Titelaufnahme

Titel
Technological forecasting by artificial asset markets : utilizing market speculation to forecast new technologies and products / Siddhartha Sampathkumar
VerfasserSampathkumar, Siddhartha
Begutachter / BegutachterinKatzenberger, Wolfgang ; Stepan, Adolf
Erschienen2006
UmfangXXI, 22 - 353 Bl. : Ill., graph. Darst.
HochschulschriftWien, Techn. Univ., Diss., 2006
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)Technologieprognose / S-Kurve / Prognosemethode / Prognosemärkte / Experimentelle Aktienmärkte / Experimentelle Ökonomie / Austrian Electronic Markets / Iowa Electronic Markets / Foresight Exchange
Schlagwörter (EN)technological forecasting / s-curves / artificial asset markets / prediction markets / collective forecasts / probabilistic forecasts / market microstructure / experimental economics / Austrian Electronic Markets / Iowa Electronic Markets
URNurn:nbn:at:at-ubtuw:1-19488 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Technological forecasting by artificial asset markets [4.48 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Fortschrittliche Technologie ist oft ein wesentlicher Erfolgsfaktor für Unternehmen und sogar ganze Nationen. Um den technologischen Fortschritt rechtzeitig zu erkennen, werden Technologieprognosen erstellt. Die Prognose von Technologien und technologischem Wandel zusammen mit dem verbundenen Aufwand für die Informationssammlung und -aggregation stellt eine große Herausforderung für Entscheider dar, sowohl in kommerziellen Unternehmen als auch in staatlichen Institutionen. Viele Prognosemethoden wurden entwickelt, um Entscheider mit Technologieprognosen zu unterstützen, jedoch versagen alle diese Methoden in jenen Phasen des Technologieentwicklungszykluses, in denen sich extreme Ungewissheit mit raschen Änderungen paart. Dies tritt vor allem in jenen strategisch entscheidenden Phasen auf, aus denen eine neue Technologie hervorgeht oder in denen eine Technologie von einer anderen durch Substitution "bedroht" wird.

Für diese Situationen gibt es daher den Bedarf nach einer Technologieprognose-methode, die sowohl in höchstem Grade anpassungsfähig (in der Auswahl und Verknüpfung relevanter Inputs mit gegebenen Dimensionen eines Outputs) als auch ohne Zeitverzögerung (durch Abgabe der Prognose in Quasi-Echtzeit ohne die Erfordernis nach Abwicklung einer zeitraubenden Prozedur) ist. Die Erfüllung dieses Bedarfs ist die zugrunde liegende Motivation dieser Arbeit für die Entwicklung einer neuen Technologieprognosemethode, die Technologieprognose mittels experimenteller Aktienmärkte. Zusätzlich ist diese Methode die erste, die auf den bereits lange im Bereich der Prognosemethodenforschung etablierten Grundsatz aufbaut, dass Prognosen durch effiziente Märkte optimal sind. Das heißt, dass die neue Methode die Aussicht in sich trägt, bessere Prognosen in Bezug auf Genauigkeit und Zuverlässigkeit zu liefern als alle Prognosen durch alternative Technologie-prognosemethoden.

Mittels Literaturrecherche werden zunächst Belege gesammelt, dass experimentelle Aktienmärkte die Fähigkeit besitzen, verstreute Informationen zu sammeln, zu aggregieren und die Ergebnisse in Form von Preisen anzuzeigen. Während spekulative Finanzmärkte schon lange eingesetzt werden, um Risiken zu identifizieren und umzuverteilen, werden erst seit kurzem experimentelle Aktienmärkte eigens geschaffen, um Prognosen zu erstellen.

Durch empirische Untersuchungen mittels sekundärstatistischer Methoden wird im Rahmen dieser Forschungsarbeit der Beleg erbracht, dass experimentelle Aktienmärkte für Technologieprognosen den Ausgang technologischer Entwicklungen mit einer Wahrscheinlichkeit von >75% für etwa zwei Jahre im voraus bzw. für 59% des Prognosezeitraums voraussagen können. Außerdem wird durch einen indirekten Leistungsvergleich empirisch nachgewiesen, dass die Technologieprognosemethode mittels experimenteller Aktienmärkte besser, d.h. zuverlässiger, ist als alternative Prognosemethoden, die in denselben Kontext angewendet werden.

Da im Rahmen der Literaturrecherche die Erkenntnis gewonnen wird, dass die Leistungsfähigkeit der neuen Methode maßgeblich durch die konkrete Ausgestaltung der experimentellen Aktienmärkte bestimmt wird, werden konsequenterweise die verschiedenen Gestaltungsoptionen für experimentelle Aktienmärkte systematisch untersucht und auf ihre Eignung für die Anwendung in der Prognose von Technologien analysiert und bewertet.

Schließlich wird, motiviert durch die Anwendung des entwickelten Gestaltungs-Prozesses und der Gestaltungsrichtlinien und durch die Schaffung wertvoller empirischer Daten für die spätere Forschung, ein experimenteller Aktienmarkt für Technologieprognosen entworfen und implementiert.

Zusammenfassend kann der Forschungsinhalt dieser Dissertation sowohl den Disziplinen der Produktentwicklung, der Technologieprognose, und der experimentellen Ökonomie zugeordnet werden. Diese Forschungsarbeit erbringt den Beleg, dass die Methode Technologieprognose mittels experimenteller Aktienmärkte eine valide neue Methode für die Technologieprognose ist. Es werden Leistungsdaten für die absolute und relative Leistung der neuen Methode dokumentiert. Diese Belege werden durch eine Beschreibung und Analyse der wesentlichsten Charakteristika der neuen Prognosemethode ergänzt, um die Anwendung in kommerziellen Unternehmen oder staatlichen Institutionen zu erleichtern.

Zusätzlich werden in der vorliegenden Arbeit ein umfassender Entwicklungsprozess und eine Reihe von Entwicklungsrichtlinien für den Entwurf und die Implementierung von experimentellen Aktienmärkten für die Technologieprognose entwickelt.

Zusammenfassung (Englisch)

Technological advancement can have a major impact on corporate profitability or the well-being of nations. For this reason technological forecasts are produced. The forecast of technologies and technological change along with the required information acquisition and processing is a major challenge for decision makers in both commercial enterprises and government. Many forecasting methods have been developed to assist decision makers in making technological forecasts, however, all of them fail in those phases of a technology's lifecycle, in which there is extreme uncertainty combined with rapid change. Most notably, these circumstances occur in the strategically most crucial technology lifecycle phases, as a technology emerges or is threatened by substitution from another technology.

For these situations there is a need for a technological forecasting (TF) method that is at the same time extremely adaptable (in relating relevant inputs to given dimensions of output) and instant (in delivering the current outlook in quasi-real-time without the requirement of going through a lengthy, time-consuming procedure).

Addressing this need is the motivation for this thesis to develop a new TF method, technological forecasting by artificial asset markets (TF by AAM). Additionally, it is the first method to utilize an early established principle in forecasting, that is, forecasts provided by efficient markets are optimal. Thus, the new method holds no less than the prospect of delivering better forecasts in terms of forecast accuracy and reliability than forecasts provided by any alternative TF method.

By literature review, we establish that theory, empirical, and experimental evidence suggest that asset markets have the capacity to collect information that is dispersed, aggregate it like a statistician, and publish the findings in forms of prices. While speculative financial markets have long been used to identify and reallocate risk, only very recently have artificial asset markets been created primarily to make forecasts.

By empirical research using secondary statistics methodology, we establish that, on average, artificial asset markets for technological forecasting (AAM for TF) predict the eventual outcome of technological developments with a probability of >75% for approximately two years, or 59% of market duration, in advance of market maturation, that is, in advance of the technological event outcome. Furthermore, by indirect performance comparison, we establish empirical evidence to support AAM for TF as superior to alternative forecasting methods.

As we learn during the literature review that many potential pitfalls lie in the way of realizing information aggregation through artificial asset markets, that is, in their design, we consequently and systematically explore the design alternatives for artificial asset markets and evaluate these alternatives for their applicability to TF by AAM.

Finally, motivated by application of the developed design guidelines and the purpose of producing valuable empirical data for later research, we design and implement an artificial asset market for technological forecasting.

To conclude, the research presented in this thesis can be attributed to the disciplines of product development, technological forecasting, and to the discipline of experimental economics alike. This thesis produces evidence to support artificial assets markets as a new method of technological forecasting. Absolute and comparative performance data for the new method AAM for TF is established. This evidence is complemented by a description and analysis of the main characteristics of AAM for TF to facilitate its application in governmental institutions and commercial enterprises. Furthermore, this thesis proposes a comprehensive design process and a set of design guidelines for the design and implementation of AAM for TF.