nach oben

Erschienen in:

2019 | OriginalPaper | Buchkapitel

Delphi-Märkte

verfasst von : Simon Kloker, Tim Straub, Tobias T. Kranz, Christof Weinhardt

Erschienen in: Delphi-Verfahren in den Sozial- und Gesundheitswissenschaften

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Zusammenfassung

Delphi-Märkte bezeichnen Ansätze und Implementierungen der Integration von Prognosemärkten und Delphi-Studien (Real-Time Delphi). Durch die Kombination der zwei Methoden zur Erstellung von Prognosen können potenziell gegenseitige Schwächen ausgeglichen werden. So können Prognosemärkte zum Beispiel für die Auswahl von Teilnehmenden mit Expertise herangezogen werden und motivieren durch ihren spielerischen Ansatz und Anreizmechanismen auch zur langfristigen Teilnahme. In diesem Beitrag werden zwei Potenziale für Prognosemärkte und vier Potenziale für Delphi-Studien, welche sich durch die Integration ermöglichen, theoretisch hergeleitet. Anschließend werden drei verschiedene Integrationsansätze vorgestellt, anhand derer die Integration auf User-, Markt- und Delphi-Fragen Ebene exemplarisch verdeutlicht wird und wobei gezeigt wird, dass je nach Ansatz nicht alle Potenziale erreicht werden können. Am Ende werden Empfehlungen für den Einsatz von Delphi-Märkten abgeleitet, bestehende Limitationen für Delphi-Märkte sowie zukünftige Entwicklungen aufgezeigt.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Real-Time Delphi

Nächstes Kapitel Neue Qualifikationsanforderungen in der Gesundheitswirtschaft

Deutsch: „In diesen demokratischen Tagen ist jede Untersuchung der Vertrauenswürdigkeit und der Besonderheiten von Volksurteilen von Interesse. Das Material, über das diskutiert werden soll, bezieht sich auf eine kleine Sache, ist aber sehr treffend.“

Die Markteffizienzhypothese wird anhand Annahmen über die im Preis enthaltenen Informationen nochmals in „starke“, „mittel-starke“ und „schwache“ Markteffizienz unterschieden.

Anreizkompatibilität ist gegeben, wenn jeder einzelne Teilnehmende den für sich erwarteten Nutzen genau dann maximiert, wenn er seiner wahren Einschätzung oder Einstellung gemäß agiert, also gemäß seiner wahren Erwartung handelt oder diese angibt.

Eine (Market) Scoring Rule definiert ein Regelwerk, in dem alle abgegebenen Einschätzungen abhängig von der Realisierung des zugrunde liegenden Ereignisses einem Nutzen zugeordnet werden, sodass man sich gemäß seiner/ihrer Einschätzung einen erwarteten Nutzen berechnen kann/könnte. Eine „ordnungsgemäße Scoring Rule“ erfüllt verschiedene Kriterien, unter anderem Anreizkompatibilität.

Wenn im Folgenden von Delphi-Studien bzw. -Umfragen gesprochen wird, ist implizit immer die Umsetzung als Real-Time Delphi gemeint. In allen anderen Fällen wird explizit darauf hingewiesen.

Für detaillierte Informationen, wird auf ein anderes Kapitel in diesem Sammelband verwiesen, das sich explizit mit der Real-Time Delphi-Methode beschäftigt.

Siehe dazu später den Integrationsansatz in Abschn. 3.2.

Von Manipulation und uninformierten Handelsstrategien abgesehen.

Zumindest der Prognose. Gilt nicht für die Abgabe von wahrheitsgemäßen Argumenten.

http://orakel.faz.net. Das FAZ.NET-Orakel ist eine Kooperation der Frankfurter Allgemeine Zeitung mit dem Institut für Informationswirtschaft und Marketing (IISM) am Karlsruher Institut für Technologie (KIT) und für die Leserschaft der FAZ.NET zugänglich. Das FAZ.NET-Orakel wird vorwiegend für die Prognose von Wahlereignissen und ökonomischen Indikatoren herangezogen, sowie Einzelfragen zu aktuellen Themen.

https://delphimarkets.net. Delphimarkets.net ist eine privat betriebene Seite, die in mit offenen und geschlossenen Delphi-Märkten Fragestellungen aus den verschiedenen Themenbereichen prognostiziert (u. a. Risikomanagement).

Einfluss hat die Wahl zwischen Spiel- und Echtgeld nach Servan-Schreiber (2017) vor allem auf die Selbstselektion der Teilnehmenden und damit nur indirekt auf die Prognose(-güte), wobei Prognosemärkte per se robust gegen unausgeglichene Stichproben sind.

Signalling bezeichnet eine empfängerbezogene Preisgabe von Informationen.

Wenn Insider neue Informationen handeln, bewegt sich der Preis. Diese kleine Preisbewegung kann von anderen Teilnehmenden als Signal für neue Information(en), die in eine bestimmte Richtung wirken, interpretiert und ggf. als glaubwürdig eingeschätzt werden. Dies führt dann oft zu weiteren Preisbewegungen in dieselbe Richtung. Dieser Effekt kann aber auch dazu genutzt werden um Insider-Information nur vorzutäuschen und anschließend Gewinne aus den resultierenden Preisbewegungen zu ziehen.

Mit Arbitrage wird die Realisierung eines risikolosen Gewinns bezeichnet.

Kombinatorische Märkte sind nur zwischen Marktfragen möglich, deren summierten Wahrscheinlichkeiten über alle Optionen sich auf 100 % addieren. Index- oder Spread-Kontrakte sind nicht möglich.

Abramowicz, M. (2004). Information markets, administrative Decisionmaking, and predictive cost-benefit analysis. The University of Chicago Law Review, 71(3), 933–1020. http://www.jstor.org/stable/1600601.

Ammon, U. (2009). Delphi-Befragung. In S. Kühl, P. Strodtholz, & A. Taffertshofer (Hrsg.), Handbuch Methoden der Organisationsforschung: Quantitative und Qualitative Methoden (S. 458–476). Wiesbaden: VS Verlag. http://doi.org/10.1007/978-3-531-91570-8_22.

Arrow, K. J., Forsythe, R., Gorham, M., Hahn, R., Hanson, R., Ledyard, J. O., et al. (2008). The promise of prediction markets. Science, 320(5878), 877–878. https://doi.org/10.1126/science.1157679.CrossRef

Bothos, E., Apostolou, D., & Mentzas, G. (2009). IDEM: A prediction market for idea management. In C. Weinhardt, S. Luckner, & J. Stößer (Hrsg.), WEB2008: Designing E-Business systems markets services and networks (S. 1–13). Berlin: Springer Berlin Heidelberg.

Buckley, P., & Doyle, E. (2017). Individualising gamification: An investigation of the impact of learning styles and personality traits on the efficacy of gamification using a prediction market. Computers & Education, 106, 43–55. https://doi.org/10.1016/j.compedu.2016.11.009.CrossRef

Chen, Y., & Pennock, D. M. (2010). Designing markets for prediction. AI Magazine, 31(4), 42–52.CrossRef

Cipriano, M. C., & Gruca, T. S. (2014). The power of priors: How confirmation bias impacts market prices. Journal of Prediction Markets, 8(3), 34–56.

Cowgill, B., Wolfers, J., & Zitzewitz, E. (2009). Using prediction markets to track information flows: Evidence from Google. In S. Das, M. Ostrovsky, D. Pennock, & B. Szymanksi (Hrsg.), 1st International conference on auctions, market mechanisms and their applications 2009 (S. 3). Berlin: Springer Berlin Heidelberg. http://doi.org/10.1007/978-3-642-03821-1\_2.

Cuhls, K. (2003). From forecasting to foresight processes—New participative foresight activities in Germany. Journal of Forecasting, 22(2–3), 93–111. https://doi.org/10.1002/for.848.CrossRef

de Wilde, T. R. W., Ten Velden, F. S., & De Dreu, C. K. W. (2018). The anchoring-bias in groups. Journal of Experimental Social Psychology, 76, 116–126. https://doi.org/10.1016/j.jesp.2018.02.001.CrossRef

Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383–417. https://doi.org/10.2307/2325486.CrossRef

Galton, F. (1907). Vox populi (The wisdom of crowds). Nature, 75(7), 450–451.CrossRef

Gangur, M. (2016). Motivation system on prediction market. In N. T. Nguyen, L. Iliadis, Y. Manolopoulos, & B. Trawiński (Hrsg.), Proceedings of the 8th International Conference on Computational Collective Intelligence, ICCCI 2016, Halkidiki, Greece, September 28–30, 2016, Part II (S. 354–363). Cham: Springer International Publishing. http://doi.org/10.1007/978-3-319-45246-3_34.

Gnatzy, T., Warth, J., von der Gracht, H. A., & Darkow, I.-L. (2011). Validating an innovative real-time Delphi approach – A methodological comparison between real-time and conventional Delphi studies. Technological Forecasting and Social Change, 78(9), 1681–1694. https://doi.org/10.1016/j.techfore.2011.04.006.CrossRef

Gordon, T. J. (2007). Energy forecasts using a „Roundless“ approach to running a Delphi study. Foresight, 9(2), 27–35. https://doi.org/10.1108/14636680710737731.CrossRef

Gordon, T. J., & Pease, A. (2006). RT Delphi: An efficient, „round-less“ almost real time Delphi method. Technological Forecasting and Social Change, 73(4), 321–333. https://doi.org/10.1016/j.techfore.2005.09.005.CrossRef

Graefe, A. (2017). Prediction market performance in the 2016 U.S. presidential election. Foresight: The International Journal of Applied Forecasting, 1(45), 38–42. http://econpapers.repec.org/RePEc:for:ijafaa:y:2017:i:45:p:38-42.

Graefe, A., & Armstrong, J. S. (2011). Comparing face-to-face meetings, nominal groups, Delphi and prediction markets on an estimation task. International Journal of Forecasting, 27(1), 183–195. https://doi.org/10.1016/j.ijforecast.2010.05.004.CrossRef

Graefe, A., Luckner, S., & Weinhardt, C. (2010). Prediction markets for foresight. Futures, 42(4), 394–404. https://doi.org/10.1016/j.futures.2009.11.024.CrossRef

Green, K. C., Armstrong, J. S., & Graefe, A. (2007). Methods to elicit forecasts from groups: Delphi and prediction markets compared. The International Journal of Applied Forecasting, 8, 17–20.

Gruca, T. S., & Berg, J. E. (2007). Public information bias and prediction market accuracy. The Journal of Prediction Markets, 1(3), 219–231. https://doi.org/10.5750/jpm.v1i3.430.CrossRef

Hanson, R. (2002). Logarithmic market scoring rules for modular combinatorial information aggregation. Journal of Prediction Markets, 1(1), 3–15. http://www.ubplj.org/index.php/jpm/article/view/417.

Hayek, F. A. (1945). The use of knowledge in society. American Economic Review, 35(4), 519–530.

Hill, K. Q., & Fowles, J. (1975). The methodological worth of the Delphi forecasting technique. Technological Forecasting and Social Change, 7(2), 179–192. https://doi.org/10.1016/0040-1625(75)90057-8.CrossRef

Jurca, R., & Faltings, B. (2008). Incentives for expressing opinions in online polls. In Proceedings of the 9th ACM conference on electronic commerce (S. 119–128). New York: ACM. http://doi.org/10.1145/1386790.1386812.

Kloker, S., & Kranz, T. T. (2017). Manipulation in prediction markets – Chasing the fraudsters. In Proceedings of the 25th European conference of information systems, June 5th–10th 2017, Guimarães, Portugal.

Kloker, S., Kranz, T. T., Straub, T., & Weinhardt, C. (2016). Shouldn’t collaboration be social? – Proposal of a social real-time Delphi. In Proceedings of the second Karlsruhe service summit research workshop. http://service-summit.ksri.kit.edu/downloads/Session_3B2_KSS_2016_paper_19.pdf.

Kloker, S., Straub, T., & Weinhardt, C. (2017). Designing a crowd forecasting tool to combine prediction markets and real-time Delphi. In A. Maedche, J. vom Brocke, & A. Hevner (Hrsg.), Designing the digital transformation. DESRIST 2017. Lecture notes in computer science (10243rd Hrsg., S. 468–473). Cham: Springer. http://doi.org/10.1007/978-3-319-59144-5_33.

Kloker, S., Klatt, F., Hoeffer, J., & Weinhardt, C. (2018a). Analyzing prediction market trading behavior to select Delphi-Experts. Foresight. http://doi.org/10.1108/FS-01-2018-0009.

Kloker, S., Straub, T., Morana, S., & Weinhardt, C. (2018b). Fraud and manipulation prevention in prediction markets. In Proceedings of the 13th international conference, DESRIST 2018, Chennai, India, June 3–6, 2018 (S. 1–6).

Kloker, S., Straub, T., Morana, S., & Weinhardt, C. (2018c). The effect of social reputation on retention: Designing a social real-time Delphi platform. In Proceedings of the 26th European conference on information systems (ECIS2018), Portsmouth, UK, 2018.

Kochtanek, T. R., & Hein, K. K. (1999). Delphi study of digital libraries. Information Processing and Management, 35(3), 245–254. https://doi.org/10.1016/S0306-4573(98)00060-0.CrossRef

Kranz, T. T., Teschner, F., Roüast, P., & Weinhardt, C. (2014a). Identifying individual party preferences in political stock markets. In Proceedings of the IADIS international conference on E-Society. (Madrid, Spain) (S. 162–169).

Kranz, T. T., Teschner, F., & Weinhardt, C. (2014b). Combining prediction markets and surveys: An experimental study. In Proceedings of the European conference on information systems (ECIS) 2014, Tel Aviv, Israel, June 9–11, 2014.

Laskey, K. B., Hanson, R., & Twardy, C. (2015). Combinatorial prediction markets for fusing information from distributed experts and models. In Proceedings of the 18th international conference on information fusion (Fusion) (S. 1892–1898).

Levin, I. P., Chapman, D. P., & Johnson, R. D. (1988). Confidence in judgments based on incomplete information: An investigation using both hypothetical and real gambles. Journal of Behavioral Decision Making, 1(1), 29–41. https://doi.org/10.1002/bdm.3960010105.CrossRef

Linstone, H. A., & Turoff, M. (2002). The Delphi method: Techniques and applications. Reading: Addison-Wesley.

Luckner, S., & Weinhardt, C. (2007). How to pay traders in information markets: Results from a field experiment. Journal of Prediction Markets, 1(2), 147–156. http://econpapers.repec.org/RePEc:buc:jpredm:v:1:y:2007:i:2:p:147-156.

Luckner, S., Kratzer, F., & Weinhardt, C. (2005). STOCCER-A forecasting market for the FIFA World Cup 2006. In 4th Workshop on e-Business (WeB 2005), Las Vegas, USA.

Mullen, P. M. (2003). Delphi: Myths and reality. Journal of Health Organization and Management, 17(1), 37–52. https://doi.org/10.1108/14777260310469319.CrossRef

Niemeyer, C., Wagenknecht, T., Teubner, T., & Weinhardt, C. (2016). Participatory crowdfunding: An approach towards engaging employees and citizens in institutional budgeting decisions. In Proceedings of the annual Hawaii international conference on system sciences (S. 2800–2808). http://doi.org/10.1109/HICSS.2016.351.

Okoli, C., & Pawlowski, S. D. (2004). The Delphi method as a research tool: An example, design considerations and applications. Information & Management, 42(1), 15–29. https://doi.org/10.1016/j.im.2003.11.002.CrossRef

Prokesch, T., von der Gracht, H. A., & Wohlenberg, H. (2015). Integrating prediction market and Delphi methodology into a foresight support system — Insights from an online game. Technological Forecasting and Social Change, 97, 47–64. https://doi.org/10.1016/j.techfore.2014.02.021.CrossRef

Reid, N. (1988). The Delphi technique: Its contribution to the evaluation of professional practice. In R. Ellis (Hrsg.), Professional competence and quality assurance in the caring professions (S. 230–254). London: Chapman & Hall. http://doi.org/10.1016/0020-7489(90)90106-S.

Rhode, P. W., & Strumpf, K. S. (2004). Historical presidential betting markets. Journal of Economic Perspectives, 18(2), 127–141. http://www.aeaweb.org/articles?id=10.1257/0895330041371277.

Servan-Schreiber, E. (2017). Debunking three myths about crowd – Based forecasting. In Collective intelligence conference, Brooklyn, New York, USA.

Servan-Schreiber, E., Wolfers, J., Pennock, D. M., & Galebach, B. (2004). Prediction markets: Does money matter? Electronic Markets, 14(3), 243–251. https://doi.org/10.1080/1019678042000245254.CrossRef

Shrier, D., Adjodah, D., Wu, W., & Pentland, A. (2016). Prediction markets. http://cdn.resources.getsmarter.ac/wp-content/uploads/2016/08/mit_prediction_markets_report.pdf.

Slamka, C., Jank, W., & Skiera, B. (2012). Second-Generation prediction markets for information aggregation: A comparison of payoff mechanisms. Journal of Forecasting, 31, 469–489. https://doi.org/10.1002/for.1225.CrossRef

Sniezek, J. A. (1990). A comparison of techniques for judgmental forecasting by groups with common information. Group & Organization Studies, 15(1), 5–19. https://doi.org/10.1177/105960119001500102.CrossRef

Sprenger, T., Bolster, P., & Venkateswaran, A. (2007). Conditional prediction markets as corporate decision support systems – An experimental comparison with group deliberation. Journal of Prediction Markets, 1(3), 189–208. https://doi.org/10.5750/jpm.v1i3.428.CrossRef

Surowiecki, J. (2005). The wisdom of crowds. New York: Anchor.

Teschner, F., & Weinhardt, C. (2012). Evaluating hidden market design. In P. Coles, S. Das, S. Lahaie, & B. Szymanski (Hrsg.), Auctions, market mechanisms, and their applications (Bd. 80, S. 5–17). Berlin: Springer. http://doi.org/10.1007/978-3-642-30913-7_3.

Teschner, F., Stathel, S., & Weinhardt, C. (2011). A prediction market for macro-economic variables. In Proceedings of the Annual Hawaii international conference on system sciences (S. 1–9). http://doi.org/10.1109/HICSS.2011.23.

Vernon, W. (2009). The Delphi technique: A review. International Journal of Therapy and Rehabilitation, 16(2), 69–76. http://doi.org/10.12968/ijtr.2009.16.2.38892.

Welty, G. (1972). Problems of selecting experts for Delphi exercises. Academy of Management Journal, 15(1), 121–124.

Woudenberg, F. (1991). An evaluation of Delphi. Technological Forecasting and Social Change, 40(2), 131–150.

Winkler, J., & Moser, R. (2016). Biases in future-oriented Delphi studies: A cognitive perspective. Technological Forecasting and Social Change, 105, 63–76. https://doi.org/10.1016/j.techfore.2016.01.021.CrossRef

Wolfers, J., & Zitzewitz, E. (2006). Interpreting prediction market prices as probabilities (Working Paper Series). http://www.nber.org/papers/w12200.

Titel: Delphi-Märkte
verfasst von: Simon Kloker
Tim Straub
Tobias T. Kranz
Christof Weinhardt
Verlag: Springer Fachmedien Wiesbaden
Buch: Delphi-Verfahren in den Sozial- und Gesundheitswissenschaften
Print ISBN: 978-3-658-21656-6

Electronic ISBN: 978-3-658-21657-3

Copyright-Jahr: 2019
DOI: https://doi.org/10.1007/978-3-658-21657-3_6