Transcript
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
