Prognosemärkte sind nicht neu
Die Idee, Märkte zur Aggregation von Prognosen zu nutzen, ist keine Innovation des 21. Jahrhunderts. Politische Wettmärkte existierten in den Vereinigten Staaten bereits in den 1860er Jahren, als Wall-Street-Curb-Exchanges Wetten auf Präsidentschaftswahlen annahmen. Diese Märkte wurden breit verfolgt und waren oft genauer als zeitgenössische Strohumfragen. Die 1988 gestarteten Iowa Electronic Markets lieferten die ersten akademischen Belege für die Genauigkeit von Prognosemärkten in moderner Form.
Die akademische Bilanz
Berg, Nelson und Rietz von der University of Iowa veröffentlichten mehrere Studien, in denen sie die Prognosen der Iowa Electronic Markets mit Umfragedaten über Präsidentschaftswahlen von 1988 bis 2004 verglichen. Die Märkte schlugen die Umfragen zu 74 % der Vergleichszeitpunkte. Der Vorteil war besonders ausgeprägt, wenn Prognosen mehr als 100 Tage vor der Wahl erstellt wurden.
Eine Meta-Analyse von 2023 im International Journal of Forecasting von Atanasov und Kollegen untersuchte Prognosemärkte, Umfragen und Expertenprognosen über mehrere Bereiche hinweg. Sie stellten fest, dass die besten Prognosen generell alle drei Quellen kombinieren, wobei Märkte am besten abschneiden, wenn die Frage klar definiert ist, die Auflösungskriterien eindeutig sind und ausreichend Liquidität vorhanden ist.
Wo Märkte versagt haben
Prognosemärkte sind nicht unfehlbar, und ihre Fehler sind aufschlussreich. Märkte unterschätzen systematisch die Wahrscheinlichkeit extremer Ereignisse (Black Swans), weil die Basisrate für Extremereignisse sehr niedrig ist und die meisten Marktteilnehmer keine Erfahrung mit ihnen haben. Märkte haben zudem Schwierigkeiten mit Ereignissen, deren Auflösung von einer einzelnen Entscheidungsträgerin abhängt, deren Gedankengang tatsächlich privat ist (ob ein bestimmter CEO zurücktritt, ob eine bestimmte Richterin auf eine bestimmte Weise urteilt).
Die US-Wahl 2024 lieferte einen gemischten Fall. Polymarket identifizierte Trump korrekt als wahrscheinlichen Sieger, während Umfragen ein Kopf-an-Kopf-Rennen zeigten, aber die Wahrscheinlichkeit von 57 % bedeutete dennoch eine 43-%-Chance auf Irrtum. Der Markt hatte in diesem Fall recht, aber eine Prognose von 57 %, die sich als richtig erweist, bedeutet nicht, dass die Prognose perfekt war. Es bedeutet, dass der Markt die Unsicherheit korrekt eingeschätzt hat, was eine andere und subtilere Aussage ist.
Kalibrierung ist die richtige Metrik
Der korrekte Weg, die Genauigkeit von Prognosemärkten im Zeitverlauf zu bewerten, ist die Kalibrierung: Treten Ereignisse, die der Markt mit 30 % bepreist, tatsächlich in 30 % der Fälle ein? Treten mit 70 % bepreiste Ereignisse in 70 % der Fälle ein? Perfekte Kalibrierung bedeutet, dass der Markt auf keinem Wahrscheinlichkeitsniveau systematisch über- oder unterzuversichtlich ist.
Studien zur Kalibrierung von Prognosemärkten zeigen generell eine gute Performance im 20-80-%-Bereich, aber eine gewisse Überzeugungskraft an den Extremen (mit 95 % bepreiste Ereignisse treten etwas seltener als in 95 % der Fälle ein). Dies entspricht der theoretischen Erwartung: Extreme Wahrscheinlichkeiten sind schwieriger exakt zu bepreisen, da kleine absolute Änderungen der Wahrscheinlichkeit große prozentuale Positionsänderungen erfordern, um korrigiert zu werden.
Entdecken Sie diese Tools auf Blockcircle: Prognosemarkt-Mispricing-Engine