plik

advertisement
Prognozowanie za pomocą rynków predykcyjnych
Filip Gurgul1
Rynek predykcyjny jest miejscem, gdzie obraca się różnego rodzaju kontraktami terminowymi,
których przyszła wartość jest uzależniona od wyniku pewnego procesu. W najprostszym przypadku,
kontrakty te są opcjami binarnymi, wypłacającymi 1, jeżeli pewne zdarzenie zajdzie w określonym
przedziale czasowym oraz 0, w przeciwnym wypadku. Badacze tego typu rynków dowodzą, iż
ustalona za pomocą mechanizmów rynkowych cena takiego kontraktu jest bardzo bliska
prawdopodobieństwu zaistnienia zdarzenia, z którym ten kontrakt jest powiązany. Praktyka
zastosowań rynków predykcyjnych pokazała jednak, że niska płynność takich rynków, może
powodować sytuacje, w których nie pozostają one w równowadze. Pociąga to za sobą spadek ich
efektywności prognostycznej.
Publikacja ma następującą strukturę. W części pierwszej przedstawiamy, ramy teoretyczne
stosowania rynków predykcyjnych, jako metody prognostycznej. Pokrótce odnosimy się tutaj do,
znanego z teorii rynków finansowych, pojęcia efektywności informacyjnej. Stwierdzenie zasadności
hipotezy, iż rynek jest efektywny informacyjnie, implikuje fakt, że w cenie notowanych na nim
walorów zawarte powinny być wszystkie powiązane z danym walorem informacje. Przenosząc tę
teorię na grunt kontraktów notowanych na rynku predykcyjnych, można stwierdzić, iż efektywność
rynku implikuje, iż ceny takich kontraktów powinny odzwierciedlać oczekiwania, co do zajścia
powiązanych z nimi zdarzeń. W głównej jednak mierze, w tej części pracy analizujemy konsekwencje
analiz stanu równowagi tego typu rynków przeprowadzonych w klasycznych w tej tematyce pracach:
C. Manskiego2, J. Wolfersa i E. Zitzewitza3 oraz S. Gjerstada4. Główną konsekwencją analizy, jest
stwierdzenie, iż w sytuacji, kiedy inwestorzy na tego typu rynku obarczeni są awersją do ryzyka, to
cena notowanego na nim kontraktu powinna być bliska prawdopodobieństwu zajścia zdarzenia, z
którym dany kontrakt jest powiązany. Jednak im inwestorzy są bardziej obojętni w stosunku do
ryzyka, tym odchylenia cen od rzeczywistych prawdopodobieństw stają się coraz większe. Co więcej,
analiza pokazała, iż rynki te podatne są na, znane między innymi z zakładów bukmacherskich, efekty
takie jak niedoszacowanie wysokich oraz przeszacowanie wysokich prawdopodobieństwa (tzw.
favourite long shot bias).
mgr Filip Gurgul, doktorant w Katedrze Teorii Pieniądza i Polityki Pieniężnej, na Wydziale Ekonomii
Uniwersytetu Ekonomicznego w Poznaniu. e-mail: [email protected].
2
Manski C. F. (2005), “Interpreting the Predictions of Prediction Markets”, Northwestern University.
3 Wolfers J., Zitzewitz E. (2007), “Interpreting Prediction Market Prices as Probabilities”, University of
Pennsylvania Stanford GSB.
4 Gjerstad S. (2004), "Risk Aversion, Beliefs, and Prediction Market Equilibrium", University of Arizona.
1
W części drugiej pracy dokonujemy analizy zgromadzonych danych empirycznych. Dane te
obejmują 12819 prognoz o tematyce ekonomicznej, politycznej oraz biznesowej, pochodzących z
serwisu internetowego oferującego rynki predykcyjne Intrade5. Przeprowadzone badanie mana
zasadniczo dwa cele. Po pierwsze, staramy się zbadać powiązania między empirycznymi
prawdopodobieństwami zajścia prognozowanych zdarzeń, a prognozami pochodzącymi z rynków
predykcyjnych. Po drugie, proponujemy i weryfikujemy możliwość stosowania różnorakich metod
wygładzania szeregów czasowych cen kontraktów na badanych rynkach, w celu poprawy dokładności
stawianych prognoz oraz eliminacji skutków nieefektywności rynków oraz jego małej płynności. W
naszym badaniu posługujemy się, między innymi, niestosowanych dotąd metodą analizy danych
pochodzących z rynków predykcyjnych polegającą na badaniu współczynników regresji,
przeprowadzonej między empirycznymi a prognozowanymi prawdopodobieństwami zaistnienia
danych zdarzeń. Prezentujemy też całkowicie nowe metody mogące przyczynić się do eliminacji
negatywnych skutków niskiej płynności tych rynków. Badane metody rozciągają się od prostej
ruchomej średniej, medianie czy dominancie, poprzez bardziej wyrafinowane operatory oparte na
funkcjach maksimum i minimum, aż po bardziej zaawansowane metody wygładzania oparte na
modelach ARFIMA czy filtrze Hodricka-Prescotta. Dzięki odpowiedniej analizie wskazujemy te z
nich, które wydają się być skuteczne oraz te, których działanie jest wątpliwe.
W wyniku analizy udało się pokazać wysoką skuteczność prognostyczną rynków
predykcyjnych. Z naszych obliczeń wynika, że rynki same w sobie są bardzo dobrym predyktorem i w
sytuacji, kiedy nie potrzebujemy bardzo dokładnych oszacowań, stosowanie cen kontraktów, jako
oszacowań prawdopodobieństw zajścia prognozowanych zdarzeń jest całkowicie wystarczające. W
sytuacji, kiedy chcemy zwiększyć precyzję naszych oszacowań, jako predyktor warto zastosować
ruchomą średnią arytmetyczną obliczoną na przedziale bezpośrednio poprzedzającym moment
prognozy, o długości 7% ogólnej długości rynku. Pokazaliśmy również, na danych empirycznych, iż
taki wskaźnik jest lepszym predyktorem niż cena prosto z rynku. Zastosowanie tego typu
przekształcenia wpływa także na poprawę nieefektywności wynikającej z wspomnianego efektu
polegającego na nieoszacowywaniu wysokich oraz przeszacowywaniu niskich prawdopodobieństw. W
analizie pokazano też, zależność między dokładnością oszacowania prawdopodobieństwa a fazą
działania rynku predykcyjnego.
Zaprezentowane badania w spójny sposób uzupełniają teorię rynków predykcyjnych, oraz
dają nowe narzędzia, zwiększające jakość prognoz i które mogą przyczynić się do spopularyzowania
praktycznego zastosowania rynków predykcyjnych, jako innowacyjnego oraz bardzo skutecznego
źródło informacji o przyszłych zdarzeniach.
5
www.intrade.com
Download