तकनीकी सारांश: रुक-रुक कर होने वाले योगदानों के साथ संभाव्य भविष्यवाणी बाजार (Probabilistic Prediction Markets with Intermittent Contributions)

समस्या विवरण

यह शोध पत्र नवीकरणीय ऊर्जा जैसे डोमेन में पूर्वानुमान सटीकता में सुधार करने की चुनौती को संबोधित करता है, जहाँ डेटा की उपलब्धता बढ़ रही है लेकिन डेटा स्वामित्व, प्रतिस्पर्धी हितों और गोपनीयता संबंधी चिंताओं के कारण सहयोग बाधित होता है। जबकि मौजूदा सहकारी गेम-थ्योरेटिकल ढांचे और गोपनीयता-संरक्षण वितरित शिक्षण विधियाँ मौजूद हैं, वे अक्सर एजेंटों की तर्कसंगत, सत्यनिष्ठ और निरंतर भागीदारी मानती हैं। व्यवहार में, हितधारक डेटा साझा करने के लिए अनिच्छुक हो सकते हैं, या उनकी भागीदारी रुक-रुक कर हो सकती है।

लेखक एक भविष्यवाणी बाजार (prediction market) ढांचा प्रस्तावित करते हैं जहाँ स्वतंत्र एजेंट (विक्रेता) पुरस्कारों के बदले अनिश्चित भविष्य की घटनाओं के लिए संभाव्य पूर्वानुमानों का व्यापार करते हैं। संबोधित किए गए विशिष्ट तकनीकी चुनौतियाँ हैं:

1. वास्तविक समय कार्यान्वयन (Real-time implementation): एक अलग प्रशिक्षण चरण के बिना ऑनलाइन लर्निंग की आवश्यकता।
2. ऐतिहासिक प्रदर्शन: केवल तात्कालिक सटीकता के बजाय एजेंटों के दीर्घकालिक सूचनात्मक मूल्य (informational value) को ध्यान में रखना।
3. रुक-रुक कर भागीदारी (Intermittent participation): उन परिदृश्यों को संभालना जहाँ एजेंट अपनी इच्छा से बाजार में प्रवेश करते हैं या बाहर निकलते हैं, जिसके परिणामस्वरूप पूर्वानुमान सबमिशन गायब हो जाते हैं (एक लुप्त डेटा समस्या)।
4. निष्पक्ष पुरस्कार आवंटन: एक ऐसा पे-ऑफ तंत्र डिजाइन करना जो इन-सैंपल निरंतरता (ऐतिहासिक योगदान) और आउट-ऑफ-सैंपल सटीकता (वास्तविक पूर्वानुमान गुणवत्ता) के बीच संतुलन बनाता हो, साथ ही बजट संतुलन और सत्यनिष्ठा जैसे आर्थिक गुणों को संतुष्ट करता हो।

कार्यप्रणाली (Methodology)

प्रस्तावित बाजार डिजाइन में एक केंद्रीय मार्केट ऑपरेटर (Market Operator), क्लाइंट्स (Clients - पूर्वानुमान खरीदार) और सेलर्स (Sellers - पूर्वानुमानकर्ता) के साथ अंतःक्रिया शामिल है। प्रणाली क्वांटाइल स्तरों $\tau$ के लिए नामित क्वांटाइल स्तरों के रूप में प्रस्तुत गैर-पैरामीट्रिक संभाव्य पूर्वानुमानों को संभालने के लिए असतत समय चरणों $t$ पर संचालित होती है।

1. एडेप्टिव रोबस्ट रिग्रेशन के माध्यम से पूर्वानुमान संयोजन

कई विक्रेताओं के पूर्वानुमानों को संयोजित करने के लिए, लेखक ऑनलाइन ग्रेडिएंट डिसेंट (OGD) के माध्यम से अपडेट किए गए लीनियर रिग्रेशन फ्रेमवर्क का उपयोग करते हैं।

• ऑब्जेक्टिव फंक्शन: मॉडल विशिष्ट नामित क्वांटाइल स्तरों $\tau$ के लिए भार (weights) को अनुकूलित करने के लिए क्वांटाइल लॉस (पिनबॉल लॉस) को कम करता है।
• लुप्त डेटा को संभालना: रुक-रुक कर भागीदारी को समायोजित करने के लिए, लेखक एक रोबस्ट लीनियर रिग्रेशन (RQR) मॉडल का विस्तार करते हैं। वे एक बाइनरी उपलब्धता वेक्टर $\alpha_t$ और एक लीनियर करेक्शन मैट्रिक्स $D_t$ पेश करते हैं। जब किसी विक्रेता का पूर्वानुमान गायब होता है, तो मॉडल शेष उपलब्ध पूर्वानुमानों से अतिरिक्त जानकारी निकालने के लिए करेक्शन मैट्रिक्स का उपयोग करके संयोजन भार को गतिशील रूप से समायोजित करता है।
• ऑनलाइन अपडेट: भार $w_t$ और करेक्शन मैट्रिक्स $D_t$ को क्वांटाइल लॉस के सब-ग्रेडिएंट्स का उपयोग करके पुनरावृत्ति (iteratively) से अपडेट किया जाता है। यह विधि मल्टी-स्टेप फोरकास्टिंग हॉरिजन को कुशलतापूर्वक संभालने के लिए मिनी-बैच अपडेट का समर्थन करती है।

2. पे-ऑफ आवंटन तंत्र (Pay-off Allocation Mechanism)

क्लाइंट द्वारा प्रदान किया गया कुल पुरस्कार $U_t$ प्रत्येक विक्रेता $i$ और क्वांटाइल $\tau$ के लिए दो घटकों में विभाजित किया जाता है:
$$r^{(\tau)}_{i,t} = U^{(\tau)}_t [\delta r^{is}_{i,t} + (1-\delta) r^{oos}_{i,t}]$$
जहाँ $\delta$ एक वेटिंग पैरामीटर है।

• इन-सैंपल आवंटन ($r^{is}$): निरंतरता और संचयी सूचनात्मक मूल्य को पुरस्कृत करने के लिए डिज़ाइन किया गया है।
  • यह शैपली वैल्यू (Shapley value) के एक ऑनलाइन संस्करण का उपयोग करता है ($\phi^c_{i,t}$), जिसे समय के साथ पुनरावर्ती रूप से अपडेट किया जाता है ($\phi^c_{i,t} = \lambda \phi^c_{i,t-1} + (1-\lambda)\phi^s_{i,t}$)।
  • शैपली वैल्यू की गणना संशोधित भारों का उपयोग करके एक विक्रेता के मार्जिनल योगदान के आधार पर की जाती है।
  • गायब विक्रेताओं को शून्य इन-सैंपल पुरस्कार प्राप्त होता है।
• आउट-ऑफ-सैंपल आवंटन ($r^{oos}$): तात्कालिक पूर्वानुमान सटीकता को पुरस्कृत करने के लिए डिज़ाइन किया गया है।
  • यह क्वांटाइल लॉस से प्राप्त स्कोरिंग फंक्शन पर आधारित है।
  • विक्रेताओं को अन्य उपस्थित विक्रेताओं के सापेक्ष उनकी सटीकता के अनुपात में पुरस्कृत किया जाता है।
  • गायब विक्रेताओं को शून्य आउट-ऑफ-सैंपल पुरस्कार प्राप्त होता है।

3. आर्थिक गुण (Economic Properties)

लेखक औपचारिक रूप से परिभाषित और सिद्ध करते हैं कि आवंटन तंत्र निम्नलिखित को संतुष्ट करता है:

• बजट बैलेंस (Budget Balance): वितरित पुरस्कारों का योग उत्पन्न कुल उपयोगिता के बराबर होता है।
• समरूपता (Symmetry): समान पूर्वानुमान समान पुरस्कार देते हैं।
• जीरो-एलिमेंट (Zero-Element): गैर-भागी लेने वाले विक्रेताओं को कोई पुरस्कार नहीं मिलता है।
• व्यक्तिगत तर्कसंगतता (Individual Rationality): पुरस्कार गैर-ऋणात्मक होते हैं।
• सत्यनिष्ठा (Truthfulness/Incentive Compatibility): विक्रेता वास्तविक पूर्वानुमान रिपोर्ट करके अपेक्षित पुरस्कारों को अधिकतम करते हैं, क्योंकि पूर्वानुमान बदलने से नुकसान बढ़ता है और इन-सैंपल (शैपली वैल्यू के माध्यम से) और आउट-ऑफ-सैंपल दोनों पुरस्कार कम हो जाते हैं।

परिणाम (Results)

कार्यप्रणाली का मूल्यांकन सिंथेटिक डेटा और एक वास्तविक दुनिया के विंड पावर फोरकास्टिंग केस स्टडी का उपयोग करके किया गया।

सिंथेटिक केस स्टडीज

• टाइम-इनवेरिएंट परिदृश्य: दोनों मानक क्वांटाइल रिग्रेशन (QR) और रोबस्ट QR (RQR) इष्टतम भारों की ओर अभिसरित (converge) हुए। RQR ने स्थिर अभिसरण के साथ रैंडम मिसिंगनेस (5% दर) को सफलतापूर्वक संभाला।
• टाइम-वेरिंग परिदृश्य: विधियों ने एक गतिशील वातावरण में विकसित होते भार वितरण को सफलतापूर्वक ट्रैक किया, जिससे अनुकूलित संयोजन में होने वाले आवधिक परिवर्तनों को ट्रैक किया जा सका।
• विविध मिसिंगनेस: RQR ने 5% से 90% तक की मिसिंगनेस दरों में बेंचमार्क इमप्यूटेशन रणनीतियों (मीन और लास्ट-वैल्यू इमप्यूटेशन) की तुलना में कम वेरिएंस और तुलनीय या बेहतर बायस प्रदर्शित किया।

वास्तविक दुनिया का केस स्टडी (विंड एनर्जी)

• सेटअप: तीन NWP स्रोतों (ECMWF, NOAA, DWD) और तीन मॉडल प्रकारों (XGBoost, QRF, MLP) के संयोजन वाले नौ इनपुट मॉडलों का उपयोग करके बेल्जियम के एक ऑफशोर विंड फार्म के लिए डे-अहेड संभाव्य पूर्वानुमान।
• प्रदर्शन:
  • संयुक्त पूर्वानुमान (QR) सभी व्यक्तिगत मॉडलों से बेहतर रहा, जो विषम सूचना स्रोतों के मूल्य की पुष्टि करता है।
  • RQR मजबूती: 10-20% गायब डेटा के साथ भी, RQR ने "ओरेकल" QR बेंचमार्क (पूर्ण जानकारी) के बहुत करीब क्वांटाइल लॉस मान प्राप्त किया और सर्वश्रेष्ठ व्यक्तिगत मॉडल की तुलना में काफी बेहतर प्रदर्शन किया।
  • अनुकूलन क्षमता: RQR का मूविंग एवरेज लॉस लगातार सिंगल बेस्ट एक्सपर्ट की तुलना में कम रहा, विशेष रूप से उन अवधियों के दौरान जब व्यक्तिगत विशेषज्ञ खराब प्रदर्शन कर रहे थे।
• पुरस्कार गतिशीलता: पुरस्कार वितरण ने दिखाया कि विशिष्ट भविष्य कहनेवाला मूल्य (जैसे, ECMWF-MLP, ECMWF-XGB) वाले मॉडलों ने उच्चतम निरंतर पुरस्कार अर्जित किए। सिस्टम ने समय-भिन्न प्रदर्शन को सफलतापूर्वक ट्रैक किया, जैसे कि परीक्षण अवधि के उत्तरार्ध में DWD-MLP के बढ़ते योगदान को ट्रैक करना।

महत्व और दावे (Significance and Claims)

यह शोध पत्र दावा करता है कि यह एक ऐसा प्रेडिक्शन मार्केट डिजाइन पेश करता है जो सैद्धांतिक सहकारी ढांचों और व्यावहारिक, वास्तविक दुनिया की बाधाओं के बीच के अंतर को प्रभावी ढंग से पाटता है। इसका प्राथमिक महत्व निम्नलिखित में निहित है:

1. रुक-रुक कर होने वाली भागीदारी को संभालना: यह पूर्वानुमान संयोजन के लिए रोबस्ट लीनियर रिग्रेशन का पहला विस्तार है जो एक ऑनलाइन लर्निंग सेटिंग में है, जिससे एजेंट बिना समग्र पूर्वानुमान को खराब किए स्वतंत्र रूप से शामिल या बाहर हो सकते हैं।
2. दोहरे-उद्देश्य वाला रिवार्डिंग: यह एक नया पे-ऑफ तंत्र प्रस्तावित करता है जो ऐतिहासिक निरंतरता (समय-परिवर्तित शैपली वैल्यू के माध्यम से) और तात्कालिक सटीकता (आउट-ऑफ-सैंपल स्कोरिंग के माध्यम से) दोनों को पुरस्कृत करता है, जो मौजूदा साहित्य की एक सीमा को संबोधित करता है जो अक्सर केवल इन-सैंपल प्रदर्शन पर ध्यान केंद्रित करता है।
3. आर्थिक व्यवहार्यता: तंत्र को सिद्ध किया गया है कि यह प्रमुख आर्थिक गुणों को संतुष्ट करता है, जिससे निष्पक्षता सुनिश्चित होती है और सत्यनिष्ठा के लिए प्रोत्साहन मिलता है।

लेखक निष्कर्ष निकालते हैं कि हालांकि प्रस्तावित बाजार नवीकरणीय ऊर्जा पूर्वानुमान में प्रभावशीलता प्रदर्शित करता है, भविष्य के कार्य कम्प्यूटेशनल जटिलता को कम करने और स्केलेबिलिटी बढ़ाने के लिए पूरी तरह से गतिशील प्रतिभागी सेट और वैकल्पिक आवंटन तंत्रों की खोज कर सकते हैं।