Newest papers

Topological Compression of Prediction Market Belief States for Event Forecasting

Aadit Jerfy · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.25756 · cited by 0 works (OpenAlex) · open-access PDF

Hindi

टोपोलॉजिकल डेटा विश्लेषण (टीडीए) और निरंतर होमोलॉजी (पीएच) को डेटा के आधारभूत संरचना को समझने के लिए प्रोटीन मॉडलिंग से लेकर वित्तीय विश्लेषण तक के कई क्षेत्रों में इस्तेमाल किया गया है. इस लेख में, हम अनुमानित बाजार ब्रह्मांड पर पूर्वानुमान मॉडल में टीडीए और पीएच को शामिल करते हैं ताकि यह निर्धारित किया जा सके कि क्या ऐसे बाजारों की विश्वास की स्थिति एक आधारभूत संरचना बनाती है जिसका आकार पूर्वानुमानी अंतर्दृष्टि प्रदान कर सकता है. हम निष्कर्ष निकालते हैं कि एकल पैरामीटर पीएच लाइनर पूर्वानुमान मॉडल की पूर्वानुमान क्षमता और कैलिब्रिटेड सटीकता में सुधार करने में सक्षम है, जब

Machine translation (Meta M2M100); the English original follows.

Abstract

Topological Data Analysis (TDA) and Persistent Homology (PH) have been utilized in numerous fields$-$from protein modeling to financial analysis$-$to understand the underlying structure of data. In this paper, we incorporate TDA and PH into forecasting models over a prediction market universe to determine whether the belief state of such markets forms an underlying structure whose shape can provide predictive insight. We conclude that single-parameter PH is able to improve predictive ability and calibrated accuracy of linear forecasting models, while two-parameter multipersistence produces similar benefits for nonlinear models.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Nonlinear system, Computer science, Econometrics, Artificial intelligence, Machine learning, State (computer science)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange