Downloads

Erfolgreiches Vorhersagen: Grundprinzipien, die Rolle der Psychologie, und Anwendungstechniken


Renato Frey - Universität Basel - renato.frey@unibas.ch


Übersicht

Die Zukunft geht mit Unsicherheit einher – deshalb interessieren sich Menschen brennend für die verschiedensten Vorhersagen: Welchen Krankheitsverlauf prognostiziert ein medizinisches Testresultat? Wird eine Finanzkrise eintreten oder nicht? Nicht selten werden wir auch selbst zu "Propheten", wie zum Beispiel wenn es darum geht, den nächsten Fussballweltmeister vorherzusagen. Vorhersagen sind allerdings nicht nur faszinierend, sondern oft auch komplex und schwierig. Auf welchen Informationen sollten unsere Vorhersagen im Idealfall basieren, und auf welchen Informationen basieren sie tatsächlich? Wie gut sind die Vorhersagen von Menschen vs. Maschinen? In diesem Seminar behandeln wir die Grundprinzipien und die Psychologie von erfolgreichem Vorhersagen und untersuchen insbesondere, wie gut diverse Vorhersagetechniken unter verschiedenen Bedingungen funktionieren.

Lernziele

Die zentralen Konzepte von "judgemental" und "statistical" Forecasting verstehen und selbst implementieren können. Um die behandelten Konzepte anwenden zu lernen, werden Sie als Vorbereitung auf die Sitzungen sowie während dem Seminar Vorhersagemodelle in der Programmiersprache R implementieren. Ein Refresher in R vor dem Seminar ist deshalb äusserst empfehlenswert.

Leistungsüberprüfung

Das Seminar wird mit pass / fail bewertet. Für ein erfolgreiches Pass sind folgende Kriterien zu erfüllen:

  1. Regelmässige Teilnahme am Seminar: Es sind maximal zwei Absenzen (nach Abmeldung per E-mail) möglich. Häufigeres Fehlen erschwert es massiv, mit dem Inhalt des Seminars und den Übungen up-to-date zu bleiben, und resultiert deshalb automatisch in einem "fail". Bitte belegen Sie dieses Seminar nicht, wenn Sie bereits wissen, dass Sie mehr als zwei Mal abwesend sein werden.
  2. Vorbereitung der Sitzungen: Lesen der Literatur und Vorbereitung der Übungen
  3. Aktive Teilnahme am Seminar: Stellen Sie Fragen und diskutieren Sie mit!

Forecasting tournament

Über das ganze Seminar hinweg wird es ein "forecasting tournament" geben, bei welchem regelmässig neue Forecasting Algorithmen hochgeladen bzw. mit neuen Daten ge-updated werden müssen. Diese Modelle werden hauptsächlich in R implementiert. Eine exzellente Einführung in R ist der YaRrr! The Pirate's Guide to R (gratis erhältlich online).

Hier geht es direkt zum forecasting tournament.

Hauptliteratur

Folgende Bücher sind empfehlenswert zur Vorbereitung und Vertiefung (einzelne Kapitel davon sind zentraler Bestandteil vom Seminar, siehe "Sitzungen"):

  • Armstrong, J. S. (2002). Principles of forecasting: A handbook for researchers and practitioners. Norwell, MA: Kluwer Academic.
  • Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The art and science of prediction. New York: Crown.
  • Tetlock, P. E. (2006). Expert political judgment: How good is it? How can we know? Princeton University Press.

Sitzungen

21.02.2017 - Einführung und Übersicht

28.02.2017 - Judgmental Forecasting I

Literatur

  • Arkes, H. R. (2002). Overconfidence in judgmental forecasting. In J. S. Armstrong (Ed.), Principles of forecasting: A handbook for researchers and practitioners (2001 edition, pp. 495–515). Boston, MA: Springer.
  • Armstrong, J. S., & Collopy, F. (1992). Error measures for generalizing about forecasting methods: Empirical comparisons. International Journal of Forecasting, 8(1), 69–80. http://doi.org/10.1016/0169-2070(92)90008-W

07.03.2017 - Fällt aus

14.03.2017 - Judgmental Forecasting II / Scoring Rules

Literatur

  • Primär: Armstrong, J. S., Green, K. C., & Graefe, A. (2015). Golden rule of forecasting: Be conservative. Journal of Business Research, 68(8), 1717–1731.
  • Zusatz: Armstrong, J. S., & Collopy, F. (1992). Error measures for generalizing about forecasting methods: Empirical comparisons. International Journal of Forecasting, 8(1), 69–80. http://doi.org/10.1016/0169-2070(92)90008-W

21.03.2017 - Judgmental Forecasting III / Scoring Rules

Literatur

  • Hastie, R., & Dawes, R. M. (2010). A general framework for judgment. In Rational choice in an uncertain world: The psychology of judgment and decision making (pp. 47–72). SAGE.
  • Hogarth, R. M. (2006). On ignoring scientific evidence: The bumpy road to enlightenment. SSRN eLibrary. Retrieved from http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1002512
  • Eine hilfreiche Übersicht über verschiedene Scoring Rules kann man hier finden.

28.03.2017 - Statistical Forecasting I / Scoring Rules

Literatur

  • Babyak, M. A. (2004). What you see may not be what you get: a brief, nontechnical introduction to overfitting in regression-type models. Psychosomatic Medicine, 66(3), 411–421.

04.04.2017 - Statistical Forecasting II

Literatur

  • Dawes, R. M. (1979). The robust beauty of improper linear models in decision making. American Psychologist, 34(7), 571–582. http://doi.org/10.1037/0003-066X.34.7.571
  • Dawes, R. M., Faust, D., & Meehl, P. E. (1989). Clinical versus actuarial judgment. Science, 243(4899), 1668–1674.
  • Brier score composition

11.04.2017 - Statistical Forecasting III

18.04.2017 - Extrapolation / Time-series I

Literatur

25.04.2017 - Extrapolation / Time-series II

02.05.2017 - Combining Forecasts / Ensemble Methods

Literatur

  • Combining forecasts (Armstrong, 2001)

09.05.2017 - Group forecasting / Delphi

Literatur

  • Hastie, R., & Kameda, T. (2005). The robust beauty of majority rules in group decisions. Psychological Review, 112(2), 494–508.

16.05.2017 - Evaluation / Tournament I

Literatur

  • Armstrong, J. S. (2006). Findings from evidence-based forecasting: Methods for reducing forecast error. International Journal of Forecasting, 22(3), 583–598. http://doi.org/10.1016/j.ijforecast.2006.04.006

23.05.2017 - Evaluation / Tournament II

30.05.2017 -