Прогнозные рынки: сравнительные преимущества

 

Прогнозные рынки (prediction markets) – технология прогнозирования, не требующая проведения массовых опросов. Давно и широко применяется для предсказания результатов выборов. История этой технологии отсылает нас к ставкам, которые делались на итоги выборов, вероятно, со времен их появления.[157] В современной версии рынки прогнозов получили известность, начиная с электронного рынка Университета Айовы, созданного в 1988 г. для прогнозирования результатов выборов в США. С тех пор было создано большое количество прогнозных рыночных площадок, которые организуют торги по широкому спектру тем и вопросов.[158] Коммерческий успех этих компаний вполне можно считать признаком достаточного качества предлагаемых ими прогнозов. Эти площадки широко прогнозируют результаты выборов не только национального, но и местного уровня.

 Точность прогнозов рынков, согласно ряду опубликованных исследований, вполне сопоставима с точностью прогнозов, основанных на социологических опросах. К примеру, исследователи из университета Айовы в ряде публикаций получили сравнения в пользу рынков [Berg, Nelson, Rietz, 2008]. В 2006 г. они сравнили результаты рынков и 964 опросов за пять предвыборных кампаний в период с 1988 г. по 2004 г. Прогнозы рынка в 74 % случаев оказались точнее результатов опросов. Межстрановые сравнения показали, что прогнозные рынки по 44 выборам в восьми странах (Австрия, Канада, США, Нидерланды, Норвегия, Швейцария, Швеция, Германия) оказались точнее прогнозов по результатам опросов в 31 случае [Graefe, 2016: 18], в том числе восьми президентских выборов в США в 1988–2012 гг.

 Точность прогнозных рынков неоднократно подвергалась сомнению. В частности, доказывалась неправомерность сравнения результатов рынков с опросами, поскольку некорректно приравнивать опросы к прогнозам на их основе. Было показано, что если опросные данные брать в «чистом виде», то рынки им начинают проигрывать [Erikson, Wlezien]. Однако всего год спустя было доказано обратное: рыночные прогнозы, подвергнутые сопоставимым процедурам «очистки», оказываются точнее «очищенных» же опросных прогнозов [Rothschild, 2009].

 Несмотря на то, что президентские выборы 2016 г. в США оказались неудачными и для рынков прогнозов, и для опросов,[159] большое количество успешных кейсов позволяет рассматривать прогнозные рынки как весьма перспективную технологию. Высокую точность прогнозных рынков принято объяснять «мудростью толпы» [Шуровьески, 2007] и мыслью Ф. Хайека о том, что ценовой механизм в условиях конкурентного рынка является наиболее эффективным способом агрегирования информации, распыленной среди участников рынка [Хайек, 2000]. С технологической точки зрения рынки имеют ряд преимуществ перед опросами: достаточно небольшого количества участников; нет необходимости строить выборку, взвешивать данные и моделировать результат; есть механизм, позволяющий участникам менять свои позиции в режиме реального времени (см. табл. 8).

 

Таблица 8. Сравнение эффективности выборочных опросов и прогнозных рынков

 

 § 3. Прогнозные рынки: механизм работы

 

Прогнозный рынок работает аналогично фондовому рынку. Рынок – это площадка, где игроки покупают и продают контракты («акции») на то, что какое‑то событие состоится или не состоится. Игроками рынка выступают те, кто прошел процедуру регистрации, которая, как правило, не предполагает квалификационного отбора, то есть игроками прогнозного рынка становятся обычные люди, не являющиеся признанными профессиональным сообществом экспертами. Число участников прогнозного рынка может быть невелико: на ведущих площадках работают рынки с числом участников от 50. Таким образом, для функционирования рынка требуется немного: электронная площадка, которая дает возможность делать ставки на вероятность наступления событий, несколько десятков зарегистрированных участников и правила игры (предмет прогнозирования, условия наступления выигрыша, ограничения). Известные нам прогнозные рынки предлагают участникам две формы торговли: бинарные контракты и индексные контракты [Graefe, 2016].

 Бинарный контракт наиболее распространен и работает следующим образом. Трейдер должен предсказать вероятность наступления какого‑то события, например, победы кандидата. Если событие случилось, он получает 100 у. е. за каждую ставку на то, что оно произойдет, если нет, его выигрыш равен нулю. В таком случае цена контракта 55 у. е. означает, что вероятность победы кандидата оценивается в 55 %. Допустим, трейдер считает, что кандидат А победит с вероятностью 70 %, тогда он купит контракты на его победу по любой цене ниже 70 у. е. Если он купит 10 таких контрактов по 55 у. е., и кандидат А в итоге победит, выигрыш трейдера составит 10 × (100 – 55) = 450 у. е. Если кандидат А проиграет, то проигрыш трейдера составит 10 × (0 – 55) = 550 у. е.

 Индексный контракт работает иначе. Трейдеру предлагается определить, сколько процентов голосов может набрать кандидат, и за каждый 1 % голосов он получает 1 у. е. Например, акции кандидата А продаются на рынке по 51 у. е. (это значит, что прогноз его результата составляет 51 %), а трейдер считает, что в итоге этот кандидат наберет больше голосов. В этом случае он покупает акции кандидата А. Предположим, что он купил 100 акций кандидата А по 51 у. е., а в день голосования кандидат А набрал 55 %. В этом случае выигрыш трейдера составит 100 × (55 – 51) = 400 у. е. Если же кандидат А набрал 48 %, то проигрыш трейдера составит 100 × (51 – 48) = 300 у. е.

 Свидетельства о том, являются ли прогнозные рынки, где ставки делаются на реальные деньги, более точными, чем те рынки, где деньги виртуальные, достаточно противоречивы и не дают сделать однозначного вывода [Servan‑Schreiber et al., 2014; Rosenbloom, Notz, 2006; Deimer, Poblete, 2011].

 В литературе описаны попытки манипулировать рыночными прогнозами. Алгоритм манипуляции прост: если трейдер хочет повысить цену акций, он покупает эти акции по высокой цене. Если трейдер хочет понизить цену акций, он продает их по низкой цене. Естественным ограничителем манипуляции выступает объем капитала трейдера. Описан случай, когда в 2012 г. один трейдер был в состоянии завышать рыночную цену ставок на победу Ромни над Обамой на сумму от 5 до 10 пунктов [Rothschild, Sethi, 2016]; на том рынке торговля велась за живые деньги, и потери трейдера составили около 7 млн долларов. Потеря заметная, однако в масштабе кампании она не так уж велика с учетом возможного медийного эффекта от дискуссий вокруг рейтингов.

 В игровых рынках, где торговля не требует от участников вложений финансовых средств, манипуляция также возможна. Размер капитала, предоставляемый игроку при регистрации, ограничен, но возможны манипуляции с множественными аккаунтами. Против каждого способа манипуляции есть защита: барьеры регистрации, правила торговли, модерирование транзакций (автоматическое и ручное); набор средств защиты типичен для любой игры.

 

 § 4. Прогнозный рынок ВЦИОМ (2016–2018 гг.)

 

Рынок прогнозов ВЦИОМ был запущен в апреле 2016 г. на технической платформе австрийской компании Prediki. Работа рынка в 2016–2018 гг. была основана на бесплатном участии игроков, так как российское избирательное законодательство прямо и недвусмысленно запрещает принимать ставки на итоги выборов, а игры, основанные на риске, связаны с дополнительным регулированием. Чтобы стимулировать вовлеченность участников, был сформирован призовой фонд, включавший набор подарков для участников, набравших максимальный виртуальный капитал.[160]

 Поскольку предметом прогноза был не победитель (в неконкурентной/низкоконкурентной политической системе он понятен заранее), а процентный расклад по итогам выборов, в качестве механизма работы рынка были выбраны индексные контракты. Каждый участник при регистрации получал некоторую сумму виртуальных денег и некоторое количество «акций» каждой партии/кандидата. Далее его задачей было максимально увеличить свой капитал, предсказывая поведение других участников рынка, проще говоря – купить дешевле и продать дороже.

 К примеру, участник видел в продаже «акции» кандидата в президенты по 14 у. е. и полагал, что этот кандидат по итогам выборов наберет не менее 16 %. Тогда он покупал эти «акции» и ожидал дальнейшего движения цены. При достижении цены ожидаемого уровня 16 у. е. он мог продать эти «акции» и зафиксировать прибыль, а мог ждать дальнейшего роста котировок либо для продажи по более высокой цене, либо в связи с тем, что его прогноз в ходе кампании изменился и он ожидал, что данный кандидат наберет 19 % (а значит, именно такова будет стоимость каждой «акции» этого кандидата в момент закрытия рынка).

 Рекрут участников проводился двумя способами: через сайт проекта, на котором все желающие могли зарегистрироваться для участия в рынке, и в ходе всероссийских личных и телефонных опросов населения. После завершения опроса респондентам предлагалась короткая информация о проекте и тем, кто выражал заинтересованность, высылалось приглашение. На рынке 2016 г. было зарегистрировано 146 участников, на рынке 2018 г. – 606 участников. Не все из них присоединились к торгам и совершали сделки. В 2016 г. на рынке «крупные партии» был зарегистрирован 121 участник, примерно половина из них совершали сделки, на рынках малых партий и явки было 57 и 55 участников соответственно. В 2018 г. к каждому рынку присоединились более 100 участников, на рынке «основной кандидат» было более 150 участников. Большинство присоединившихся совершали сделки. Дополнительно в обоих случаях было приглашено 20 иностранных участников – трейдеров из прогнозных проектов компании Prediki, которые имели опыт прогнозирования результатов выборов в Швейцарии, Германии и в других странах.

 Для эффективного прогнозирования прогноз результатов выборов по стране в целом был разбит на два рынка:

 • Рынок крупных партий/кандидатов: в 2016 г. на нем торговались «акции» «Единой России», ЛДПР, «Справедливой России», КПРФ, все другие партии были объединены в одну позицию (в 2018 г. на нем торговались две позиции: В. Путин и «все другие кандидаты»).

 • Рынок малых партий/кандидатов: в 2016 г. на нем торговались десять партий, не вошедших в число участников рынка крупных партий (в 2018 г. – все семь соперников В. Путина).

 Такая структура рынка позволяла снизить «разбег» в стоимости отдельных партий и кандидатов, который мог бы доходить до нескольких десятков раз (скажем, при уровне котировок показателя В. Путина в 70 у. е. и котировок Б. Титова в 0,5 у. е. разрыв составлял 140 раз), что снижало бы ликвидность самых дорогостоящих «акций». Отдельно работал рынок по явке (торговались две позиции: доля тех, кто примет участие в выборах, и доля тех, кто не примет участие в выборах).

 В 2018 г. были также организованы экспериментальные прогнозные рынки, предсказывающие результаты выборов президента в двух регионах РФ: в Москве и Республике Крым. На каждом из этих рынков предлагался общий список кандидатов без разделения на две части.

 Для борьбы с манипуляциями на Прогнозном рынке ВЦИОМ применялись следующие технологии:

 • Чтобы предотвратить создание множественных аккаунтов, участникам надлежало заполнить анкету и указать свои контактные данные.

 • На рынке дежурил модератор, который отслеживал и удалял подозрительных игроков. К числу таких игроков относились, например, те, кто сразу после регистрации на рынке начинал совершать крупные сделки с акциями одной партии/кандидата, которые резко понижали его капитал (продавал дешево, покупал дорого), и имели очевидным следствием (и целью) сдвиг котировок.

 • Модератор отслеживал сети игроков, действовавших в очевидном сговоре, как правило, на акциях одной партии/кандидата, продавая и покупая акции только друг у друга, стремясь сдвинуть котировки.

 

 § 5. Портрет участников Прогнозного рынка ВЦИОМ

 

В рамках рекрута в 2016 г. в ходе опросов интерес к проекту проявили 955 участников, которым были высланы приглашения, и через сайт зарегистрировались 147 участников. В 2018 г. на рынке было 606 участников. Основную массу участников рынков 2016 и 2018 гг. составили люди среднего возраста с высоким уровнем образования (см. табл. 9). В 2016 г. география участников не фиксировалась, а в 2018 г. были представлены 40 регионов, доля москвичей составила около 15 %, петербуржцев – 7 %, остальные регионы представляли от одного до пяти участников.

 При регистрации участникам рынка задавался вопрос об их политических предпочтениях для последующего сравнения с результатами опросов и работы рынка. В 2016 г. только немногие ответили на этот вопрос (27 ответов, из них 14 – «Единая Россия» и ни одного – КПРФ), в 2018 г. ответы дали большинство участников (см. табл. 10). В целом можно констатировать сходство предпочтений участников рынка с общероссийской выборкой.

 

Таблица 9. Портрет участников рынков прогнозов* (в %)

* Данные приводятся только по российским участникам; зарубежные участники анкету не заполняли.

 

Таблица 10. Результаты выборов и прогнозного рынка в 2018 г.

* В опросе участников рынка 1 % назвали других кандидатов, 24,5 % отказались ответить. В таблице приведены данные от числа давших содержательный ответ.

 

По итогам работы рынка в 2016 г. был проведен постопрос участников с целью выяснения их стратегий и мотивации. Было получено 46 анкет, половина ответивших утверждали, что играли на рынке по определенной стратегии и планировали свои действия. Три четверти участников сообщили, что основным мотивом участия был не приз, а процесс игры, столько же следили за кампанией, но только каждый четвертый, по собственному утверждению, делал это более внимательно, чем ранее.

 По итогам обоих рынков можно наблюдать, что чаще побеждали опытные игроки: в 2016 г. среди 20 победителей оказались 14 приглашенных зарубежных участников (из Германии, Австрии, Швейцарии), в 2018 г. – 9.

 

 § 6. Динамика торгов и анализ эффективности Прогнозного рынка ВЦИОМ

 

Ценность рынка прогнозов как инструмента, способного показывать динамику в режиме реального времени, проявилась как в 2016 г., так и в 2018 г. На рисунках 9–11 показано сравнение динамики рыночных котировок с данными проводимых в тот же период опросов. Поскольку опросы проводились еженедельно с двухнедельным перерывом в июле, число точек по данным опросов для сопоставления невелико. На рисунке 9 эти точки наложены на биржевую диаграмму ежедневных котировок «Единой России». Здесь можно наблюдать совпадение направления долгосрочной динамики (понижение) при разной оценке темпа этой динамики. Например, в период с середины июля по середину августа 2016 г. рыночный показатель снизился на 5 пунктов, в то время как показатель по опросам – на 1 пункт. В конце августа рынок перешел к росту раньше, чем этот рост начал фиксироваться опросом.

 

Рисунок 9. Динамика котировок «Единой России» за июль–сентябрь 2016 г. в сравнении с рейтингом партии по данным опросов[161]

 

Рисунок 10 иллюстрирует масштабы возможных внутридневных колебаний котировок партии, а также количество выбросов, которые можно интерпретировать как попытки манипулировать рынком; основным полигоном для манипуляторов стали «акции» КПРФ. «Акции» «Справедливой России» и ЛДПР оказались менее привлекательными: здесь слабее выражена динамика и внутридневные колебания. На рисунке 11 видно, что опросы и рынок на протяжении кампании показывали разнонаправленную динамику. Резкий рост котировок малых партий в августе объясняется тем, что они прошли регистрацию, и появилась вероятность прохождения «Яблока» в Думу.

 На рисунке 12 приведено сопоставление динамики рынка прогнозов котировок В. Путина с данными ежедневных опросов, не сглаженных скользящими средними. Оценки рынка демонстрируют устойчивость и отсутствие динамики на протяжении февраля и марта 2018 г.; только на последней неделе прогноз немного скорректировался. Это расходится с динамикой опросных данных: умеренный тренд к снижению из коридора 72–73 в январе в коридор 69–70 перед выборами с большим диапазоном дневных колебаний до 6 пунктов.

 

Рисунок 10. Динамика котировок КПРФ за июль–сентябрь 2016 г. в сравнении с рейтингом партии по данным опросов

 

Рисунок 11. Динамика котировок «Справедливой России», ЛДПР и малых партий за июль–сентябрь 2016 г. в сравнении с рейтингом партии по данным опросов

 

Рисунок 12. Динамика котировок «акций» В. Путина в сравнении с его рейтингом по данным ежедневных опросов в 2018 г.[162]

 

Уровень точности рыночных прогнозов всероссийских выборов сопоставим с уровнем точности прогнозов по данным опросов: оба прогноза верно определили иерархию основных кандидатов и партий, набирающих более 3 % голосов.

 Абсолютная ошибка в оценке отрыва победителя (показатель, который используется для оценки точности прогнозов национальных выборов в США и рассчитывается как разность отрыва победителя от второго кандидата по результатам выборов и по результатам прогноза) составила 8,7 п. п. для думских выборов и 7,3 п. п. – для президентских. Этот размер ошибки в абсолютном значении можно считать большим (скажем, в прогнозировании отрыва Д. Трампа от Х. Клинтон опросы в США в среднем ошиблись на 1,9 п. п.). В относительном же значении этот показатель очень мал, так как составляет менее 20 % величины разрыва (тогда как при фактическом разрыве Трамп–Клинтон в 2,1 п. п. ошибка в 1.9 п. п. – это двукратная ошибка!).

 В обоих прогнозах направление ошибки одинаково: недооценка результатов победителя (в обоих случаях инкумбента) и некоторая переоценка результатов партий / кандидатов, занимающих второе и третье места (т. е. достаточно сильных для того, чтобы не считаться номинальными участниками). Это же направление ошибки характерно и для опросов, и для экзитполов, что дает основания предположить наличие общего фактора смещения, который может быть связан с характером мобилизации, влияние которой трудно оценить.

 Прогнозы явки оказались разными по точности. Прогноз 2016 г. заметно завысил явку (на 7 п. п.), хотя и оценил ее существенно ниже уровня 2011 г. (60 %). Напротив, прогноз 2018 г. очень точно определил явку (отклонение 0,1 п. п.) при том, что оценил ее выше уровня 2012 г. (65 %).

 Отдельный интерес представляет анализ результатов рыночных прогнозов по двум регионам – Москве и Крыму (см. табл. 11). Прогнозирование расклада в двух регионах представляло ряд особенностей:

 • ожидалось, что по этим регионам результаты выборов будут заметно отличаться от средних по стране. Ряд экспертов предсказывали очень высокие результаты В. Путина в Крыму и сравнительно низкие в Москве;

 • по этим регионам не проводились публичные социологические опросы, соответственно, у участников рынка не было доступа к актуальным данным, на которые они могли бы ориентироваться, делая ставки. Некоторая аналитическая информация была доступна – в первую очередь, оценки экспертов. Однако они были немногочисленны и противоречивы, и в России нет источника, который предоставлял бы подобные оценки в агрегированном и систематизированном виде, подобно тому, как, например, FiveThirtyEight ведет учет endorsements для формирования уточненного прогноза результатов выборов президента;

 • по Крыму не существовало никакой электоральной истории, которая давала бы ориентир для прогнозов. В электоральной истории Москвы встречаются прецеденты как сравнительно высоких, так и сравнительно низких результатов инкумбента.

 В обоих регионах рынки сработали по‑разному с точки зрения экспертных ожиданий. В Крыму рынок оказался осторожнее экспертов: отмечена недооценка высокого результата В. Путина. В Москве рынок усилил недостаток оптимизма экспертов и дал еще более низкий прогноз результата В. Путина, чем многие сдержанные публичные экспертные оценки. В Крыму рынок верно определил порядок кандидатов, за исключением Б. Титова, который оказался несколько недооценен. Основная ошибка рынка – недооценка отрыва лидера и переоценка результата кандидатов, занявших второе и третье места. С учетом того, что результаты всех кандидатов, кроме победителя, укладываются в размер ошибки выборки, результат выглядит успешным. В Москве же размер недооценки результата победителя и размер переоценки результата второго места практически идентичны размеру ошибки по Крыму.

 Таким образом, можно сделать вывод, что для удачного предсказания прогнозному рынку необходимы публичная информация о рейтингах кандидатов и электоральная история страны/региона. Без этого участникам рынка трудно делать обоснованные предположения о результатах голосования, а значит, и свои рыночные ставки.

 

Таблица 11. Результаты работы прогнозного рынка по Москве и Республике Крым

 

Если в конкурентной системе задача прогноза – определить победителя, то в неконкурентной системе задача прогноза – точно определить явку и результат. Критерии точности здесь могут стать предметом отдельного рассмотрения, поскольку при большом отрыве победителя значимость каждого отдельного пункта ошибки выглядит иначе. Опыт работы с прогнозными рынками показал, что на выборах национального уровня, когда участникам доступны данные из разных источников (в том числе электоральная история, результаты опросов, широкий набор экспертных мнений), прогноз оказывается достаточно точным. В случае выборов в Государственную Думу рынок оказался точнее прогноза по опросам (ошибка ниже на 0,55 п. п.), в случае выборов президента – менее точным (ошибка выше на 0,4 п. п.).

 Ошибка прогнозного рынка возникает всегда в одном направлении, а именно в том, в котором ошибаются и все остальные прогнозы: недооценивается результат инкумбента, который побеждает на выборах, и переоценивается результат ближайших соперников. Эта же тенденция ярко выражена на уровне регионов. Даже в Крыму, где эксперты прогнозировали рекордный результат победителя, прогноз рынка был более сдержанным.

 Общий пессимизм рыночных прогнозов делает этот инструмент удобным как дополнение к опросам. Динамика рыночного прогноза существенно более выражена, чем динамика прогноза экспертов, а приведенные графики колебаний котировок показывают способность рынка реагировать на изменение повестки.

 

 § 7. Сравнение прогнозов, полученных разными методами

 

В таблицах 12 и 13 сравниваются данные прогнозов ВЦИОМ на выборах 2016 и 2018 гг. с официальными результатами выборов. В обоих случаях по классическим критериям прогноз следует признать успешным: победители и порядок основных кандидатов и партий определены верно. Критерием точности прогноза мы считаем размер отклонения предсказания результата каждого участника выборов от официального результата, опубликованного ЦИК. Для оценки средней точности прогноза мы используем меру разброса – стандартное отклонение ошибки по всем кандидатам. Поскольку величина средней ошибки (без приведения по модулю), равна нулю, эта мера достаточно хорошо показывает, насколько мы в среднем попали в цель.

 Приведенные в таблицах данные позволяют сделать несколько наблюдений:

 • общее направление ошибки прогноза весьма характерно: заметная недооценка результата победителя и пропорциональная переоценка результатов других участников выборов. Этот результат противоречит популярной гипотезе о наличии «фиги в кармане», когда респондент в опросах демонстрирует лояльность, а на выборах голосует за оппозицию;

 • прогнозы в обоих случаях ближе к результатам экзитпола, чем к официальным результатам выборов по данным Центральной избирательной комиссии РФ. Можно предположить, что здесь влияет метод сбора данных – опрос, однако рынок прогнозов также соответствует этому наблюдению;

 • данные квартирного опроса и в 2016 г., и в 2018 г. дали заниженный прогноз явки и результата победителя. Это опровергает гипотезу о том, что в ситуации личного опроса респондент с «фигой в кармане» ведет себя искреннее, чем при телефонном опросе.

 

Таблица 12. Результаты выборов и прогнозного рынка 2016 г.

 

Таблица 13. Результаты выборов и прогнозного рынка в 2018 г.

* В опросе участников рынка 1 % назвали других кандидатов, 24,5 % отказались ответить. В таблице приведены доли от числа давших содержательный ответ

 

 

 

 3.5. Тренды следующего электорального цикла

 

Наблюдение за тем, как работают прогнозы на данных опросов, позволяет говорить о том, что в рамках применяемых технологий пределы точности прогнозирования на сегодняшний день, скорее всего, достигнуты, если не рассматривать случаи «магии» (когда методика составления прогноза не раскрывается). Однако сами технологии исследований довольно быстро эволюционируют: если еще в прошлом российском электоральном цикле 2011–2012 гг. большинство количественных электоральных исследований проводились методом личного интервью и на бумаге, то в 2016–2018 гг. мы брали интервью преимущественно по телефону, на планшете, а иногда и онлайн. Как будут выглядеть опросы через несколько лет? Попробуем наметить возможные тренды.

 Первое и, возможно, главное: на российский рынок придут онлайн‑опросы, уже сейчас успешно конкурирующие на мировом рынке с квартирными и телефонными опросами. Их главный плюс – сравнительно низкие затраты, главный минус – «плохие» выборки. Построить вероятностную выборку для интернет‑опроса дорого, единственный доступный на сегодня способ это сделать – рекрутировать респондентов онлайн‑опроса по телефону по вероятностной выборке. Это тот путь, которым идут, например, GfK и Pew Research Center.

 При отсутствии теоретического обоснования для выборок онлайн‑опросов анализ прогнозов выборов президента США 2016 г. показывает, что они в целом оказались менее точными, чем телефонные опросы. Но уровень смещения отнюдь не катастрофический: увеличение ошибки вполне окупается снижением цены.[163] Это касается опросов как по онлайн‑панелям, так и по потоковым выборкам – когда респонденты набираются не из панелей, а через баннеры с приглашениями в социальных сетях и на других сайтах.

 В России проведению онлайн‑опросов существенно препятствует неразвитость их инфраструктуры. На текущий момент в разумные сроки можно опрашивать жителей городов в возрасте до 35 лет – это важная, но недостаточная часть населения. Тем не менее общие темпы цифровизации отрасли дают основания предположить, что со временем это ограничение удастся преодолеть.

 Можно предположить, что с широким внедрением онлайн‑опросов изменится сам подход к исследованиям. Из цикличных (проблема – анкетный вопрос – данные – вывод) исследования превратятся в непрерывные, когда поток данных, причем разнородных, не только опросных, будет постоянным, и у аналитиков появятся новые возможности для разработки моделей, прогнозирующих поведение избирателей на основе широкого спектра переменных. Известный кейс компании Cambridge Analytics показывает вероятное направление эволюции анализа политических симпатий. В России первой ласточкой «потоковых» опросов стал ежедневный телефонный опрос «ВЦИОМ–Спутник», реализуемый с января 2017 г.

 Второй важнейший тренд связан с прогнозируемым дальнейшим снижением доверия результатам опросов. Критичность дискурса о честности выборов будет ставить под сомнение любые опросы и прогнозы, число которых будет увеличиваться с увеличением доступности их проведения. Полстерам придется предпринимать усилия по повышению открытости и доступно объяснять публике, как отличить хорошие данные от плохих. В западной традиции разговор о данных исследований и прогнозах начинается с обоснования выбранных опросных методов и контроля за соблюдением всех методических процедур [Баскакова, 2016]. Массивы данных публикуют немногие, но профессиональное сообщество четко очерчивает и маркирует стандарты работы. Перспектива ближайшего будущего – работа «за стеклом», когда каждый желающий будет иметь возможность посмотреть не только на анкеты, но и на массивы данных, проверить алгоритмы их обработки и критически оценить сделанные выводы и прогнозы. Минимум «магии» – гарантия доверия данным.

 

 Список литературы

 

Баскакова Ю. М. Опыт прогнозирования итогов выборов с применением экспертных оценок // Социологические исследования. 2013. № 1. С. 42–51. URL: http://www.isras.ru/files/File/Socis/2013_1/Baskakova.pdf (дата обращения: 15.08.2018).

 Баскакова Ю. М. Как американские полстеры прогнозируют выборы // Полития. 2016. № 2. С. 158–171. URL: https://cyberleninka.ru/article/v/kak‑amerikanskie‑polstery‑prognoziruyut‑vybory (дата обращения: 18.09.2018).

 Баскакова Ю. М. Электоральное прогнозирование в США: игроки рынка и понимание прогнозов // Мониторинг общественного мнения: Экономические и социальные перемены. 2015. № 6. С. 195–202.

 Баскакова Ю. М., Демин А. А., Лашук Н. Е., Терентьева Н. Н. Американские практики электорального прогнозирования. М.: ВЦИОМ, 2016. URL: https://wciom.ru/fileadmin/file/books/amer_prodnoz.pdf (дата обращения: 22.07.2018).

 Галицкий Е., Кертман Г, Преснякова Л., Чуриков А. Прогнозирование электорального поведения на региональных выборах: методика ФОМа // Социальная реальность. 2006. № 4. С. 105–122.

 Калинин К. О. Исследование социально приемлемого поведения в России: теория и методология // Мониторинг общественного мнения: Экономические и социальные перемены. 2014. № 1. С. 14–40. URL: https://wciom.ru/fileadmin/file/monitoring/2014/119/2014_119_2_K.O.Kalinin.pdf (дата обращения: 15.08.2018).

 Мягков А. Ю. О проблеме анонимности в социологических опросах // Вестник ТГУ. 2003. Вып. 1 (29). С. 31–36.

 Мягков А. Ю. Техника «непарных чисел»: опыт применения в телефонном интервью // Мониторинг общественного мнения: Экономические и социальные перемены. 2013б. № 5. С. 170–172.

 Мягков А. Ю. Техника «непарных чисел»: Аналитический обзор зарубежных исследований // Социологические исследования. 2013а. № 7. С. 78–87.

 Мягков А. Ю. Техника «непарных чисел»: опыт экспериментального тестирования // Социологические исследования. 2016. № 1. С. 37–48.

 Сравнительный анализ качества прогнозирования общенациональных выборов в России / Циркон. М., 1996. URL: http://www.zircon.ru/upload/iblock/5ae/Sravnitelnyj_analiz_kachestva_prognozirovanija_itogov_obshhenacionalnyh_vyborov_v_Rossii.pdf (дата посещения: 23.06.2018).

 Хайек Ф. Использование знаний в обществе. Индивидуализм и экономический порядок. М., 2000.

 Чуриков А. В. Случайные и неслучайные выборки в социологических исследованиях // Социальная реальность. 2007. № 4. С. 89–109.

 Шуровьески Д. Мудрость толпы. М.: Вильямс, 2007.

 Armstrong J. S., Green K. C., Graefe A. The golden rule of forecasting: Be conservative. Journal of Business Research. 2015. 68(8). 1717–1731.

 Berg J., Nelson F., Rietz T. Prediction Market Accuracy in the Long Run. International Journal of Forecasting, 2008. Vol. 24. No. 2. Р. 285–300.

 Deimer S., Poblete J. Real‑Money vs. Play‑Money Forecasting Accuracy. Journal of Prediction Markets. 2011. No. 4. P. 21–58. URL: https://www.researchgate.net/publication/292615991_Political_markets (дата обращения: 15.08.2018).

 Erikson R. S., Wlezien Ch. Are Political Markets Really Superior to Polls as Election Predictors? Public Opinion Quarterly. 2008. Vol. 72. P. 190–221.

 Galesic M., Bruine de Bruin W., Dumas M., Kapteyn A., Darling J. E., Meijer E. Asking about Social Circles Improves Election Prediction. Nature. Human Behaviour. 2018. No. 2. P. 187–193. 2018. https://doi.org/10.1038/s41562‑018‑0302‑y.

 Gallup G. The Gallup poll and the 1950 Election. Public Opinion Quarterly. 1951. Vol. 15. No. 1. P. 16–22.

 Graefe A. Political markets / SAGE Handbook of electoral behaviour. 2016 (preprint from https://www.researchgate.net/publication/292615991_Political_markets).

 Graefe A. Prediction Market Performance in the 2016 U. S. Presidential Election. Foresight: The International Journal of Applied Forecasting. 2017. No. 45. Р. 38–42.

 Holbrook A. L., Krosnick J. A. Tests Using Social Desirability Bias in Voter Turnout Reports: The Item Count Technique. Public Opinion Quarterly. 2010. Vol. 74. No. 1. Spring. P. 37–67.

 Kennedy C., Blumenthal M., et al. An Evaluation of the 2016 Election Polls in the United States. Public Opinion Quarterly. Vol. 82. No. 1. 2018. P. 1–33.

 Kuklinski J. H., Sniderman P. M., et al. Racial Prejudice and Attitudes toward Affirmative Action. American Journal of Political Science. 1996. Vol. 41. P. 402–419.

 Perry P. Election Survey Procedures of the Gallup Poll. Public Opinion Quarterly. 1960. Vol. 24. No. 3. P. 531–542.

 Perry P. A Comparison of the Voting Preferences of Likely Voters and Likely Nonvoters. Public Opinion Quarterly. 1973. No. 1. P. 99–109.

 Perry P. Certain Problems in Election Survey Methodology. Public Opinion Quarterly. 1979. Vol. 43. No. 3. P. 312–325.

 Rhode P. W., Strumpf K. S. The Long History of Political Betting. In: The Oxford Handbook of the Economics of Gambling. Oxford: Oxford University Press. 2014. P. 560–586.

 Rosenbloom E., Notz W. Statistical tests of real‑money versus play‑money prediction markets. Eletronic Markets. 2006. Vol. 16. No. 1. P. 63–69.

 Rothschild D. Forecasting Elections: Comparing Prediction Markets, Polls, and Their Biases. Public Opinion Quarterly. 2009. Vol. 73. No. 5. P. 895–916.

 Rothschild D, Sethi R. Wishful thinking, manipulation, and the wisdom of crowds: Evidence from a political betting market. In: SAGE Handbook of Electoral Behavior. Chapter: Political markets. SAGE. 2016. URL: https://www.researchgate.net/publication/292615991_Political_markets (дата обращения: 23.06.2018).

 Servan‑Schreiber E., Wolfers J., Pennock D., Galebach D. Prediction markets: does money matter? Electronic markets. 2014. Vol. 14. No. 3. P. 243–251.

 

 

 Глава IV. Валидность и точность измерения в электоральных прогнозах: реабилитация эмоций

 

Олег Чернозуб – социолог и консультант, руководитель Центра социально‑экономических исследований Национального института социологии управления (НИСоцУ) в составе РАНХиГС

 4.1. Источники эрозии валидности в электоральных исследованиях

 

На фоне серии резонансных ошибок предвыборных прогнозов в различных странах мира в 2014–2016 гг. обострилось внимание к проблемам электорального прогнозирования вообще и к проблемам качества опросных данных, используемых как сырье для таких прогнозов. Как показала практика анализа имевших место ошибок, внимание профессионального и научного сообщества обращено прежде всего на проблему точности измерений, в то время как проблема их валидности в целом серьезно недооценивается. Мы проанализируем главные источники эрозии валидности данных предвыборных опросов на основе реконструкции их теоретической основы и анализа возникающих разрывов различного свойства: фундаментального (несовершенство самой теоретической модели), методологического (неполное или неточное использование модели на практике) и методического (несоответствие инструментов измерения требованиям модели). Благодаря этому анализу станет возможным сформулировать «техническое задание» на совершенствование сложившейся практики электоральных исследований с целью преодоления/сокращения этих разрывов.

 

 § 1. Прогноз результатов выборов: актуальность и проблемы реализации

 

В последние 50–60 лет практика конкурентных выборов и, соответственно, практика прогнозирования их результатов стали рутинными процедурами во многих странах мира. Чаще всего для прогнозов используются результаты опросов избирателей, которые стали важнейшим фактором политического планирования. Практически по всему миру, в том числе и в России, регулярно публикуются всевозможные рейтинги, отражающие уровень популярности политиков и политических сил и претендующие на оценку шансов этих сил заручиться поддержкой избирателей на выборах. Несмотря на то что в последнее время среди полстеров становится хорошим тоном отрицать свои претензии на прогноз результатов выборов, именно прогноз и есть единственно ценное, чего ждут и что хотят увидеть непосредственные потребители данных рейтингов.

 Ведь для политической партии (или отдельного политического деятеля) именно результаты выборов являются естественным вознаграждением за те решения, которые он принимает и проводит в жизнь в ходе своей политической деятельности. Никакие рейтинги, не указывающие на его шансы получить голоса избирателей, ему, по большому счету, не нужны. Ровно по той же причине они малоинтересны СМИ и обществу в лице общественных организаций, различных групп интересов и т. п. Поэтому набирающая силу, насколько можно судить по последним выборным кампаниям в Европе, США и у нас в России, тенденция исследователей общественного мнения отказываться от прогнозирования понятна, но глубоко порочна и даже в как<