Vyuºití prediktivního trhu v podniku Mikulá² Gangur Úvod Elektronické virtuální trhy se pouºívají jiº více neº dv¥ desetiletí ke sb¥ru informací, které jsou rozprost°eny mezi více experty v dané oblasti. Tyto trhy jsou chápany jako alternativní nástroje sb¥ru informací a dopl¬ují klasické statistické metody dotazníkových ²et°ení a zpracování dat. Elektronické virtuální trhy se pouºívají pro hodnocení úsp¥²nosti zadaných p°edpov¥dí - predikcí. Proto se také lze setkat s termínem prediktivní trh (PM). V p°ípad¥ t¥chto prediktivních trh· se jedná o spekulativní trh simulující £innost burzy, na kterém jsou obchodované tituly svázané s p°edpov¥dí konkrétní události (nap°. Strana XYZ se dostane do parlamentu R po mimo°ádných volbách 2013) nebo s hodnotou odhadovaného parametru (nap°. procento získaných hlas· voli£· v parlamentních volbách pro danou stranu). Hodnota titul· je dána velikostí d·v¥ry prodávajících a kupujících v danou událost £i hodnotu parametru. Aktuální trºní cenu titulu je moºné interpretovat jako odhad (p°edpov¥¤) pravd¥podobnosti události £i o£ekávané hodnoty parametr·. Tento trh je také ozna£ován jako informa£ní trh (information market), rozhodovací trh (decision market), virtuální trh (virtual market). Prediktivní trhy vyuºívají mechanism· klasické akciové burzy pro obchodování na základ¥ informací sdílených jednotlivými ú£astníky burzy prost°ednictvím ceny akcií. Proces obchodování na PM zji²´uje a agreguje informace, kterými ú£astníci trhu hodnotí, zda daná událost nastane £i nikoliv. Toto hodnocení se odráºí v cen¥ akcie. Tato schopnost PM je zaloºena na hypotéze efektivních trh·, kdy v²echny dostupné informace se v kterémkoliv okamºiku pln¥ odráºí v cen¥ akcie (Fama, 1991). Vzhledem k této hypotéze je trºní mechanismus na kompetitivních trzích nejefektivn¥j²ím nástrojem k agregaci asymetricky rozloºené informace mezi ú£astníky trhu [9]. Pokud je trh efektivní, umoº¬uje agregovat individuální hodnocení obchodník·. V takovém p°ípad¥ cena konkrétní akcie odhaluje v²echny informace i s ohledem na budoucí ceny akcií na trhu a proto m·ºe slouºit jako p°edpov¥¤. PM umoº¬ují propojení velkého mnoºství expert· (manaºer· i spot°ebitel·), kte°í p°es vzniklou virtuální sí´ interagují a obchodují se svými informacemi a o£ekáváními. Zatímco jednotlivý obchodník m·ºe být zaujatý, pop°. m·ºe u£init nesprávný záv¥r, agregace zaloºena na trºním mechanismu je schopna detekovat takové chyby a stanovit "správnou"cenu. Základní my²lenkou PM je propojit skupinu ú£astník· (expert·) p°es sí´ a nechat je obchodovat s akciemi na virtuální burze. Akcie reprezentují "sázku"na výsledný stav vybrané události v budoucnu a hodnota akcie závisí na realizaci (napln¥ní) dané události. Jakmile je z°ejmý výsledný stav dané události, kaºdá akcie obdrºí odpovídající platbu s ohledem na spln¥ní £i nespln¥ní události. Základní idea virtuální akciové burzy je korespondence ceny akcie události s agregovaným o£ekáváním celého trhu s ohledem na danou událost. Ú£astníci trhu pouºívají individuální o£ekávání napln¥ní dané události k odvození individuálního odhadu (o£ekávání) ceny akcie, svázané s danou událostí. Ú£astníci trhu, kte°í nakupují na niº²í cenu a prodávají za vy²²í, jsou "odm¥n¥ni"ziskem za svou d·v¥ru v danou p°edpov¥¤, jejíº hodnota na trhu roste. Ti, kte°í nakupují za vy²²í cenu a prodávají za niº²í, doplácí za pokles d·v¥ry v danou p°edpov¥¤ a tím klesající cenu na trhu. Je moºné °íci, ºe výsledky prediktivního virtuálního trhu jsou stejn¥ p°esné jako pr·zkumy ostatních institucí vzhledem k dané události a podobnému vzorku ú£astník·.
1
Ve°ejné prediktivní trhy
P°íkladem prediktivních trh· jsou: IntradeTradeSports [14], The Iowa Electronic Markets [12], NewsFutures [15], Hollywood Stock Exchange [11], The simExchange [24], Popular Science Pedictions Exchange [21], Inkling Markets [13]. Hollywood Stock Exchange je virtuální trºní hra zaloºená v roce 1996, ve které hrá£i nakupují a prodávají akcie lm·, herc·, reºisér· a ostatních událostí svázaných s lmem. Ú£astníci tohoto trhu
správn¥ p°edpov¥d¥li 32 ze 40 nominací v hlavních Oskarových kategorií pro rok 2006 a 7 z 8 vít¥z· Oskar· v hlavních kategoriích. Pro£ je prediktivní trh tak úsp¥²ný? Je velmi efektivní p°i sb¥ru a agregaci informací ze skupiny obchodujících. Vychází také z hypotézy, ºe skupina je chyt°ej²í neº její nejchyt°ej²í £len [29]. Obchodníci vyhledávají nejkvalitn¥j²í informace. Také absence jakékoliv hierarchie (trhy nemají více-prezidenty) zaji²´uje, ºe ºádná jednotlivá osoba nemá p°íli² mnoho vlivu. Velký význam pro rozvoj prediktivních trh· m¥l v roce 2008 £lánek [1] v £asopisu Science, ve kterém skupina prominentních ekonom· obhajuje PM jako slibný nástroj agregace informací a poºaduje zru²ení n¥kterých restrikcí, bránících ²ir²ímu a efektivn¥j²ímu vyuºití t¥chto trh·. Hlavní p°ekáºkou v¥t²ímu rozvoji a pouºití je krom¥ zákon· o hazardu (gambling laws) zejména velká moºnost manipulace s cenami na t¥chto trzích. Bylo v²ak ukázáno, ºe pokusy ovlivnit cenu manipulací ve sv·j prosp¥ch skon£ily neúsp¥²n¥ a ceny se vrátily k p°edchozím hodnotám [32], [33], pop°. pokusy ovlivnit ceny akcií na politických trzích, predikujícími výsledky voleb [22]. Mezi ekonomy a nan£ními odborníky panuje obecné p°esv¥d£ení, ºe prediktivní trhy zaloºené na ktivních pen¥zích nejsou schopny generovat hodnotné p°edpov¥di. Na druhou stranu shromáºd¥ná data toto vyvrací (viz [19]). Analýza dat z Hollywood Stock Exchange a Foresight Exchange ukázala, ºe trºní cena p°edpovídá události v reálném sv¥t¥. Srovnání výsledk· prediktivního trhu s výsledky NFL NewsFutures' s ekvivalentním trhem TradeSports, ve kterém se obchodovalo s reálnými pen¥zi, ukázalo shodné výsledky na obou trzích. V tomto p°ípad¥ pouºití reálných pen¥z nevedlo k p°esn¥j²ím p°edpov¥dím (viz [23]). Stejn¥ tak srovnání výsledk· prediktivních trh· a dotazníkových ²et°ení a anketních výzkum· ukazuje, ºe PM jsou p°inejmen²ím stejn¥ tak p°esné a v mnoha p°ípadech p°esn¥j²í (viz [2], [6]).
2
Struktura prediktivního trhu
Návrh univerzální struktury PM lze nalézt nap°íklad v [25]. Tv·rci prediktivních trh· musí rozhodnout o náplni poloºek v následujících t°ech oblastech:
• volba cíle p°edpov¥di (p°edpov¥¤; výplatní funkce; termíny obchodování; p°ístup: otev°ený x uzav°ený ve°ejnosti); • struktura nan£ního trhu (typ aukce; £as obchodování; obchody na krátko: Ano nebo Ne; typ p°íkaz·; poplatky za obchodování; omezení pozic, omezení ceny); • motiva£ní systém ú£asti na trhu a pobídky k poskytnutí relevantní informace (struktura startovního portfolia / dotace; poskytnutí p·j£ek; systém pobídek; nepen¥ºní ocen¥ní; pouºití reálných pen¥z nebo hracích pen¥z; £asový interval; závislost ocen¥ní na aktivit¥ ú£astníka) D·leºitou roli v £innosti správn¥ fungujícího trhu hraje druhá oblast tj. motiva£ní systém a schéma pobídek ú£astník·m trhu. Jedna z hlavních funkcí PM, agregace informací a predikce, je podmín¥na dostate£ným po£tem aktivních ú£astník· trhu. Ukazuje se, ºe oproti "klasickým"statistickým metodám výzkumu posta£uje men²í mnoºství respondent·. P°esto je v²ak mnoºství hr᣷ a jejich aktivita klí£ovým faktorem pro relevantnost, aktuálnost a správnost získaných informací stejn¥ tak jako pro p°esnost zkoumaných predikcí. V¥t²í skupina hr᣷ znamená ²ir²í záb¥r s ohledem na poskytnuté informace, stejn¥ tak jako malá aktivita ú£astník· m·ºe nesprávn¥ ovlivnit predikce, o kterých tak rozhoduje pouze malá skupina s omezenými informacemi.
3
Prediktivní trhy v podniku
My²lenka pouºití prediktivních trh· jako podpory rozhodovacích proces· v podniku (Decision Support System - DSS), jako sou£ásti informa£ního systému podniku a jeho knowledge managementu se za£íná objevovat v posledních 2-3 létech. Tato idea v²ak není ni£ím novým a v literatu°e lze nalézt více prací, které popisují konkrétní aplikace v podnicích. Pouºití prediktivních trh· jako predik£ního nástroje v pr·myslovém podniku Siemens, Rakousko, je popsáno v [17] a [18]. V [20] popisuje C. Plott pouºití PM pro p°edpov¥¤ objemu prodeje nového produktu
£i v [25] B. Skiera a M. Spann pro p°edpov¥¤ úsp¥chu nového produktu na trhu. Problematice vyuºití prediktivních trh· pro ekonomické prognózy se v¥nuje nap°. [26]. V [3] je popsáno vyuºití PM ve rm¥ Hewllet Packard Corporation, kdy 20-30 zam¥stnanc· rmy v oblasti marketingu a nancí odhadovalo budoucí vývoj m¥sí£ního prodeje remních produkt· v dolarech, pop°. v mnoºství prodaných produkt· na 3 m¥síce dop°edu. Dal²í rmou, která otev°ela pro své zam¥stnance vnitropodnikový prediktivní trh je Intel. Firma uvádí, ºe jeho PM je p°inejmen²ím stejn¥ tak p°esný jako o ciální prognoza a dokonce o 20% p°esn¥j²í [10]. Prediktivní trh pro své zam¥stnance z°ídila i rma Google. Zam¥stnanci rmy obchodovali na trhu s um¥lou m¥nou "Goobles". Obsahem p°edpov¥dí byl odhad data p°edstavení nového produktu, data otev°ení nové kancelá°e a dal²í. Tento vnitropodnikový trh m¥l sklon k optimismu, který stoupal ve dnech, kdy stoupala i cena akcií Google na o ciální burze [4].
3.1 Rozdíly mezi vnitropodnikovými a otev°enými ve°ejnými PM Vnitropodnikový prediktivní trh (VPM) je dopl¬kem pop°. i sou£ástí informa£ního systému (IS) a knowledge managementu systému podniku. Práv¥ v podniku je £asto velmi d·leºité získání t¥ºko popsatelných (tacit) informací a jejich p°evod na znalosti explicitní, viditelné a uloºitelné. Tyto nevyslovitelné a nepopsatelné zku²enosti expert· jsou vloºeny do VPM prost°ednictvím volby £i sázky na danou p°edpov¥¤ a zku²enost se tak agreguje v explicitní znalost v podob¥ ceny daného aktiva neboli pravd¥podobnosti dané události. Vzhledem k organiza£ní struktu°e podniku se n¥které informace 'nahoru' k managementu nedostanou. N¥které informace mohou být na dané úrovni manaºery zám¥rn¥ zadrºovány, nebo´ odporují dosud získaným, o ciáln¥ p°ijatým informacím. Vy²²í management a jeho okolí tak mohou být 'od°íznuti' od reálného d¥ní v podniku. V této situaci je potom VPM uºite£ný nástroj ke zji²t¥ní skute£nosti, poºadované informace agreguje a prezentuje v podob¥ kone£né ceny akcie, reprezentující predikci události. Toto p°edpokládá ú£ast i 'dolních' vrstev v podnikové hierarchii. VPM se v mnoha ohledech li²í od otev°eného ve°ejného £i experimentálního PM. V £lánku [16] autor uvádí následující hlavní rozdíly mezi t¥mito trhy.
• Odm¥na ú£astník· VPM má na jejich aktivity men²í vliv neº zájem o vlastní obsah VPM, který je úzce svázán s jejich prací a výsledky této prácem, na nichº jsou existen£n¥ závislí. Manipulace s trhem je tedy pro ú£astníky trhu aº druho°adým zájmem. • Ú£astníkem VPM jsou pouze zam¥stnanci podniku a proto je omezena hloubka obecných znalostí a diversita ú£astník·. • VPM jsou závislé aspo¬ £áste£n¥ na informacích z podnikového IS a knowledge management systému. Proto jsou ovliv¬ovány podnikem, který provozuje VPM • Provoz a výstupy VPM mají vliv na manaºery podniku a jejich reakce mohou být rozdílné. Proto je velmi d·leºité zohlednit p°edpokládané reakce manaºer· p°i vývoji a nasazení VPM. • Podnik má v rukou pobídkový systém a volí nejvhodn¥j²í z motiva£ních p°ístup·. Je nutný dal²í výzkum objas¬ující vliv r·zných p°ístup· • VPM je provozován v konkrétním prost°edí podniku a proto m·ºe být ovliv¬ován speci ckými faktory, které se v experimentálních VPM neobjevují. Tyto faktory jsou dány také podnikovou kulturou. • Na rozdíl od klasické burzy, kde je zakázáno vyuºívání vnit°ních informací k obchodování (insider trading), v VPM jsou tyto informace d·leºité a jejích sdílení a agregace v cenách vypsaných titul· je hlavní funkcí takového VPM. VPM je moºné pouºít v r·zných oblastech fungování podniku jako nap°. projektový management ("Poda°í se daný projekt spustit v termínu?", "Implementa£ní práce jsou kritickým bodem projektu"), volba investice, p°edpov¥¤ prodeje, p°edpov¥¤ zisk· sluºeb, zacílení reklamní kampan¥, nance a ú£etnictví apod.
3.2 Motivace ú£astník· vnitropodnikového prediktivního trhu Problém pobídkového systému, který motivuje ú£astníky nejen k v¥t²í aktivit¥ v obchodování, ale také k poskytování pravdivých informací, je v jakémkoliv PM klí£ová. V literatu°e je tato otázka, která ovliv¬uje aktivitu ú£astník· a tím i likviditu trhu ²iroce diskutována a °e²ena r·znými zp·soby (viz nap°. [7], [8], [31], [27]). Pro pot°eby VPM je moºné pouºít jeden £i kombinaci následujících pobídek
• Pouºití vlastní herních pen¥z na konci sm¥nitelných za skute£né peníze • Finan£ní odm¥na pro t°i nejlep²í • Loterijní poukázky na základ¥ získaných bod· • Uznání nejlep²ích obchodník· • Zve°ejn¥ní top ve nebo top ten nejlep²ích obchodník· Kaºdá z uvedených pobídek má své výhody a nevýhody. Nejvhodn¥j²í systém je t°eba zvolit s ohledem na znalost prost°edí a zam¥stnanc· konkrétního podniku. P°íli²ná motivace v podob¥ p°evodu na skute£né peníze m·ºe vést ke zvý²ené mí°e pokus· manipulace s trhem a ztrát¥ hlavního ú£elu trhu tj. sb¥ru relevantních informací. Pouºití skute£ných pen¥z k obchodování na trhu jako v p°ípad¥ n¥kterých ve°ejných PM není moºné, bu¤ s ohledem na zákony dané zem¥, nebo s ohledem na niº²í aktivní ú£ast n¥kterých expert· s averzí v·£i riziku. Na druhé stran¥ obchodování pouze s virtuálními pen¥zi bez moºnosti p°evodu na skute£né peníze podporuje aktivitu na trhu stejn¥ tak jako peníze reálné. Studie ukazují na to, ºe není statisticky prokazatelný rozdíl mezi výsledky trhu s virtuální a reálnou m¥nou [23].
3.3 Výb¥r expert· D·leºitou je také otázka, zda pro knowledge management podniku je nutné vybrat jako ú£astníky VPM pouze experty. V¥t²ina manaºer·, která by m¥la t¥ºit z výsledk· p°edpov¥dí, v této otázce volí pouze ú£ast expert·. To v²ak m·ºe znamenat potla£ení získání informací z d·leºitého obecného pov¥domí mezi zam¥stnanci ("wisdom of the crowd"- viz [28]) a také potla£ení d·leºitosti rozmanitosti (diversity) názor· a znalostí. Selekci expert·, pop°. posílení jejich vlivu na tvorbu ceny, °e²í auto°i r·znými zp·soby. N¥které VPM jsou otev°ené v²em zam¥stnanc·m [4], n¥které jsou ur£eny pouze pro vybranou skupinu expert· [10]. V jiných p°ípadech auto°i navrhují posteriorní výb¥r expert· aº na základ¥ výsledk· na trhu [27]. V [30] navrhují posílit kupní sílu expert· a tím i jejich vliv na utvá°ení ceny p°edpov¥di. V navrºeném systému auto°i nepouºívají apriorní selekci expert· a tyto vybírají ze v²ech ú£astník· trhu aº na základ¥ p°esnosti p°edpov¥dí v pr·b¥hu obchodování s daným titulem. Zatím neexistují ºádné výzkumy v této oblasti. Je otázkou návrhu experimentu s ohledem na kontrolní skupiny uºivatel·. P°i odd¥leném obchodování zkoumané a kontrolní skupiny potla£íme základní funkci trhu, tj. agregaci informací, a tím neºádoucím zp·sobem siln¥ ovliv¬ujeme výslednou p°edpov¥¤, zkoumanou p°esnost p°edpov¥dí a tím i výsledek takového pokusu.
3.4 Omezení vnitropodnikového prediktivního trhu Vzhledem ke speci ckým podmínkám v podniku mají VPM i svá omezení a problémy, z nichº °ada je p°edm¥tem dal²ích výzkum·. V mnoha p°ípadech jde o to, zda se jedná o obecná omezení £i problémy VPM nebo jde o projev konkrétního VPM s ohledem na prost°edí podniku. D.E. O'Leary uvádí v [16] následující moºné problémy VPM:
• Ovliv¬ování alokace zdroj· a interference s aktuálními událostmi. Ceny aktiv a dal²í výstupy ze systému mohou ovliv¬ovat jednání ú£astník·, rozhodování manaºer· v daném projektu a tím i zp¥tn¥ ovliv¬ovat ceny aktiva. • V otázce motivace a zapojení ú£astník· byl zatím proveden omezený výzkum, analyzující úsp¥²nost r·zných pobídkových systém·
• Problém citlivých informací. Moºné omezení skupiny ú£astník·, kte°í mají p°ístup k takto citlivým informacím. • Manipulace s cenou, pokud ú£astníci trhu mají p°ímý zájem na výsledku obchodování tj. zájem na výsledku rozhodnutí u£in¥ného na základ¥ ceny a´ uº s ohledem na provizi z vybraného produktu, koup¥ systému apod. Otázkou je, zda mohou skute£n¥ ovlivnit cenu na trhu. Na rozdíl od experimentálních PM se v VPM obchoduje mén¥ a je zde mén¥ zdroj·. • Problém velikosti trhu s ohledem na mnoºství p°edpov¥dí a událostí, tak aby to nebylo kontraproduktivní. Jak dalece jsou simultánní trhy odpovídající a jak koordinovat po°adí zkoumaných témat. • Cht¥jí manaºe°i VPM? Systém m·ºe ukázat, ºe jejich rozhodnutí a jejich informace jsou ²patné. VPM m·ºe svými výsledky monitorovat, kontrolovat a kritizovat práci manaºera. Manaºer tak m·ºe být hodnocen jakýmkoliv virtuálním ú£astníkem trhu. VPM se m·ºe stát nástrojem odplaty manaºerovi za p°edchozí újmu na zam¥stnancovi. A pokud VPM potvrdí manaºerovo rozhodnutí, nemá pro n¥j moc smysl. Na druhou stranu, pokud VPM odhalí nedostatky v manaºerov¥ odpov¥dnosti, je pro ostatní uºite£ný. Pro manaºery provozování takového systému není ºádoucí. • Pro£ by manaºe°i m¥li chtít VPM? Vºdy to záleºí na tom, zda se manaºer rozhodne dle VPM a zda nakonec je rozhodnutí správné. V n¥kterých p°ípadech m·ºe nerespektování doporu£ení trhu vést k demotivaci ú£astník·, kte°í se ptají, zda je v·bec n¥kdo poslouchá. Pokud se ukáºe doporu£ení VPM správné, manaºer bude provoz takového systému podporovat. Je d·leºité, aby ú£astnící nezískali pocit zbyte£nosti. Potom PM zdegeneruje na hru a výstupy jsou pouze virtuální. Pokud management nebude respektovat podloºené výstupy z VPM, je lep²í se ú£astník· na nic neptat. • VPM m·ºe také podkopávat úsilí managementu. N¥kdy je nakonec takový VPM uzav°en. Dal²í d·vod pro management neprovozovat VPM. • N¥kte°í zam¥stnanci, zejména nov¥ p°íchozí, mohou být nezdrav¥ optimisti£tí ve v¥cech, které jsou pro rmu pozitivní, a tím dochází k nadhodnocení titulu. • Ú£astníci mají tendenci podhodnocovat extrémní události - a´ uº dobré nebo ²patné. Z nabízených moºností si nej£ast¥ji vybírají tu nejhor²í nebo nejlep²í. V otázce ovliv¬ování alokace zdroj· a interference se zkoumanými událostmi je nutné rozli²ovat dva p°ístupy. Na jedné stran¥ m·ºe p°ístup n¥kterých manaºer· vést k v¥²t¥ní a pod dojmem negativního vývoje ceny daného projektu aº k jeho p°ed£asnému ukon£ení. Obecn¥ pod vlivem cen na trhu m·ºe docházet ke ²patným rozhodnutím. Stejn¥ tak m·ºe negativní vývoj n¥kterého z indikátor· sjednotit ú£astníky trhu k sentimentální podpo°e daného titulu. Výsledkem je op¥t nep°esný výsledek, který neodpovídá znalostem a zku²enosti racionálních ú£astník·. Pozitivní vývoj v²ak m·ºe manaºery ukolébat ke spokojenosti, k p°esunutí zdroj· jinam a tím danému projektu u²kodit. Ukazuje se, ºe VPM m·ºe a také ovliv¬uje pr·b¥h událostí, jejichº akcie jsou na trhu obchodovány. Na druhé stran¥ dle [31] mnoho VPM není funk£ních, protoºe nena²ly své místo v rozhodovacím systému podniku (DSS). Poºadavkem DSS je, aby VPM poskytoval rychle a operativn¥ dal²í relevantní informace a dával tak signály managementu upravovat sledované operace a p°izp·sobovat je dle dal²ích obdrºených signál· z VPM. Jinými slovy podkladem rozhodnutí je nejen nální cena akcie p°edpov¥di, ale i samotný pr·b¥h vývoje ceny dané p°edpov¥di, který by m¥l ovliv¬ovat pr·b¥ºná rozhodnutí o dané v¥ci. Jde o nový pohled na vyuºití VPM nejen jako jinou metodu pr·zkumu mín¥ní ú£astník·, která m·ºe nahradit tradi£ní metody t¥chto pr·zkum·, ale také jako kontinuální sou£ást DSS podniku.
4
Experimentální prediktivní trh
Na Fakult¥ ekonomické Západo£eské univerzity v Plzni je od listopadu 2007 implementován a aktivn¥ provozován experimentální elektronický virtuální prediktivní trh pod jménem FreeMarket [5]. Do sou£asnosti se do systému registrovalo kolem 1200 uºivatel·, z nichº cca 446 ú£astník· nan£ních kurz·
se registrovalo v zimním semestru akademického roku 2009/2010, 326 ú£astník· v roce 2010/2011, 209 v roce 2011/2012 a 126 v roce 2012/2013. V tomto akademickém roce 2013/2014 se dosud do systému zapsalo 63 ú£astník·. Portfolio kaºdého ú£astníka v systému FreeMarket je zaloºeno po£áte£ní dotací 10000 bod· (pen¥ºních jednotek) p°i jeho registraci. Hlavním motiva£ním faktorem pro ú£ast na trhu byla pro studenty moºnost p°evodu získaných virtuálních pen¥z (bod·) na kredity, které byly bonusem k celkovému hodnocení studenta v kurzu. Dále jsou p°edstaveny konkrétní výstupy ze systému FreeMarket v dané oblasti. Cílem pr·zkumu byla predikce procentuální úsp¥²nosti student·, zapsaných na kurz Finan£ních a pojistných výpo£t· v akademickém roce 2012/2013. Úsp¥²nost je zde reprezentována získáním/nezískáním zápo£tu v daném kurzu. V této p°edpov¥di studenti hodnotili sami sebe jako celek. Tato situace se blíºí popsanému prost°edí VPM, kdy ú£astníci trhu svým chováním mohou ovliv¬ovat zkoumané události a dle pr·b¥ºného vývoje cen své chování upravovat. Takto nastavený experiment spolu s dal²ími p°edpov¥¤mi chování celku £i £ásti ú£astník· je p°edm¥tem výzkumu i v tomto akademickém roce 2013/2014. Bylo vypsáno n¥kolik titul· s r·zným procentem úsp¥²nosti. Nap°. 'Zápo£et získá 10-20% student·' nebo 'Zápo£et získá 90-100% student·'. Nejvíce obchod· bylo realizováno s p°edpov¥dí 'Zápo£et získá 60-70% student·' a 'Zápo£et získá 80-90% student·'. Obrázky 1(a)-1(f) ukazují vývoj ceny daných titul· v rozmezí 0-100.
(a) Zápo£et získá 10-20% student· (b) Zápo£et získá 50-60% student· (c) Zápo£et získá 60-70% student·
(d) Zápo£et získá 70-80% student· (e) Zápo£et získá 80-90% student· (f) Zápo£et získá 90-100% student· Obrázek 1: Ceny vybraných událostí úsp¥²nosti zápo£tu Zápo£et získalo nakonec 89,29% student·. Jako termín ukon£ení obchodování je moºné reáln¥ vzít období za£átku druhého týdne v lednu, tj. kolem 8. ledna 2013, kdy se uskute£nily opravné zápo£tové testy jako poslední bodovaná aktivita k získání zápo£tu. Obrázky 1(d) a 1(e) ukazují, ºe k tomuto termínu studenti nejvíce predikovali práv¥ úsp¥²nost kolem 80% s tím, ºe v¥t²í d·v¥ru (vy²²í cena akcií, svázaných s touto predikcí o úsp¥²nosti) si zaslouºil interval úsp¥²nosti 80-90%. Lze tedy konstatovat, ºe celkov¥ studenti úsp¥²nost zápo£t· odhadli. Z obrázk· je patrné n¥kolik zajímavostí. Po prvním termínu zápo£tových test· byla zve°ejn¥ná úsp¥²nost 67,41%. D·v¥ra student· v kone£ný výsledek tímto p°esto nebyla výrazn¥ ot°esena, jak ukazují obrázky 1(c), 1(d) a 1(e). Ve t°etím a £tvrtém prosincovém týdnu, kdy byly zve°ejn¥ny výsledky 1. zápo£tových test·, sice do²lo ke zvý²ení obchod· titulu 60-70% úsp¥²nost a k mírnému zvý²ení ceny daného titulu, stejn¥ tak jako k mírnému poklesu ceny dvou diskutovaných titul· na obrázcích 1(d) a 1(e), ale tyto zm¥ny nebyly tak výrazné, aby ovlivnily záv¥re£ný odhad. Podobn¥ se projevilo zve°ejn¥ní záv¥re£ných výsledk· opravného zápo£tového testu ve druhém lednovém týdnu nár·stem optimismu student· v
p°ekro£ení 90% úsp¥²nosti a zvý²ením d·v¥ry v úsp¥²nost 90-100%. Druhou zajímavostí je propad ceny na obrázku e po zve°ejn¥ní záv¥re£ných výsledk· opravných test· a také celkové úsp¥²nosti, kdy uº bylo celkem snadné odhadnout interval kone£né úsp¥²nosti bez ohledu na jednotlivce, kte°í je²t¥ mohli opravný test absolvovat pozd¥ji. V tento moment za£ali n¥kte°í studenti, kte°í jiº nepot°ebovali bonusové body k získání zápo£tu £i p°ilep²ení ke zkou²ce, prodávat tento titul za nulovou hodnotu svým koleg·m, kte°í po jeho uzav°ení získali za kaºdý kus 100 bod·. Uvedené "£erné obchody"otevírají dal²í diskusi k vylep²ení motiva£ního systému a eliminaci t¥chto neºádoucích aktivit.
Záv¥r Prediktivní trhy se vyvinuly v uºite£ný nástroj agregace informací, rozprost°ených mezi ú£astníky trhu. Staly se tak plnohodnotným nástrojem pro sb¥r a vyhodnocení informací, který ve srovnání s ostatními statistickými metodami dotazníkových ²et°ení dosahuje stejn¥ p°esné a n¥kdy i p°esn¥j²í výsledky. V posledních létech se tyto trhy stávají uºite£ným dopl¬kem podnikových informa£ních systému v oblasti podpory rozhodovacích proces· managementu podniku. D·leºitá jsou speci ka vnitropodnikových prediktivních trh· a zejména rozdíly, kterými se odli²ují od experimentálních £i ve°ejných prediktivních trh·. V této oblasti z·stává celá °ada omezení a otev°ených otázek. Do jaké míry by m¥li být ú£astníci trhu experty ve zkoumaných oblastech a je moºné získat p°esn¥j²í p°edpov¥di p°id¥lením v¥t²í platební síly expert·m, vybraným v aprior £i posterior procesech? Je vliv interference ú£astník· trhu a zkoumaných událostí p°ekáºkou pro kvali kovaná rozhodnutí managementu nebo je sledování vývoje ceny zkoumaných titul· dal²í uºite£nou funkcí trhu a umoº¬uje exibilní ºádoucí rozhodnutí v dané v¥ci? Napomáhá trh k ²í°ení informací ve vertikálním sm¥ru hierarchie °ízení a umoº¬uje zji²t¥ní "zaseklých"informací? Jak dalece brání citlivost informací sdílení záv¥r· z nich plynoucích a ú£asti jejich nositel· na trhu? Jaké faktory ovliv¬ují úsp¥²nost £i neúsp¥²nost vnitropodnikového prediktivního systému a jedná se o obecný vliv na v²ech trzích nebo jde o speci cké podmínky konkrétních prediktivních trh·? A nakonec nikdy nekon£ící diskuse ke konstrukci pobídkových a motiva£ních systém· a k jejich vlivu na p°esnost výstup· z prediktivního trhu. V²echny uvedené problémy, omezení a otázky jsou p°edm¥tem dal²ích probíhajících i budoucích výzkum·.
Literatura [1] Arrow, K.; Forsythe, R.; Gorham, M.; aj.: Economics - The promise of prediction markets. Science, ro£ník 320, 2008: s. 877878. [2] Chen, Y.; Chu, C.; T.Mullen; aj.: Information markets vs. opinion polls: an empirical comparison. In Proceedings of 6th ACM Conference on Electronic Commerce, Vancouver, BC, Canada, ACM, New York, NY, 2005, ISBN 1-59593-049-3, s. 5867. [3] Chen, Y.; Plott, C.: Information aggregation mechanisms: Concept, design and implementation for a sales forecasting problem. Social science working paper no. 1131, California Institute of Technology, 2002. [4] Cowgill, B.; Wolfers, J.; Zitzewitz, E.: Using prediction markets to track information ows: Evidence from Google. [online], 2009. URL
[5] Gangur, M.: FreeMarket - Prediktivní trh Fakulty ekonomické. [online], 2013. URL [6] Gruca, T.; Berg, J.; Cipriano, M.: Consensus and dierences of opinion in electronic - prediction markets. Electronic Markets, ro£ník 15, 2005: s. 1322. [7] Hanson, R.: Combinatorial information market design. Information Systems Frontiers, ro£ník 5, 2003: s. 107119.
[8] Hanson, R.: Logarithmic market scoring rules for modular combinatorial information aggregation. The Journal of Prediction Markets, ro£ník 1, 2007: s. 315. [9] Hayek, F.: The use of knowledge in society. American Economic Review, ro£ník 35, 2007: s. 519530. [10] Hopman, J.: Using forecasting markets to manage demand risks. Intel Technology Journal, ro£ník 11, 2007: s. 126136. [11] HSX: Hollywood Stock Exchange. [online], 2013. URL [12] IEM: Iowa Electronic Markets. [online], 2013. URL [13] Inkling: Inkling Markets. [online], 2013. URL [14] Intrade: Intrade TradeSports. [online], 2013. URL [15] NF: NewsFutures. [online], 2013. URL [16] O'Leary, D.: Internal corporate prediction markets:"From each according to his bet". International Journal of Accounting Information Systems, ro£ník 14, 2013: s. 89103. [17] Ortner, G.: Forecasting Markets - an Industrial Application, Part I. Working paper, Technical University of Vienna, 1997. [18] Ortner, G.: Forecasting Markets - an Industrial Application, Part II. Working paper, Technical University of Vienna, 1998. [19] Pennock, D.; Lawrence, S.; Gilda, C.; aj.: The real power of arti cial markets. Science, ro£ník 291, 2001: s. 987988. [20] Plott, C.: Markets as information gathering tools. Southern Economic Journal, ro£ník 67, 2000: s. 115. [21] PPX: Popular Science Pedictions Exchange. [online], 2013. URL [22] Rhode, P.; Strumph, K.: Historical presidential betting markets. Journal of Economic Perspectives, ro£ník 18, 2009: s. 127142. [23] Servan-Schreiber, E.; Wolfers, J.; Pennock, D.; aj.: Prediction markets: Does Moeny Matter ? Electronic Markets, ro£ník 14, 2004: s. 243251. [24] SimEx: The SimExchange. [online], 2013. URL [25] Skiera, B.; Spann, M.: Opportunities of Virtual Stock Markets to Support New Product Development. Wiesbaden, Verlag Gabler, 2004, ISBN 3-409-12627-9. [26] Snowberg, E.; Wolfers, J.; Zitzewitz, E.: Chapter 11 - Prediction Markets for Economic Forecasting, ro£ník 2, kapitola 11. Elsevier B.V., 2013, ISBN 978-0-444-62732-2, s. 657687. [27] Spann, M.; Skiera, B.: Internet-based virtual stock markets for business forecasting. Management Science, ro£ník 49, 2003: s. 6369. [28] Surowiecki, J.: The Wisdom of crowds. Doubleday, New York, 2004, ISBN 0-385-72170-6. [29] Surowiecki, J.: Decisions, decisions. The New Yorker, March 24, 2003.
[30] Velacso, M.; Jukic, N.: A framework for in-house prediction markets. In Networked Digital Technologies - Part 1. Communications in Computer and Information Science Series, ro£ník 87, SpringerVerlag, 2010, ISBN 978-3-642-14291-8, s. 120127. [31] Velacso, M.; Jukic, N.: Increasing actionability of in-house corporate prediction markets. In Proceedings of the ITI 2012 34th international conference on information technology interfaces (ITI) Book Series: ITI, IEEE, 345 E 47th St, New York, NY 10017 USA, 2012, ISBN 978-953-7138-24-0,
s. 8590.
[32] Wolfers, J.; Leigh, A.: Three tools for forecasting federal elections: Lessons from 2001. Australian Journal Of Political Science, ro£ník 37, 2002: s. 223240. [33] Wolfers, J.; Zitzewitz, E.: Prediction markets. Journal of Economic Perspectives, ro£ník 18, 2004: s. 107126.
Adresa autora: RNDr. Mikulá² Gangur, Ph.D. Fakulta ekonomická, Západo£eská univerzita Husova 11, 30614 Plze¬, eská republika [email protected]
The Use of Prediction Market in Enterprise Abstract
The contribution introduces the prediction markets as one of modern tools for the aggregation of information spreading among the participants of these markets and consecutive determination of the predictions of future vague events on the basis of these information without additional statistical processing. The brief overview from the history of prediction markets development is stated as introduction, the areas of their application and some practical applications from selected areas are presented. Next the use of the prediction market as a part of enterprise information system for decision system support is introduced. The dierences between in-house prediction markets and experimental or public prediction markets are discussed. Finally the concrete implementation of prediction market on the Faculty of Economics of University of West Bohemia is demonstrated, the examples of predictions are showed and the development of shares price are discussed.
Key words: Prediction market. Information aggregation. Knowledge management. JEL Classi cation: C53
