数据学习
AI博客
原创AI博客
大模型技术博客
期刊会议
学术世界
期刊出版社
领域期刊
SCI/SCIE/SSCI/EI简介
期刊列表
会议列表
所有期刊分区
学术期刊信息检索
JCR期刊分区查询
CiteScore期刊分区查询
中科院期刊分区查询
管理 - UTD24期刊列表
管理 - AJG(ABS)期刊星级查询
管理 - FMS推荐期刊列表
计算机 - CCF推荐期刊会议列表
南大核心(CSSCI)
合工大小核心
合工大大核心
AI资源仓库
AI领域与任务
AI研究机构
AI学术期刊
AI论文快讯
AI数据集
AI开源工具
数据推荐
AI大模型
国产AI大模型生态全览
AI模型概览图
AI模型月报
AI基础大模型
AI大模型排行榜
大模型综合能力排行榜
大模型编程能力排行榜
LMSys ChatBot Arena排行榜
Berkeley大模型工具使用能力排行榜
OpenLLMLeaderboard中国站
AI大模型大全
大模型部署教程
在线聊天大模型列表
2023年度AI产品总结
Information Aggregation Mechanisms: Concept, Design and Implementation for a Sales Forecasting Problem
小木
working paper
2002-09
1849
2017/02/09 15:27:37
对决策者来说,社会系统中的信息和知识通常以分散的认知、局部的知识、意见和猜测等散落在社会系统中。然而如何利用这些知识依赖于有效的组织设计,以帮助我们传播使用。组织中多种多样的进程,如委员会、轮询过程、联系网络、报告等,都是用来交换知识,辅助决策,它体现了这种设计有效的组织的复杂性和重要性。实验经济学已经产生了相关的理论、多种市场结构的检验等。本篇文章这是探索使用市场过程来完成主观性的任务。 如同论文题目所说,这篇文章主要的目标是设计并实施有效的“信息融合机制”(Infomration Aggregation Mechanism, IAM)。这里的设计很自由,不限制任何组织机构的演化。研究者的问题包括是否可以把任意一个竞争过程中的能力设计到某一个信息融合工具中以提高管理能力。经济学家很早就知道了,理论上,在一个设计合理的市场中,价格反映了所有交易者对未来事件掌握的信息。日常所有的市场行为都反映了人们对未来的预测,且都最终反映到价格中。想一想日常中人们如何观察他人行事可以帮助我们理解这个过程。比如,如果观察到很多人在某一家餐厅吃饭,那么可以认为这家餐厅是一个好地方且会吸引更多的人来这里尝试。或者,如果一群人在一起看什么东西,也能增加别人去看的可能性,因为人们想这群人肯定是看到了什么有趣的事情。 1996年的一项研究探索了建立信息融合机制的可能性。其实,很多商业活动都有如下特点:很多很小的相关的信息被那些和商业活动靠近的人所掌握。如供应链管理问题,需求预测,新产品引进以及供应的不确定等问题。但在很多情况下,都没有系统的工具来收集这些信息。在这些情况下,每个个体都掌握了很少的一部分信息,但是把他们聚合在一起就能提供很好的知识了。把主管知识和客观数据联合在一起很困难。在一个假设的完美的世界中,资源和时间都是没有限制的,我们就可以收集每个人的信息来做预测。而现实中这显然不可能,传统的如例会的形式等非常没有效率。同样的,类似财务的问题导致有些人根本不愿意披露自己真实的想法。于是设计一个能收集个人信息的市场变得很有价值。这篇文章主要回答一些实际问题:什么样的机制才是有效的?如何才能将这个机制部署到组织和商业中?它是否真的有效? 在商业环境中部署IAM已经有了先例,Iowa Electronic Markets(IEM,爱荷华电子市场)。与Hewlett Packard IAM(这个应该是作者自己提出来的一个预测市场机制)相比较也是令人感兴趣的话题之一。尽管它们有很多的重复,但是也有一些不同的机制。IEM主要是关注可以被很多人所观测到的事件,比如选举,股票价格或者是美联储的行动等。比如,IEM允许参与者买卖某个总统候选人的“股票”。在这种情况下,获取什么样的信息聚合到什么程度并不清楚。由于公共事件的某些信息通常都是公开的,IEM参与者所了解的特定的、个人化的信息是否是有效的并不清楚。当前讨论中的一些公共报告、投票等都会影响IEM的活动。因此IEM的预测可能反应了一种聚合个人意愿的有效的且复杂的预测系统。而在Hewlett Packard IAM中,只有一小部分参与者。他们都是从不同商业活动中选择的,因此具有关于某个目标的不同的信息。这些信息的模式包括市场情报、大客户的特定信息,在操作中也没有什么公开的信息。官方的预测也是直到IAM关闭之后才能知道。IEM IAM是一个拥挤的且在很长时间内有较多参与者的预测市场,而HP IAM则是一个短时间的,很少人参与的市场,IEM的预测主要是点的预测。而IEM和HP IAM重复的地方就是“赢家通吃”。 HP IAM的任务有12个预测的任务,主要是利润奖金和销售预测两种。结果发现HP IAM的预测比官方的预测要好。其实很简单,就是数一数各个预测结果的人数,然后选择最多人选择的就好了。如下图是某个结果的预测: ![](http://www.datalearner.com/resources/blog_images/db4ad559-2e87-431c-b0d9-380e79dfaa03.png)
赏
支付宝扫码打赏
如果文章对您有帮助,欢迎打赏鼓励作者
Back to Top