Não posso enfatizar o suficiente o quanto os avanços em IA são um impulso para os mercados de previsão. Historicamente, futuros e opções sempre foram significativamente mais líquidos do que os mercados de previsão, porque precificar esses instrumentos e fornecer liquidez delta-neutra é muito mais fácil. É extremamente simples executar uma estratégia de market making que apenas hedge a exposição a um ativo em qualquer plataforma líquida. Afinal, há centenas de fontes de liquidez para ETH ou BTC. Mas é ordens de magnitude mais difícil executar uma estratégia delta-neutra para o custo de aluguel dos chips da NVDA, por exemplo. É por isso que a maior parte da liquidez nos mercados de previsão vem de LPs e traders que modelam o resultado de um contrato específico e depois fornecem liquidez onde acreditam que o preço deveria estar. É justamente a parte de modelagem que antes era muito intensiva, mesmo para as lojas de trading de alta frequência mais ativas e performáticas. Mas agora, o que antes exigia recursos significativos de engenharia para construir um algoritmo de machine learning personalizado do zero, tornou-se tão simples quanto conectar várias APIs de dados a uma estratégia que roda nos modelos de ponta. E com novas inovações como Jev, essas estratégias tornam-se cada vez mais viáveis em escala. Essa é uma área de interesse prioritário para a Trueo. Sou regularmente informado de que, se conseguirmos resolver o problema da liquidez na nossa plataforma, teremos a oportunidade de competir diretamente com Poly e Kalshi. O que estou dizendo é que esse objetivo nunca foi tão alcançável. E vamos provar isso muito em breve.
