PREMIA

«PREMIA - A Prediction Market with Integrated Algorithms» ist eine offene Umgebung für die Forschungsgemeinschaft in Zürich, um gesellschaftlich relevante Phänomene vorherzusagen.

Prognosemärkte (engl.: Prediction Markets) sind virtuelle Börsen, die die in den Marktwerten enthaltenen Informationen nutzen, um Vorhersagen zu erstellen. Bis heute stützen sich diese Marktplattformen ausschliesslich auf das implizite Wissen von Gruppen von Menschen, entweder in Form von grosser Anzahl von Personen oder von Expertenpanels. Ziel dieses Projekts ist es daher, einen Prognosemarkt mit integrierten Handelsalgorithmen zu entwickeln und zu implementieren, der menschliches Fachwissen mit künstlicher Intelligenz kombiniert und diesen auf eine breite Palette von Forschungsfragen anzuwenden.

Hier finden Sie ein Kurzinterview zum Projekt.

Projektlaufzeit: 01.09.2022 - 30.06.2024

Website: Premia

Kontakt: Prof. Dr. Carolin Strobl

Projektteam

Prof. Dr. Oliver Strijbis

Oliver Strijbis ist SNF-Assistenzprofessor für Politikwissenschaft an der Universität Zürich und assoziierter Professor für Politikwissenschaft an der Franklin University Switzerland. Er ist Leiter des Forschungsprojekts «The Effect of Campaign Events on Direct Democratic Decisions: Evidenz von Prognosemärkten». Seine Forschungsschwerpunkte sind Prognosemärkte, politisches Verhalten, Migration und Nationalismus.

Prof. Dr. Carolin Strobl

Carolin Strobl ist Professorin für Psychologische Methodenlehre, Leiterin  der statistischen Beratung des Psychologischen Instituts und Mitglied des Lenkungsausschusses des Center for Reproducible Science. Ihre Forschungsschwerpunkte sind Item Response Theory und Maschinelles Lernen.

Prof. Dr. Marc Wildi

Marc Wildi ist Professor für Ökonometrie an der Zürcher Hochschule für Angewandte Wissenschaften. Seine Forschungsinteressen liegen in den Bereichen Forecasting, Realtime Signal Extraction, Analyse von Konjukturzyklen, Handelsalgorithmen und Risikomanagement. Seine jüngsten Arbeiten konzentrieren sich auf hybride Ansätze (Mischung von real-time filter designs and generic trading concepts) sowie auf die Erklärbarkeit (XAI) von rechenintensiven Ansätzen (NN) im Kontext von Längsschnittdaten (Zeitreihen).