Рынки политических прогнозов в условиях демократии не являются чем-то новым. В США с середины 19 века до начала 1940-х годов 20-го века можно было сделать ставки на кандидатов во время проведения предвыборных кампаний. Существовал специализированный рынок политических прогнозов, который воспринимался почти, как Уолл-Стрит. Коэффициенты по ставкам ежедневно публиковались в известных газетах, а объем торгов часто достигал уровня биржевой торговли акциями. Ставка для конкретного кандидата достаточно близко соответствовала вероятности его успеха. Этот рынок в конечном итоге был упразднён, но во время его существования точность прогнозов результатов выборов была гораздо выше, чем сейчас, несмотря на использование современных методов изучения общественного мнения.

Причина удивительной точности – финансовые стимулы и децентрализация мнений.

Хотя такой подход отлично показал себя для предсказания результатов выборов, он этим далеко не ограничивается. Рынки прогнозирования эффективны для любых неопределённых событий. Они могут использоваться для поиска бизнес-решений, прогнозирования кассовых сборов, мониторинга изменения климата, спортивных мероприятий и много другого.

Соединив принципы рыночного прогнозирования с возможностями блокчейна, будет создана сеть, способная обрабатывать “транзакции прогнозирования” и сможет автоматически и с высокой точностью и в режиме реального времени оценивать вероятность любых событий в мире. Таким образом, криптографические технологии смогут вывести концепцию рынка прогнозирования на новый уровень.

К рынкам политических прогнозов снова возник интерес с появлением интернета. Онлайн-технологии упростят процесс прогнозирования, повысят прозрачность и обеспечат гибкость.

Один из первых рынков онлайн-прогнозов был создан на базе исследовательского проекта в Университете Айовы в конце 80-х годов – Iowa Electronic Market (IEM). Исследование, проведенное в 2008, показало, что IEM дало прогнозы для 5 президентских выборов, которые оказались точнее, чем данные социологических опросов в 74 %.

Как работает децентрализованное прогнозирование с использованием финансовой заинтересованности может объяснить следующий пример.

Конец ознакомительного фрагмента.