الخيارات الثنائية بمك
مؤسسة غرينبريكس В - В T (+41) 22 827 22 22 - В F (+41) 22 827 22 23.
أكيويل فونداتيون أتوتس بروم © كونتاكت دي فونداتيون المواضع أورغانيغرام إدارة الأصول برمي © سينتاتيون ديركتيون خبرة دائمة ريم © munГ © راتيون رودشوز بروم © سينتاتيون بيرن بيغل سانت غال زيورخ جينيف لوزان إنفستيسورس أسئلة وأجوبة الاتصال.
السابق التالي.
ون جيستيون سين.
غرينبريكس فونداتيون.
PRГ ‰ على Sentation.
إدارة الأصول .
PrГ © على Sentation.
فوس ГЄtes إيسي: أكيويل.
بمك الخيارات الثنائية.
غرينبريكس إدارة الأصول.
© توم © © تشارجيز نوتر بروتشور.
بوليتين دي سوسكريبتيون.
سي كوي نوس ريند ديفغ © رينتس.
اتصل.
رو دو سندريه 12.
T +41 22 827 22 22.
F +41 22 827 22 23.
نوس رمي © فن © رينسس.
سويفيز نوس بروجيتس إموبيليرز دانز لا روبريك بورتفوليو.
Investisseurs.
IMMOBILIER.
إنفورماتيون إكسكلوريمنت أر © سيرفيس © إس Г نوس إنفستيسورس إن سافوير +.
تشكيلات دي سوفرولوجي إت ثي © رابيس بدائل سور تولوز وسانت جيرون.
الربح مع الخيارات الثنائية.
أون ليو دي فورماتيونس، دي ستاجيس، دي كورس إت أوسي أون ليو بور فينير كونسولتر نوس ثي © رابيوتس أو كوور دي سانت-جيرونس إن أريجمج.
كورس Г l'أني © e.
سور سان جيرون.
كورس دي يوغا.
يوغا أدولتس، p © © rinatalitГ ©، إنفانتس إت يوغا Г l'Г © كول.
أتيليرس دي ماندالا.
أتيليرس ماندالا بور أدولتس إت بارينتس / جيونيس إنفانتس.
كورس دي سوفرولوجي.
سوفولوجي أدولتس، إنفانتس، لوديك.
كورس دي مج © ديتاتيون.
كورس دي مج © ديتاتيون.
كورس دي تشي - غونغ.
كورس دي تشي-غونغ (كي-غونغ).
أكومباجنيمنتس ثي © رابيوتيكس.
Г سانت-جيرونس، تولوز وآخرون المسافة غ.
التشكيلات سيرتيفيتانتس، كورتيس & أمب؛ مراحل.
سور تولوس إت سانت-جيرونس.
سوفرولوجي & أمب؛ استرخاء.
براتيسيان هوليستيك.
مقالات ديرنيرس رسورسز.
اليوغا إنفينتس أدولسينتس سكولاريت.
يوغا إنفانتس، يولزنتس، سكولاريت © دانز أون كونتيكست دي ريثمس سكوليرس، فاميليوكس إت d'إكسسيجنس أكروس، أبارايسنت l'هايبر-activitГ ©، لي مانك دي كونسنتراتيون، دي كالم، دي maГ® ترييس دي سوي. لي يوغا بور ليس جيونيس إست.
ليس كورانتس دي سوفرولوجي.
دسكريبتيف ديس ديفغ © رينتالس كورانتس ديس إكوليس دي سوفرولوجي لو سوفرولوغو دويت بوفوير أدابتر سا براتيك إت سا بروبتيتيون إن فونكتيون دو بروبلزم سبم © سيفيك دي لا بيرسون.
بروم © عملية إرسال زنسيت.
بروم © سينتاتيون دو زنسيت عملية سيت موم © ثود فيت بارتي ديس تيشنيكز دي يسيكو Г © نيرجي. إيلي a © © توم © كر © أر © 2005 بار كارول آن رولاند، يسيكوث © رابيوت سب © cialisГ © e دانز لي ترايتيمنت ديس تراوماتيسمس يسيكولوجيكش بار.
Qu'est-سي كيو ليس كوربس دي لوميير.
QU'EST-سي-كيو ليس كوربس دي لومير؟ ليس كوربس دي لوميري مراسل Г ديس بلانز Г © نيرغ © تيكيس دي بيور لوميريزير إن كونيكسيون أفيك نوتر كوربس فيسيك، Г © موشنيل، منتل إت سبيريتويل. إلس سونت متميزة.
qu'est سي كيو لي ريكي؟
لي ريكي بريند سيس راسينس دانز لي بوديسم دو جابون تراديتيونل. ميكاو أوسوي لي فوندتور دو ريكي، l'أبليت لا مم © ثود سيكرزيت بور إنفيتر لي بونيور. لا ماجي دو ريكي أر © سيد دانز لا.
الخيارات الثنائية بمك
سلة التسوق الخاصة بك فارغة.
أعطها الغرض & مداش؛ وملء مع الكتب وأقراص الفيديو الرقمية والملابس والالكترونيات، وأكثر من ذلك.
إذا كان لديك حساب بالفعل، فسجل الدخول.
هناك مشكلة في معاينة سلة التسوق في الوقت الحالي.
تحقق من اتصالك بالإنترنت وانتقل إلى سلة التسوق، أو أعد المحاولة.
بمك الخيارات الثنائية.
منتجات حقيقية ترتيب آمن وآمن من السهل إرجاع 100٪ حماية الشراء مع A-تو-Z ضمان معرفة المزيد.
منتجات مميزة.
فيراري فف.
البطن وقت المرح.
غيميني كيك & # 38؛ لعب.
أحدث المنتجات.
الرضع ووكر.
الرضع ووكر.
الرضع ووكر.
الرضع ووكر.
العشرة الأوائل المنتجات.
صغيرة الذكية.
3 في 1 الروك ناببر.
3 في 1 الروك ناببر.
يوم مشمس غيميني.
صغيرة الذكية.
أرنب طازج.
مشط & # 38؛ مجموعة فرشاة.
ورقة المهد للماء.
لينة سيليكون ملعقة ملعقة.
منعش مناديل.
30 صفائح * 2 يكت.
تغذية مريلة.
السجل الحديث.
عناصر شوهدت مؤخرا.
كنت قد ينظر أي مؤخرا البنود.
بعد عرض صفحات تفاصيل المنتج أو نتائج البحث، انظر هنا للعثور على طريقة سهلة للانتقال إلى الصفحات التي تهتم بها.
مواصلة التسوق:
ألعاب، كتب ومدرسة.
ألعاب، كتب ومدرسة.
ألعاب، كتب ومدرسة.
معدات أطفال وحضانة.
ألعاب، كتب ومدرسة.
معدات أطفال وحضانة.
ألعاب، كتب ومدرسة.
ألعاب، كتب ومدرسة.
ألعاب، كتب ومدرسة.
التغذية والتمريض.
معدات أطفال وحضانة.
ألعاب، كتب ومدرسة.
معدات أطفال وحضانة.
B-2-B القسم.
تعرف علينا.
اتصل بنا.
كسب المال معنا.
الأحداث والتحديثات.
كوبيرايت © 2018-2018 داليا بيبي، مدعوم من خدمات تكنولوجيا أيون. كل الحقوق محفوظة.
آثار العلاج التي تحول أو تحليلات ثنائية هي مفيدة في التجارب السكتة الدماغية الحادة.
خلفية:
في التجارب السكتة الدماغية الحادة، يمكن تحليل النتائج الوظيفية من خلال مقايسة مخرجات النتائج الترتيبية أو من خلال تقييم نطاق كامل النطاق (تحليل التحول). فالظروف التي يكون فيها التحول أو التحليل الثنائي أكثر فعالية لم يتم تحديدها مسبقا.
وقد بنيت التجارب السريرية العشوائية النموذجية التي تستخدم مقياس رانكين المعدل للعائق العالمي لتعكس 1) فوائد خفيفة من جميع أنحاء شدة السكتة الدماغية (تأثير الاعصاب)، 2) فوائد كبيرة عبر جميع نطاقات شدة السكتة الدماغية (تأثير إعادة الاستيعاب المبكر)، 3) فوائد كبيرة عبر مجموعة واسعة من شدة السكتة الدماغية ولكن مع قدرة محدودة على تحقيق نتائج طبيعية تماما (أواخر تأثير إعادة الاستيطان)، 4) فوائد تتجمع في التحولات حالة صحية غير متوقعة.
في نماذج الاعصاب، وكان تحليل التحول الأسلوب الأكثر كفاءة في الكشف عن تأثير العلاج. في نماذج الاستخلاص المبكر، كان التفريق في نتائج ممتازة وتحليل التحول من كفاءة مماثلة، على حد سواء متفوقة على ديكوتوميزاشيون في نتائج جيدة. في نماذج إعادة الاستيطان المتأخرة، كان التفريق في نتائج جيدة أفضل، والتحول التحول بشكل أقل جيدا، والتقسيم في نتيجة ممتازة سيئة. وفي نموذج الفوائد غير المتوقعة، تفوق تحليل التحول بشكل كبير على تحليلات الثنائيات. هذه الأنماط التي عقدت بين سبع تجارب حادة الفعلية الإبلاغ عن نتائج رانكين مجموعة كاملة وتظهر فائدة العلاج المحددة في الأدب.
الاستنتاجات:
نمط تأثير العلاج من التدخل يحدد ما إذا كان تحليل التحول أو تحليل ثنائي التفاضل بسيط سيكون أكثر كفاءة. تحليل التحول هو مفيد بشكل خاص عندما العلاجات تعطي فائدة موحدة نسبيا، معتدل للمرضى على مدى مجموعة واسعة من شظايا السكتة الدماغية أو منح فوائد في حالة غير متوقعة ولكنها مهمة سريريا التحولات الحالة الصحية.
تحليل التغيرات في توزيع المرضى على مجموعة كاملة من مقاييس النتائج الوظيفية (تحليل التحول، تحليل على الرتب) هو توظيف بشكل متزايد استراتيجية تحليل نقطة النهاية الأولية في التجارب السكتة الدماغية الحادة. 1 & # x02018؛ 3 مقارنة مع تحليل ديكوتوميزد التقليدية، وتحليل التحول يحتفظ جميع المعلومات التي تم التقاطها من قبل جداول النتائج الترتيبية وكثيرا ما يحسن قوة الدراسة. من بين 55 مقارنات المحاكمة التي تم تحليلها من قبل التجارب الأمثل السكتة الدماغية الحادة المجموعة التعاونية، وتحليل التحول كان أكثر كفاءة تقنية التحليل نقطة النهاية، والكشف عن آثار العلاج في ما يصل إلى 26٪ من التجارب مقابل أقل من 9٪ مع تحليل ثنائي التفرع. 4.
ومع ذلك، والتحليلات الثنائية تفوق أحيانا تحليل التحول في السلطة. في المعهد الوطني المحوري للاضطرابات العصبية والسكتة الدماغية تبا المحاكمات، على سبيل المثال، وانخفاض قيم p تنتج عن طريق اختبار ديكوموتوميزد تحليل نتائج ممتازة فقط من قبل الاختبارات في المرتبة تحليل الفوائد على مجموعة كاملة من النتائج. 5،6 إن الظروف التي يتم فيها تحليل التحولات أو التحليل المزدوج تكون أكثر كفاءة لم يتم تحديدها بشكل جيد.
بالنسبة لمصممي التجارب السريرية والمترجمين الفوريين، من المهم أن نفهم بشكل أفضل عندما يكون من المفيد استخدام تحليل التحول وعند تحليل ثنائي التفرع باعتباره تقنية تحليلية إحصائية أولية محددة مسبقا. ويمكن للسكان النموذجيين الذين يمكن أن توقع آثار المعالجة الأولية أن يوضحوا الظروف التي تؤدي فيها التحولات أو التحليلات الثنائية إلى تعظيم قوة الدراسة.
النموذج الأولي: التوزيع المتكافئ لنتائج 3 أشهر في مجموعة الدواء الوهمي.
وضعنا نماذج مختلفة من تأثير العلاج على السكان المسجلين في مجموعة موازية، العشوائية، تسيطر عليها، والتجارب السريرية. وكانت نقطة النهاية الأولية نسخة من ستة مستويات من مقياس رانكين المعدل (مرس) من العائق العالمي. من أصل سبعة مستويات مرس، تم انهيار 7 فئات 5 (طريح الفراش وتعطيل شديد) و 6 (الموت) في أسوأ مستوى واحد من النتائج، مما يعكس النتيجة التي يرى العديد من المرضى في نتيجة العجز الشديد لتكون سيئة أو أسوأ من الموت، بدلا من حالة النتيجة أكثر من المرغوب فيه. 1،8 في كل نموذج، تم تعيين نصف المرضى إلى الدواء الوهمي ونصف إلى التدخل النشط. في النماذج الأولية، بين المرضى في المجموعة الثانية، تم تعيين توزيع النتائج لتوزيع حتى من المرضى في كل من فئات النتائج ستة مرس.
ولتحقيق توزيع نتائج مرس في المجموعة المعالجة في كل نموذج، تم تطبيق ملامح تأثير العلاج التالية: 1) فوائد خفيفة من ذوي الخبرة في جميع نطاقات شدة السكتة الدماغية (تأثير الاعصاب)، 2) فوائد كبيرة عبر جميع نطاقات شدة السكتة الدماغية ( (3) فوائد كبيرة من خلال مجموعة واسعة من شدة السكتة الدماغية ولكن مع قدرة محدودة على تحقيق النتيجة الطبيعية تماما (تأثير إعادة التحضير المتأخرة)، 4) فوائد تتجمع في التحولات حالة صحية غير متوقعة.
تم تصميم نموذج الاعصاب ليعكس تأثير العلاج الذي كان معتدلا في درجة وخبرة بالتساوي على مجموعة كاملة من شدة مؤشر السكتة الدماغية. تم توليد توزيع نتائج المجموعة العلاجية من خلال البدء بالتوزيع العكسي لمجموعة السيطرة ومن ثم نقل (نتيجة للعلاج) نسبة متساوية من المرضى من كل فئة من فئات النتائج عن طريق خطوة واحدة إلى فئة أفضل من النتائج (5/6 إلى 4 ، من 4 إلى 3، من 3 إلى 2، من 2 إلى 1، ومن 1 إلى 0).
تم تصميم نموذج تأثير إعادة التحضير المبكر ليعكس تأثير العلاج الذي كان كبيرا في درجة وخبرة بالتساوي على مدى كامل شدة مؤشر السكتة الدماغية. تم توليد توزيع نتائج المجموعة العلاجية عن طريق تحريك نسبة متساوية من المرضى من كل فئة من فئات النتائج عن طريق ثلاث خطوات، أو الحد الأقصى الممكن إذا كان أقل من ثلاثة، إلى فئة أفضل النتائج (5/6 إلى 2، 4 إلى 1، 3 إلى 0 ، 2 إلى 0، و 1 إلى 0).
تم تصميم نموذج إعادة التأهيل المتأخر ليعكس تأثير العلاج الذي كان كبيرا في درجة، ولكن غير قادر على تحقيق نتائج طبيعية أو ممتازة كما كان المرضى قد شهدت بالفعل درجة معينة من الاصابة الدائمة قبل بدء العلاج. تم توليد توزيع نتائج مجموعة العلاج عن طريق تحريك عدد متساو من المرضى من كل فئة من فئات النتائج أسوأ من المستوى 2 من خلال ثلاث خطوات، أو الحد الأقصى الممكن إذا كان أقل من ثلاثة، إلى فئة نتائج أفضل، ولكن لا يزيد عن المستوى 2 (5 / 6 إلى 2، 4 إلى 2، 3 إلى 2).
تم تصميم نموذج نمط الاستحقاقات غير المتوقع ليعكس تأثير العلاج الذي يمنح فوائد في حالات انتقال الحالة الصحية التي لا يتم استجوابها عادة في تحليلات ثنائية التفرع. وعادة ما تستخدم التحاليل الثنائية ل مرس في التجارب السكتة الدماغية الحادة نقاط القطع بين المستويات 1 و 2 (0 & # x02018؛ 1 مقابل 2 & # x02018؛ 6) أو بين 2 و 3 (0 & # x02018؛ 2 مقابل 3 & # x02018؛ 6). تم توليد توزيع المجموعة العلاجية من خلال تجميع المنافع في المستوى 1 إلى 0 والمستوى 4 إلى 3 التحولات، مع نسب متساوية من المرضى الذين يتحولون من 1 إلى 0 و 4 إلى 3، ونصف العديد من المرضى الذين يتحولون من 2 إلى 0 و 5 / 6 إلى 3.
لحسابات حجم العينة، تم تعيين مستوى الأهمية (ألفا) عند 0.05 والقوة المطلوبة (بيتا) في 80٪. لتحليل ديكوتوميزد، تم اشتقاق أحجام العينة المطلوبة باستخدام & # x003c7؛ 2 اختبار لمقارنة اثنين من النسب، مع تحليلات منفصلة ديكوتوميزينغ في ممتازة مقابل جيدة أو أقل نتيجة (مرس 0 & # x02018؛ 1 مقابل 2 & # x02018؛ 6، ثنائية في نتيجة ممتازة) وحسن أو أفضل مقابل عادلة أو أقل نتيجة (0 & # x02018 ؛ 2 مقابل 3 & # x02018؛ 6، ديكوتوميزاتيون في نتائج جيدة). 9 لتحليل التحول، تم اشتقاق أحجام العينات مع اختبار مجموع رتبة ويلكوكسون، المعروف أيضا باسم مان & # x02018؛ اختبار ويتني U (ستاتكساكت، شركة سيتيل). تم تعديل حجم التأثير الكلي للعلاج بحيث أن تقنية التحليل الإحصائي الأكثر كفاءة لنموذج معين تتطلب حجم عينة من 600 مريض لكل ذراع علاج (1،200 المجموع). ويمكن مقارنة أحجام العينات من الأساليب الأقل كفاءة مع هذا 600 لكل معيار العلاج. وبما أن أحجام العينات كانت كبيرة، لم تكن هناك حاجة إلى تصحيحات لعينات صغيرة جدا.
نماذج إضافية: توزيعات النتائج الوهمية من التجارب الحقيقية.
تم إجراء النمذجة الافتراضية الأولية باستخدام افتراض تبسيط أن مجموعة الدواء الوهمي من المرضى سوف تشهد توزيع حتى من النتائج بين كل من فئات مرس ستة. تم إجراء مجموعة إضافية من التحليلات باستخدام توزيعات المجموعة الوهمية الفعلية من التجارب السكتة الدماغية الحادة. تم إجراء بحث ميدلاين منهجي لتحديد جميع التجارب العشوائية السكتة الدماغية الحادة الإبلاغ عن نتائج المجموعة الوهمية عبر فئات مرس تحليلها ستة. تم تطبيق ثلاثة توزيعات النتائج على توزيع النتائج الوهمي المتوسط من جميع التجارب الفعلية 16، و، في تحليل الحساسية، إلى المحاكمة الفعلية مع المرضى المسجلين الأكثر تضررا للغاية (أدنى دخول المعاهد الوطنية للصحة السكتة الدماغية مقياس & # x0005b؛ نيس & # x0005d؛ النتيجة ) والمحاكمة الفعلية مع المرضى المسجلين الأكثر تضررا للغاية (أعلى دخول نيس النتيجة). تم تطبيق أنماط أربعة من تأثير العلاج (اعصاب، ريكاناليزاشيون في وقت مبكر، ريكاناليزاشيون في وقت متأخر، وتوزيع استجابة غير متوقعة) على هذه التوزيعات وهمي ثلاثة، بالإضافة إلى التوزيع حتى الأولي توليد 16 تجارب نموذجية. تم حساب تقديرات حجم العينة لكل من هذه النتائج ال 16 باستخدام تحليل التحول (ويلكوكسون رانك سوم)، الثنائي في 0 & # x02018؛ 1 مقابل 2 & # x02018؛ 6 (& # x003c7؛ 2 تيست)، و ديكوتوميزاتيون على 0 & # x02018؛ 2 مقابل 3 & # x02018؛ 6 (& # x003c7؛ 2 اختبار).
مقارنة نماذج تأثير العلاج مع التجارب الفعلية في كل فئة.
ولتأكيد انطباق نماذج المعالجة النموذجية النموذجية على أنماط العلاج التي لوحظت بالفعل في التجارب السريرية، تم اختيار التجارب السريرية الفعلية من أجل التحليل المفصل، استنادا إلى المعايير التالية: 1) أظهر المحكمون نتائج إيجابية على نقطة النهاية لثلاثة أشهر عند تحليلها من قبل (2) النتائج في جميع فئات مرس المتاحة للتحليل، و 3) التدخل التجريبي مطابقة واحدة من آثار العلاج نموذج استنادا إلى عامل اختبار و & # x02019 s معروفة آلية العمل ونافذة وقت الالتحاق بالمحاكمة. أما بالنسبة للمحاكمات التي تم تحديدها من قبل هذه المعايير، فقد تم تحليل كفاءة الاختبارات الإحصائية المختلفة من خلال حساب قيم p للحصول على دليل على تأثير المعالجة من توزيعات نتائج مرس النهائية باستخدام تحليل التحول، ديكوتوميزاتيون عند 0 & # x02018؛ 1 مقابل 2 & # x02018؛ 6 (& # x003c7؛ 2)، و ديكوتوميزاشيون على 0 & # x02018؛ 2 مقابل 3 & # x02018؛ 6 (& # x003c7؛ 2). عندما ذكرت الورقة الأولية نفسها قيم p باستخدام تقنية تحليل تحليل التحول (على سبيل المثال، ويلكوكسون رتبة مجموع، كوكران-مانتيل هاينزل، بوتستراب)، وقد استخدمت هذه القيم. عندما لم يتم وصف أي تحليل مرتبة، تم حساب قيم p من توزيعات النتائج المبلغ عنها باستخدام اختبار مجموع رتبة ويلكوكسون. لرسم بياني أوجه التشابه والاختلاف في آثار العلاج في النماذج النموذجية والمحاكمات الفعلية النموذجية، تم إنشاء العلاج تأثير الشخصي الرسم البياني شريط. لكل تجربة نموذجية ومحاكمة نموذجية واحدة في كل فئة، يظهر الرسم البياني شريط الفرق المطلق في نسبة المرضى الذين يحققون نتيجة جيدة تحت العلاج الفعال مقابل السيطرة، عندما يتم تعريف نتائج جيدة كما مرس & # x0003d. 0 (كولومن 1)، مرس & # x0003d؛ 0 & # x02018؛ 1 (العمود 2)، مرس & # x0003d؛ 0 & # x02018؛ 2 (العمود 3)، مرس & # x0003d؛ 0 & # x02018؛ 3 (العمود 4)، مرس & # x0003d؛ 0 & # x02018؛ 4 (العمود 5).
نماذج مع توزيع مبسط، على قدم المساواة من نتائج 3 أشهر في مجموعة الدواء الوهمي.
وتظهر نتائج النموذج عندما يكون هناك توزيع حتى النتائج في المجموعة الثانية في الشكل 1. في نموذج الاعصاب، تفوقت تحليل التحول على كل من التحليلات الثنائية، مع متطلبات حجم العينة من 1200 (600 في كل ذراع)، مقارنة مع 2،508 ل ديكوتوميزاشيون في نتائج ممتازة و 3،956 ل ديكوتوميزاتيون في نتيجة جيدة. في نموذج إعادة التحليل المبكر، أظهر تحليل التحول والتقسيم الثنائي على مستوى النتائج الممتازة كفاءة مماثلة، تفوق الأداء على مستوى النتائج الجيد. في نموذج إعادة التحلل المتأخر، كان أداء ثنائية الانقسام على مستوى نتائج جيد أفضل، وتحليل التحول بشكل أقل كفاءة، والتقسيم على مستوى نتائج ممتاز بدرجة عالية من الكفاءة. في نموذج نمط الفوائد غير المتوقعة، أداء تحليل التحول أفضل وكانت كل من التحليلات ثنائية التفرع غير فعالة للغاية. في ظل إعادة الاستحقاق المتأخرة وسيناريوهات المنفعة غير المتوقعة، يستخدم الثنائية الثنائية & # x0201c؛ خطأ & # x0201d؛ كوتوبوانت، وبالتالي لا التقاط الفرق مجموعة على الإطلاق. في هذه الحالة، يؤدي التفرع المختار إلى ظهور المجموعتين متطابقتين، مما يؤدي إلى حجم عينة & # x0201c؛ اللانهاية. & # x0201d؛
نماذج باستخدام توزيعات النتائج الوهمية من التجارب الحقيقية.
حدد البحث ميدلاين 16 تجارب مع تقارير مفصلة من نتائج المجموعة وهمي لمدة 3 أشهر في جميع فئات مرس. من بين هذه، تم الإبلاغ عن عشرات نيس دخول في 15 (تجربة واحدة تستخدم مقياس السكتة الدماغية الاسكندنافية) وكان متوسط النتيجة الأساسية 12.25. وكانت التجربة التي سجلت أقل المرضى الذين يعانون من عجز حاد هي أبستت 2 (نيس 8) وكانت المحاكمة الأكثر خطورة برواكت 2 (نيس 17). ويبين الجدول 1 توزيعات النتائج مرس لمدة 3 أشهر في مجموعات الدواء الوهمي لمتوسط جميع التجارب 16، وأقل محاكمة شديدة، وأشد محاكمة.
النمط الذي شوهد في التحليل الأولي للنماذج التجريبية مع توزيع متساو للنتائج بين جميع فئات مرس في مجموعة الدواء الوهمي التي عقدت عموما بين نماذج التجربة مع توزيع نتائج المجموعة الوهمي مطابقة متوسط والتطرف من التجارب الفعلية (الجدول 2). في جميع التوزيعات نتائج المجموعة الوهمي الأربعة (متساوية، متوسط التجارب الفعلية، الأقل حدة، الأكثر حدة)، كان الاختبار الإحصائي الأكثر كفاءة اسميا للكشف عن أنماط تأثير العلاج المختلفة على النحو التالي: نمط الاعصاب، وتحليل التحول في جميع النماذج الأربعة. ونمط إعادة الاستيطان المبكر، والانقسام في نتائج جيدة للغاية في ثلاثة نماذج وتحليل التحول في نموذج واحد؛ وإعادة التشكيل المتأخر، والتقسيم إلى نتائج جيدة معتدلة في جميع النماذج الأربعة؛ ونمط غير متوقع، وتحليل التحول في جميع النماذج الأربعة. وعموما، من بين النماذج ال 16، كان تحليل التحول هو الاختبار الإحصائي الأكثر كفاءة في 9، ثاني أكثر كفاءة في 7، وأقلها كفاءة؛ كان الانقسام في نتائج جيدة للغاية الأكثر كفاءة في 3، ثاني أكثر كفاءة في 7، وأقل كفاءة في 7؛ وكان الثنائي في نتائج جيدة معتدلة الأكثر كفاءة في 4، ثاني أكثر كفاءة في 4، وأقل كفاءة في 8.
مقارنة النماذج مع التجارب الفعلية في كل فئة.
وللمقارنة بين تجارب المعالجة الفعلية داخل كل فئة من عوامل تأثير العوامل مع نماذج النماذج الطبقية النموذجية، استوفيت 7 من 16 تجربة معايير الاختيار. للراحة، تم تحليل المعهد الوطني للاضطرابات العصبية والسكتة الدماغية المحاكمات 1 و 2 معا، مما أسفر عن ست دراسات لتحليل مفصل. ويبين الجدول 3 أداء مختلف الاختبارات الإحصائية في كل من هذه الدراسات. في محاكمة وكيل مع آلية الاعصاب (نيست)، 10 تحليل التحول تفوق بشكل واضح ديكوتوميزاشيون في نتائج جيدة للغاية وتفوق اسميا التفارق في نتيجة جيدة معتدلة. في التجربة مع تجميع المنافع في أقل انتقالات الدولة الصحية في كثير من الأحيان الأولوية، والتحليل سانت 1، 1 التحول تفوق كل من التحليلات ثنائية التفرع. في دراستي العلاج المبكر في إعادة التحاليل، كان المعهد الوطني للاضطرابات العصبية والسكتة الدماغية و # x02018؛ تبا محاكمة و ميلت، 5،11 ثنائي التفرع على مستويات نتائج ممتازة كانت تقنية أكثر كفاءة، تليها تحليل التحول ومن ثم ديكوتوميزاتيون على مستويات نتائج جيدة. في اثنين من التجارب في وقت متأخر ريكاناليزاتيون، برواكت 2 و إيكاس 2، 12،13 ديكوتوميزاشيون على مستويات نتائج جيدة كانت أقوى تقنية تحليلية. وترد في الشكل 2 خرائط المظهر العلاجي للتجارب النموذجية والتجارب الفعلية النموذجية.
نقاش.
ويظهر تحليل النماذج التي تتضمن تأثيرات المعالجة النموذجية أن تحليل التحول هو أسلوب إحصائي أكثر كفاءة من التحليل ثنائي التفرع عندما تعطي العلاجات درجة صغيرة وموحدة من الفائدة على جميع نطاقات شدة السكتة الدماغية (تأثير الاعصاب) والفوائد التي تتجمع في حالة صحية أقل استجوابا التحولات (فوائد غير متوقعة). في المقابل، عندما العلاجات تعطي فائدة كبيرة على جميع نطاقات من شدة السكتة الدماغية (تأثير إعادة التشكيل المبكر)، ديكوتوميزينغ في نتائج ممتازة هو أقل قوة أقل من تحليل التحول، في حين أن ديكوتوميزينغ في نتائج جيدة ليست فعالة. عندما تقدم العلاجات فوائد كبيرة ولكن لا يمكن أن توفر علاجا (تأثير إعادة التعقيم المتأخرة)، الثنائي في النتيجة الجيدة هو الأسلوب الإحصائي الأكثر كفاءة، والتحليل التحول أقل كفاءة، والتقسيم في نتائج ممتازة غير فعالة للغاية.
وتتفق هذه النتائج مع دراسات النموذج السابق، والسكتة الدماغية الحادة الفعلية ملاحظات التجارب السريرية، والنظرية الإحصائية الرسمية. في دراسة نموذجية للسكان، تم التحقيق في تأثير اعصاب متطرف، مع كل مريض يعالج يستفيد كمية صغيرة من العلاج. 14 أظهرت هذه النسخة الأكثر تطرفا من النموذج 1، كما هو متوقع، ميزة أكبر لتحليل التحول على التحليلات الثنائية. عندما يبقى نمط تأثير العلاج ثابتا، تغيرات في حجم آثار العلاج يغير القوة المطلقة وقيم حجم العينة المرتبطة بكل اختبار، ولكن ليس الكفاءة النسبية بين الاختبارات.
في التجارب السريرية الفعلية، والتحليل التحول عموما أداء أفضل من التحليلات ديكوموتوميزد في تجارب وكلاء تظهر آثار حتى اعصابية نسبيا وفي التجارب التي فوائد تتجمع في أقل كثيرا من الأولوية انتقال الحالة الصحية. وكان التفريق في مستويات نتائج ممتازة تقنية أكثر قوة في التجارب إعادة التحضير في وقت مبكر، في حين أن الثنائية على مستويات نتائج جيدة كانت أقوى تقنية تحليلية في التجارب إعادة التحضير في وقت متأخر.
وقد درست الدراسات الأدبية الإحصائية الرسمية في اختيار الاختبارات الإحصائية لتتناسب مع نمط تأثير العلاج. 15 و # x02018؛ 17 في البيانات غير الموزعة بشكل طبيعي، مثل التوزيعات المتواصلة للغاية أو النتائج القطاعية المطلوبة، تبين أن الاختبار الإحصائي الأكثر كفاءة يعتمد على نوع البديل الذي تهدف الدراسة للكشف عنه. الدراسة الحالية هي تطبيق هذه الرؤية العامة لحالة محددة من العلاج السكتة الدماغية الحادة، وتحديد الكفاءات النسبية للاختبارات الإحصائية المستخدمة عادة عند تطبيقها على أربعة أنماط من آثار العلاج المتوقع أو لوحظ في التجارب السكتة الدماغية الحادة.
هذه الدراسة لها قيود. هي الأمثل آثار العلاج التي تم التقاطها في نماذج. والوكلاء الحقيقيين والمحاكمات الحقيقية عموما تظهر أنماط أقل نقية من الاستجابة. في بعض الأحيان، يمزج مزيج من النموذجين بشكل أفضل صورة شخصية عن النموذج الفردي. تم إجراء حساب حجم العينة لتحليل التحول في النماذج باستخدام ويلكوكسون رتبة مجموع الاختبار الإحصائي. في تحليل المتعاونين أواست، كانت الاختبارات الإحصائية الأخرى للبيانات الترتيبية أكثر قليلا قليلا، بما في ذلك اختبار صفوف قوية، الانحدار اللوجستي الترتيبي، والفرق بوتستراب في متوسط رتبة. 4 ومع ذلك، فإن ويلكوكسون أداء ما يقرب من كذلك، ولها مزايا تعقيد أقل الحسابية من الاختبارات الأخرى، فضلا عن كونها معروفة جيدا وتوافر على نطاق واسع. وقد بحثت هذه الدراسة التحولات والتحليلات الثنائية، ولكن لم تكن هناك مناهج تحليلية أخرى لنقاط النهاية الترتيبية، مثل نماذج الاحتمالات النسبية، وتحليل المستجيب، والإحصاء العالمي. 3،18 وهناك حاجة إلى دراسات إضافية لتوضيح الظروف التي من خلالها هذه الخيارات البديلة قد تعزز أو تقلل من قوة الدراسة مقارنة مع التحولات و ديكوموتوميزد.
ويحدد نمط تأثير العلاج من التدخل قيد التحقيق ما إذا كان تحليل التحول أو التحليل ثنائي التفرع البسيط سيكون أكثر كفاءة. تحليل التحول هو مفيد بشكل خاص عندما العلاجات تعطي فائدة موحدة نسبيا، معتدل للمرضى على مدى مجموعة واسعة من شظايا السكتة الدماغية من العنقودية في التحولات حالة صحية غير متوقعة ولكنها مهمة سريريا. فعندما تتجمع المنافع في حالة انتقال صحية واحدة يمكن التنبؤ بها مسبقا، فإن التحليل ثنائي التركز يركز على انتقال الدولة، ولكن ليس على الآخرين، سيتجاوز أداء تحليل التحول. هذه الأفكار يمكن أن توجه تريليستس السريرية في اختيار بريزبيسيفيد الوضع الأساسي للتحليل الإحصائي للتجارب السريرية السكتة الدماغية الحادة.
العنوان المراسلات وطلبات إعادة طبع إلى الدكتور جيفري ل. سافر، مركز كاليفورنيا السكتة الدماغية، 710 ويستوود بلازا، لوس أنجلوس، كا 90095 ude. alcu@revasj.
e-بوب قبل الطباعة في 17 ديسمبر 2008، في علم الأعصاب.
بدعم من جانب نيه-نيندس الجوائز U01 نس 44364 و P50 NS044378.
الإفصاح: المعاهد الوطنية للصحة هي الراعي لهذه الدراسة. J. L.S. في السنوات ال 2 الماضية عملت كمحقق في التجارب المعاهد الوطنية للصحة التالية: فاست-ماغ، مر ريسكو، إمس 2، إمس 3، كلير، إلياس، كريست، تاو، أند هيم-سورجيري؛ وكخبير استشاري في تصميم التجربة ل أغا الطبية، كواكسيا، إيماركس، تالاكريس، فيبروجين، نوفو نورديسك، أسترا زينيكا، أستيلاس فارما، ونوفيلو. J. G. ليس لديه أي إفصاحات.
قدمت في شكل مجرد في الاجتماع السنوي ال 59 للأكاديمية الأمريكية لعلم الأعصاب، بوسطن، ما، مايو 2007.
تم استلامها في 6 فبراير 2008. تم قبولها في شكل نهائي 22 أكتوبر 2008.
ديناميات الأسعار في أسواق التنبؤات السياسية.
مساهمات المؤلف: S. R.M.، D. D.، T. A.R.، أند L. A.N. A. تصميم البحوث؛ S. R.M. و T. A.R. إجراء البحوث؛ S. R.M.، T. A.R.، أند L. A.N. A. تحليل البيانات؛ و S. R.M.، D. D.، T. A.R.، أند L. A.N. A. .
وتستخدم أسواق التنبؤ، التي تستخدم فيها أسعار العقود للتنبؤ بالأحداث المستقبلية، على نحو متزايد في مجالات مختلفة تتراوح بين المسابقات السياسية والانجازات العلمية. ومع ذلك، فإن ديناميات هذه الأسواق ليست مفهومة جيدا. هنا، ندرس ديناميات العائد من أقدم، معظم الأسواق التنبؤ البيانات الغنية، الانتخابات الرئاسية ايوا الالكترونية و # x0201c؛ الفائز يأخذ كل شيء & # x0201d؛ الأسواق. كما هو الحال مع الأسواق المالية الأخرى، نجد عوائد غير مترابطة، قانون الطاقة انحطاط الترابطات التقلبات، وعادة، القانون الكهربائي توزيعات العائدات. ومع ذلك، خلافا للأسواق المالية الأخرى، نجد التقلبات المشروطة المشروطة مع اقتراب موعد تسوية العقد. نقترح نموذجا ديناميكيا ثنائي الخيار يلتقط جميع ميزات البيانات التجريبية، ويمكن أن توفر أداة يمكن من خلالها استخراج أحداث المعلومات الحقيقية من سلسلة زمنية السعر.
تتوقع أسواق التنبؤ عقود العقود الآجلة المصممة خصيصا مع العائدات المرتبطة بالأحداث القادمة (1). وهناك نوع مشترك من عقود السوق التنبؤ هو عقد الخيار الثنائي الذي يدفع قبالة 1 $ إذا حدث حدث و $ 0 خلاف ذلك. ويسمح تصميم العقد، الذي يميزها عن العقود الآجلة النموذجية، باستخدام الأسعار كتنبؤات مباشرة لاحتمالات الأحداث (2 & # x02018؛ 5).
على الرغم من أن الرهان على نتائج الانتخابات كان شائعا جدا في الولايات المتحدة قبل الحرب العالمية الثانية كما نوقش في المرجع. 6، ظهور أسواق التنبؤ الحديثة، بهدف تجميع المعلومات والوحي، يمكن أن يرجع إلى حد كبير إلى الأسواق التي أدخلتها أسواق ايوا الالكترونية (إيمس) في عام 1988 (7). منذ ذلك الحين، تم إنشاء أسواق التنبؤ لنتائج الانتخابات (7)، النتائج المالية للشركات (8)، اختراقات العلمية (9)، الإصابة بالأمراض المعدية (10)، الأحداث الجيوسياسية (9)، شباك التذاكر يأخذ الأفلام (11 )، ونتائج الأحداث الرياضية (12)، والأعاصير الهبوطية (13، 14)، وغيرها. واقترحت أيضا لمواضيع تتراوح بين الهجمات الإرهابية (15) والمواقع الأولمبية في المستقبل (16). ويخضع شارع التحوط (17) لعقود الخيارات الثنائية على الذهب والفضة والنفط الخام والعملات الأجنبية. والأهم من ذلك، أن مجلس شيكاغو للتجارة (كبوت) أنشأ مؤخرا أسواق الخيارات الثنائية على السعر المستهدف للصناديق الاتحادية (18)، وهو مؤشر رئيسي للاقتصاد الأمريكي.
ونظرا لدقتها وسرعة رد الفعل وثراء البيانات (3، 19 & # x02018؛ 23)، تتيح أسواق التنبؤ للباحثين الفرصة لإجراء تقييم دقيق لكيفية تشكيل العوامل الخارجية للمعتقدات الجماعية حول احتمال وقوع حدث معين. هنا، نعتبر الحالة النموذجية للانتخابات الرئاسية الأمريكية. نستخدم أدوات تحليل السلاسل الزمنية المالية والفيزياء الإيكولوجية (24 & # x02018؛ 26) للتحقيق في ديناميات الأسعار لأسواق التنبؤ بهدف تطوير أساليب لتحديد الأحداث الحرجة حقا خلال الحملات الرئاسية. هناك العديد من الانتظامات التجريبية المعروفة لديناميكيات الأسعار في البورصة، النقد الأجنبي، أسواق السلع الآجلة والأسواق الآجلة (27 & # x02018؛ 34). وهناك أيضا بعض البحوث في & # x0201c؛ العادية & # x0201d؛ (35، 36) وعالوة على العلاقة بين أسعار الخيارات وعوائد الأسهم (37 & # x02018؛ 39). لمزيد من التفاصيل، راجع المراجع. 37 و 38، التي تستعرض الأدبيات الواسعة حول البحث التجريبي لأسعار الخيارات وخيارات الأسهم والخيارات على مؤشرات الأسهم ومؤشرات الأسهم الآجلة والخيارات المتعلقة بالعملات وعقود العملات الآجلة. ومع ذلك، لم يتم توثيق خصائص العودة التجريبية للخيارات الثنائية & # x02018، والتي تختلف كثيرا عن الأدوات المالية الأخرى، بما في ذلك عقود الخيارات العادية * و # x02018.
وكخطوة أولى نحو تحقيق هدفنا، نقوم بالتحقيق في الخصائص الإحصائية للأسعار في اثنين من أكثر الفائزين نشاطا بالانتخابات الرئاسية. ويكشف تحليلنا التجريبي للبيانات المتعلقة بالعقود الديمقراطية في عام 2000 والعقود الديمقراطية والجمهوريين في عام 2004 أن توزيع العائدات يتدهور في الذيل كقانون للسلطة مع أس & # x003b1؛ & # x02248. 2.6. ومع ذلك، بالنسبة لعقود الجمهوريين في عام 2000 نجد أن توزيع العودة يتلاشى كدالة الأسية مع مقياس تسوس مميزة & # x003b2؛ & # x02248. 0.9. ونحن نؤمن بأن هذا قد يكون ناجما عن التأثير الأكبر للتداول الحزبي لهذا العقد بالذات.
تحليلنا التجريبي يتيح لنا اقتراح واختبار نموذج ثنائي الخيارات الديناميكية مع أحجام القفز المشروط وتقلب متباين. نحن نبرهن على أن النموذج يستنسخ كل السمات الرئيسية لديناميكيات الأسعار في أسواق الخيارات الثنائية. ويقترح النموذج أيضا معيارا لتحديد التحركات غير العادية للأسعار الناشئة في مثل هذه الأسواق بسبب أحداث إعلامية هامة، مما يثير احتمال أن يتمكن المرء من تحديد الأحداث التي تشكل حملة سياسية.
نضج أسواق التنبؤ.
وتعد أسواق التنبؤ أداة جديدة نسبيا للتنبؤ. ومع ذلك، فإن بعض الأسواق لها أحجام تجارية مماثلة لأسواق العقود الآجلة التقليدية. على سبيل المثال، العدد اليومي من الصفقات في الأسواق الإلكترونية إيم التي ندرسها هي مماثلة لعدد الصفقات التجارية لخيارات الأسهم للشركات الكبيرة جدا مثل آي بي إم أو ديل في بورصة نيويورك. في الواقع، فإن عدد الصفقات في سوق صناديق الاستثمار الفيدرالية إيم أعلى بكثير من الخيارات الثنائية كبوت مماثلة على قرارات سعر الفائدة من قبل الاحتياطي الفيدرالي الأمريكي [انظر معلومات الدعم (سي) الملحق لمزيد من التفاصيل]. وهكذا، على الرغم من أن قيمة الدولار من العقود المتداولة في إيم صغيرة، فهي أسواق نشطة جدا. وعلاوة على ذلك، تبين الأدلة الاقتصادية التجريبية (42) والأدلة من أسواق التنبؤ نفسها (21) أنه حتى بالنسبة للمكافآت النقدية الصغيرة، الأسواق النشطة تكشف عن معلومات المتداولين. هذه الحقائق تشير إلى أن أسواق التنبؤ الكبيرة على الأقل، مثل أسواق إيم للانتخابات الرئاسية الأمريكية، ناضجة بما يكفي لتبرير التحليل.
وكانت أسواق التنبؤ ناجحة بشكل ملحوظ في التنبؤ بشكل صحيح الأحداث في المستقبل (3، 19، 21، 22). فعلى سبيل المثال، تفوق أسواق التنبؤ في الانتخابات الرئاسية بشكل روتيني استطلاعات الرأي (21). هذا يعمم على مجالات أخرى كذلك (3، 22، 23). وعلاوة على ذلك، أسواق التنبؤ بسرعة تتضمن معلومات جديدة كما هو مبين في إيم & # x0201c؛ 1996 كولين باول سوق الترشيح & # x0201d؛ (20) (انظر ملحق سي لمزيد من التفاصيل). وبالنظر إلى حجم التداول الكبير وسرعة رد الفعل والدقة، فإن إيم تتيح لنا الفرصة لتقييم كيف تشكل الأحداث الخارجية المعتقدات الجماعية حول احتمال وقوع حدث معين في سياق حملة سياسية.
و إيمس أسواق المال الحقيقية مفتوحة على مدار 24 ساعة في اليوم، 7 أيام في الأسبوع مع التداول من خلال شبكة الإنترنت. التداول في حساباتهم الخاصة، وضع التجار & # x0201c؛ عروض الأسعار & # x0201d؛ لشراء و & # x0201c؛ يسأل & # x0201d؛ لبيع العقود. يتم وضع هذه الأوامر في قوائم انتظار السعر والوقت. قد يحدد التجار أيضا انتهاء الطلب. في حالة عدم انتهاء الصلاحية، تتم إزالة الطلب في الساعة 11:59 مساء بالتوقيت المركزي المركزي (ست) بعد يوم من وضع الطلب في قائمة الانتظار. يتوفر أعلى عرض وأدنى طلب لجميع التجار الذين يسجلون في السوق. إلى جانب وضع أمر في قائمة الانتظار، يمكن للتاجر أيضا قبول أفضل عرض (نسأل) لشراء (بيع) عقد. يتم تنفيذ جميع الصفقات الممكنة على الفور.
تسجل إيم معلومات عن كل صفقة، بما في ذلك ما إذا كانت الصفقة قد تم تنفيذها في محاولة أو تسأل وما إذا كانت هناك العديد من الصفقات الفردية المرتبطة بأمر واحد. للراحة، ونحن نبني متساوية الوقت الفاصل الزمني سلسلة للسعر، وعدد من الصفقات، وحجم بالدولار، حيث الفاصل الزمني هو & # x003c4؛ = 60 ثانية. لقد تحققنا من أن ديناميات السلاسل الزمنية المتساوية الفاصلة تشبه السلاسل الزمنية مع أوقات التجارة الفعلية.
وافتتح السوق الفائز في الانتخابات الرئاسية عام 2000 في جميع أنحاء السوق في 1 مايو 2000 مع العقود المرتبطة بالأحزاب الديمقراطية والإصلاحية والجمهوري. فتحت الانتخابات الرئاسية في عام 2004، جميع الأسواق فتحت في 1 يونيو 2004، مع العقود المرتبطة بالأحزاب الديمقراطية والجمهوريين. وتداولت هذه الأسواق عقود الخيارات الثنائية المرتبطة بنتائج الانتخابات (43، 44). وكان كل عقد من العقود المتداولة مرتبطا بحزب ودفع دولار واحد إذا حصل ذلك الحزب على أغلبية الأصوات الشعبية من حزبين أو ثلاثة أحزاب.
من الناحية النظرية، التجار في عقود أسعار الأسواق التنبؤ وفقا لتوقعاتهم، وبالتالي فإن الأسعار ستكون بروزا صاخبة للاحتمال التقديري الكلي للحدث المرتبطة & # x02020؛ . انظر المرجع. 45 لمناقشة أكثر تفصيلا. وهكذا، فإن سعر العقد المرتبط بالحزب الديمقراطي يشير إلى احتمال (مع بعض عدم اليقين) أن المرشح للحزب سوف تأخذ غالبية التصويت من حزبين. ومع ذلك، لاحظ أنه سيكون هناك دائما بعض عدم اليقين المتبقي، وبالتالي ينبغي أن تظل الأسعار محصورة بعيدا عن 0 دولار أمريكي أو دولار واحد حتى التسوية. على سبيل المثال، في الفائزين الرئاسيين في عام 1996 في إيم يأخذ جميع الأسواق، قبل أشهر من الانتخابات، كان من المتوقع أن كلينتون سوف تظهر على أنها الفائز. This was reflected in the prices of the Clinton contracts, which slowly approached, but never reached, $1.
Statistical Properties of the Returns.
In the IEM presidential election markets, contracts are effectively settled on election day, which is well-known in advance: November 7 for 2000 and November 2 for 2004. We set the origin of the time axis at these settlement dates. The times in our time series are then indexed as.
Although little is know about the price dynamics in prediction markets, there are three well-established facts about price fluctuations in stock markets, foreign exchange markets, and commodity markets (27 ‘34). First, returns are uncorrelated for time scales longer than a few seconds. Second, volatilities are positively correlated over long time periods. Specifically, the correlations of the volatility decay as power laws. Third, the distribution of returns is consistent with a power-law asymptotic behavior,
For stocks, foreign exchange rates, and commodity futures, the exponent α ∼ 3 (well outside the stable Lévy regime 0 < α < 2) (24, 34), but α ∼ 2.3 for commodity spot prices (32).
We quantify the price dynamics of the Democratic and Republican contracts for the 2000 and 2004 elections along these three dimensions. We find that the number of trades increases dramatically toward the settlement date and that the returns in the final days of the market have significantly higher volatilities; راجع Fig. 1 C . Specifically, conditional on a given price, the volatility is higher the closer the contract is to liquidation, that is, for a given p (τ i ), the volatility diverges as τ i approaches zero (see SI Appendix for details). For this reason, we separately analyze the data in year 2000 for the final 10 days of the market (days 1-10), and for each of the previous two-month periods (days 11‘70, 71‘130, and 131‘190). To avoid issues that may arise as information comes in on election day, we only analyze data up to midnight the day before the election [as is commonly done in the prediction market literature (3)].
To determine whether long-range correlations exist in the returns, we use detrended fluctuation analysis (46 ‘48, 55), which works as follows. Consider a time series x ( t i ). One integrates this time series, generating a new time series y ( t i ), which is then divided into blocks of size n . In each box, one performs a least-squares linear fit to the data (to capture any local trends at scale n ), and determines the sum F ( n ) of the squares of the residuals inside all the blocks of size n . This procedure is then repeated for different values of n . If x ( t i ) can be modeled as independent and identically distributed (i. i.d.) Gaussian variables, one finds.
Exponent values > 1/2 indicate positive long-range correlations, whereas smaller values indicate long-range anticorrelations. For returns, we find an exponent ∼0.5. For the volatilities, which we define here as the absolute value of the returns, we find an exponent ∼0.7 ( Fig. 2 A and B ), except during the first two months of the market (days 131‘190), when trading was very thin and the exponent is ∼0.5. These results are consistent with the hypothesis that the returns display no correlations while there are positive long-range volatility correlations, similar to what is found in other financial markets. ‡
Next, we estimate the power-law exponent α, defined in Eq. 3 , for the return distributions. As shown in Fig. 2 C , the return distributions in days 1‘10 are wider than for the previous months. However, we find that if we normalize the returns with the volatilities estimated separately in each one of the time periods, then the normalized return distributions follow the same functional forms. Specifically, the Kolmogorov‘Smirnov (KS) test fails to reject the null hypothesis that the normalized returns are drawn from the same distribution. §
We compute the volatility for each one of the time periods as the standard deviation of returns over that time period,
where T denotes one of the time periods and 〈…〉 denotes a time average over the time period T . The normalized returns r ^ T (τ i ) in T are then defined as.
Since these normalized return distributions have the same functional forms, we compute a single distribution for the positive and negative returns from the different time periods. Using the Hill estimator (54) and bootstrapping, we then get α = 2.6 ± 0.2 for the 2000 and 2004 Democratic contracts and the 2004 Republican contract ( Fig. 3 A and C ) ¶ .
Surprisingly, for the 2000 Republican contract, we find the return distribution decays at an exponential rate,
where β is the characteristic decay scale. We find that the tails of the return distributions decay with the rate β = 0.9 ± 0.1 ( Fig. 3 B and D ). The fact that the Republican contracts are not perfectly negatively correlated with the Democratic contracts can be understood if one recalls that the market in 2000 included a Reform party winner-takes-all contract (in addition to the Democratic and Republican contracts).
The exponential decay of the return distribution can be attributed to partisan trading. For a well-functioning market in which traders have no partisan beliefs, one would expect traders to buy (sell) Democratic and Republican contracts at approximately equal rates. However, traders affiliated with a party tend to preferentially buy the contract of the party with which they are affiliated and to preferentially sell the contract of the other party. While the bias in those choices is relatively small for the 2000 and 2004 Democratic contracts and the 2004 Republican contract, they are stronger for the 2000 Republican contract. Relative to other contracts, more Republican traders in 2000 trade as if they truly believe the Republican candidate is going to win, and more Democrat traders trade as if they truly believe that the Republican candidate is going to lose. Thus, while those partisan Republican traders are very willing to buy the Republican contract, the partisan Democrat traders are very willing to sell it (see SI Appendix , Table 3).
These biases have two consequences. First, these traders may take on substantial risk, since their portfolios will be heavily “tilted” toward one of the contracts. Second, partisan traders' inability to accommodate new information as rapidly as nonpartisan traders (49) results in their constant willingness to buy (or sell, depending on their bias) which prevents returns with larger magnitude from occurring. Interestingly, our findings for the 2000 Republican contract mirrors unexplained findings for the Indian stock market. Specifically, Matia et al. (50) reported an exponential decaying probability density function of the price fluctuations when they analyzed the daily returns for the period November 1994 to June 2002 for the 49 largest stocks of the National Stock Exchange in India. Our analysis suggests the hypothesis that a significant fraction of Indian traders may hold strong biases that determine their trading strategies. ∥
The existing data do not allow a full exploration of this hypothesis at this stage. Thus, we can not give a full explanation of why the partisan effect was stronger in 2000 than in 2004. However, studies related to cognitive dissonance (52) or confirmation bias (53) would suggest that the effect would be stronger in elections with stronger emotional attachment to the respective candidates. This strikes us as a promising avenue for further research.
Binary options liquidate at either $0 or $1. This implies a pricing discontinuity at maturity. The value of the option will jump from the current price to either $0 or $1 the instant the uncertainty is resolved. Another significant feature of binary option contracts is that the range of possible returns depends on the current price. For prices close to, for example, $1, the price can increase only by a very small amount, however, it can decrease by 100%. As a result, a plausible model must incorporate conditional asymmetric up and down jumps with increasing volatility as one approaches the settlement date.
Let T a be the average time between consecutive trades and t i the time at which the i th-to-last trade occurs. The median time difference between consecutive trades for the 2000 Democratic contract was ∼60 sec and, therefore, we set T a = 60 sec. We hypothesize that the current value of a winner-takes-all contract, which will settle at a value of $1 or $0, evolves according to.
Additionally, we see that it converges to the appropriate value at settlement.
The model also makes it clear what we mean by conditional diverging volatility. The variance of returns from the underlying process is given by.
This explicitly shows that, conditional on a given price, P( t i ), the volatility is expected to be higher the closer a contract is to liquidation.
Eq. 8 models the dynamics of the “true” value of the contract. The actual price, p ( t i ) will, however, deviate from P( t i ) due to noise and price information delays. To incorporate noise we model the observed price process in the following way.
where η and ɛ are Gaussian random variables. The additive noise term, η, prevents the prices $0 and $1 from becoming absorbing states of the dynamics. For η we model a Gaussian distributed variable with zero mean and a very small standard deviation; the results shown were obtained for a standard deviation of 0.0003. Because η≠0, the price, p ( t i ), deviates slightly from a martingale process.
By price information delays we refer to the fact that traders may not have access to the most current price but to a price some time in the past. Since there is a 15- to 30-sec time lag for the IEM trading system to update information we set the time lag in our model to 25 sec (20).
Another issue that also needs to be taken into consideration is that large-volume bids or asks that cross the opposing queue may not trade at a single price. Instead, they will “run” through the opposing queue generating a series of prices that all move in the same direction. We treat each such event as a single trade.
We can estimate γ from the slope of the linear fit in Eq. 12 which can then be used to calculate σ from the standard deviation of the residuals. †† We estimated γ = 0.49 ± 0.01 and σ = 1.22 ± 0.02 (refer to the SI Appendix for details).
We perform Monte Carlo simulations of the model with the estimated parameter values and find that the model generates uncorrelated returns and power-law decaying volatility correlations, in quantitative agreement with the empirical results. We also find that the actual price dynamics is well bounded by 90% confidence bounds as shown in Fig. 4 C and D (for a description of this method and results from the model see SI Appendix ). Additionally, we find that the distribution of returns decays as a power law. Using Hill estimator and bootstrapping, we estimate α = 2.3 ± 0.2, consistent with the estimate for the empirical data.
نقاش.
The remarkable agreement between model predictions and the data may suggest a reasonably good understanding of the dynamics of prediction markets. However, there is one fundamental feature of prediction markets neglected by the model. In real prediction markets there is true information in the form of “known unknowns,” such as the outcomes of debates or “unknown unknowns,” such as revelations about the candidate's past, arriving at the market. These real information events can be viewed as exogenous processes and may be characterized by larger jumps than those arising from endogenous processes. It is then plausible that the identification of sharp differences between model predictions, the endogenous events, and real data, the exogenous events, could be used as a tool to identify information arrival at the market. In the context of a political contest, this approach can be used to determine which campaign events have a substantial impact on the fortunes of a particular candidate.
There is another possible application of our model which we believe will have a great impact in the course of a political campaign. In an election, there is a predetermined date when all the uncertainties are resolved, the settlement date. One may, however, realize that, in a particular election year, much of the uncertainty can be resolved earlier than the actual settlement date. For example, in the 1996 presidential election, it was forecast that Clinton would emerge as the winner about 100 days prior to the actual settlement date. Our model can be used to estimate this date by which most uncertainties are settled and, as a result, enable the political campaigners to judiciously assign their campaign resources.
Although our focus here is on political markets, our insights apply to binary options markets in general and thus will be important for traders, exchanges, regulators, policy makers, and forecasters alike. For example, our model can be used to forecast a distribution of likely price movements and, as a result, be used by exchanges to set margin requirements for traders of binary options conditional on prices and time to settlement. Another interesting aspect of our study is the possible application to crashes in financial markets. The approach to settlement date is remarkably similar to the increased volatility close to a market crash. Potentially, a generalization of our model could be used to estimate the time of a crash in these markets.
Supplementary Material.
شكر وتقدير.
We thank the IEM team and especially Joyce Berg (University of Iowa Henry B. Tippie College of Business) for providing us with the opportunity and data to perform this work, and also D. S. Bates, R. D. Malmgreen, M. J. Stringer, R. Guimera, P. Mcmullen, M. Sales-Pardo, A. Salazar, and S. Seaver for comments and discussions.
The authors declare no conflict of interest.
This article is a PNAS Direct Submission.
* Binary options differ from ordinary options in three respects: ( i ) the payoff structure, ( ii ) the fact that there is no underlying traded asset, and ( iii ) pricing discontinuities at settlement, as we will show below.
† Small amounts of noise may arise from the bid‘ask spread, asynchronous trading, and “stale” prices, though such factors should be small in active markets.
‡ See SI Appendix for details of the method and the results. To make sure that those results are not due to the non-Gaussian distribution of the returns, we randomized the time order of the returns and reevaluated the exponent values. We find that, for the randomized time series, the exponent values ∼0.5 for both the returns and volatilities.
§ See SI Appendix for the P values from the KS tests. The confidence bounds in Fig. 3 A and B show that the deviations in the tails are consistent with expected fluctuations.
¶ Refer to the SI Appendix for description of these and related statistical methods.
∥ However, in ref. 56, R. K. Pan and S. Sinha have analyzed high-frequency tick-by-tick data for the Indian stock market and found that the cumulative distribution has a tail described by the power law with an exponent ∼3 contrary to the findings in ref. 50.
** Technically, P( t i ) is the risk neutral measure, but should approximate the true probability in the absence of significant hedging demand. This implies the best forecast of the next price is the current price. In fact, the current price is the best forecast of the settlement value. In context, this is Fama's weak form efficiency with a zero expected return (27). A continuous arbitrage opportunity built into the IEM restricts the risk-free rate to zero. Specifically, the “unit portfolio” of both (or all three) contracts is risk free and can always be traded for $1 cash and vice versa. Cash accounts earn zero interest. Since the aggregate portfolio is also risk free, it earns a zero return and, hence, the returns to aggregate risk factors are zero. That is, all assets should earn the risk-free rate, in this case, 0. Pricing contingent claims with zero aggregate risk at expected value results from a simple extension of refs. 40 and 41.
†† We have assumed that ɛ has mean zero. One might, instead, assume that the mean is not zero and attempt to estimate it as well. In Eq. 11 , however, both the μ and γ effectively scale the jump sizes relative to the remaining time controlling the speed of convergence. As a result, they prove very difficult to identify independently without inordinate amounts of data. Preliminary analysis indicates a correspondence between the μ and γ estimates, where the speed of convergence weighs relatively more heavily on one parameter or the other. Pairs of estimates appear to explain the data equally. Here, we choose to model mean zero noise and let γ reflect the speed of convergence. We leave further exploration of the μ ‘ γ relationship to future research.
سلة التسوق الخاصة بك فارغة.
أعطها الغرض & مداش؛ وملء مع الكتب وأقراص الفيديو الرقمية والملابس والالكترونيات، وأكثر من ذلك.
إذا كان لديك حساب بالفعل، فسجل الدخول.
هناك مشكلة في معاينة سلة التسوق في الوقت الحالي.
تحقق من اتصالك بالإنترنت وانتقل إلى سلة التسوق، أو أعد المحاولة.
بمك الخيارات الثنائية.
منتجات حقيقية ترتيب آمن وآمن من السهل إرجاع 100٪ حماية الشراء مع A-تو-Z ضمان معرفة المزيد.
منتجات مميزة.
فيراري فف.
البطن وقت المرح.
غيميني كيك & # 38؛ لعب.
أحدث المنتجات.
الرضع ووكر.
الرضع ووكر.
الرضع ووكر.
الرضع ووكر.
العشرة الأوائل المنتجات.
صغيرة الذكية.
3 في 1 الروك ناببر.
3 في 1 الروك ناببر.
يوم مشمس غيميني.
صغيرة الذكية.
أرنب طازج.
مشط & # 38؛ مجموعة فرشاة.
ورقة المهد للماء.
لينة سيليكون ملعقة ملعقة.
منعش مناديل.
30 صفائح * 2 يكت.
تغذية مريلة.
السجل الحديث.
عناصر شوهدت مؤخرا.
كنت قد ينظر أي مؤخرا البنود.
بعد عرض صفحات تفاصيل المنتج أو نتائج البحث، انظر هنا للعثور على طريقة سهلة للانتقال إلى الصفحات التي تهتم بها.
مواصلة التسوق:
ألعاب، كتب ومدرسة.
ألعاب، كتب ومدرسة.
ألعاب، كتب ومدرسة.
معدات أطفال وحضانة.
ألعاب، كتب ومدرسة.
معدات أطفال وحضانة.
ألعاب، كتب ومدرسة.
ألعاب، كتب ومدرسة.
ألعاب، كتب ومدرسة.
التغذية والتمريض.
معدات أطفال وحضانة.
ألعاب، كتب ومدرسة.
معدات أطفال وحضانة.
B-2-B القسم.
تعرف علينا.
اتصل بنا.
كسب المال معنا.
الأحداث والتحديثات.
كوبيرايت © 2018-2018 داليا بيبي، مدعوم من خدمات تكنولوجيا أيون. كل الحقوق محفوظة.
آثار العلاج التي تحول أو تحليلات ثنائية هي مفيدة في التجارب السكتة الدماغية الحادة.
خلفية:
في التجارب السكتة الدماغية الحادة، يمكن تحليل النتائج الوظيفية من خلال مقايسة مخرجات النتائج الترتيبية أو من خلال تقييم نطاق كامل النطاق (تحليل التحول). فالظروف التي يكون فيها التحول أو التحليل الثنائي أكثر فعالية لم يتم تحديدها مسبقا.
وقد بنيت التجارب السريرية العشوائية النموذجية التي تستخدم مقياس رانكين المعدل للعائق العالمي لتعكس 1) فوائد خفيفة من جميع أنحاء شدة السكتة الدماغية (تأثير الاعصاب)، 2) فوائد كبيرة عبر جميع نطاقات شدة السكتة الدماغية (تأثير إعادة الاستيعاب المبكر)، 3) فوائد كبيرة عبر مجموعة واسعة من شدة السكتة الدماغية ولكن مع قدرة محدودة على تحقيق نتائج طبيعية تماما (أواخر تأثير إعادة الاستيطان)، 4) فوائد تتجمع في التحولات حالة صحية غير متوقعة.
في نماذج الاعصاب، وكان تحليل التحول الأسلوب الأكثر كفاءة في الكشف عن تأثير العلاج. في نماذج الاستخلاص المبكر، كان التفريق في نتائج ممتازة وتحليل التحول من كفاءة مماثلة، على حد سواء متفوقة على ديكوتوميزاشيون في نتائج جيدة. في نماذج إعادة الاستيطان المتأخرة، كان التفريق في نتائج جيدة أفضل، والتحول التحول بشكل أقل جيدا، والتقسيم في نتيجة ممتازة سيئة. وفي نموذج الفوائد غير المتوقعة، تفوق تحليل التحول بشكل كبير على تحليلات الثنائيات. هذه الأنماط التي عقدت بين سبع تجارب حادة الفعلية الإبلاغ عن نتائج رانكين مجموعة كاملة وتظهر فائدة العلاج المحددة في الأدب.
الاستنتاجات:
نمط تأثير العلاج من التدخل يحدد ما إذا كان تحليل التحول أو تحليل ثنائي التفاضل بسيط سيكون أكثر كفاءة. تحليل التحول هو مفيد بشكل خاص عندما العلاجات تعطي فائدة موحدة نسبيا، معتدل للمرضى على مدى مجموعة واسعة من شظايا السكتة الدماغية أو منح فوائد في حالة غير متوقعة ولكنها مهمة سريريا التحولات الحالة الصحية.
تحليل التغيرات في توزيع المرضى على مجموعة كاملة من مقاييس النتائج الوظيفية (تحليل التحول، تحليل على الرتب) هو توظيف بشكل متزايد استراتيجية تحليل نقطة النهاية الأولية في التجارب السكتة الدماغية الحادة. 1 & # x02018؛ 3 مقارنة مع تحليل ديكوتوميزد التقليدية، وتحليل التحول يحتفظ جميع المعلومات التي تم التقاطها من قبل جداول النتائج الترتيبية وكثيرا ما يحسن قوة الدراسة. من بين 55 مقارنات المحاكمة التي تم تحليلها من قبل التجارب الأمثل السكتة الدماغية الحادة المجموعة التعاونية، وتحليل التحول كان أكثر كفاءة تقنية التحليل نقطة النهاية، والكشف عن آثار العلاج في ما يصل إلى 26٪ من التجارب مقابل أقل من 9٪ مع تحليل ثنائي التفرع. 4.
ومع ذلك، والتحليلات الثنائية تفوق أحيانا تحليل التحول في السلطة. في المعهد الوطني المحوري للاضطرابات العصبية والسكتة الدماغية تبا المحاكمات، على سبيل المثال، وانخفاض قيم p تنتج عن طريق اختبار ديكوموتوميزد تحليل نتائج ممتازة فقط من قبل الاختبارات في المرتبة تحليل الفوائد على مجموعة كاملة من النتائج. 5،6 إن الظروف التي يتم فيها تحليل التحولات أو التحليل المزدوج تكون أكثر كفاءة لم يتم تحديدها بشكل جيد.
بالنسبة لمصممي التجارب السريرية والمترجمين الفوريين، من المهم أن نفهم بشكل أفضل عندما يكون من المفيد استخدام تحليل التحول وعند تحليل ثنائي التفرع باعتباره تقنية تحليلية إحصائية أولية محددة مسبقا. ويمكن للسكان النموذجيين الذين يمكن أن توقع آثار المعالجة الأولية أن يوضحوا الظروف التي تؤدي فيها التحولات أو التحليلات الثنائية إلى تعظيم قوة الدراسة.
النموذج الأولي: التوزيع المتكافئ لنتائج 3 أشهر في مجموعة الدواء الوهمي.
وضعنا نماذج مختلفة من تأثير العلاج على السكان المسجلين في مجموعة موازية، العشوائية، تسيطر عليها، والتجارب السريرية. وكانت نقطة النهاية الأولية نسخة من ستة مستويات من مقياس رانكين المعدل (مرس) من العائق العالمي. من أصل سبعة مستويات مرس، تم انهيار 7 فئات 5 (طريح الفراش وتعطيل شديد) و 6 (الموت) في أسوأ مستوى واحد من النتائج، مما يعكس النتيجة التي يرى العديد من المرضى في نتيجة العجز الشديد لتكون سيئة أو أسوأ من الموت، بدلا من حالة النتيجة أكثر من المرغوب فيه. 1،8 في كل نموذج، تم تعيين نصف المرضى إلى الدواء الوهمي ونصف إلى التدخل النشط. في النماذج الأولية، بين المرضى في المجموعة الثانية، تم تعيين توزيع النتائج لتوزيع حتى من المرضى في كل من فئات النتائج ستة مرس.
ولتحقيق توزيع نتائج مرس في المجموعة المعالجة في كل نموذج، تم تطبيق ملامح تأثير العلاج التالية: 1) فوائد خفيفة من ذوي الخبرة في جميع نطاقات شدة السكتة الدماغية (تأثير الاعصاب)، 2) فوائد كبيرة عبر جميع نطاقات شدة السكتة الدماغية ( (3) فوائد كبيرة من خلال مجموعة واسعة من شدة السكتة الدماغية ولكن مع قدرة محدودة على تحقيق النتيجة الطبيعية تماما (تأثير إعادة التحضير المتأخرة)، 4) فوائد تتجمع في التحولات حالة صحية غير متوقعة.
تم تصميم نموذج الاعصاب ليعكس تأثير العلاج الذي كان معتدلا في درجة وخبرة بالتساوي على مجموعة كاملة من شدة مؤشر السكتة الدماغية. تم توليد توزيع نتائج المجموعة العلاجية من خلال البدء بالتوزيع العكسي لمجموعة السيطرة ومن ثم نقل (نتيجة للعلاج) نسبة متساوية من المرضى من كل فئة من فئات النتائج عن طريق خطوة واحدة إلى فئة أفضل من النتائج (5/6 إلى 4 ، من 4 إلى 3، من 3 إلى 2، من 2 إلى 1، ومن 1 إلى 0).
تم تصميم نموذج تأثير إعادة التحضير المبكر ليعكس تأثير العلاج الذي كان كبيرا في درجة وخبرة بالتساوي على مدى كامل شدة مؤشر السكتة الدماغية. تم توليد توزيع نتائج المجموعة العلاجية عن طريق تحريك نسبة متساوية من المرضى من كل فئة من فئات النتائج عن طريق ثلاث خطوات، أو الحد الأقصى الممكن إذا كان أقل من ثلاثة، إلى فئة أفضل النتائج (5/6 إلى 2، 4 إلى 1، 3 إلى 0 ، 2 إلى 0، و 1 إلى 0).
تم تصميم نموذج إعادة التأهيل المتأخر ليعكس تأثير العلاج الذي كان كبيرا في درجة، ولكن غير قادر على تحقيق نتائج طبيعية أو ممتازة كما كان المرضى قد شهدت بالفعل درجة معينة من الاصابة الدائمة قبل بدء العلاج. تم توليد توزيع نتائج مجموعة العلاج عن طريق تحريك عدد متساو من المرضى من كل فئة من فئات النتائج أسوأ من المستوى 2 من خلال ثلاث خطوات، أو الحد الأقصى الممكن إذا كان أقل من ثلاثة، إلى فئة نتائج أفضل، ولكن لا يزيد عن المستوى 2 (5 / 6 إلى 2، 4 إلى 2، 3 إلى 2).
تم تصميم نموذج نمط الاستحقاقات غير المتوقع ليعكس تأثير العلاج الذي يمنح فوائد في حالات انتقال الحالة الصحية التي لا يتم استجوابها عادة في تحليلات ثنائية التفرع. وعادة ما تستخدم التحاليل الثنائية ل مرس في التجارب السكتة الدماغية الحادة نقاط القطع بين المستويات 1 و 2 (0 & # x02018؛ 1 مقابل 2 & # x02018؛ 6) أو بين 2 و 3 (0 & # x02018؛ 2 مقابل 3 & # x02018؛ 6). تم توليد توزيع المجموعة العلاجية من خلال تجميع المنافع في المستوى 1 إلى 0 والمستوى 4 إلى 3 التحولات، مع نسب متساوية من المرضى الذين يتحولون من 1 إلى 0 و 4 إلى 3، ونصف العديد من المرضى الذين يتحولون من 2 إلى 0 و 5 / 6 إلى 3.
لحسابات حجم العينة، تم تعيين مستوى الأهمية (ألفا) عند 0.05 والقوة المطلوبة (بيتا) في 80٪. لتحليل ديكوتوميزد، تم اشتقاق أحجام العينة المطلوبة باستخدام & # x003c7؛ 2 اختبار لمقارنة اثنين من النسب، مع تحليلات منفصلة ديكوتوميزينغ في ممتازة مقابل جيدة أو أقل نتيجة (مرس 0 & # x02018؛ 1 مقابل 2 & # x02018؛ 6، ثنائية في نتيجة ممتازة) وحسن أو أفضل مقابل عادلة أو أقل نتيجة (0 & # x02018 ؛ 2 مقابل 3 & # x02018؛ 6، ديكوتوميزاتيون في نتائج جيدة). 9 لتحليل التحول، تم اشتقاق أحجام العينات مع اختبار مجموع رتبة ويلكوكسون، المعروف أيضا باسم مان & # x02018؛ اختبار ويتني U (ستاتكساكت، شركة سيتيل). تم تعديل حجم التأثير الكلي للعلاج بحيث أن تقنية التحليل الإحصائي الأكثر كفاءة لنموذج معين تتطلب حجم عينة من 600 مريض لكل ذراع علاج (1،200 المجموع). ويمكن مقارنة أحجام العينات من الأساليب الأقل كفاءة مع هذا 600 لكل معيار العلاج. وبما أن أحجام العينات كانت كبيرة، لم تكن هناك حاجة إلى تصحيحات لعينات صغيرة جدا.
نماذج إضافية: توزيعات النتائج الوهمية من التجارب الحقيقية.
تم إجراء النمذجة الافتراضية الأولية باستخدام افتراض تبسيط أن مجموعة الدواء الوهمي من المرضى سوف تشهد توزيع حتى من النتائج بين كل من فئات مرس ستة. تم إجراء مجموعة إضافية من التحليلات باستخدام توزيعات المجموعة الوهمية الفعلية من التجارب السكتة الدماغية الحادة. تم إجراء بحث ميدلاين منهجي لتحديد جميع التجارب العشوائية السكتة الدماغية الحادة الإبلاغ عن نتائج المجموعة الوهمية عبر فئات مرس تحليلها ستة. تم تطبيق ثلاثة توزيعات النتائج على توزيع النتائج الوهمي المتوسط من جميع التجارب الفعلية 16، و، في تحليل الحساسية، إلى المحاكمة الفعلية مع المرضى المسجلين الأكثر تضررا للغاية (أدنى دخول المعاهد الوطنية للصحة السكتة الدماغية مقياس & # x0005b؛ نيس & # x0005d؛ النتيجة ) والمحاكمة الفعلية مع المرضى المسجلين الأكثر تضررا للغاية (أعلى دخول نيس النتيجة). تم تطبيق أنماط أربعة من تأثير العلاج (اعصاب، ريكاناليزاشيون في وقت مبكر، ريكاناليزاشيون في وقت متأخر، وتوزيع استجابة غير متوقعة) على هذه التوزيعات وهمي ثلاثة، بالإضافة إلى التوزيع حتى الأولي توليد 16 تجارب نموذجية. تم حساب تقديرات حجم العينة لكل من هذه النتائج ال 16 باستخدام تحليل التحول (ويلكوكسون رانك سوم)، الثنائي في 0 & # x02018؛ 1 مقابل 2 & # x02018؛ 6 (& # x003c7؛ 2 تيست)، و ديكوتوميزاتيون على 0 & # x02018؛ 2 مقابل 3 & # x02018؛ 6 (& # x003c7؛ 2 اختبار).
مقارنة نماذج تأثير العلاج مع التجارب الفعلية في كل فئة.
ولتأكيد انطباق نماذج المعالجة النموذجية النموذجية على أنماط العلاج التي لوحظت بالفعل في التجارب السريرية، تم اختيار التجارب السريرية الفعلية من أجل التحليل المفصل، استنادا إلى المعايير التالية: 1) أظهر المحكمون نتائج إيجابية على نقطة النهاية لثلاثة أشهر عند تحليلها من قبل (2) النتائج في جميع فئات مرس المتاحة للتحليل، و 3) التدخل التجريبي مطابقة واحدة من آثار العلاج نموذج استنادا إلى عامل اختبار و & # x02019 s معروفة آلية العمل ونافذة وقت الالتحاق بالمحاكمة. أما بالنسبة للمحاكمات التي تم تحديدها من قبل هذه المعايير، فقد تم تحليل كفاءة الاختبارات الإحصائية المختلفة من خلال حساب قيم p للحصول على دليل على تأثير المعالجة من توزيعات نتائج مرس النهائية باستخدام تحليل التحول، ديكوتوميزاتيون عند 0 & # x02018؛ 1 مقابل 2 & # x02018؛ 6 (& # x003c7؛ 2)، و ديكوتوميزاشيون على 0 & # x02018؛ 2 مقابل 3 & # x02018؛ 6 (& # x003c7؛ 2). عندما ذكرت الورقة الأولية نفسها قيم p باستخدام تقنية تحليل تحليل التحول (على سبيل المثال، ويلكوكسون رتبة مجموع، كوكران-مانتيل هاينزل، بوتستراب)، وقد استخدمت هذه القيم. عندما لم يتم وصف أي تحليل مرتبة، تم حساب قيم p من توزيعات النتائج المبلغ عنها باستخدام اختبار مجموع رتبة ويلكوكسون. لرسم بياني أوجه التشابه والاختلاف في آثار العلاج في النماذج النموذجية والمحاكمات الفعلية النموذجية، تم إنشاء العلاج تأثير الشخصي الرسم البياني شريط. لكل تجربة نموذجية ومحاكمة نموذجية واحدة في كل فئة، يظهر الرسم البياني شريط الفرق المطلق في نسبة المرضى الذين يحققون نتيجة جيدة تحت العلاج الفعال مقابل السيطرة، عندما يتم تعريف نتائج جيدة كما مرس & # x0003d. 0 (كولومن 1)، مرس & # x0003d؛ 0 & # x02018؛ 1 (العمود 2)، مرس & # x0003d؛ 0 & # x02018؛ 2 (العمود 3)، مرس & # x0003d؛ 0 & # x02018؛ 3 (العمود 4)، مرس & # x0003d؛ 0 & # x02018؛ 4 (العمود 5).
نماذج مع توزيع مبسط، على قدم المساواة من نتائج 3 أشهر في مجموعة الدواء الوهمي.
وتظهر نتائج النموذج عندما يكون هناك توزيع حتى النتائج في المجموعة الثانية في الشكل 1. في نموذج الاعصاب، تفوقت تحليل التحول على كل من التحليلات الثنائية، مع متطلبات حجم العينة من 1200 (600 في كل ذراع)، مقارنة مع 2،508 ل ديكوتوميزاشيون في نتائج ممتازة و 3،956 ل ديكوتوميزاتيون في نتيجة جيدة. في نموذج إعادة التحليل المبكر، أظهر تحليل التحول والتقسيم الثنائي على مستوى النتائج الممتازة كفاءة مماثلة، تفوق الأداء على مستوى النتائج الجيد. في نموذج إعادة التحلل المتأخر، كان أداء ثنائية الانقسام على مستوى نتائج جيد أفضل، وتحليل التحول بشكل أقل كفاءة، والتقسيم على مستوى نتائج ممتاز بدرجة عالية من الكفاءة. في نموذج نمط الفوائد غير المتوقعة، أداء تحليل التحول أفضل وكانت كل من التحليلات ثنائية التفرع غير فعالة للغاية. في ظل إعادة الاستحقاق المتأخرة وسيناريوهات المنفعة غير المتوقعة، يستخدم الثنائية الثنائية & # x0201c؛ خطأ & # x0201d؛ كوتوبوانت، وبالتالي لا التقاط الفرق مجموعة على الإطلاق. في هذه الحالة، يؤدي التفرع المختار إلى ظهور المجموعتين متطابقتين، مما يؤدي إلى حجم عينة & # x0201c؛ اللانهاية. & # x0201d؛
نماذج باستخدام توزيعات النتائج الوهمية من التجارب الحقيقية.
حدد البحث ميدلاين 16 تجارب مع تقارير مفصلة من نتائج المجموعة وهمي لمدة 3 أشهر في جميع فئات مرس. من بين هذه، تم الإبلاغ عن عشرات نيس دخول في 15 (تجربة واحدة تستخدم مقياس السكتة الدماغية الاسكندنافية) وكان متوسط النتيجة الأساسية 12.25. وكانت التجربة التي سجلت أقل المرضى الذين يعانون من عجز حاد هي أبستت 2 (نيس 8) وكانت المحاكمة الأكثر خطورة برواكت 2 (نيس 17). ويبين الجدول 1 توزيعات النتائج مرس لمدة 3 أشهر في مجموعات الدواء الوهمي لمتوسط جميع التجارب 16، وأقل محاكمة شديدة، وأشد محاكمة.
النمط الذي شوهد في التحليل الأولي للنماذج التجريبية مع توزيع متساو للنتائج بين جميع فئات مرس في مجموعة الدواء الوهمي التي عقدت عموما بين نماذج التجربة مع توزيع نتائج المجموعة الوهمي مطابقة متوسط والتطرف من التجارب الفعلية (الجدول 2). في جميع التوزيعات نتائج المجموعة الوهمي الأربعة (متساوية، متوسط التجارب الفعلية، الأقل حدة، الأكثر حدة)، كان الاختبار الإحصائي الأكثر كفاءة اسميا للكشف عن أنماط تأثير العلاج المختلفة على النحو التالي: نمط الاعصاب، وتحليل التحول في جميع النماذج الأربعة. ونمط إعادة الاستيطان المبكر، والانقسام في نتائج جيدة للغاية في ثلاثة نماذج وتحليل التحول في نموذج واحد؛ وإعادة التشكيل المتأخر، والتقسيم إلى نتائج جيدة معتدلة في جميع النماذج الأربعة؛ ونمط غير متوقع، وتحليل التحول في جميع النماذج الأربعة. وعموما، من بين النماذج ال 16، كان تحليل التحول هو الاختبار الإحصائي الأكثر كفاءة في 9، ثاني أكثر كفاءة في 7، وأقلها كفاءة؛ كان الانقسام في نتائج جيدة للغاية الأكثر كفاءة في 3، ثاني أكثر كفاءة في 7، وأقل كفاءة في 7؛ وكان الثنائي في نتائج جيدة معتدلة الأكثر كفاءة في 4، ثاني أكثر كفاءة في 4، وأقل كفاءة في 8.
مقارنة النماذج مع التجارب الفعلية في كل فئة.
وللمقارنة بين تجارب المعالجة الفعلية داخل كل فئة من عوامل تأثير العوامل مع نماذج النماذج الطبقية النموذجية، استوفيت 7 من 16 تجربة معايير الاختيار. للراحة، تم تحليل المعهد الوطني للاضطرابات العصبية والسكتة الدماغية المحاكمات 1 و 2 معا، مما أسفر عن ست دراسات لتحليل مفصل. ويبين الجدول 3 أداء مختلف الاختبارات الإحصائية في كل من هذه الدراسات. في محاكمة وكيل مع آلية الاعصاب (نيست)، 10 تحليل التحول تفوق بشكل واضح ديكوتوميزاشيون في نتائج جيدة للغاية وتفوق اسميا التفارق في نتيجة جيدة معتدلة. في التجربة مع تجميع المنافع في أقل انتقالات الدولة الصحية في كثير من الأحيان الأولوية، والتحليل سانت 1، 1 التحول تفوق كل من التحليلات ثنائية التفرع. في دراستي العلاج المبكر في إعادة التحاليل، كان المعهد الوطني للاضطرابات العصبية والسكتة الدماغية و # x02018؛ تبا محاكمة و ميلت، 5،11 ثنائي التفرع على مستويات نتائج ممتازة كانت تقنية أكثر كفاءة، تليها تحليل التحول ومن ثم ديكوتوميزاتيون على مستويات نتائج جيدة. في اثنين من التجارب في وقت متأخر ريكاناليزاتيون، برواكت 2 و إيكاس 2، 12،13 ديكوتوميزاشيون على مستويات نتائج جيدة كانت أقوى تقنية تحليلية. وترد في الشكل 2 خرائط المظهر العلاجي للتجارب النموذجية والتجارب الفعلية النموذجية.
نقاش.
ويظهر تحليل النماذج التي تتضمن تأثيرات المعالجة النموذجية أن تحليل التحول هو أسلوب إحصائي أكثر كفاءة من التحليل ثنائي التفرع عندما تعطي العلاجات درجة صغيرة وموحدة من الفائدة على جميع نطاقات شدة السكتة الدماغية (تأثير الاعصاب) والفوائد التي تتجمع في حالة صحية أقل استجوابا التحولات (فوائد غير متوقعة). في المقابل، عندما العلاجات تعطي فائدة كبيرة على جميع نطاقات من شدة السكتة الدماغية (تأثير إعادة التشكيل المبكر)، ديكوتوميزينغ في نتائج ممتازة هو أقل قوة أقل من تحليل التحول، في حين أن ديكوتوميزينغ في نتائج جيدة ليست فعالة. عندما تقدم العلاجات فوائد كبيرة ولكن لا يمكن أن توفر علاجا (تأثير إعادة التعقيم المتأخرة)، الثنائي في النتيجة الجيدة هو الأسلوب الإحصائي الأكثر كفاءة، والتحليل التحول أقل كفاءة، والتقسيم في نتائج ممتازة غير فعالة للغاية.
وتتفق هذه النتائج مع دراسات النموذج السابق، والسكتة الدماغية الحادة الفعلية ملاحظات التجارب السريرية، والنظرية الإحصائية الرسمية. في دراسة نموذجية للسكان، تم التحقيق في تأثير اعصاب متطرف، مع كل مريض يعالج يستفيد كمية صغيرة من العلاج. 14 أظهرت هذه النسخة الأكثر تطرفا من النموذج 1، كما هو متوقع، ميزة أكبر لتحليل التحول على التحليلات الثنائية. عندما يبقى نمط تأثير العلاج ثابتا، تغيرات في حجم آثار العلاج يغير القوة المطلقة وقيم حجم العينة المرتبطة بكل اختبار، ولكن ليس الكفاءة النسبية بين الاختبارات.
في التجارب السريرية الفعلية، والتحليل التحول عموما أداء أفضل من التحليلات ديكوموتوميزد في تجارب وكلاء تظهر آثار حتى اعصابية نسبيا وفي التجارب التي فوائد تتجمع في أقل كثيرا من الأولوية انتقال الحالة الصحية. وكان التفريق في مستويات نتائج ممتازة تقنية أكثر قوة في التجارب إعادة التحضير في وقت مبكر، في حين أن الثنائية على مستويات نتائج جيدة كانت أقوى تقنية تحليلية في التجارب إعادة التحضير في وقت متأخر.
وقد درست الدراسات الأدبية الإحصائية الرسمية في اختيار الاختبارات الإحصائية لتتناسب مع نمط تأثير العلاج. 15 و # x02018؛ 17 في البيانات غير الموزعة بشكل طبيعي، مثل التوزيعات المتواصلة للغاية أو النتائج القطاعية المطلوبة، تبين أن الاختبار الإحصائي الأكثر كفاءة يعتمد على نوع البديل الذي تهدف الدراسة للكشف عنه. الدراسة الحالية هي تطبيق هذه الرؤية العامة لحالة محددة من العلاج السكتة الدماغية الحادة، وتحديد الكفاءات النسبية للاختبارات الإحصائية المستخدمة عادة عند تطبيقها على أربعة أنماط من آثار العلاج المتوقع أو لوحظ في التجارب السكتة الدماغية الحادة.
هذه الدراسة لها قيود. هي الأمثل آثار العلاج التي تم التقاطها في نماذج. والوكلاء الحقيقيين والمحاكمات الحقيقية عموما تظهر أنماط أقل نقية من الاستجابة. في بعض الأحيان، يمزج مزيج من النموذجين بشكل أفضل صورة شخصية عن النموذج الفردي. تم إجراء حساب حجم العينة لتحليل التحول في النماذج باستخدام ويلكوكسون رتبة مجموع الاختبار الإحصائي. في تحليل المتعاونين أواست، كانت الاختبارات الإحصائية الأخرى للبيانات الترتيبية أكثر قليلا قليلا، بما في ذلك اختبار صفوف قوية، الانحدار اللوجستي الترتيبي، والفرق بوتستراب في متوسط رتبة. 4 ومع ذلك، فإن ويلكوكسون أداء ما يقرب من كذلك، ولها مزايا تعقيد أقل الحسابية من الاختبارات الأخرى، فضلا عن كونها معروفة جيدا وتوافر على نطاق واسع. وقد بحثت هذه الدراسة التحولات والتحليلات الثنائية، ولكن لم تكن هناك مناهج تحليلية أخرى لنقاط النهاية الترتيبية، مثل نماذج الاحتمالات النسبية، وتحليل المستجيب، والإحصاء العالمي. 3،18 وهناك حاجة إلى دراسات إضافية لتوضيح الظروف التي من خلالها هذه الخيارات البديلة قد تعزز أو تقلل من قوة الدراسة مقارنة مع التحولات و ديكوموتوميزد.
ويحدد نمط تأثير العلاج من التدخل قيد التحقيق ما إذا كان تحليل التحول أو التحليل ثنائي التفرع البسيط سيكون أكثر كفاءة. تحليل التحول هو مفيد بشكل خاص عندما العلاجات تعطي فائدة موحدة نسبيا، معتدل للمرضى على مدى مجموعة واسعة من شظايا السكتة الدماغية من العنقودية في التحولات حالة صحية غير متوقعة ولكنها مهمة سريريا. فعندما تتجمع المنافع في حالة انتقال صحية واحدة يمكن التنبؤ بها مسبقا، فإن التحليل ثنائي التركز يركز على انتقال الدولة، ولكن ليس على الآخرين، سيتجاوز أداء تحليل التحول. هذه الأفكار يمكن أن توجه تريليستس السريرية في اختيار بريزبيسيفيد الوضع الأساسي للتحليل الإحصائي للتجارب السريرية السكتة الدماغية الحادة.
العنوان المراسلات وطلبات إعادة طبع إلى الدكتور جيفري ل. سافر، مركز كاليفورنيا السكتة الدماغية، 710 ويستوود بلازا، لوس أنجلوس، كا 90095 ude. alcu@revasj.
e-بوب قبل الطباعة في 17 ديسمبر 2008، في علم الأعصاب.
بدعم من جانب نيه-نيندس الجوائز U01 نس 44364 و P50 NS044378.
الإفصاح: المعاهد الوطنية للصحة هي الراعي لهذه الدراسة. J. L.S. في السنوات ال 2 الماضية عملت كمحقق في التجارب المعاهد الوطنية للصحة التالية: فاست-ماغ، مر ريسكو، إمس 2، إمس 3، كلير، إلياس، كريست، تاو، أند هيم-سورجيري؛ وكخبير استشاري في تصميم التجربة ل أغا الطبية، كواكسيا، إيماركس، تالاكريس، فيبروجين، نوفو نورديسك، أسترا زينيكا، أستيلاس فارما، ونوفيلو. J. G. ليس لديه أي إفصاحات.
قدمت في شكل مجرد في الاجتماع السنوي ال 59 للأكاديمية الأمريكية لعلم الأعصاب، بوسطن، ما، مايو 2007.
تم استلامها في 6 فبراير 2008. تم قبولها في شكل نهائي 22 أكتوبر 2008.
ديناميات الأسعار في أسواق التنبؤات السياسية.
مساهمات المؤلف: S. R.M.، D. D.، T. A.R.، أند L. A.N. A. تصميم البحوث؛ S. R.M. و T. A.R. إجراء البحوث؛ S. R.M.، T. A.R.، أند L. A.N. A. تحليل البيانات؛ و S. R.M.، D. D.، T. A.R.، أند L. A.N. A. .
وتستخدم أسواق التنبؤ، التي تستخدم فيها أسعار العقود للتنبؤ بالأحداث المستقبلية، على نحو متزايد في مجالات مختلفة تتراوح بين المسابقات السياسية والانجازات العلمية. ومع ذلك، فإن ديناميات هذه الأسواق ليست مفهومة جيدا. هنا، ندرس ديناميات العائد من أقدم، معظم الأسواق التنبؤ البيانات الغنية، الانتخابات الرئاسية ايوا الالكترونية و # x0201c؛ الفائز يأخذ كل شيء & # x0201d؛ الأسواق. كما هو الحال مع الأسواق المالية الأخرى، نجد عوائد غير مترابطة، قانون الطاقة انحطاط الترابطات التقلبات، وعادة، القانون الكهربائي توزيعات العائدات. ومع ذلك، خلافا للأسواق المالية الأخرى، نجد التقلبات المشروطة المشروطة مع اقتراب موعد تسوية العقد. نقترح نموذجا ديناميكيا ثنائي الخيار يلتقط جميع ميزات البيانات التجريبية، ويمكن أن توفر أداة يمكن من خلالها استخراج أحداث المعلومات الحقيقية من سلسلة زمنية السعر.
تتوقع أسواق التنبؤ عقود العقود الآجلة المصممة خصيصا مع العائدات المرتبطة بالأحداث القادمة (1). وهناك نوع مشترك من عقود السوق التنبؤ هو عقد الخيار الثنائي الذي يدفع قبالة 1 $ إذا حدث حدث و $ 0 خلاف ذلك. ويسمح تصميم العقد، الذي يميزها عن العقود الآجلة النموذجية، باستخدام الأسعار كتنبؤات مباشرة لاحتمالات الأحداث (2 & # x02018؛ 5).
على الرغم من أن الرهان على نتائج الانتخابات كان شائعا جدا في الولايات المتحدة قبل الحرب العالمية الثانية كما نوقش في المرجع. 6، ظهور أسواق التنبؤ الحديثة، بهدف تجميع المعلومات والوحي، يمكن أن يرجع إلى حد كبير إلى الأسواق التي أدخلتها أسواق ايوا الالكترونية (إيمس) في عام 1988 (7). منذ ذلك الحين، تم إنشاء أسواق التنبؤ لنتائج الانتخابات (7)، النتائج المالية للشركات (8)، اختراقات العلمية (9)، الإصابة بالأمراض المعدية (10)، الأحداث الجيوسياسية (9)، شباك التذاكر يأخذ الأفلام (11 )، ونتائج الأحداث الرياضية (12)، والأعاصير الهبوطية (13، 14)، وغيرها. واقترحت أيضا لمواضيع تتراوح بين الهجمات الإرهابية (15) والمواقع الأولمبية في المستقبل (16). ويخضع شارع التحوط (17) لعقود الخيارات الثنائية على الذهب والفضة والنفط الخام والعملات الأجنبية. والأهم من ذلك، أن مجلس شيكاغو للتجارة (كبوت) أنشأ مؤخرا أسواق الخيارات الثنائية على السعر المستهدف للصناديق الاتحادية (18)، وهو مؤشر رئيسي للاقتصاد الأمريكي.
ونظرا لدقتها وسرعة رد الفعل وثراء البيانات (3، 19 & # x02018؛ 23)، تتيح أسواق التنبؤ للباحثين الفرصة لإجراء تقييم دقيق لكيفية تشكيل العوامل الخارجية للمعتقدات الجماعية حول احتمال وقوع حدث معين. هنا، نعتبر الحالة النموذجية للانتخابات الرئاسية الأمريكية. نستخدم أدوات تحليل السلاسل الزمنية المالية والفيزياء الإيكولوجية (24 & # x02018؛ 26) للتحقيق في ديناميات الأسعار لأسواق التنبؤ بهدف تطوير أساليب لتحديد الأحداث الحرجة حقا خلال الحملات الرئاسية. هناك العديد من الانتظامات التجريبية المعروفة لديناميكيات الأسعار في البورصة، النقد الأجنبي، أسواق السلع الآجلة والأسواق الآجلة (27 & # x02018؛ 34). وهناك أيضا بعض البحوث في & # x0201c؛ العادية & # x0201d؛ (35، 36) وعالوة على العلاقة بين أسعار الخيارات وعوائد الأسهم (37 & # x02018؛ 39). لمزيد من التفاصيل، راجع المراجع. 37 و 38، التي تستعرض الأدبيات الواسعة حول البحث التجريبي لأسعار الخيارات وخيارات الأسهم والخيارات على مؤشرات الأسهم ومؤشرات الأسهم الآجلة والخيارات المتعلقة بالعملات وعقود العملات الآجلة. ومع ذلك، لم يتم توثيق خصائص العودة التجريبية للخيارات الثنائية & # x02018، والتي تختلف كثيرا عن الأدوات المالية الأخرى، بما في ذلك عقود الخيارات العادية * و # x02018.
وكخطوة أولى نحو تحقيق هدفنا، نقوم بالتحقيق في الخصائص الإحصائية للأسعار في اثنين من أكثر الفائزين نشاطا بالانتخابات الرئاسية. ويكشف تحليلنا التجريبي للبيانات المتعلقة بالعقود الديمقراطية في عام 2000 والعقود الديمقراطية والجمهوريين في عام 2004 أن توزيع العائدات يتدهور في الذيل كقانون للسلطة مع أس & # x003b1؛ & # x02248. 2.6. ومع ذلك، بالنسبة لعقود الجمهوريين في عام 2000 نجد أن توزيع العودة يتلاشى كدالة الأسية مع مقياس تسوس مميزة & # x003b2؛ & # x02248. 0.9. ونحن نؤمن بأن هذا قد يكون ناجما عن التأثير الأكبر للتداول الحزبي لهذا العقد بالذات.
تحليلنا التجريبي يتيح لنا اقتراح واختبار نموذج ثنائي الخيارات الديناميكية مع أحجام القفز المشروط وتقلب متباين. نحن نبرهن على أن النموذج يستنسخ كل السمات الرئيسية لديناميكيات الأسعار في أسواق الخيارات الثنائية. ويقترح النموذج أيضا معيارا لتحديد التحركات غير العادية للأسعار الناشئة في مثل هذه الأسواق بسبب أحداث إعلامية هامة، مما يثير احتمال أن يتمكن المرء من تحديد الأحداث التي تشكل حملة سياسية.
نضج أسواق التنبؤ.
وتعد أسواق التنبؤ أداة جديدة نسبيا للتنبؤ. ومع ذلك، فإن بعض الأسواق لها أحجام تجارية مماثلة لأسواق العقود الآجلة التقليدية. على سبيل المثال، العدد اليومي من الصفقات في الأسواق الإلكترونية إيم التي ندرسها هي مماثلة لعدد الصفقات التجارية لخيارات الأسهم للشركات الكبيرة جدا مثل آي بي إم أو ديل في بورصة نيويورك. في الواقع، فإن عدد الصفقات في سوق صناديق الاستثمار الفيدرالية إيم أعلى بكثير من الخيارات الثنائية كبوت مماثلة على قرارات سعر الفائدة من قبل الاحتياطي الفيدرالي الأمريكي [انظر معلومات الدعم (سي) الملحق لمزيد من التفاصيل]. وهكذا، على الرغم من أن قيمة الدولار من العقود المتداولة في إيم صغيرة، فهي أسواق نشطة جدا. وعلاوة على ذلك، تبين الأدلة الاقتصادية التجريبية (42) والأدلة من أسواق التنبؤ نفسها (21) أنه حتى بالنسبة للمكافآت النقدية الصغيرة، الأسواق النشطة تكشف عن معلومات المتداولين. هذه الحقائق تشير إلى أن أسواق التنبؤ الكبيرة على الأقل، مثل أسواق إيم للانتخابات الرئاسية الأمريكية، ناضجة بما يكفي لتبرير التحليل.
وكانت أسواق التنبؤ ناجحة بشكل ملحوظ في التنبؤ بشكل صحيح الأحداث في المستقبل (3، 19، 21، 22). فعلى سبيل المثال، تفوق أسواق التنبؤ في الانتخابات الرئاسية بشكل روتيني استطلاعات الرأي (21). هذا يعمم على مجالات أخرى كذلك (3، 22، 23). وعلاوة على ذلك، أسواق التنبؤ بسرعة تتضمن معلومات جديدة كما هو مبين في إيم & # x0201c؛ 1996 كولين باول سوق الترشيح & # x0201d؛ (20) (انظر ملحق سي لمزيد من التفاصيل). وبالنظر إلى حجم التداول الكبير وسرعة رد الفعل والدقة، فإن إيم تتيح لنا الفرصة لتقييم كيف تشكل الأحداث الخارجية المعتقدات الجماعية حول احتمال وقوع حدث معين في سياق حملة سياسية.
و إيمس أسواق المال الحقيقية مفتوحة على مدار 24 ساعة في اليوم، 7 أيام في الأسبوع مع التداول من خلال شبكة الإنترنت. التداول في حساباتهم الخاصة، وضع التجار & # x0201c؛ عروض الأسعار & # x0201d؛ لشراء و & # x0201c؛ يسأل & # x0201d؛ لبيع العقود. يتم وضع هذه الأوامر في قوائم انتظار السعر والوقت. قد يحدد التجار أيضا انتهاء الطلب. في حالة عدم انتهاء الصلاحية، تتم إزالة الطلب في الساعة 11:59 مساء بالتوقيت المركزي المركزي (ست) بعد يوم من وضع الطلب في قائمة الانتظار. يتوفر أعلى عرض وأدنى طلب لجميع التجار الذين يسجلون في السوق. إلى جانب وضع أمر في قائمة الانتظار، يمكن للتاجر أيضا قبول أفضل عرض (نسأل) لشراء (بيع) عقد. يتم تنفيذ جميع الصفقات الممكنة على الفور.
تسجل إيم معلومات عن كل صفقة، بما في ذلك ما إذا كانت الصفقة قد تم تنفيذها في محاولة أو تسأل وما إذا كانت هناك العديد من الصفقات الفردية المرتبطة بأمر واحد. للراحة، ونحن نبني متساوية الوقت الفاصل الزمني سلسلة للسعر، وعدد من الصفقات، وحجم بالدولار، حيث الفاصل الزمني هو & # x003c4؛ = 60 ثانية. لقد تحققنا من أن ديناميات السلاسل الزمنية المتساوية الفاصلة تشبه السلاسل الزمنية مع أوقات التجارة الفعلية.
وافتتح السوق الفائز في الانتخابات الرئاسية عام 2000 في جميع أنحاء السوق في 1 مايو 2000 مع العقود المرتبطة بالأحزاب الديمقراطية والإصلاحية والجمهوري. فتحت الانتخابات الرئاسية في عام 2004، جميع الأسواق فتحت في 1 يونيو 2004، مع العقود المرتبطة بالأحزاب الديمقراطية والجمهوريين. وتداولت هذه الأسواق عقود الخيارات الثنائية المرتبطة بنتائج الانتخابات (43، 44). وكان كل عقد من العقود المتداولة مرتبطا بحزب ودفع دولار واحد إذا حصل ذلك الحزب على أغلبية الأصوات الشعبية من حزبين أو ثلاثة أحزاب.
من الناحية النظرية، التجار في عقود أسعار الأسواق التنبؤ وفقا لتوقعاتهم، وبالتالي فإن الأسعار ستكون بروزا صاخبة للاحتمال التقديري الكلي للحدث المرتبطة & # x02020؛ . انظر المرجع. 45 لمناقشة أكثر تفصيلا. وهكذا، فإن سعر العقد المرتبط بالحزب الديمقراطي يشير إلى احتمال (مع بعض عدم اليقين) أن المرشح للحزب سوف تأخذ غالبية التصويت من حزبين. ومع ذلك، لاحظ أنه سيكون هناك دائما بعض عدم اليقين المتبقي، وبالتالي ينبغي أن تظل الأسعار محصورة بعيدا عن 0 دولار أمريكي أو دولار واحد حتى التسوية. على سبيل المثال، في الفائزين الرئاسيين في عام 1996 في إيم يأخذ جميع الأسواق، قبل أشهر من الانتخابات، كان من المتوقع أن كلينتون سوف تظهر على أنها الفائز. This was reflected in the prices of the Clinton contracts, which slowly approached, but never reached, $1.
Statistical Properties of the Returns.
In the IEM presidential election markets, contracts are effectively settled on election day, which is well-known in advance: November 7 for 2000 and November 2 for 2004. We set the origin of the time axis at these settlement dates. The times in our time series are then indexed as.
Although little is know about the price dynamics in prediction markets, there are three well-established facts about price fluctuations in stock markets, foreign exchange markets, and commodity markets (27 ‘34). First, returns are uncorrelated for time scales longer than a few seconds. Second, volatilities are positively correlated over long time periods. Specifically, the correlations of the volatility decay as power laws. Third, the distribution of returns is consistent with a power-law asymptotic behavior,
For stocks, foreign exchange rates, and commodity futures, the exponent α ∼ 3 (well outside the stable Lévy regime 0 < α < 2) (24, 34), but α ∼ 2.3 for commodity spot prices (32).
We quantify the price dynamics of the Democratic and Republican contracts for the 2000 and 2004 elections along these three dimensions. We find that the number of trades increases dramatically toward the settlement date and that the returns in the final days of the market have significantly higher volatilities; راجع Fig. 1 C . Specifically, conditional on a given price, the volatility is higher the closer the contract is to liquidation, that is, for a given p (τ i ), the volatility diverges as τ i approaches zero (see SI Appendix for details). For this reason, we separately analyze the data in year 2000 for the final 10 days of the market (days 1-10), and for each of the previous two-month periods (days 11‘70, 71‘130, and 131‘190). To avoid issues that may arise as information comes in on election day, we only analyze data up to midnight the day before the election [as is commonly done in the prediction market literature (3)].
To determine whether long-range correlations exist in the returns, we use detrended fluctuation analysis (46 ‘48, 55), which works as follows. Consider a time series x ( t i ). One integrates this time series, generating a new time series y ( t i ), which is then divided into blocks of size n . In each box, one performs a least-squares linear fit to the data (to capture any local trends at scale n ), and determines the sum F ( n ) of the squares of the residuals inside all the blocks of size n . This procedure is then repeated for different values of n . If x ( t i ) can be modeled as independent and identically distributed (i. i.d.) Gaussian variables, one finds.
Exponent values > 1/2 indicate positive long-range correlations, whereas smaller values indicate long-range anticorrelations. For returns, we find an exponent ∼0.5. For the volatilities, which we define here as the absolute value of the returns, we find an exponent ∼0.7 ( Fig. 2 A and B ), except during the first two months of the market (days 131‘190), when trading was very thin and the exponent is ∼0.5. These results are consistent with the hypothesis that the returns display no correlations while there are positive long-range volatility correlations, similar to what is found in other financial markets. ‡
Next, we estimate the power-law exponent α, defined in Eq. 3 , for the return distributions. As shown in Fig. 2 C , the return distributions in days 1‘10 are wider than for the previous months. However, we find that if we normalize the returns with the volatilities estimated separately in each one of the time periods, then the normalized return distributions follow the same functional forms. Specifically, the Kolmogorov‘Smirnov (KS) test fails to reject the null hypothesis that the normalized returns are drawn from the same distribution. §
We compute the volatility for each one of the time periods as the standard deviation of returns over that time period,
where T denotes one of the time periods and 〈…〉 denotes a time average over the time period T . The normalized returns r ^ T (τ i ) in T are then defined as.
Since these normalized return distributions have the same functional forms, we compute a single distribution for the positive and negative returns from the different time periods. Using the Hill estimator (54) and bootstrapping, we then get α = 2.6 ± 0.2 for the 2000 and 2004 Democratic contracts and the 2004 Republican contract ( Fig. 3 A and C ) ¶ .
Surprisingly, for the 2000 Republican contract, we find the return distribution decays at an exponential rate,
where β is the characteristic decay scale. We find that the tails of the return distributions decay with the rate β = 0.9 ± 0.1 ( Fig. 3 B and D ). The fact that the Republican contracts are not perfectly negatively correlated with the Democratic contracts can be understood if one recalls that the market in 2000 included a Reform party winner-takes-all contract (in addition to the Democratic and Republican contracts).
The exponential decay of the return distribution can be attributed to partisan trading. For a well-functioning market in which traders have no partisan beliefs, one would expect traders to buy (sell) Democratic and Republican contracts at approximately equal rates. However, traders affiliated with a party tend to preferentially buy the contract of the party with which they are affiliated and to preferentially sell the contract of the other party. While the bias in those choices is relatively small for the 2000 and 2004 Democratic contracts and the 2004 Republican contract, they are stronger for the 2000 Republican contract. Relative to other contracts, more Republican traders in 2000 trade as if they truly believe the Republican candidate is going to win, and more Democrat traders trade as if they truly believe that the Republican candidate is going to lose. Thus, while those partisan Republican traders are very willing to buy the Republican contract, the partisan Democrat traders are very willing to sell it (see SI Appendix , Table 3).
These biases have two consequences. First, these traders may take on substantial risk, since their portfolios will be heavily “tilted” toward one of the contracts. Second, partisan traders' inability to accommodate new information as rapidly as nonpartisan traders (49) results in their constant willingness to buy (or sell, depending on their bias) which prevents returns with larger magnitude from occurring. Interestingly, our findings for the 2000 Republican contract mirrors unexplained findings for the Indian stock market. Specifically, Matia et al. (50) reported an exponential decaying probability density function of the price fluctuations when they analyzed the daily returns for the period November 1994 to June 2002 for the 49 largest stocks of the National Stock Exchange in India. Our analysis suggests the hypothesis that a significant fraction of Indian traders may hold strong biases that determine their trading strategies. ∥
The existing data do not allow a full exploration of this hypothesis at this stage. Thus, we can not give a full explanation of why the partisan effect was stronger in 2000 than in 2004. However, studies related to cognitive dissonance (52) or confirmation bias (53) would suggest that the effect would be stronger in elections with stronger emotional attachment to the respective candidates. This strikes us as a promising avenue for further research.
Binary options liquidate at either $0 or $1. This implies a pricing discontinuity at maturity. The value of the option will jump from the current price to either $0 or $1 the instant the uncertainty is resolved. Another significant feature of binary option contracts is that the range of possible returns depends on the current price. For prices close to, for example, $1, the price can increase only by a very small amount, however, it can decrease by 100%. As a result, a plausible model must incorporate conditional asymmetric up and down jumps with increasing volatility as one approaches the settlement date.
Let T a be the average time between consecutive trades and t i the time at which the i th-to-last trade occurs. The median time difference between consecutive trades for the 2000 Democratic contract was ∼60 sec and, therefore, we set T a = 60 sec. We hypothesize that the current value of a winner-takes-all contract, which will settle at a value of $1 or $0, evolves according to.
Additionally, we see that it converges to the appropriate value at settlement.
The model also makes it clear what we mean by conditional diverging volatility. The variance of returns from the underlying process is given by.
This explicitly shows that, conditional on a given price, P( t i ), the volatility is expected to be higher the closer a contract is to liquidation.
Eq. 8 models the dynamics of the “true” value of the contract. The actual price, p ( t i ) will, however, deviate from P( t i ) due to noise and price information delays. To incorporate noise we model the observed price process in the following way.
where η and ɛ are Gaussian random variables. The additive noise term, η, prevents the prices $0 and $1 from becoming absorbing states of the dynamics. For η we model a Gaussian distributed variable with zero mean and a very small standard deviation; the results shown were obtained for a standard deviation of 0.0003. Because η≠0, the price, p ( t i ), deviates slightly from a martingale process.
By price information delays we refer to the fact that traders may not have access to the most current price but to a price some time in the past. Since there is a 15- to 30-sec time lag for the IEM trading system to update information we set the time lag in our model to 25 sec (20).
Another issue that also needs to be taken into consideration is that large-volume bids or asks that cross the opposing queue may not trade at a single price. Instead, they will “run” through the opposing queue generating a series of prices that all move in the same direction. We treat each such event as a single trade.
We can estimate γ from the slope of the linear fit in Eq. 12 which can then be used to calculate σ from the standard deviation of the residuals. †† We estimated γ = 0.49 ± 0.01 and σ = 1.22 ± 0.02 (refer to the SI Appendix for details).
We perform Monte Carlo simulations of the model with the estimated parameter values and find that the model generates uncorrelated returns and power-law decaying volatility correlations, in quantitative agreement with the empirical results. We also find that the actual price dynamics is well bounded by 90% confidence bounds as shown in Fig. 4 C and D (for a description of this method and results from the model see SI Appendix ). Additionally, we find that the distribution of returns decays as a power law. Using Hill estimator and bootstrapping, we estimate α = 2.3 ± 0.2, consistent with the estimate for the empirical data.
نقاش.
The remarkable agreement between model predictions and the data may suggest a reasonably good understanding of the dynamics of prediction markets. However, there is one fundamental feature of prediction markets neglected by the model. In real prediction markets there is true information in the form of “known unknowns,” such as the outcomes of debates or “unknown unknowns,” such as revelations about the candidate's past, arriving at the market. These real information events can be viewed as exogenous processes and may be characterized by larger jumps than those arising from endogenous processes. It is then plausible that the identification of sharp differences between model predictions, the endogenous events, and real data, the exogenous events, could be used as a tool to identify information arrival at the market. In the context of a political contest, this approach can be used to determine which campaign events have a substantial impact on the fortunes of a particular candidate.
There is another possible application of our model which we believe will have a great impact in the course of a political campaign. In an election, there is a predetermined date when all the uncertainties are resolved, the settlement date. One may, however, realize that, in a particular election year, much of the uncertainty can be resolved earlier than the actual settlement date. For example, in the 1996 presidential election, it was forecast that Clinton would emerge as the winner about 100 days prior to the actual settlement date. Our model can be used to estimate this date by which most uncertainties are settled and, as a result, enable the political campaigners to judiciously assign their campaign resources.
Although our focus here is on political markets, our insights apply to binary options markets in general and thus will be important for traders, exchanges, regulators, policy makers, and forecasters alike. For example, our model can be used to forecast a distribution of likely price movements and, as a result, be used by exchanges to set margin requirements for traders of binary options conditional on prices and time to settlement. Another interesting aspect of our study is the possible application to crashes in financial markets. The approach to settlement date is remarkably similar to the increased volatility close to a market crash. Potentially, a generalization of our model could be used to estimate the time of a crash in these markets.
Supplementary Material.
شكر وتقدير.
We thank the IEM team and especially Joyce Berg (University of Iowa Henry B. Tippie College of Business) for providing us with the opportunity and data to perform this work, and also D. S. Bates, R. D. Malmgreen, M. J. Stringer, R. Guimera, P. Mcmullen, M. Sales-Pardo, A. Salazar, and S. Seaver for comments and discussions.
The authors declare no conflict of interest.
This article is a PNAS Direct Submission.
* Binary options differ from ordinary options in three respects: ( i ) the payoff structure, ( ii ) the fact that there is no underlying traded asset, and ( iii ) pricing discontinuities at settlement, as we will show below.
† Small amounts of noise may arise from the bid‘ask spread, asynchronous trading, and “stale” prices, though such factors should be small in active markets.
‡ See SI Appendix for details of the method and the results. To make sure that those results are not due to the non-Gaussian distribution of the returns, we randomized the time order of the returns and reevaluated the exponent values. We find that, for the randomized time series, the exponent values ∼0.5 for both the returns and volatilities.
§ See SI Appendix for the P values from the KS tests. The confidence bounds in Fig. 3 A and B show that the deviations in the tails are consistent with expected fluctuations.
¶ Refer to the SI Appendix for description of these and related statistical methods.
∥ However, in ref. 56, R. K. Pan and S. Sinha have analyzed high-frequency tick-by-tick data for the Indian stock market and found that the cumulative distribution has a tail described by the power law with an exponent ∼3 contrary to the findings in ref. 50.
** Technically, P( t i ) is the risk neutral measure, but should approximate the true probability in the absence of significant hedging demand. This implies the best forecast of the next price is the current price. In fact, the current price is the best forecast of the settlement value. In context, this is Fama's weak form efficiency with a zero expected return (27). A continuous arbitrage opportunity built into the IEM restricts the risk-free rate to zero. Specifically, the “unit portfolio” of both (or all three) contracts is risk free and can always be traded for $1 cash and vice versa. Cash accounts earn zero interest. Since the aggregate portfolio is also risk free, it earns a zero return and, hence, the returns to aggregate risk factors are zero. That is, all assets should earn the risk-free rate, in this case, 0. Pricing contingent claims with zero aggregate risk at expected value results from a simple extension of refs. 40 and 41.
†† We have assumed that ɛ has mean zero. One might, instead, assume that the mean is not zero and attempt to estimate it as well. In Eq. 11 , however, both the μ and γ effectively scale the jump sizes relative to the remaining time controlling the speed of convergence. As a result, they prove very difficult to identify independently without inordinate amounts of data. Preliminary analysis indicates a correspondence between the μ and γ estimates, where the speed of convergence weighs relatively more heavily on one parameter or the other. Pairs of estimates appear to explain the data equally. Here, we choose to model mean zero noise and let γ reflect the speed of convergence. We leave further exploration of the μ ‘ γ relationship to future research.
No comments:
Post a Comment