Innerbetriebliche Prognosemrkte Andreas Mild Martin Waitz Vienna University

Innerbetriebliche Prognosemärkte Andreas Mild Martin Waitz Vienna University of Economics and Business Nordbergstrasse 15/3. St. /A, A-1090 VIENNA, AUSTRIA Tel. ++43 -1 -31336 -5628, Fax ++43 -1 -31336 -5610 Email: amild@wu. ac. at ; mwaitz@wu. ac. at

Überblick Motivation Was sind Prognosemärkte? Anwendungsbeispiele aus der Praxis Forschungsschwerpunkte Resumée Mild / Waitz - 2 -

Motivation betriebswirtschaftliche Entscheidungen benötigen Prognosen und/oder beinhalten Abstimmungsvorgänge zwischen unterschiedlichen Entscheidungsträgern Mathematische/statistische Modelle nicht immer anwendbar Hidden Information (vgl. principal-agent theory) Bedeutung von Incentives Wie kann verteilte Information sinnvoll aggregiert werden? Mild / Waitz - 3 -

Prognosemärkte Aggregationsproblem wächst mit der Anzahl der Beteiligten Marktmechanismus zur Aggregation Ereignisse werden als „Aktien“ modelliert und über eine Börse gehandelt Preis der Aktie spiegelt Markterwartung über das zukünftige Ereignis wider Nach der Laufzeit wird der Wert der Aktie durch die tatsächliche Realisierung des Ereignisses bestimmt Mild / Waitz - 4 -

Prognosemärkte U. S. Präsidentschaftswahlen 2012: “Sarah Palin to be the Republican Presidential Nominee in 2012? ” Mild / Waitz - 5 -

Interne Prognosemärkte Anwendung der Idee auf betriebswirtschaftliche Fragestellungen Geschlossener Benutzerkreis Geringere Liquidität Persönliches Involvement der beteiligten Händler Mild / Waitz - 6 -

Anwendungsbereiche im Produktlebenszyklus Identifikation neuer Möglichkeiten Produktdesign Produkttest Management des Lebenszyklus Entwicklung neuer Produktideen Unterstützung des Projektmanagements Prognose des Produkterfolges Absatzprognose Mild / Waitz - 7 -

Beispiele aus der Praxis Supply Bestimmung Chain des Management Unternehmenswertes Einschätzung Projektlaufzeiten der. Terrorgefahr Absatzzahlen Technologieentwicklung Mild / Waitz - 8 -

Forschungsziele Prognose Bisher: Prognose von Kennzahlen (Absatz, Marktanteil) Händler Markt Bisher: Marktkurs der Aktie entspricht Bisher: Kalibrierung “more art Problem: Viele betriebswirtschaftliche Bisher: Orientierung an Istdaten Erwartungswert than science” Entscheidungssituationen lassen sich nur Wissen Prognoseziel Bisher: Geldbetrag mit Bezug auf Rendite Problem: Nur Fragen möglich, welche Problem: Alle Händler haben denselben schwer in Zahlen fassen Problem: Einstiegshürde zeitnah enden und sich an verfügbaren Einfluss auf den Kurs Problem: Belohnt “Market Making” stark und Ziel: Ideengenerierung, Auswahlinstrument Daten orientieren. Ziel: Leitfaden/ Regelwerk zur Erfahrung Abrechnung nicht das Einbringen richtiger Informationen Ziel: Korrektur um Wissensniveau und Parametrisierung des Marktes Ziel: keine externe Information notwendig Erfahrungsgrad der individuellen Händler Ziel: Belohnung von Wissen anstelle von Handelsverhalten Motivation Marktmechanismus Mild / Waitz - 9 -

Forschungsprojekte • Praktische Konzeption unternehmensinterner Prognosemärkte • Analyse der Prognosegüte • Entwicklung alternativer Aggregationsmechanismen • Empirische Analyse des Handelsverhaltens • Softwareentwicklung • • • Flexible Durchführung von realen & virtuellen Experimenten Schnelles Setup neuer Märkte & Algorithmen Individuelle Gestaltung unterschiedlicher Interfaces Einbindung in andere Systeme Skalierbarkeit • Agentenbasierte Simulation • Auswirkung von Handelsstrategien auf das Prognose bzw. Abstimmungsergebnis • Kalibrierung von Realsystemen (Market maker) • Masterarbeiten/Dissertationen/Praxiskooperation Mild / Waitz - 10 -

Resumée Prognosemärkte sind geeignet verteilte Informationen zu aggregieren Einsatzgebiet dort, wo quantitative Methoden nicht anwendbar sind Marktdesign eines Prognosemarktes hängt vom jeweiligen Anwendungsgebiet ab Zukünftiger Fokus stärker auf Unterstützung bei der Entwicklung und Auswahl von Ideen/Konzepten Mild / Waitz - 11 -