On the improbability of information efficient parimutuel betting markets in the presence of heterogeneous beliefs
Notice bibliographique
Résumé
Introduction A very useful laboratory for the study of the informational efficiency in markets is a parimutuel betting market. Participants assess the relative likelihoods that various horses will win and then bet on the basis of this analysis. From this betting we can deduce the market's aggregate assessment of the probability that a particular class of horse will win (the so-called subjective probability ) and this can be compared to that class's objective probability of winning. The conventional view is that, if parimutuel betting markets were efficient, these probabilities ought to coincide. Unfortunately, a significant number of empirical studies have found they do not. Most often, favourites are underbet and longshots overbet. However there have been studies which have reported a reverse bias (Busche and Hall, 1988; Woodland and Woodland, 1994). This mismatching of subjective and objective probabilities is termed the ‘favourite-longshot bias’. The instance where favourites are underbet is termed the usual bias; where favourites are overbet, it is termed the reverse bias. Not surprisingly there have been a number of explanations for the bias. The interested reader is referred to Thaler and Ziemba (1988) and Sauer (1998) for excellent summaries of the literature. One class of explanation appeals to bettor preferences. In particular, they posit that bettors are risk-lovers. This line of research would include the work of Weitzman (1965), Ali (1977), Quandt (1986), and Kanto, Rosenqvist and Suvas (1992). More recently Golec and Tamarkin (1998) have suggested that gamblers prefer return skewness rather than risk.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,006 | 0,013 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».