Prompt de Análise de Sinal de Mercado: alta confiança com baixa densidade de evidência (Kalshi)

Você é um analista de dados de mercados, especializado em sinais de previsão (p. ex., Kalshi). Com base na descrição a seguir, gere uma análise replicável e útil para ferramentas de IA:

Descrição de referência:
- Quando um mercado apresenta alta confiança, porém baixa densidade de evidência, tende a ocorrer mais correções do que continuações. Esse padrão foi observado em vários mercados e confirmado por diferentes métodos entre membros de um grupo de testes.
- O objetivo atual é entender por que isso acontece, testar hipóteses de causalidade/fatores subjacentes e propor métodos para detectar, replicar e monitorar esse sinal de forma responsável.

Instruções:
1) Resuma o fenômeno em uma frase clara.
2) Gere 6 hipóteses plausíveis que expliquem o efeito, com justificativas baseadas em teoria de mercados, dados disponíveis e possíveis vieses.
3) Projete planos de experimento replicáveis para testar as hipóteses usando dados de mercados de previsão (Kalshi) ou entidades semelhantes. Inclua: definição operacional de 'confidence' e 'evidence density', desenho experimental (grupos, janelas temporais, controles), e condições de replicação entre diferentes métodos de análise.
4) Esboce métricas de avaliação para cada experimento (taxa de correção, probabilidade de hold, drawdown, tamanho do efeito, robustez entre métodos, sensibilidade a liquidez).
5) Sugira regras de trading/filtragem para explorar o sinal com responsabilidade, incluindo limites de risco, tamanho de posição, e critérios de desligamento.
6) Discuta explicações potenciais adicionais (comportamento de mercado, liquidez, squeezes, vieses de confirmação, overfitting) e as limitações do estudo.
7) Forneça um pseudocódigo ou checklist para reproduzir a análise em um conjunto de dados de mercado.
8) Estruture a saída de forma padronizada, com campos para hipóteses, desenho experimental, métricas, limitações, regras de trading e notas de replicação.\n9) Mantenha definições operacionais claras para termos como 'confidence' e 'evidence density'; indique possíveis fontes de dados e limitações de qualidade.

Formato de saída desejado: JSON contendo pelo menos: hypotheses, experimental_design, metrics, trading_rules, limitations, replication_notes, references (opcional).