跳到主要内容

预测市场是什么？机制、影响与机遇

· 阅读需 10 分钟
Dora Noda
Dora Noda
Software Engineer

预测市场（在研究和企业语境中更常使用的术语）和投注市场（更常见的消费类表述）是同一枚硬币的两面。两者都允许参与者交易合约，其最终价值由未来事件的结果决定。在美国监管框架下，这类合约统称为 事件合约——其收益与特定、可观测的事件或数值挂钩的金融衍生品，例如通胀报告、风暴强度或选举结果。

最常见的形式是 二元合约。在这种结构中，如果事件发生，“是”份额将结算为 \$1，如果未发生则结算为 \$0。该 “是” 份额的市场价格可以解释为集体对事件发生概率的估计。例如，若 “是” 份额的交易价为 \$0.63，则市场暗示约 63% 的概率事件会发生。

合约类型​

  • 二元（Binary）： 对单一结果的简单是/否提问。示例：“2025 年 12 月美国劳工统计局报告的核心 CPI 同比是否 ≥ 3.0%？”
  • 分类（Categorical）： 多个互斥结果的市场，仅有一个获胜。示例：“谁将赢得纽约市市长选举？”并列出每位候选人选项。
  • 标量（Scalar）： 结果位于连续区间，常以区间或线性公式决定支付。示例：“美联储在 2026 年将宣布多少次降息？”

读取价格​

如果二元合约的 “是” 份额（支付 \$1）的交易价为 p，则隐含概率约为p，则隐含概率约为 p，赔率为 p / (1-p)。在分类市场中，所有份额的价格总和应约等于 `\1`（偏差通常来自交易手续费或流动性价差）。

为什么这些市场重要？​

除去单纯的投机，设计良好的预测市场还能发挥以下价值：

  • 信息聚合： 市场能够将分散的海量知识汇聚为单一、实时的价格信号。研究表明，在问题明确且流动性充足时，预测市场往往优于简单基准，甚至超过传统民调。
  • 运营价值： 企业已成功使用内部预测市场预测产品发布时间、需求规模以及评估季度目标（OKR）实现风险。学术文献既指出其优势，也提醒可能出现的行为偏差，如 “内部市场” 的乐观倾向。
  • 公共预测： 长期运行的学术与政策项目，如爱荷华电子市场（IEM）和非市场预测平台 Good Judgment，展示了精心设计的问题和恰当激励能够产生高度有用的决策支持数据。

市场设计：三大核心机制​

预测市场的引擎可以通过多种方式实现，每种方式都有其特性。

1) 中央限价订单簿（CLOB）​

  • 工作原理： 经典的交易所模型，交易者提交 “限价” 订单买入或卖出特定价格。引擎撮合买卖，形成市场价格并展示订单深度。早期链上系统如 Augur 使用订单簿。
  • 优点： 经验丰富的交易者熟悉的价格发现方式。
  • 缺点： 若无专职做市商持续提供买卖报价，流动性可能稀薄。

2) LMSR（对数市场评分规则）​

  • 概念： 由经济学家 Robin Hanson 提出，LMSR 是基于成本函数的自动做市商，对所有结果始终给出报价。参数 bb 控制市场深度或流动性。价格来源于成本函数的梯度：C(q)=bln⁡∑ieqi/bC(\mathbf{q}) = b \ln \sum_i e^{q_i/b}。
  • 使用原因： 具备优雅的数学性质、对做市商的损失有上限，并能优雅支持多结果市场。
  • 缺点： 计算量大，直接链上实现会消耗大量 gas。

3) FPMM/CPMM（固定/恒定乘积 AMM）​

  • 概念： 该模型将 DEX 中常见的恒定乘积公式（x×y=kx \times y = k）移植到预测市场。为每个结果创建代币池（如 YES 代币和 NO 代币），AMM 提供连续报价。
  • 应用场景： Gnosis 的 Omen 平台率先使用 FPMM 进行条件代币交易。实现简洁、 gas 效率相对较高，开发者易于集成。

示例与当前美国格局（2025 年 8 月快照）​

  • Kalshi（美国 DCM）： 受联邦监管的交易所（指定合约市场），列出多种事件合约。2024 年地区与上诉法院的有利裁决以及 2025 年 CFTC 放弃上诉后，Kalshi 能够上市部分政治及其他事件合约，尽管仍面临持续的政策争论和部分州级挑战。
  • QCX LLC 以 Polymarket US 名义运营（美国 DCM）： 2025 年 7 月 9 日，CFTC 将 QCX LLC 指定为指定合约市场。备案显示公司将以 “Polymarket US” 名义运营，为美国用户提供受监管的事件合约渠道，补足 Polymarket 全球链上平台的空白。
  • Polymarket（全球链上）： 领先的去中心化平台，使用 Gnosis 条件代币框架（CTF）创建二元结果代币（ERC‑1155）。因 2022 年与 CFTC 的和解曾屏蔽美国用户，现正通过 QCX 向美国市场迈进。
  • Omen（Gnosis/CTF）： 完全链上预测市场平台，基于 Gnosis 堆栈，使用 FPMM 机制和条件代币。依赖社区治理和 Kleros 等去中心化仲裁服务进行争议解决。
  • Iowa Electronic Markets（IEM）： 长期运行的大学运营市场，使用小额投注进行学术研究与教学，提供市场准确性的基准参考。
  • Manifold： 流行的 “玩币” 社交预测市场站点，为实验问题设计、观察用户行为模式以及在无金融风险的环境中培养社区提供了理想平台。

监管说明： 市场格局仍在演变。2024 年 5 月，CFTC 提出一项规则草案，试图全面禁止在 CFTC 注册场所上市某些事件合约（涉及选举、体育和奖项）。该提案引发激烈争论，并与 Kalshi 诉讼及后续监管行动交织。构建者和用户应随时核查最新规则。

从提问到结算的内部流程​

构建预测市场涉及以下关键步骤：

  1. 问题设计： 好的市场基石是表述清晰的问题。必须是明确、可检验的提示，并具备唯一的结算日期、时间和数据来源。例如：“美国劳工统计局在 2025 年 12 月的首次官方发布中，核心 CPI 同比是否 ≥ 3.0%？”避免复合问题和主观结果。

  2. 结算方式： 真相将如何确定？

    • 中心化解析者： 平台运营方依据预先指定的数据源宣布结果。快速但需要信任。
    • 链上预言机/争议机制： 通过去中心化预言机确定结果，并设有争议流程（如社区仲裁或代币持有者投票）作为后盾。提供可信中立性。

  3. 机制选择： 市场将使用哪种引擎？

    • 订单簿： 若拥有专职做市商合作伙伴，可确保紧密价差。
    • AMM（FPMM/CPMM）： 适合 “随时可用” 的流动性和更简易的链上集成。
    • LMSR： 适合多结果市场，但需管理 gas/计算成本（常通过链下计算或 L2 实现）。

  4. 抵押品与代币： 链上设计常采用 Gnosis 条件代币框架，将每个潜在结果（如 YES 与 NO）代币化为独立的 ERC‑1155 资产。这样结算、组合投资组合以及与其他 DeFi 协议的组合性都更加直接。

这些市场真的有多准？​

大量跨领域证据表明，市场生成的预测通常相当准确，且常优于中等基准。企业内部预测市场亦被证实能带来价值，尽管有时会出现特定组织的偏差。

同样值得注意的是，像 Metaculus 这样的非金融预测平台，在激励机制和聚合方法设计得当时，也能产生高度准确的结果。它们是市场的有益补充，尤其适用于长期问题或难以清晰结算的议题。

风险与失败模式​

  • 结算风险： 问题表述模糊、数据源意外修正或结果争议均可能导致结算不确定。
  • 流动性与操纵： 流动性薄弱的市场脆弱，容易被大额交易推高或压低价格。
  • 过度解读： 价格反映概率而非确定性。解读前需考虑交易手续费、买卖价差以及流动性深度。
  • 合规风险： 该领域监管严格。美国仅 CFTC 注册的场所可合法向美国人士提供事件合约。未注册平台曾遭执法行动。务必检查当地法律。

为构建者准备的实用清单​

  1. 从问题开始： 必须是单一、可证伪的陈述。明确谁、什么、何时以及具体的结算来源。
  2. 选择机制： 订单簿（若有做市商）、FPMM/CPMM（即插即用流动性）或 LMSR（多结果清晰度），并注意计算成本。
  3. 定义结算方式： 采用快速中心化解析者还是具备争议机制的可信中立链上预言机？
  4. 启动流动性： 为市场注入初始深度。可考虑激励、费用返还或与目标做市商合作。
  5. 优化用户体验： 清晰展示隐含概率，暴露买卖价差与流动性深度，并对低流动性市场给出警示。
  6. 规划治理： 设定上诉窗口、争议保证金，并制定紧急处理不良数据或突发事件的程序。
  7. 干净集成： 对链上实现，Gnosis 条件代币 + FPMM 组合已被验证。对链下应用，可使用受监管场所的 API（在许可范围内）。
  8. 关注合规： 密切关注 CFTC 对事件合约的规则制定以及各州相关监管动向。

术语表​

  • 事件合约（U.S. term）： 其收益取决于特定事件结果的衍生品，通常为二元（是/否）形式。
  • LMSR： 对数市场评分规则，一种以损失上限著称的 AMM。
  • FPMM/CPMM： 固定/恒定乘积做市商，源自 DEX 的模型，用于交易结果代币。
  • 条件代币（CTF）： Gnosis 开发的框架，用于发行代表结果持仓的 ERC‑1155 代币，实现可组合的结算。

负责任的使用与免责声明​

本文内容不构成法律、税务或投资建议。许多司法辖区对事件合约监管严格，可能被视为赌博形式。美国用户务必审阅 CFTC 规则及各州立场，并在必要时使用已注册的交易场所。

延伸阅读（精选）​

Share on Twitter