打赌与信念：预测市场与气候变化归因

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Betting and Belief: Prediction Markets and Attribution of Climate Change》
---
作者：
John J. Nay, Martin Van der Linden, Jonathan M. Gilligan
---
最新提交年份：
2016
---
英文摘要：
  Despite much scientific evidence, a large fraction of the American public doubts that greenhouse gases are causing global warming. We present a simulation model as a computational test-bed for climate prediction markets. Traders adapt their beliefs about future temperatures based on the profits of other traders in their social network. We simulate two alternative climate futures, in which global temperatures are primarily driven either by carbon dioxide or by solar irradiance. These represent, respectively, the scientific consensus and a hypothesis advanced by prominent skeptics. We conduct sensitivity analyses to determine how a variety of factors describing both the market and the physical climate may affect traders\' beliefs about the cause of global climate change. Market participation causes most traders to converge quickly toward believing the \"true\" climate model, suggesting that a climate market could be useful for building public consensus.
---
中文摘要：
尽管有很多科学证据，但很大一部分美国公众怀疑温室气体正在导致全球变暖。我们提出了一个模拟模型作为气候预测市场的计算试验台。交易者根据社交网络中其他交易者的利润调整他们对未来气温的看法。我们模拟了两种可供选择的气候未来，其中全球温度主要由二氧化碳或太阳辐射驱动。这些分别代表了著名怀疑论者提出的科学共识和假设。我们进行敏感性分析，以确定描述市场和物理气候的各种因素如何影响交易员对全球气候变化原因的信念。市场参与导致大多数交易员迅速趋同，相信“真实”的气候模型，这表明气候市场可能有助于建立公众共识。
---
分类信息：

一级分类：Computer Science        计算机科学
二级分类：Multiagent Systems        多智能体系统
分类描述：Covers multiagent systems, distributed artificial intelligence, intelligent agents, coordinated interactions. and practical applications. Roughly covers ACM Subject Class I.2.11.
涵盖多Agent系统、分布式人工智能、智能Agent、协调交互。和实际应用。大致涵盖ACM科目I.2.11类。
--
一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Betting_and_Belief:_Prediction_Markets_and_Attribution_of_Climate_Change.pdf (515.34 KB)

2022-5-11 03:40:12 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：气候变化 Quantitative respectively Applications Intelligence

博彩和信念：预测市场和气候变化的归因*John J.Nay+，Martin Van der Linden，Jonathan M.Gilliganotober 3，2018摘要尽管有很多科学证据，但大部分美国公众怀疑温室气体导致全球变暖。我们提出了一个模拟模型作为气候预测市场的计算试验台。交易员根据社交网络中其他交易员的利益调整他们对未来气温的看法。我们模拟了替代性气候未来，全球温度主要由二氧化碳或太阳辐射驱动。这些分别代表了科学共识和著名怀疑论者提出的假设。我们进行敏感性分析，以确定描述市场和物理气候的各种因素如何影响交易员对全球气候变化原因的信念。市场参与导致大多数贸易商迅速趋同，相信“真正的”气候模型，这表明气候市场可能有助于建立公众共识。1导言在过去的二十年里，气候变化的争论变得两极分化。尽管对气候变化的人为性质的科学共识强烈增加，但公众对气候变化的信念并没有发生太大变化（Vandenbergh等人，2014）。此外，自由派和保守派在人为气候变化问题上的分歧不断扩大，因为这个问题越来越政治化，可能与科学证据脱节（Kahan等人，2011年）。错误的气候政策代价高昂。如果气候变化不是由人类引起的，但被认为是由人类引起的，那么公共资源将用于不必要的努力。

另一方面，如果气候变化是由人类引起的，但没有得到承认，不采取行动的代价可能是毁灭性的。有效的气候政策需要迅速采取行动，因此让公众在这个问题上迅速而准确地达成共识是很有价值的。促进这种共识的努力面临着许多社会和心理挑战，其中一些挑战可以通过创建气候预测市场来解决，参与者可以“把钱放在自己的嘴上”（Hsu2011，Vandenbergh等人，2014）。利用预测市场有效聚合不确定事件结果信息的想法已被广泛讨论（Horn等人，2014）。预测市场具有有趣的理论属性（Set and Selten 1998，Hanson 2012），在预测精度和实验信息聚合（Hanson et al.2006，Healy et al.2010）模拟模型（Klingert and Meyer 2012，Jumadinova and Dasgupta 2011）和现实世界（Wolfers and Zitzewitz 2006，Pathak et al.2015，Dreber et al.2015）方面表现良好。然而，据我们所知，预测市场可以就影响不确定事件的因素达成共识的想法从未被定量探讨过。布洛赫、安南和鲍尔斯（2010）提出利用衍生品市场来减少科学上的不确定性，从而低估未来气候变化的影响。现有的预测市场（如hypermind、betfair和PredictIt）关注的是几个月后的选举等短期事件，因此很难根据气候情况推断经验结果。此外，我们有兴趣调查交易者不可观察的信念。因此，我们转向*版权所有(c)2016，IEEE.+通讯作者：约翰。Jnay@gmail.com还有约翰尼。通用域名格式。根据气候和经济理论进行模拟建模。

我们模拟了一个预测市场，TraderExchange证券与气候结果相关，以探索预测市场是否以及在什么样的社会和气候条件下可能有助于增加气候信念的趋同。我们的工作可以作为有效气候预测市场的计算设计过程的一部分进行扩展，我们发布了所有代码以及本文。从公共政策的角度来看，改变市场参与者的解释模型是预测市场可能发挥的最重要作用之一。鉴于统计监督学习模型的预测能力，这可能是predictionmarkets最重要的社会效益，它可能以比创建和维护市场低得多的成本提供信息（Goel et al.2010）。有效的气候政策不仅要求对未来气候结果达成准确的共识。它还需要对影响这些结果的因果机制达成准确的共识。如果人们同意气温会上升，但一些人认为这是温室气体造成的，而另一些人认为这是太阳活动增加造成的，那么可能会实施不一致和无效的政策。已经研究了2个相关的基于WORKAgent的预测市场模拟（Klingert和Meyer 2012，Tseng等人2010，Jumadinova和Dasgupta 2011），包括一些以Agent之间的通信为特征的模拟。然而，在这些模型中，关于不确定结果的信念是以相当抽象的方式构建的。尤其是，信念不是基于结构模型的，因此，这些模型不适合研究代理人用于预测的潜在解释模型的收敛性。曾等。

（2010）创建了一个基于代理的连续双拍卖市场模型（ABM），该模型采用多市场策略，包括两种零情报代理的变体。他们将模拟的行为与政治选举结果预测市场的数据进行了比较。他们发现，尽管它们很简单，但零情报机构捕捉到了真实市场数据的一些显著特征。Klingert和Meyer（2012）比较了不同类型模拟市场（连续双重拍卖和对数市场评分规则）的预测准确性，得出了与Hanson等人（2006）的实验工作类似的结论。这些模型都没有让代理人学习和更新他们的信仰。Jumadinova和Dasgupta（2011）创建了一个连续的双重拍卖模型，在该模型中，代理人根据新获得的信息更新对不确定事件的信念。信息集越好，代理商在修改他们的信念时，就越有可能对上一时期的价格给予更高的重视。然而，信息集及其用于生成更新信念权重的方式几乎没有结构，因此该模型不允许研究预测模型中交易者信念的收敛性。Onta-n\'on和Plaza（2009年）研究了在模拟预测市场上商议的效果，在该市场中，代理人使用基于案例的推理（Aamodt和Plaza1994）与他们的邻居在社交网络中讨论不确定的结果。原则上，该模型可用于评估预测模型的收敛性，但这并没有实现，而且通过论证形成和修正信念的过程并不适合研究随机时间序列，例如与气候预测市场相关的时间序列。3模型设计在我们的模型中，交易员押注于未来六年的全球温度异常。

在这六年期间，交易员买卖期货。每年，交易员都会根据新的可用数据更新他们的模型和对未来气温的预测。在每六年期结束时，赢家收集收益，交易者根据自己的意识形态和社交网络中收入最高者的信念修改对气候模型的看法。在本节中，我们将介绍用于生成未来温度数据的模型、代理对这些模型的看法、市场程序以及社交网络连接代理。最后，我们将详细介绍模型动力学，并概述我们在实验中改变的模型参数。在项目网站上可以找到完整的概述、设计概念和细节（奇数）说明。3.1温度模型对于气候时间序列，我们使用全球平均温度的年度异常。从1880年到2014年，我们使用GISTEMP全球平均海陆年温度异常（GISTEMP团队2016年，Hansen等人2010年），从2015年起，我们根据两种替代理论预测未来气候：在这两种理论中，全球温度的变化与确定性强迫加上随机噪声项的变化成比例。为了简单起见，我们为确定性气候强迫选择了两个替代表达式：一个对应于传统气候科学，以百万分之一的单位表示大气二氧化碳浓度的自然对数（Archer 2012，第37页），另一个对应于许多怀疑或反对传统气候科学的人所倡导的替代理论，取11年太阳黑子周期（即将于2005年）的平均太阳总辐照度（太阳光的亮度，在大气层顶部，单位为瓦特/平方米）。

大多数地球生命的科学模型包括许多作用力，包括二氧化碳、其他温室气体、气溶胶、太阳总辐照度等等。在这些模型中，变化的共浓度在很大程度上是最强的单一强迫（IPCC 2013，第14页）。为每个竞争模型只选择一个强制项简化了比较，因为每个模型具有相同数量的可调参数，因此我们只考虑CO。对于COwe在2005年之前使用的历史排放量，从2005年起（Kolp and Riahi 2009，Riahi et al.2011）与RCP 8.5代表性浓度路径相协调，对于TSI，我们使用了协调的历史值，并从Velasco Herrera et al.（2015）预测到2100年，据我们所知，这是整个21世纪唯一的TSI预测。每个模型的升温系数由1880-2014年的历史温度与每个模型强迫项的历史值的线性回归确定。噪声模型是通过使用斯坦概率建模语言和therstan软件包（Carpenter et al.2016）将anARMA（p，q）模型与回归的残差进行拟合而确定的。事实证明，对于FitingArma噪声模型，Stan在数值上比R nlme软件包更稳定。我们通过对p，q的所有组合进行回归分析，确定了自相关噪声项的最佳模型∈ {0,1,2}并使用广泛适用的信息标准选择最佳噪声模型（Watanabe 2013，Gelman等人，2014）。在这两种情况下（TSI和log CO），最佳噪声模型为AR（1）。未来气候是通过将未来气候作用力应用于Eq。

1:Tmodel（t）=βmodelFmodel（t）+ε，（1）其中Tmodel（t）是时间t的温度，在导致变暖的给定模型下，Fmodel（t）是时间t的强迫（TSIor logCO），βmodel是回归系数，ε是噪声项。ARMA噪声模型的系数β和参数符合历史数据（1880-2014）。图1.3.2显示了ln（CO）和TSI模型未来气候的一个示例实现。气候信度试验者使用两个模型中的一个（温度取决于COor TSI）来预测未来温度。这些模型被解释为交易者对真实气候过程的信念，这是全球长期气温的驱动因素。它们代表了公众辩论中关于气候变化的普遍立场。为了近似匹配美国当前对气候变化的信念配置，在模型初始化期间，将COmodel随机分配给一半的交易者，而将TSI模型分配给另一半的交易者。这些随机的模型分配是在市场最初开放之前进行的。当真实数据生成过程为COA和TSI时，在模型初始化时，大约一半的贸易商使用真实数据生成模型进行预测。然而，使用真实模型的交易者不一定能做出完全准确的预测。尽管这些交易者相信模型的函数形式是正确的，但他们仍然需要根据有限的噪声数据校准模型。因此，这些交易者分配给模型参数的值通常与数据生成过程中的确切参数不同。3.3交易员和市场参与者最初被赋予一个单一的实验货币单位（ECU）。

交易者使用他们的模型来预测未来温度的分布，并确定他们对不同证券的保留价格。如果交易序列结束时的温度降到一定范围内，每种证券在交易序列结束时支付1ECU。012341900 1950 2000 2050 2100年温度异常（°C）未来气候的真实驱动因素2历史图1：温度的历史测量，以及在两种气候物理模型下实现未来可能的温度。交易者是风险中性的预期效用最大化者。因此，他们对证券的保留价格只是他们对序列结束时温度下降到证券覆盖范围内的可能性的评估。在每一个时间步（一年），代理人使用新的一年的温度数据，使用贝叶斯线性回归和AR（1）噪声模型，重新估计他们认为可以解释气候变化的模型的系数。交易者使用回归和噪声系数的联合后验概率分布来估计当前交易序列结束时温度的概率分布。斯坦足够快，我们可以在每个时间步执行完整的贝叶斯分析。然后，交易者使用这个后验概率分布来分配买卖证券的保留价格。根据他们的保留价格，经纪人表现为“零情报”交易员（Gode和Sunder 1993）。

他们试图以高于预定价格的随机价格出售证券，并以低于预定价格的随机价格购买证券。这些交易策略很简单，但提供了预测市场（Klingertand Meyer 2012）和更广泛金融市场行为的准确近似值。根据交易者的买卖指令，交易者按照连续双重拍卖（CDA）程序交换证券（更多详细信息，请参见下面的模型动力学）。CDA或一些相近的变体是匹配买卖订单的常见程序。CDA主要用于大型股票市场（Tseng等人，2010）。3.4社交网络交易者是社交网络的一部分，每个代理随机形成两个链接，然后随机形成链接，确保每个代理至少与其他两个代理连接。每一次有价证券变现时，每个交易员都会为自己网络中最富有的邻居的表现而担忧。交易者从相同的初始ECU数量开始，ECU的差异只能来自市场互动。因此，如果某个交易者比她最富有的邻居穷，交易者会将其解读为一个信号，表明她最富有的邻居可能有一个更好的气候模型。然后，交易者考虑采用她最富有的邻居的模式。对于每个交易者来说，修正信念的意愿取决于她的信念在意识形态上的承载程度（Kahan et al.2011），这是我们在实验中改变的一个参数。图2中描绘了社交网络的快照的示例。一个分割参数控制着网络的同质性：交易者优先与其他交易者联系的程度，这些交易者对气候变化的原因有着共同的最初信念（COor TSI），而不是与最初信念相反的交易者。