예측 시장이란? 메커니즘, 영향 및 기회
· 약 7분
예측 시장(연구 및 기업 환경에서 선호되는 용어)과 베팅 시장(소비자에게 더 친숙한 표현)은 동전의 양면과 같습니다. 두 시장 모두 참가자들이 미래 사건의 결과에 따라 최종 가치가 결정되는 계약을 거래할 수 있게 합니다. 미국 규제 체계에서는 이를 일반적으로 이벤트 계약이라고 부르며, 이는 인플레이션 보고서, 폭풍 강도, 선거 결과와 같은 특정하고 관측 가능한 사건이나 값에 연계된 지급을 갖는 금융 파생상품입니다.
가장 일반적인 형태는 이진 계약입니다. 이 구조에서는 사건이 발생하면 “Yes” 주식이 $1
로 정산되고, 발생하지 않으면 $0
로 정산됩니다. 이 “Yes” 주식의 시장 가격은 해당 사건이 발생할 확률에 대한 집단의 추정치로 해석될 수 있습니다. 예를 들어, “Yes” 주식이 $0.63
에 거래되고 있다면, 시장은 사건이 일어날 확률을 약 63% 로 신호하고 있는 것입니다.
계약 유형
- 이진: 단일 결과에 대한 간단한 Yes/No 질문. 예시: “2025년 12월에 미국 노동통계국이 발표하는 Core CPI YoY가 3.0% 이상이 될까요?”
- 범주형: 여러 상호 배타적인 결과 중 하나만이 승리하는 시장. 예시: “뉴욕시 시장 선거에서 누가 승리할까요? ” (각 후보를 옵션으로 제공)
- 스칼라: 결과가 연속적인 스펙트럼에 있는 시장으로, 종종 지급이 구간별로 나뉘거나 선형 공식에 의해 결정됩니다. 예시: “연방준비제도(Fed)가 2026년에 금리 인하를 몇 차례 발표할까요?”
가격 읽기
이진 계약의 “Yes” 주식이 $1
을 지급하고 현재 가격이 라면, 암시된 확률은 대략 가 되며, 배당률은 로 계산됩니다. 범주형 시장에서는 모든 주식의 가격을 합하면 대략 $1
이 되어야 합니다(편차는 보통 거래 수수료나 유동성 스프레드 때문).
왜 이러한 시장이 중요한가?
단순 투기 이상의 가치가 있는 잘 설계된 예측 시장은 다음과 같은 기능을 수행합니다:
- 정보 집계: 시장은 방대한 분산 지식을 하나의 실시간 가격 신호로 합성할 수 있습니다. 연구에 따르면, 질문이 명확히 정의되고 유동성이 충분한 경우, 시장은 단순 벤치마크를 능가하고 때로는 전통적인 여론 조사보다도 정확합니다.
- 운영 가치: 기업들은 내부 예측 시장을 활용해 제품 출시 일정, 수요 예측, 분기 목표(OKR) 달성 위험 등을 평가해 왔습니다. 학술 문헌은 이러한 시장의 강점과 동시에 “하우스” 시장에서 나타나는 낙관주의와 같은 행동 편향 가능성을 강조합니다.
- 공공 예측: 아이오와 전자 시장(IEM)이나 비시장 예측 플랫폼인 Good Judgment와 같은 장기 프로그램은 신중한 질문 설계와 적절한 인센티브가 의사결정 지원에 매우 유용한 데이터를 생성한다는 것을 보여줍니다.
시장 설계: 세 가지 핵심 메커니즘
예측 시장의 엔진은 여러 방식으로 구현될 수 있으며, 각각 고유한 특성을 가집니다.
1) Central Limit Order Books (CLOB)
- 작동 방식: 거래자들이 특정 가격에 “리밋” 주문을 게시하는 고전적인 거래소 모델입니다. 엔진이 매수·매도 주문을 매칭해 시장 가격과 주문 깊이를 형성합니다. 초기 온체인 시스템인 Augur가 주문서를 사용했습니다.
- 장점: 경험 많은 트레이더에게 친숙한 가격 발견 메커니즘.
- 단점: 전담 마켓 메이커가 지속적으로 매수·매도 호가를 제공하지 않으면 유동성이 얇아질 수 있습니다.
2) LMSR (Logarithmic Market Scoring Rule)
- 개념: 경제학자 로빈 핸슨이 개발한 LMSR은 비용 함수 기반 자동 마켓 메이커로, 모든 결과에 대해 항상 가격을 제시합니다. 파라미터 가 시장의 깊이(유동성)를 조절합니다. 가격은 비용 함수의 기울기에서 도출됩니다: .
- 사용 이유: 우아한 수학적 특성, 마켓 메이커의 손실 제한, 다수 결과를 가진 시장에 대한 자연스러운 지원.
- 단점: 계산량이 많아 온체인 구현 시 가스 비용이 크게 발생할 수 있습니다.
3) FPMM/CPMM (Fixed/Constant Product AMM)
- 개념: DEX인 Uniswap에서 사용되는 고정 곱 공식 ()을 예측 시장에 적용한 모델입니다. 각 결과를 나타내는 토큰(예: YES 토큰, NO 토큰)으로 풀을 구성하고, AMM이 연속적인 가격 견적을 제공합니다.
- 사용 사례: Gnosis의 Omen 플랫폼이 조건부 토큰에 FPMM을 적용해 선구적으로 사용했습니다. 실용적이며 가스 효율이 비교적 높고, 개발자가 통합하기도 쉽습니다.