論文の概要: Crowds Believe in You: Online Prediction Markets Overestimate How Often People Achieve Their Own Goals

• arxiv url: http://arxiv.org/abs/2610.40324v1
• Date: Thu, 29 Oct 2026 15:55:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 07:38:50.48997
• Title: Crowds Believe in You: Online Prediction Markets Overestimate How Often People Achieve Their Own Goals
• Title（参考訳）: オンラインの予測市場は、多くの人々が自分のゴールを達成しているかを過大評価している
• Abstract要約: 計画上の誤りに関する調査では、観察者は人の行動が人よりも楽観的でないことを予測している。 我々はManifoldで6,150の予測市場を調査し、1,660人のユーザーが自分の将来について質問した。 自己市場はYES4.4のポイントを最終価格よりも低い頻度で解決した。
• 参考スコア（独自算出の注目度）: 4.327699139300453
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: People increasingly share personal goals online and invite others to forecast them. Research on the planning fallacy finds that observers predict a person's behavior less optimistically than the person does, and prediction markets aggregate such judgments, harnessing the wisdom of crowds. We study 6,150 prediction markets on Manifold in which 1,660 users asked about their own futures ("Will I ...?"), reconstruct every order and execution, and compare these self-markets with markets about external events. Self-markets resolved YES 4.4 percentage points less often than their final prices implied, whereas external markets were nearly calibrated (0.9 points); the difference was 2.2 points at the same price level and 1.9 points within creators who made both kinds of market. Absent when markets opened, the overstatement emerged within a day of trading, even where the person never traded, and peaked in the week before close. In a market's first day, observers moved external-market prices down toward the base rate, but moved self-market prices 3.6 points further toward YES, except in markets naming an outcome the person would not want, which were not overpriced. The correction came late and largely from the person, whose orders supplied 38% of the eventual movement toward the outcome in self-markets, against 9% in external markets. Because self-market prices mainly failed to separate successes from failures, a recalibration learned from earlier markets improved later forecasts by only 1.5%. Crowds believe in the futures people pose for themselves, and the information that would correct them lies with the person.
• Abstract（参考訳）: 人々はますます個人的目標をオンラインで共有し、予測するために他の人を招待します。 計画上の誤りに関する調査では、観察者は人の行動が人よりも楽観的でないと予測し、市場はそのような判断を集約し、群衆の知恵を活用する。 我々はManifoldで6150の予測市場を調査し、1,660人のユーザーが自分の将来について質問し("Will I ...? セルフマーケットはYES 4.4のポイントを最終価格が示すよりも少ない頻度で解決したが、外部市場はほぼ調整され(0.9ポイント)、同じ価格レベルでは2.2ポイント、両方の市場を作ったクリエーターの中では1.9ポイントだった。 市場がオープンしたとき、取引の1日以内に過大評価が出現し、取引は行われなかったものの、閉店前の週にピークを迎えた。 市場の初日は、外貨価格をベースレートに引き下げたが、市場が望まない結果に言及した場合を除き、自己市場価格の3.6ポイントはYESに向けられた。 調整は遅れ、主に外部市場の9%に対して、自己市場の成果に向けた最終的な動きの38%を発注した人物から行われた。 セルフマーケット価格が主に失敗から成功を分けることに失敗したため、初期の市場から得たリカレーションにより、後の予測はわずか1.5%改善した。 群衆は、人々が自分のためにポーズをとる未来を信じ、それらを修正する情報は人と共にあると信じている。

関連論文リスト

• Forecasting Future Language: Context Design for Mention Markets [81.25011140991566]
  我々は、参照市場における正確な予測を支援するために、入力コンテキストをどのように設計するかを検討する。 1 より豊かなコンテキストは予測性能を継続的に改善し、(2)市場条件付きプロンプト(MCP)は事前の市場確率を扱い、テキストによる証拠を用いてそれを更新し、より良いキャリブレーションの予測を得る、(3)市場確率とMCP(MixMCP)の混合が市場ベースラインを上回っている、という3つの洞察を得た。
  論文  参考訳（メタデータ） (2026-02-04T12:43:31Z)
• Market-Derived Financial Sentiment Analysis: Context-Aware Language Models for Crypto Forecasting [0.15833270109954134]
  本稿では,短期的価格トレンドに基づく市場からのラベリング手法を提案する。 ドメイン固有言語モデルはこれらのラベルに基づいて微調整され、短期トレンド予測精度が最大11%向上した。 以上の結果から,言語モデルが短期市場予測に有効であることが示唆された。
  論文  参考訳（メタデータ） (2025-02-17T21:35:18Z)
• Beyond Trend Following: Deep Learning for Market Trend Prediction [49.89480853499917]
  我々は、将来の市場動向を予測するために人工知能と機械学習技術を使うことを提唱する。 これらの予測は、適切に実行されれば、リターンを増やし、損失を減らすことで資産運用者のパフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2024-06-10T11:42:30Z)
• Stock Movement and Volatility Prediction from Tweets, Macroeconomic Factors and Historical Prices [20.574163667057476]
  株式市場の予測にツイートデータを使用した以前の研究は、3つの課題に直面した。 ECONには、大量のツイートデータを効率的に抽出し、デコードするアデプトツイートフィルタがある。 意味空間における自己認識機構を通じて、ストック、セクター、マクロ経済要因間の多水準関係を識別する。
  論文  参考訳（メタデータ） (2023-12-04T22:27:43Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Equilibrium of Data Markets with Externality [5.383900608313559]
  私たちは、売り手が固定価格を投稿し、買い手は売り手から自由に購入できる現実世界のデータ市場をモデル化します。 ここで重要な要素は、データ購入によって互いに負の外部性バイヤーが引き起こされることだ。 我々は、取引コストを通じて介入するプラットフォームが、強力な福祉保証を備えた純粋な均衡につながることを証明している。
  論文  参考訳（メタデータ） (2023-02-16T00:57:49Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。