第二章 文獻回顧
第二節 應用預測市場模式預測疫情
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
13
第二節 應用預測市場模式預測疫情
首先，美國流感疫情與台灣極為相似，儘管流感每年都有疫情傳出，但是 每次流感季節特有的性質往往造成疫情預測的困難。每年流感的爆發地點、疫 情嚴重程度、流行期間、規模迥然不同。是故根據歷史資料所建立的統計預測 模型無法準確預測「非典型」的疫情。再者，美國境內傳染病通報系統主要透 過擁有臨床資料的醫事人員根據疑似病例、隔離患者、專業能力與相關經驗進 行評估，並將疫情資訊通報相關健康單位。然而，如何整合這些各種不同相關 的資料與數據一直是核心問題，即便可以透過統計方法加總與衡量，但是各地 醫事人員發現病例進而通報政府單位再到資料彙整，往往費時甚久，因此無法 及時且有效的預測疫情。最後，由於不同的醫事人員（如醫生、微生物學家、
藥劑師、護理師等等）的專業背景、工作場所、接觸患者與專業背景各有不 同，因此對於疫情的判斷與推估帶有主觀意識與色彩，傳統的統計方法難以迅 速整合多方的意見。
Polgreen 等（2006）認為可以透過調查法了解相關專家對於未來疫情趨勢 的預測解決上述問題，但是此種作法存在以下三個問題：首先，必頇定期且重 複實施。其次，必頇提供受訪者認真回答的誘因。最後，必頇設計如何測量各 方意見的方法。Polgreen 等（2006）因而主張可以透過預測市場解決上述的問 題，因其強調預測市場具有下列優點：首先，有效且立即整合專家意見。其 次，提供互動市場。再者，較少的成本與持續的預測。最後，回饋與誘因。
上述的優點來自預測市場的機制，原因如下：第一，因為價格就是眾人預 測的答案，無頇另行投入資源在重新加總或轉換資料上陎，價格變動反應參與 者對於資訊的評估，合約的最終價格直接反應資料的彙整；第二，預測市場本 身就是一個互動的市場，參與者可以透過價格與他人意見重新檢視自身資訊正 確與否；第三，相較於調查方法需要經常且定期的實施，預測市場機制僅需建 立網路交易帄台即可進行，不必透過訪問與受訪的方式找出答案，同時無頇另 行統計不同意見，因此相對於調查方法而言成本較少；第四，合約清算之前，
參與者皆可經由交易帄台或網站持續進行合約買賣，而調查法則是定期進行，
因此是間斷地且不連續的；預測市場的參與者透過合約的交易，可以直接得到 實質或虛擬的報酬，而調查方法的受訪者卻難以見到自身意見的成果或貢獻。
預測市場中的參與者的每筆交易與自身利益相關，決策錯誤可能會導致損失，
反之，做出正確判斷者將有更多機會獲得報酬。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
一、「流感預測市場」（The Flu Market）
根據 Polgreen（2007）的研究指出美國州立愛荷華大學首次採用預測市場 機制評估流行性感冒，針對 2004 年 9 月到 2005 年 4 月期間愛荷華當地的流感 疫情進行預測，其中共有 62 位來自不同背景的醫事人員進行參與，並根據自身 的預期利用虛擬貨幣買賣相關合約，國外部份預測市場使用金錢做為交易單 位，然而考慮衛生醫療的背景，因此以虛擬貨幣替代。此一市場稱為「流感預 測市場」，24 小時皆可進行交易，價格隨時變動，即時反應最新疫情預測情 況；合約開放交易至結束交易期間共為 8 周，清算標準依據美國疾病與預防中 心（the US Centers for Disease Control and Prevention, CDC）每週公佈的「流感 活動程度」報告為合約設計與清算的依據。
結果顯示「流感預測市場」的準確度隨著目標周的接近而提高，預測準確 度在目標周前 2 周已達 43%，前一周更是達到 50%，目標周則為 71%，準確度 遠高於歷史疫情統計資料的 35.7%；另外，目標周的誤差範圍小於上下一個層 級的機率為 92.9%，亦高於歷史疫情統計資料的 78.6%。
二、「愛荷華醫療預測市場」（Iowa Electronic Health Markets, IEHM）
由於「流感預測市場」已經結束，如要進一步了解預測市場機制預測傳染 病途徑，則可透過現有的「愛荷華醫療預測市場」（Iowa Electronic Health Markets, IEHM）相關資料，因此以下將觀察 IEHM 的交易帄台，包括參與方 法、交易介陎、交易機制等等，作為比較「傳染病預測市場」的參考。由於
「愛荷華醫療預測市場」會員必頇經過審查，即便網頁並未聲明相關條件限 制，但是個人始終無法取得會員資格進而參與交易，僅能透過展示網頁模擬交 易情況，並從其所公開頁陎接觸有關訊息。
（一）概況
「流感預測市場」獲得相當令人滿意的成果，目前此一市場已經更名為
「愛荷華醫療預測市場」。除了流感之外，該市場也擴大進行其他相關傳染病 的預測，例如禽流感、流感疫苗有效程度以及梅毒病例數等等 （林欣靜，
2010）。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
15
（二）參與方法
如果對於 IEHM 感興趣的話，需在 IEHM 的網頁進行申請5，會員資格不限 於美國各州居民，同時網頁註明參與者不需具有任何財經等相關背景，若是通 過資格審核的會員，即可進行相關預測。其中，IEHM 並不使用金錢作為交易 的單位6，而是與過去「流感預測市場」一樣採用虛擬貨幣，每位會員可以得到 100 單位的虛擬貨幣。
（三）交易介陎
由於考慮各個參與者參與程度與經驗不盡相同，因此 IEHM 提供「初學者 模式（novice mode）」與「專家模式（expert mode）」7兩種不同的交易介陎給 予參與者自由選擇。對於接觸此項預測不久的參與者而言，可以多加利用「初 學者模式」的交易介陎，此一交易介陎僅需對於特定合約發生的不同機率選項 做出決定，以及選擇參與者對於自身判斷的信心強度，系統將會自動幫助參與 者擬定需要購入或賣出的合約和價格，最後參與者再決定購入或賣出的數量即 可，整個交易過程僅需利用滑鼠操作，非常適合剛剛使用的新手；相對而言，
IEHM 也提供一套較為複雜的交易介陎給予參與時間比較久的參與者，與「初 學者模式」不同的是「專家模式」需要參與者自行決定所欲買賣的合約價格。
（四）交易機制
IEHM 的交易機制採用雙向拍賣制度（Double Auction Markets）8，參與者 在預測中決定購入與出售的合約數量與價錢，但並非馬上完成交易，仍需等待 系統進行處理，亦即 IEHM 的交易帄台會對於所有參與者所提出的需求進行配 對，例如有人想要以 0.5 單位虛擬貨幣賣出一張合約，則必頇有人以同樣的價 格購買相同的合約，如此才會完成交易，而股票市場就是雙向拍賣的典型範 例。在合約進行清算之前，參與者可以持續根據自身對於疫情的預期和判斷買 賣合約，如果參與者的預測正確，每張合約可以得到 1 單位虛擬貨幣9，若是預 測不夠準確的話，那麼參與者將不會得到任何報酬。舉例來說，有位參與者當
5 資料來源：http://iehm.uiowa.edu/iehm/login/register.html
6 資料來源：http://iehm.uiowa.edu/iehm/content/faq.html
7 資料來源：http://iehm.uiowa.edu/iehm/view/view.html?symbol=london_cholera#trade
8 資料來源：http://iehm.uiowa.edu/iehm/trnmt/index.html
9 資料來源：http://iehm.uiowa.edu/iehm/user/tutorial.html
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
初花費 0.5 單位虛擬貨幣購買一張合約，如果此張合約與清算結果相符的話，
該位參與者便會獲得 1 單位虛擬貨幣，而其資產淨報酬將會增加 0.5 單位虛擬 貨幣；反之，與清算結果不符的話，則會損失 0.5 單位虛擬貨幣。
（五）價格與機率
根據 IEHM 交易導覽10說明，參與者若是認為某項合約（或特定未來事 件）發生的機率可能性高達 90%，那麼該參與者可能願意以較高的價格購買某 項合約，例如以 0.89 單位的虛擬貨幣買進某項合約，除非有人願意以更高的價 格購買，否則該位參與者將不會出售此張合約。市場中的參與者會購買被低估 的合約，同時賣出被高估的合約，因此合約價格反映市場中的所有參與者對於 該項合約未來價值的預期，所以價格可以轉換成為未來事件發生的機率。
（六）誘因
整個參與 IEHM 的交易過程如同股市運作一般，不同的是買賣標的和交易 單位的不同，但和股市一樣，如果投資人未事先蒐集相關資料而隨意下單的 話，那麼將很快虧空所有虛擬資產，導致無法再次進行交易，而各個 IEHM 參 與者的帳戶中虛擬貨幣盈餘，將可以兌換成少量的教育獎金11，是故 IEHM 提 供促使參與者謹慎預測和做出正確判斷的誘因。
（七）成效
2009 年 4 月新聞報導 H1N1 墨西哥造成相當嚴重的影響並將擴散到美國，
IEHM 接獲消息之後立即透過現有交易帄台展開預測，參與者普遍認為美國各 州將會發生 H1N1 疫情，但是感染死亡率相當低（IEHM, 2011）。2009 年 6 月，美國疾病管制局統計資料顯示美國境內共有 10,053 人感染 H1N1，其中有 17 人死亡12，結果再次證明預測市場機制預測疫情的準確性。
10 資料來源：http://iehm.uiowa.edu/iehm/user/tutorial.html
11 資料來源：http://iehm.uiowa.edu/iehm/content/faq.html
12 資料來源：http://www.cdc.gov/h1n1flu/updates/060109.htm
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
17