara konsisten mendapatkan keuntungan bukan karena lebih beruntung, tetapi karena menggunakan kelima rumus ini sebagai satu kesatuan metode, membentuk alur lengkap dari penilaian hingga eksekusi, dengan setiap langkah didasarkan pada 72,1 juta data transaksi nyata.

Jendela ini tidak akan bertahan selamanya. Dengan masuknya market maker profesional, spread pasar sedang dikompresi dengan cepat; pada tahun 2022, taker masih memiliki keunggulan sekitar +2,0%, kini telah berubah menjadi -1,12%.

Masalahnya hanya apakah Anda mengikuti perkembangan pasar, atau terus membeli lotre senilai 1 dolar dengan pengembalian 0,43 dolar.