1. Utangulizi
Utabiri kutoka kwa majukwaa ya wazi ya mtandaoni ya utabiri wa umma kama vile Metaculus yanatumiwa sana na taasisi kama Benki Kuu ya Ulaya, vyombo vya habari, na waunda sera kama vyanzo vya utabiri. Hata hivyo, hakuna uthibitisho wa kutosha juu ya usahihi wao ukilinganishwa na mbinu za jadi za utabiri. Utafiti huu unashughulikia pengo hili kwa kutathmini usahihi wa utabiri wa mabadiliko ya sarafu kutoka kwa Metaculus dhidi ya kiwango cha jadi na kinachojulikana kuwa ngumu kushindwa: mfano wa kutembea kwa nasibu bila mwelekeo. Matokeo yana maana kubwa kwa uaminifu na matumizi ya akili ya umma katika utabiri wa kifedha na kiuchumi.
2. Mapitio ya Fasihi
2.1 Utabiri wa umma
Dhana ya "hekima ya umma" inapendekeza kwamba utabiri uliokusanywa kutoka kwa kundi lenye watu mbalimbali unaweza kuwa sahihi zaidi kuliko wataalamu binafsi. Majukwaa kama vile Metaculus na Mradi wa Uamuzi Bora yanatekeleza hili kupitia mbinu mbalimbali za kutoa na kukusanya utabiri (k.m., wastani rahisi, sheria za alama za soko za Bayesian). Ingawa uthibitisho unaonyesha utabiri wa umma unafanya vizuri kuliko nadhani nasibu (Petropoulos et al., 2022), kulinganisha moja kwa moja na viwango vya takwimu katika nyanja ngumu kama fedha ni haba.
2.2 Kutabiri Mabadiliko ya Sarafu
Kutabiri mabadiliko ya sarafu kuna ugumu mkubwa. Kitendawili cha Meese na Rogoff (1983) kilianzisha kwamba miundo rahisi ya kutembea kwa nasibu mara nyingi hufanya vizuri kuliko miundo changamano ya kiuchumi katika majaribio ya nje ya sampuli kwa jozi kuu za sarafu. Hii inafanya kutembea kwa nasibu kuwa kiwango cha kutathmini kilicho ngumu na kinachostahiliwa kwa kutathmini mbinu yoyote mpya ya utabiri, ikiwa ni pamoja na utabiri wa umma.
3. Data & Jukwaa
Utafiti huu unatumia data ya utabiri wa mabadiliko ya sarafu kutoka kwa jukwaa la Metaculus. Metaculus ina maswali ambapo watumiaji wanatabiri uwezekano wa matukio ya baadaye. Utabiri unaohusiana na mienendo ya mabadiliko ya sarafu (k.m., EUR/USD, GBP/USD) ulitolewa kupitia API ya jukwaa hilo. Data halisi ya mabadiliko ya sarafu kwa ajili ya uthibitisho ilipatikana kutoka kwa hifadhidata za kawaida za kifedha (k.m., Bloomberg, Refinitiv).
4. Mbinu ya Utafiti
Mbinu kuu inahusisha tathmini ya kulinganisha usahihi. Utabiri wa umma (utabiri uliokusanywa kutoka kwa watumiaji wa Metaculus) kwa kiwango cha mabadiliko ya sarafu ya baadaye unalinganishwa na utabiri unaotokana na mfano wa kutembea kwa nasibu bila mwelekeo. Utabiri wa kutembea kwa nasibu ni kiwango cha mwisho cha mabadiliko ya sarafu kilichozingatiwa: $S_{t+1|t} = S_t$, ambapo $S_t$ ni kiwango cha papo hapo kwa wakati $t$. Usahihi wa utabiri hupimwa kwa kutumia viwango vya kawaida vya makosa:
- Makosa ya Wastani Kamili (MAE): $MAE = \frac{1}{N}\sum_{i=1}^{N} |F_i - A_i|$
- Kipeo cha Makosa ya Wastani ya Mraba (RMSE): $RMSE = \sqrt{\frac{1}{N}\sum_{i=1}^{N} (F_i - A_i)^2}$
Ambapo $F_i$ ni utabiri na $A_i$ ni thamani halisi. Umuhimu wa takwimu wa tofauti katika makosa hujaribiwa kwa kutumia jaribio la Diebold-Mariano.
5. Matokeo
Matokeo muhimu ni wazi na ya kushangaza: mfano wa kutembea kwa nasibu bila mwelekeo hutoa utabiri wa mabadiliko ya sarafu wenye usahihi mkubwa zaidi kuliko utabiri uliokusanywa kutoka kwa umma wa Metaculus. RMSE na MAE kwa utabiri wa kutembea kwa nasibu zilikuwa chini kila wakati katika jozi za sarafu zilizotathminiwa na upeo wa utabiri. Jaribio la Diebold-Mariano lilihakikisha kwamba ubora huu ni muhimu kwa takwimu.
6. Majadiliano
Matokeo haya yanapinga shauku isiyo na ukosoji wakati mwingine inayozunguka utabiri wa umma. Ingawa umma unaweza kufanya vizuri katika nyanja zenye matatizo yaliyofungwa na yanayoweza kugawanyika (k.m., kukadiria uzito wa ng'ombe), soko la fedha linalojulikana kwa kelele nyingi, kutokua na mwelekeo, na kutafakari (ambapo utabiri huathiri matokeo) kunaweza kuzidi utaratibu wa "hekima". Umma unaweza kuwa unajumuisha ishara za uwongo au upendeleo wa tabia ambazo mfano rahisi wa kutembea kwa nasibu, usio na ishara, huzuia.
7. Hitimisho
Kwa utabiri wa mabadiliko ya sarafu, kiwango cha jadi na rahisi cha takwimu (kutembea kwa nasibu) hufanya vizuri kuliko utabiri kutoka kwa jukwaa changamani la mtandaoni la utabiri wa umma. Hii inasisitiza umuhimu wa kutumia viwango vya kutathmini kabla ya kutumia zana mpya za utabiri katika matumizi muhimu. Inapendekeza kwamba thamani ya utabiri wa umma inaweza kuwa maalum kwa nyanja na haipaswi kudhaniwa kuenea kwa mfululizo mgumu wa wakati wa kifedha.
8. Uchambuzi wa Asili & Ukosoaji wa Mtaalamu
Uelewa wa Msingi: Karatasi hii inatoa ukaguzi wa ukweli unaostahili. Matokeo ya msingi—kwamba mfano rahisi unashinda "hekima ya umma" katika fedha—hayashangazi wataalamu wa takwimu, lakini ni dawa muhimu kwa hypi. Inasisitiza kanuni ya msingi ya uchumi wa kifedha: kushinda kutembea kwa nasibu ndio lengo kuu, na mambo mengi yanashindwa. Mchango halisi wa karatasi hii ni kutumia kiwango hiki cha kutathmini kwa mbinu ya kisasa na inayovutia.
Mtiririko wa Mantiki: Mantiki ni sahihi na ya jadi: fafanua lengo gumu (viwango vya FX), chagua kiwango kigumu zaidi (kutembea kwa nasibu), na uendeshe mashindano safi. Matumizi ya viwango vya makosa vilivyothibitishwa (RMSE, MAE) na majaribio ya takwimu (Diebold-Mariano) yana mbinu imara. Inafuata muundo uliothibitishwa wa ukosoaji wa Meese-Rogoff, kwa ufanisi kuuliza: "Je, kitu hiki kipya kinatatua tatizo la zamani, lisilotatuliwa?" Jibu ni wazi la.
Nguvu & Kasoro: Nguvu yake ni unyenyekevu wake uliodhibitiwa na matokeo yaliyo wazi. Kasoro, iliyokubaliwa katika majadiliano, ni uwezo mdogo wa kutumika kwa jumla. Hii ni utafiti wa nyanja moja (FX) kwenye jukwaa moja (Metaculus). Haibatilishi utabiri wa umma kwa, kusema, matukio ya kisiasa au mikondo ya kupitishwa kwa teknolojia, ambapo data ni haba na miundo ni dhaifu. Kama utafiti kutoka kwa Mradi wa Uamuzi Bora umeonyesha, utabiri ulio na muundo na wataabiri waliofunzwa unaweza kufanya vizuri katika maeneo kama hayo (Tetlock & Gardner, 2015). Karatasi inaweza kuwa na nguvu zaidi kwa kubashiri kwa nini umma ulishindwa—je, ilikuwa kufaa kupita kiasi kwa kelele, kufuata wengine, au ukosefu wa utaalamu wa nyanja miongoni mwa washiriki?
Uelewa Unaoweza Kutekelezwa: Kwa wataalamu: Usibadilishe kwa upofu majukwaa ya umma kwa viwango vya jadi katika fedha za kiasi. Tumia kama ishara ya ziada, inayoweza kupinga. Kwa watengenezaji wa jukwaa: Utafiti huu ni agizo la kubuni. Je, algoriti za kukusanya zinaweza kuboreshwa ili kuchuja kelele? Je, majukwaa yanapaswa kupima wataabiri kulingana na rekodi zilizothibitishwa za nyanja maalum, sawa na dhana za serumi za ukweli za Bayesian zilizochunguzwa na Prelec (2004)? Kwa watafiti: Rudia hili! Jaribu aina nyingine za mali, majukwaa mengine (k.m., Polymarket), na miundo mseto ambayo inachanganya hisia za umma na miundo ya takwimu, kama ilivyopendekezwa katika utabiri wa janga (McAndrew et al., 2024). Upeo wa maendeleo sio umma dhidi ya mfano, lakini ushirikiano wao wenye akili.
9. Maelezo ya Kiufundi & Mfumo wa Hisabati
Mfano wa kutembea kwa nasibu bila mwelekeo kwa mfululizo wa wakati $S_t$ umefafanuliwa kama: $S_t = S_{t-1} + \epsilon_t$, ambapo $\epsilon_t$ ni neno la makosa la kelele nyeupe na $E[\epsilon_t]=0$ na $Var(\epsilon_t)=\sigma^2$. Utabiri wa hatua-$h$ mbele ni rahisi: $\hat{S}_{t+h|t} = S_t$. Mfano huu unamaanisha kwamba utabiri bora wa thamani ya baadaye ni thamani ya sasa, na mabadiliko hayawezi kutabirika.
Utabiri wa umma kutoka kwa Metaculus, $C_{t+h|t}$, ni jumla (mara nyingi wastani wenye uzito) wa utabiri binafsi wa watumiaji kwa kiwango cha mabadiliko ya sarafu kwa wakati $t+h$. Kulinganisha kunategemea tofauti ya makosa ya utabiri: $d_t = e_{t}^{RW} - e_{t}^{C}$, ambapo $e_{t}^{RW} = (S_{t+h} - \hat{S}_{t+h|t}^{RW})^2$ na $e_{t}^{C} = (S_{t+h} - \hat{C}_{t+h|t})^2$. Takwimu za jaribio la Diebold-Mariano ni: $DM = \frac{\bar{d}}{\sqrt{\widehat{Var}(\bar{d})/T}} \sim N(0,1)$, ambapo $\bar{d}$ ni wastani wa sampuli ya tofauti ya hasara.
10. Matokeo ya Majaribio & Maelezo ya Chati
Maelezo ya Chati (Yaliyodhaniwa kulingana na matokeo): Chati ya mistari yenye kichwa "Kulinganisha Makosa ya Utabiri: Kutembea Kwa Nasibu dhidi ya Umma wa Metaculus." Mhimili wa x unaoratibu jozi tofauti za sarafu (k.m., EUR/USD, GBP/USD, USD/JPY). Seti mbili za mistari zinaonyeshwa kwa kila jozi: moja kwa RMSE ya Kutembea Kwa Nasibu (kwa bluu) na moja kwa RMSE ya Umma wa Metaculus (kwa nyekundu). Katika jozi zote, mistari ya bluu (Kutembea Kwa Nasibu) inaonekana fupi kuliko mistari nyekundu (Umma), ikionyesha kwa kiasi ubora wa usahihi wa kutembea kwa nasibu. Mchoro wa mstari wa sekondari uliowekwa juu ya chati unaonyesha mfululizo wa wakati wa tofauti ya hasara ($d_t$), ambayo inapanda na kushuka karibu na wastani mzuri, ikionyesha ubora endelevu wa kutembea kwa nasibu. Alama za nyota juu ya mistari nyekundu zinaashiria umuhimu wa takwimu katika kiwango cha 5% kulingana na jaribio la Diebold-Mariano.
11. Mfumo wa Uchambuzi: Mfano wa Vitendo
Kesi: Kutathmini Ishara Mpya ya FX "Inayotumia Akili Bandia." Msimamizi wa mali anapewa mfano mpya wa ML unaodai kutabiri EUR/USD. Jinsi ya kuitathmini?
Hatua ya 1 – Fafanua Kiwango cha Kutathmini: Mara moja weka kutembea kwa nasibu ($F_{t+1} = S_t$) kama kiwango cha msingi cha kutathmini. Usitumie mfano mwingine mgumu kama kiwango pekee cha kutathmini.
Hatua ya 2 – Mgawanyiko wa Data: Tumia kipindi kirefu cha nje ya sampuli (k.m., miaka 3-5 ya data ya kila siku isiyotumika katika kufunza mfano wa ML).
Hatua ya 3 – Hesabu ya Makosa: Hesabu RMSE kwa mfano wa ML na utabiri wa kutembea kwa nasibu katika kipindi cha nje ya sampuli.
Hatua ya 4 – Jaribio la Takwimu: Fanya jaribio la Diebold-Mariano kwenye tofauti za makosa ya mraba. Je, makosa ya chini ya mfano wa ML yana umuhimu wa takwimu (thamani ya p < 0.05)?
Hatua ya 5 – Umuhimu wa Kiuchumi: Hata kama ina umuhimu wa takwimu, je, kupunguzwa kwa makosa kuna maana ya kiuchumi kwa mkakati wa biashara baada ya kuzingatia gharama za manunuzi?
Mfumo huu, uliotumika moja kwa moja katika karatasi hii, ni jaribio la ulimwengu wote kwa madai yoyote mapya ya utabiri katika fedha.
12. Matumizi ya Baadaye & Mwelekeo wa Utafiti
- Miundo Mseto ya Utabiri: Badala ya mbinu ya ama/au, utafiti unapaswa kulenga kuchanganya kwa njia bora tathmini za uwezekano kutoka kwa umma na miundo ya jadi ya mfululizo wa wakati. Wastani wa mfano wa Bayesian au mbinu za kusanyiko zinaweza kutumia uwezo wa umma wa kutathmini matukio nadra na nguvu ya mfano katika kukamata uendelevu.
- Ubunifu wa Jukwaa Maalum kwa Nyanja: Majukwaa ya baadaye ya umma kwa ajili ya fedha yanaweza kuhitaji vipengele maalum: kuanzisha utabiri na matokeo ya mifano ya kiasi, kupima wataabiri kulingana na utendaji wa zamani katika maswali ya kifedha, na kuuliza wazi kwa usambazaji wa utabiri badala ya makadirio ya uhakika ili kukamata bora kutokuwa na uhakika.
- Kuelezea Kushindwa/Kufanikiwa kwa Umma: Utafiti zaidi unahitajika kuchambua kwa nini umma unashindwa katika baadhi ya nyanja (FX) lakini unafanikiwa katika nyingine (magonjwa). Je, ni asili ya data, kundi la washiriki, au muundo wa swali? Hii inahitaji kazi ya nyanja mbalimbali inayochanganya saikolojia, takwimu, na utaalamu wa nyanja.
- Matumizi katika Nyanja Zilizo Karibu: Mbinu ya kutumia viwango vya kutathmini inapaswa kupanuliwa kwa nyanja nyingine "ngumu kutabiri" kama vile mienendo ya sarafu za kidijitali, bei ya bidhaa, au mshangao wa viashiria vya uchumi mkubwa.
13. Marejeo
- Lehmann, N. V. (2025). Ujuzi wa utabiri wa jukwaa la utabiri wa umma: Ulinganisho wa utabiri wa mabadiliko ya sarafu. arXiv preprint arXiv:2312.09081v2.
- Meese, R. A., & Rogoff, K. (1983). Miundo ya kimfumo ya mabadiliko ya sarafu ya miaka ya sabini: Je, inafaa nje ya sampuli? Jarida la Uchumi wa Kimataifa, 14(1-2), 3-24.
- Tetlock, P. E., & Gardner, D. (2015). Utabiri Bora: Sanaa na Sayansi ya Kutabiri. Wachapishaji wa Taji.
- Prelec, D. (2004). Serumi ya ukweli ya Bayesian kwa data ya kibinafsi. Sayansi, 306(5695), 462-466.
- Diebold, F. X., & Mariano, R. S. (1995). Kulinganisha usahihi wa utabiri. Jarida la Takwimu za Biashara & Uchumi, 13(3), 253-263.
- McAndrew, T., Gibson, G., et al. (2024). Kuchanganya utabiri wa umma na miundo ya takwimu kwa utabiri wa janga. PLOS Sayansi ya Kompyuta ya Biolojia.
- Atanasov, P., et al. (2022). Kutoa hekima ya umma: Utangulizi wa mashindano ya utabiri na soko la utabiri. Katika Kitabu cha Mkono cha Oxford cha Uchumi wa Mtandao.