„If only HP knew what HP knows, we would be three-times more productive.“ Ob Wissensmanagement im Unternehmen oder Umfragen zu kommenden Wahlen, das Problem ist beide Male das Gleiche: „Wie können über mehrere Personen gestreute Informationen gesammelt und zugänglich gemacht werden?“ Hayek (1945) sprach bereits von der Fähigkeit von Märkten Informationen zu sammeln. Aktionäre werden z. B. Meldungen über die künftige Ertragslage eines Unternehmens nutzen, um daran den fairen Wert seiner Aktien zu beurteilen und entsprechend zu handeln. In Prognosemärkten wird diese Rolle der Märkte genutzt, um Vorhersagen zu bestimmten Ereignissen treffen zu können. Seit 1988 wird an der Universität von Iowa daher der Iowa Electronic Market (IEM) betrieben, um u. a. Vorhersagen zu den amerikanischen Präsidentschaftswahlen zu treffen. Der Erfolg dieses Marktes und die Verbreitung des Internets, in dem sich Informationen schnell verbreiten, hat zu einem steigenden Interesse an Prognosemärkten in den letzten Jahrzehnten geführt. Der Anwendungsbereich ist stark gewachsen und erstreckt sich mittlerweile von der Vorhersage von Oscar-Nominierungen bis hin zur Wahrscheinlichkeit einer Mondbasis vor dem Jahr 2025. Auch große Konzerne nutzen mittlerweile Prognosemärkte um bessere Entscheidungen treffen zu können (Cowgill et al., 2009). Dem Urteil der Märkte kommt daher große Bedeutung zu, da es Einfluss auf die Wahl und Umsetzung von teuren Investitionen haben kann. Angesichts dessen stellt sich im Rahmen dieser Arbeit die Frage, ob Prognosemärkte in der Lage sind stets effiziente Vorhersagen zu treffen, die dieser Rolle gerecht werden. In Kapitel 2 wird dafür als erstes eine theoretische Grundlage geschaffen, welche die Grundprinzipien, auf denen diese Märkte aufbauen, erklärt. Dabei wird gezeigt, wie Prognosemärkte Wahrscheinlichkeiten und Erwartungswerte schätzen können, indem Marktteilnehmer auf ihnen handeln. In Kapitel 3 wird verglichen, wie effizient Prognosemärkte in der Vergangenheit in verschiedenen Anwendungsbereichen waren. Als traditionelle Vorhersagemethoden dienen hier Umfragen und
Expertenmeinungen als Vergleichsgegenstand. In Kapitel 4 wird das Augenmerk auf offene Fragen und Ineffizienzen gelegt, welche die Grenzen dieser Märkte als Vorhersagemethode aufzeigen. Im letzten Kapitel werden diese Erkenntnisse abgewogen und verdeutlicht, unter welchen Umständen die Vorhersagen eines Prognosemarkets zur Entscheidungsfindung genutzt werden können.
Inhaltsverzeichnis
1 Einführung
2 Grundlagen
2.1 Markteffizienzhypothese
2.2 Arten von Prognosemärkten
2.3 Funktionsweise von Prognosemärkten
2.4 Marginal-Trader-Hypothese
3 Vorhersagegenauigkeit
3.1 In der Politik
3.2 In Unternehmen
3.2.1 Hewlett-Packard
3.2.2 Intel
3.2.3 Siemens
4 Ineffizienzen und Probleme
4.1 Ableitung von Wahrscheinlichkeiten aus Preisen
4.2 Favorite-Longshot Bias
4.3 Manipulation
4.4 Verbriefbarkeit der relevanten Frage
5 Fazit
A Anhang
A.1 Abbildungen
A.2 Tabellen
Zielsetzung & Themen
Die Bachelorarbeit untersucht die Effizienz von Prognosemärkten als Instrument zur Vorhersage zukünftiger Ereignisse und bewertet deren Eignung zur Entscheidungsunterstützung in Politik und Unternehmen im Vergleich zu traditionellen Methoden wie Umfragen.
- Grundlagen der Markteffizienzhypothese und Funktionsweise von Prognosemärkten
- Empirische Analyse der Vorhersagegenauigkeit in politischen und unternehmerischen Kontexten
- Untersuchung von Marktineffizienzen wie dem "Favorite-Longshot Bias"
- Analyse von Manipulationsmöglichkeiten und Anforderungen an die Spezifizierung von Vorhersagekontrakten
Auszug aus dem Buch
2.4 Marginal-Trader-Hypothese
Es ist nicht davon auszugehen, dass sich alle Marktteilnehmer stets rational verhalten. Der Markt führt zwar zu einer Selbstselektion, sodass vor allem Personen handeln die davon ausgehen, gut über das Ereignis informiert zu sein, aber auch wenig informierte Händler werden sich aus verschiedenen Motiven beteiligen. Dies könnte aus Hedging-Absichten sein, oder um ihre eigene Neigung z. B. zur Präsidentschaftswahl auszudrücken. Ein Prognosemarkt muss also in der Lage sein, diese Neigungen zu filtern, um eine unverzerrte Vorhersage zu ermöglichen.
Forsythe et al. (1992) untersuchte dazu den Iowa Political Stock Market für die US Präsidentschaftswahl 1988. Die freiwillig teilnehmenden Händler wurden dazu postalisch nach ihrer politischen Einstellung befragt. Die Händler waren leicht stärker den Republikanern zugeneigt und favorisierten George Bush, als das im Vergleich in einer davon unabhängigen Umfrage von CBS/New York Times während derselben Zeitspanne der Fall war. Diese Neigung schlug sich in den Transaktionen der jeweiligen Parteianhänger nieder. Nach Debatten der Präsidentschaftskandidaten kauften beide Lager jeweils weitere Kontrakte, die ihre Kandidaten favorisierten, da sie als Gewinner angesehen wurden. Trotzdem erwies sich die Vorhersage des Prognosemarktes als präziser als jede der 6 großen Meinungsforschungsinstitute.
Es wurde vermutet, dass der Preis auf dem Prognosemarkt nicht maßgeblich vom Durchschnittshändler, welcher nach den Umfragen eine Neigung besaß, beeinflusst wurde. Stattdessen, hat eine Gruppe marginaler Händler diese Verzerrungen für Arbitragemöglichkeiten genutzt und dadurch den Preis korrigiert. Um marginale Händler zu identifizieren, wurde untersucht, wer an mindestens 3 Tagen während der gesamten Marktlaufzeit Limitorder innerhalb von 2 Cent am Marktpreis hielt. Es konnten so 22 der 192 Händler als marginale Händler identifiziert werden. Diese Händler investierten im Schnitt doppelt so viel Geld, handelten an mehr Tagen und konnten eine Medianrendite von 9.6 % erwirtschaften. Der Rest der Händler konnte hingegen nur eine Medianrendite von 0 % erwirtschaften. Die Marginal-Trader-Hypothese besagt daher, dass, solange eine Gruppe von Händlern sich rational verhält, Märkte effizient funktionieren können.
Zusammenfassung der Kapitel
1 Einführung: Die Arbeit beleuchtet die steigende Bedeutung von Prognosemärkten als Informationsaggregationsmechanismen und formuliert die zentrale Fragestellung nach deren Effizienz für Entscheidungsprozesse.
2 Grundlagen: Es werden die theoretischen Fundamente wie die Markteffizienzhypothese, verschiedene Kontrakttypen und die Mechanismen zur Anreizkompatibilität und Informationssuche erarbeitet.
3 Vorhersagegenauigkeit: In diesem Hauptteil erfolgt ein empirischer Vergleich der Vorhersagekraft von Prognosemärkten gegenüber traditionellen Umfragen in politischen und unternehmerischen Anwendungsbereichen.
4 Ineffizienzen und Probleme: Es werden Herausforderungen wie die theoretische Ableitung von Wahrscheinlichkeiten, der "Favorite-Longshot Bias", Manipulationsrisiken und die notwendige Präzision bei der Definition von Verträgen analysiert.
5 Fazit: Die Arbeit kommt zu dem Schluss, dass Prognosemärkte meist genauere Vorhersagen liefern, deren Effizienz jedoch von der Spezifikation der Frage, der Manipulationsresistenz und der Risikoaversion der Akteure abhängt.
A Anhang: Enthält ergänzende Abbildungen und tabellarische Daten zur Untermauerung der empirischen Analysen.
Schlüsselwörter
Prognosemärkte, Markteffizienz, Vorhersagegenauigkeit, Iowa Electronic Market, Entscheidungsfindung, Informationsaggregation, Manipulation, Favorite-Longshot Bias, Marginal-Trader-Hypothese, Unternehmensprognosen, Politikmärkte, Risikoaversion, Marktmechanismen, Wahrscheinlichkeitsschätzung, Anreizkompatibilität
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht die Effizienz von Prognosemärkten und bewertet, inwieweit diese als verlässliche Instrumente zur Vorhersage zukünftiger Ereignisse für die Entscheidungsfindung in Politik und Wirtschaft genutzt werden können.
Was sind die zentralen Themenfelder der Untersuchung?
Die Schwerpunkte liegen auf den theoretischen Grundlagen der Informationseffizienz, dem empirischen Vergleich von Märkten mit klassischen Umfragen, der Analyse systematischer Marktfehler und den Anforderungen an die Gestaltung von Vorhersagemärkten.
Was ist die primäre Forschungsfrage?
Die Arbeit geht der zentralen Frage nach, ob Prognosemärkte in der Lage sind, stets effiziente und unverzerrte Vorhersagen zu treffen, die eine fundierte Basis für teure Investitionsentscheidungen bilden können.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit stützt sich auf eine Literaturanalyse bestehender Studien und wertet empirische Daten und Statistiken zu verschiedenen Prognosemärkten aus, um deren Genauigkeit und Manipulierbarkeit wissenschaftlich einzuordnen.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in eine theoretische Einführung der Marktmechanismen, eine umfangreiche Evaluation der Vorhersagegenauigkeit in politischen Wahlmärkten und bei unternehmensinternen Projekten (z.B. Hewlett-Packard, Intel, Siemens) sowie die kritische Analyse von Marktineffizienzen.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zentrale Begriffe sind Prognosemärkte, Markteffizienz, Informationsaggregation, Vorhersagegenauigkeit, Manipulation, Marginal-Trader-Hypothese und Favorite-Longshot Bias.
Wie wirkt sich der "Favorite-Longshot Bias" auf Prognosemärkte aus?
Das Phänomen beschreibt die Tendenz, dass Favoriten bei Wetten unter- und Außenseiter überbewertet werden. Die Arbeit zeigt, dass dies die Effizienz bei extremen Wahrscheinlichkeiten beeinträchtigt und je nach Risikoaversion der Teilnehmer unterschiedlich ausgeprägt ist.
Welche Rolle spielt die Manipulation bei der Bewertung von Prognosemärkten?
Die Arbeit stellt fest, dass Manipulation insbesondere in kleinen Märkten ein Risiko darstellt. Sie betont jedoch, dass diese oft nur temporäre Effekte erzielen und durch geeignete Marktregeln oder eine hohe Teilnehmerzahl eingedämmt werden können.
Welche Schlussfolgerung zieht der Autor im Hinblick auf Unternehmen?
Der Autor warnt davor, dass Vorhersagemärkte in Unternehmen durch das Arbeitstempo der Mitarbeiter zu selbsterfüllenden Prophezeiungen werden könnten, und empfiehlt daher, Anreizprobleme sorgfältig zu adressieren.
- Quote paper
- Tim Oliver Jester-Pfadt (Author), 2013, Smart Money? Der Erfolg von Prognosemärkten, Munich, GRIN Verlag, https://www.hausarbeiten.de/document/263316
