模型、市场与选举预测
综合经济学
2021-05-26 v4 计算机与社会
经济学
摘要
我们利用七个月以来两个来源的每日数据，考察 2020 年美国总统大选中摇摆州的概率预测：一是《经济学人》发布的模型，二是 PredictIt 交易所的价格。我们发现随时间推移准确率存在系统性差异，市场在选举前数月表现更好，而模型在临近选举时表现更好。两种预测的简单平均总体上优于二者中任一个，尽管对于任意给定的州-日期对，没有任何平均能同时优于两个分量预测。该效应源于模型与市场在不同州犯下不同类错误：模型在某些情况下自信地出错，而市场在其他情况下过度不确定。我们得出结论，使用混合预测方法具有价值，并提出了一种通过交易机器人纳入模型预测以生成合成预测的市场设计。我们还提出并施行了一项盈利性检验，可作为评估预测表现的新准则。
引用
@article{arxiv.2102.04936,
title = {Models, Markets, and the Forecasting of Elections},
author = {Rajiv Sethi and Julie Seager and Emily Cai and Daniel M. Benjamin and Fred Morstatter},
journal= {arXiv preprint arXiv:2102.04936},
year = {2021}
}