IOSG: 確率を資産にする: 予測市場情報エージェント

元記事のタイトル：「IOSGウィークリーブリーフ｜確率を資産にする：予測市場エージェント展望#315」

オリジナル記事の著者: Jacob Zhao, IOSG

これまでのCrypto AIシリーズレポートでは、現在の暗号資産分野における最も実用的なアプリケーションは主にステーブルコイン決済とDeFiであり、エージェントはAI業界とユーザーとの重要なインターフェースであるという見解を一貫して強調してきました。したがって、暗号資産とAIの統合のトレンドにおいて、最も価値のある2つの道筋は、短期的には既存の成熟したDeFiプロトコル（レンディング、流動性マイニングなどの基本戦略から、スワップ、ペンドルPT、資金調達レート裁定取引などの高度な戦略まで）に基づくAgentFi、そして中長期的にはACP/AP2/x402/ERC-8004などのステーブルコイン決済とレバレッジプロトコルを中心としたAgent Paymentです。

予測市場は2025年には業界の新たなトレンドとして無視できない存在となり、年間総取引量は2024年の約90億ドルから2025年には400億ドルを超え、前年比400%以上の成長を達成しています。この著しい成長は、マクロ政治イベントによる不確実性の高まり、インフラと取引パターンの成熟、そして規制環境の打開策（カルシの勝利とポリマーケットの米国復帰）など、複数の要因によって推進されています。予測市場エージェントは2026年初頭に初期段階の形態を呈し、今後1年間でエージェント分野における新たな製品形態となることが期待されます。

予測市場：賭けツールから「グローバルな真実のレイヤー」へ

予測市場は、将来の出来事の結果を巡って取引を行う金融メカニズムであり、契約価格は基本的に、出来事の発生確率に関する市場の集合的な判断を反映します。その有効性は、集合知と経済的インセンティブの組み合わせに起因します。匿名かつリアルマネーで賭けが行われる環境において、分散した情報は資本意欲に基づいて加重された価格シグナルに迅速に統合され、ノイズや誤った判断を大幅に削減します。

▲予測市場名目取引量推移チャートデータソース：Dune Analytics（クエリID：5753743）

2025年末までに、市場はPolymarketとKalshiによる二大独占状態になると予測されています。Forbes誌によると、2025年の総取引額は約440億ドルに達すると推定されており、Polymarketが約215億ドル、Kalshiが約171億ドルを占めています。2026年2月の週次データによると、Kalshiの取引額（259億ドル）はPolymarket（183億ドル）を上回り、市場シェアの50%に迫っています。Kalshiは、過去の選挙契約訴訟での勝訴、米国スポーツ予測市場におけるコンプライアンスの先行者利益、そして比較的明確な規制要件により、急速な成長を遂げてきました。現在、両社の発展の道筋は明確に分かれています。

・Polymarketは、「オフチェーンマッチング、オンチェーン決済」と分散型決済メカニズムを備えたハイブリッドCLOBアーキテクチャを採用し、グローバルで非管理型の高流動性市場を構築しています。米国でのコンプライアンス再導入後、「オンショア＋オフショア」の二重運営体制を構築しました。

· Kalshi は従来の金融システムに統合され、API を介して主流の小売証券会社にアクセスし、ウォール街のマーケットメーカーをマクロおよびデータ駆動型契約取引に深く参加させており、その製品は従来の規制プロセスの対象であり、ロングテールの需要とイベントは比較的遅れています。

Polymarket と Kalshi に加えて、予測市場分野の他の競合企業は主に 2 つの道に沿って発展しています。

· 一つは規制流通パスであり、チャネルカバレッジ、規制要件、機関投資家の信頼といった優位性を活用し、イベント契約を証券会社や大規模プラットフォームの口座や決済システムに組み込むものです（Interactive Brokers × ForecastExのForecastTrader、FanDuel × CME GroupのFanDuel Predictsなど）。コンプライアンスとリソース面での優位性は大きいものの、製品とユーザー規模はまだ初期段階にあります。

· もう1つは、Opinion.trade、Limitless、Myriadに代表されるCrypto Native On-Chain Pathであり、トークンマイニング、短期契約、メディア配信を通じて急速なスケーリングを実現し、パフォーマンスと資本効率を重視しています。しかし、長期的な持続可能性とリスク管理の堅牢性はまだ検証されていません。

従来の金融コンプライアンスのエントリーポイントと暗号ネイティブのパフォーマンスの利点の組み合わせにより、予測市場のエコシステムにおいて多様な競争環境が形成されます。

予測市場は表面的にはギャンブルに似ており、本質的にはゼロサムゲームと言えるかもしれません。しかし、根本的な違いは、プラスの外部性があるかどうかにあります。つまり、リアルマネー取引を通じて情報が集約され、現実世界の出来事が公に価格設定され、価値あるシグナリングレイヤーが形成されるのです。予測市場はゲームから「グローバル・トゥルース・レイヤー」へと移行しつつあります。CMEやブルームバーグといった機関の参加により、イベントの確率は金融システムや企業システムから直接アクセスできる意思決定メタデータとなり、よりタイムリーで定量化可能な市場の真実を提供しているのです。

世界的な規制の観点から見ると、予測市場のコンプライアンスへの道筋は非常に多様です。米国は、予測市場を金融デリバティブ規制の枠組みに明確に組み込んでいる唯一の主要経済国です。欧州、英国、オーストラリア、シンガポールなどの市場では、予測市場は一般的に賭博とみなされており、規制強化の動きが進んでいます。一方、中国やインドなどの国では、予測市場は完全に禁止されています。予測市場の今後の世界的な拡大は、各国の規制枠組みに依拠する状況となっています。

予測市場エージェントのアーキテクチャ設計

現在、予測市場エージェントは実用化の初期段階にあり、その価値は「より正確なAI予測」ではなく、予測市場における情報処理と執行効率の向上にあります。予測市場は本質的に情報集約メカニズムであり、価格は事象の確率に関する集合的な判断を反映します。現実の市場の非効率性は、情報の非対称性、流動性制約、そして注意力の限界に起因しています。予測市場エージェントの適切な位置付けは、実行可能な確率的ポートフォリオ管理にあります。ニュース、ルールテキスト、オンチェーンデータを検証可能な価格バイアスに変換することで、より迅速かつ規律正しく、低コストで戦略を実行し、クロスプラットフォームの裁定取引とポートフォリオリスク管理を通じて構造的な機会を捉えます。

理想的な予測市場エージェントは、次の 4 層アーキテクチャに抽象化できます。

· 情報レイヤー - ニュース、ソーシャル、オンチェーン、公式データを収集します。

· 分析レイヤー - LLM と ML を使用して価格設定の誤りを識別し、エッジを計算します。

· 戦略レイヤー - ケリー基準、バッチ取引、リスク管理を通じてエッジをポジションに変換します。

· 実行レイヤー - クロスマーケット注文、スリッページ、ガス最適化、裁定取引実行を実行し、効率的な自動ループを形成します。

予測市場エージェント戦略フレームワーク

従来の取引環境とは異なり、予測市場では決済メカニズム、流動性、情報配信に大きな違いがあり、すべての市場や戦略が自動執行に適しているわけではありません。予測市場エージェントの真髄は、明確に定義され、コーディング可能で、その構造的利点と整合したシナリオで運用されているかどうかにあります。以下のセクションでは、ターゲットの選択、ポジション管理、戦略構造について分析します。

予測市場ターゲットの選択

すべての予測市場に取引価値があるわけではなく、その参加価値は、決済の明確さ（ルールの明確さ、データソースの独自性）、流動性の質（市場の厚み、スプレッド、取引量）、インサイダーリスク（情報の非対称性の程度）、時間構造（満期時間とイベントのペース）、そしてトレーダー自身の情報優位性と専門的経歴によって左右されます。これらの要素のほとんどが基本要件を満たして初めて、予測市場は参加の基盤となり、参加者は自身の強みと市場特性に合わせて行動する必要があります。

· ヒューマンコアストレングス：専門知識、判断力、そして曖昧な情報の統合に頼り、比較的長い時間枠（数日/数週間単位）で活動します。典型的な例としては、政治選挙、マクロトレンド、企業の節目などが挙げられます。

· AIエージェントのコアとなる強み：データ処理、パターン認識、高速実行を活用し、極めて短い意思決定時間（数秒/分単位）で動作します。代表的な例としては、高頻度暗号資産の価格設定、クロスマーケット・アービトラージ、自動マーケットメイクなどが挙げられます。

· 非適応領域: インサイダー情報によって支配された市場、または完全にランダム/高度に操作された市場であり、どの参加者にも利点をもたらしません。

予測市場ポジション管理

ケリー基準は、反復的なゲームシナリオにおける最も代表的な資金管理理論です。その目標は、単発的な利益の最大化ではなく、資金の長期的な複利成長率の最大化です。この手法は、勝率とオッズの推定値に基づいて、プラスの期待値の下で資本成長効率を高めるための理論的に最適なポジションサイズを計算します。この手法は、クオンツ投資、プロのギャンブル、ポーカー、資産運用の分野で広く利用されています。

· 古典的な形式は、f^* = (bp - q) / bです。

· ここで、f∗は最適な賭け金、bはネットオッズ、pは勝率、q=1−p

· 予測市場は次のように簡略化できます: f^* = (p - market\_price) / (1 - market\_price)

· ここでpは主観的な真の確率であり、market_priceは市場が暗示する確率である。

ケリー基準の理論的な有効性は、真の確率とオッズを正確に推定することに大きく依存します。現実には、トレーダーが真の確率を一貫して把握することは困難です。実際の運用においては、プロのギャンブラーや予測市場参加者は、実行可能性が高く、確率推定への依存度が低いルールベースの戦略を採用する傾向があります。

· ユニットシステム: 資本を固定単位（例：1％）に分割し、信頼レベルに基づいて異なるユニット数を投資し、ユニットキャップを通じて単一のリスクを自動的に制限するのが、最も一般的な実用的な方法です。

· フラットベッティング: 賭けごとに固定の資金比率を使用し、規律と安定性を重視します。リスクを回避したい環境や信頼度の低い環境に適しています。

· 信頼度階層: ケリーモデルの疑似精度の問題を回避し、決定の複雑さを軽減するために絶対的な上限を持つ個別の位置レベルを事前定義します。

· 逆リスクアプローチ: 最大許容損失から始めてポジション サイズを計算し、リターン期待値ではなくリスク制約から始めて、安定したリスク境界を形成します。

予測市場エージェントの戦略設計においては、理論的な最適性よりも実行可能性と安定性を優先する必要があります。鍵となるのは、明確なルール、簡潔なパラメータ、そして判断ミスに対するフォールトトレランスです。この制約下では、信頼度階層と固定ポジション上限を組み合わせることが、予測市場エージェントにとって最も適切なポジション管理スキームとなります。この手法は、正確な確率推定に依存せず、シグナル強度に基づいて機会を限定された階層に分割し、固定ポジションに対応します。高い信頼度シナリオにおいても、明確な制限が設定され、リスクを抑制します。

予測市場における戦略選択

構造的な観点から見ると、予測市場は主に 2 つのカテゴリに分けられます。明確なルールとコード化が可能な決定論的裁定戦略と、情報の解釈と方向判断に依存する投機的な方向性戦略です。さらに、より高い資本とインフラストラクチャの要件を持つ専門機関が主導するマーケット メイクとヘッジ戦略もあります。

決定論的裁定戦略

· レゾリューション・アービトラージ：レゾリューション・アービトラージは、イベントの結果がほぼ決定されているものの、市場がまだそれを完全に織り込んでいない場合に発生します。主な利益源は、情報の同期と執行速度です。この戦略は明確に定義されており、低リスクで、完全にコーディング可能であり、予測市場におけるエージェント執行に最適なコア戦略です。

· ダッチブック・アービトラージ：ダッチブック・アービトラージは、互いに排他的で網羅的なイベントセットの価格の合計が確率保存制約（∑P≠1）から逸脱することによって形成される構造的な不均衡を利用します。ポジションを組み合わせることでリスクフリーの利益を確定するこの戦略は、ルールと価格関係のみに依存します。これは低リスクで高度にルールベースであり、自動エージェント実行に適した典型的な決定論的アービトラージです。

· クロスプラットフォーム・アービトラージ：クロスプラットフォーム・アービトラージは、異なる市場における同一イベントの価格差から利益を得ます。リスクは低いものの、レイテンシーと並列監視に対する高い要求が求められます。この戦略は、インフラ面で優位性のあるエージェント実行に適していますが、競争の激化により限界収益は継続的に減少します。

· バンドル・アービトラージ：バンドル・アービトラージは、関連する契約間の価格の不一致に基づいて取引を行うものです。ロジックは明確ですが、機会は限られています。この戦略はエージェントでも実行可能ですが、ルールの解析と構成制約のためのエンジニアリングが必要であり、エージェントとの互換性も中程度です。

投機的方向性戦略

· 情報取引戦略：このタイプの戦略は、公式データのリリース、発表、意思決定のタイミングなど、明示的なイベントや構造化された情報を中心に展開されます。情報源が明確で、トリガー条件が定義可能であれば、エージェントは監視と実行においてスピードと規律を活用できます。ただし、情報が意味的判断や文脈的解釈へと移行する場合は、依然として人間の介入が必要です。

· シグナルフォロー戦略：この戦略は、過去のパフォーマンスが優れている口座またはファンドの動向を追跡することで利益を得ることを目的としています。ルールは比較的シンプルで自動化も可能です。主なリスクはシグナルの劣化と逆方向にエクスプロイトされることにあるため、フィルタリングメカニズムと厳格なポジション管理が必要です。エージェントの補助的な戦略として適しています。

· 非構造化／ノイズ駆動型戦略：このタイプの戦略は、感情、ランダム性、または参加行動に大きく依存しており、安定した再現可能な優位性がなく、長期的な期待値が不安定です。モデル化が困難でリスクが極めて高いため、システマティックなエージェント実行には適しておらず、長期戦略としては推奨されません。

· マーケット・マイクロストラクチャー戦略：このタイプの戦略は、非常に短い意思決定期間、継続的な相場提示、または高頻度取引に依存しており、レイテンシー、モデル、そして資本への要求が高くなります。理論的にはエージェントに適していますが、予測市場においては流動性と競争の激しさによって制約を受けることが多く、インフラ面で大きな優位性を持つ少数の参加者にしか適していません。

· リスク管理・ヘッジ戦略：このタイプの戦略は、直接的にリターンを追求するのではなく、全体的なリスクエクスポージャーを低減するために使用されます。明確なルールと目標を持ち、長期的なリスク管理の基盤として機能します。

全体として、予測市場におけるエージェント執行に適した戦略群は、明確でコード化可能であり、主観的判断が弱いシナリオに焦点を当てています。そこでは、決定論的裁定取引が収益の中核を担い、構造化された情報とシグナル追従戦略は補助的な役割を果たし、ノイズが多く感情に左右される取引は体系的に排除されるべきです。エージェントの長期的な優位性は、高い規律性、高速執行、そしてリスク管理能力にあります。

予測市場エージェントのビジネスモデルと製品形態

予測市場エージェントの理想的なビジネス モデル設計では、さまざまなレベルでさまざまな方向性を検討します。

· インフラストラクチャ レベルでは、マルチソースのリアルタイム データ集約、スマート マネー アドレス ライブラリ、統合予測市場実行エンジン、バックテスト ツールを提供し、予測精度とは無関係の安定した収入を得るために B2B 料金を請求します。

· 戦略レベルでは、コミュニティとサードパーティの戦略を導入し、再利用可能で評価可能な戦略エコシステムを構築し、呼び出し、重み付け、実行分割を通じて価値を獲得して、単一のアルファへの依存を減らします。

· エージェント/Vault レベルでは、エージェントが信頼管理された方法でライブ実行に直接参加し、オンチェーンの透明な記録と厳格なリスク管理システムに依存し、償還機能に対して管理手数料とパフォーマンス手数料を請求します。

また、さまざまなビジネスモデルに対応する製品形態も次のように分類できます。

・エンターテインメント／ゲーミフィケーションモデル：Tinderのような直感的なインタラクションを通じて参加のハードルを下げることで、ユーザー成長と市場教育の能力が最も高く、悪循環を打破するための理想的なエントリーポイントとなっています。しかしながら、サブスクリプション型または実行ベースの製品収益化への移行が必要です。

· 戦略的サブスクリプション／シグナルモデル：資金管理を必要とせず、規制にも適合し、権利と責任が明確であるため、SaaSの収益構造は比較的安定しており、現段階では最も実現可能な商業化の道筋となっています。ただし、戦略の容易な複製、執行損失、長期的な収益上限の制限といった制約はありますが、「シグナル＋ワンクリック執行」という半自動化された形式によって大幅に改善され、顧客体験と顧客維持率を向上させることができます。

· Vault Custodyモデル：規模と執行効率の優位性から、資産運用商品に類似した形態となっていますが、資産運用ライセンス、信頼基準、集中化された技術的リスクなど、複数の構造的制約に直面しています。このビジネスモデルは市場環境と持続的な収益性に大きく依存します。長期的なパフォーマンスと機関投資家の支持が得られない限り、主要な選択肢とすべきではありません。

全体として、「インフラ収益化 + 戦略的エコシステム拡大 + パフォーマンス参加」という多様な収益構造は、「AIの継続的な市場支配」という単一の前提への依存を軽減するのに役立ちます。アルファが市場の成熟とともに収束しても、執行、リスク管理、決済といった基盤となる機能は依然として長期的な価値を維持し、より持続可能な商業エコシステムを構築します。

予測市場エージェントのプロジェクト事例

現在、予測市場エージェントはまだ初期段階にあります。市場では基盤となるフレームワークから上位レイヤーのツールに至るまで、多様な試みが見られるものの、戦略立案、執行効率、リスク管理システム、そして商用エコシステムにおいて成熟した標準化された製品はまだ形成されていません。

現在のエコシステム マップは、インフラストラクチャ レイヤー、自律取引エージェント、予測市場ツールの 3 つのレベルに分類されています。

インフラストラクチャ層

· ポリマーケットエージェントフレームワーク

Polymarket Agents Polymarketの公式開発者フレームワークは、「接続と相互作用」というエンジニアリング標準化の課題を解決することを目的としています。このフレームワークは、市場データの取得、注文の構築、そして基本的なLLM呼び出しインターフェースをカプセル化しています。「コードで注文を出す方法」という課題には対応していますが、戦略生成、確率キャリブレーション、動的ポジション管理、バックテストシステムといったコア取引機能には基本的なギャップが残っています。これは、アルファリターンを生み出す完成品というよりは、公式に認められた「アクセス仕様」に近いものです。商用グレードのエージェントは、この基盤の上に完全なリサーチとリスク管理のコアを構築する必要があります。

· グノーシス予測市場ツール

Gnosis Prediction Market Agent Tooling（PMAT）は、Omen/AIOmenおよびManifoldに対しては完全な読み取り・書き込みサポートを提供していますが、Polymarketに対しては読み取り専用アクセスしか提供しておらず、エコシステム上の障壁が存在します。Gnosis内部エージェントの基盤としては適していますが、Polymarketに特化した開発者にとっては実用性が限られています。

現在、PolymarketとGnosisは、「エージェント開発」を公式フレームワークとして明確に製品化している予測市場エコシステムです。Kalshiのような他の予測市場は、主にAPIとPython SDKレベルにとどまっており、開発者は戦略、リスク管理、運用、監視といった主要なシステム機能を独自に補完する必要があります。

自律取引エージェント

現在市場に出回っている「予測市場AIエージェント」の多くはまだ初期段階にあります。「エージェント」という名称はあるものの、実際の機能は完全自動化されたクローズドループ取引のレベルには程遠く、独立した体系的なリスク管理層が欠如しているのが一般的です。ポジション管理、ストップロス、ヘッジ、期待値制約といった要素が意思決定プロセスに組み込まれておらず、全体的な製品化レベルは低く、長期運用可能な成熟したシステムには至っていません。

· オラス予測

Olas Predictは、現在最も高い製品化率を誇る予測市場インテリジェントエージェントのエコシステムです。主力製品であるOmenstratは、GnosisのOmenを基盤とし、FPMMと分散型アービトレーションメカニズムを活用しています。小規模かつ高頻度の取引をサポートしますが、Omenの単一市場流動性の不足という制約があります。Omenstratの「AI予測」は主に一般的なLLMに依存しており、リアルタイムデータとシステマティックリスク管理が不足しており、カテゴリー間で過去の勝率に大きな差が見られます。2026年2月、OlasはPolystratをリリースし、エージェント機能をPolymarketに拡張しました。ユーザーは自然言語で戦略を設定でき、エージェントは4日以内に決済される市場における確率の偏差を自動的に特定し、取引を実行します。このシステムはPearlを介してローカルに実行され、リスク管理のためにセルフホスト型Safeアカウントとハードコードされた制限制御を使用します。現在、Polymarket向けにカスタマイズされた最初のコンシューマーグレードの自律型取引エージェントです。

· UnifAIネットワークポリマーケット戦略

Polymarketの自動取引エージェントに、コアとなるテールリスク想定戦略を提供します。この戦略は、暗黙の確率が95%を超える近場の決済契約をスキャンし、3～5%のスプレッドを狙ってポジションをエントリーします。オンチェーンデータによると、勝率は95%近くですが、リターンはカテゴリーによって大きく異なり、この戦略は執行頻度とカテゴリーの選択に大きく依存します。

· NOYA.ai

NOYA.aiは、「調査 - 判断 - 実行 - 監視」をエージェントのフィードバックループに統合することを目指しており、インテリジェンス層、抽象化層、実行層をカバーするアーキテクチャを採用しています。Omnichain Vaultsは既に提供されていますが、予測市場エージェントはまだ開発中で、完全なメインネットループを形成しておらず、現在はビジョン検証段階にあります。

予測市場ツール

現在の予測市場分析ツールは、完全な「予測市場インテリジェンスエージェント」を形成するにはまだ不十分です。その価値は主にエージェントアーキテクチャ内の情報層と分析層に焦点が当てられており、取引執行、ポジション管理、リスク管理は依然としてトレーダーによる手動操作を必要としています。製品形態の観点から見ると、これらは「戦略サブスクリプション／シグナル支援／リサーチ強化」という位置付けに近く、予測市場インテリジェンスエージェントの初期プロトタイプと見なすことができます。

本稿では、Awesome-Prediction-Market-Toolsに含まれるプロジェクトの体系的なマッピングと実証的な選定を通じて、初期の製品形態とユースケースを備えた代表的なプロジェクトを調査レポートの例として選定しました。主に、分析とシグナルレイヤー、アラートとクジラ追跡システム、裁定取引発見ツール、取引端末とアグリゲート執行の4つの分野に焦点を当てています。

· 市場分析ツール

Polyseer：マルチエージェント分割アーキテクチャ（プランナー／リサーチャー／クリティック／アナリスト／レポーター）を活用し、二国間証拠収集とベイズ確率集約を行い、構造化された調査レポートを作成する、リサーチ指向の予測市場ツールです。透明性のある方法論、プロセスエンジニアリング、そして完全なオープンソースによる監査可能性が強みです。

Oddpool: 「予測市場向けのブルームバーグ ターミナル」として位置付けられ、Polymarket、Kalshi、CME など向けにクロスプラットフォーム集約、裁定取引スキャン、リアルタイム データ ダッシュボード ターミナルを提供します。

Polymarket Analytics: グローバル化された Polymarket データ分析プラットフォームは、トレーダー、市場、ポジション、トランザクションのデータを体系的に表示し、明確なポジショニングと直感的なデータを備えており、基本的なデータクエリやリサーチリファレンスとして最適です。

Hashdive: スマート スコアと多次元スクリーナーを通じてトレーダーと市場を定量的にフィルタリングするトレーダー向けのデータ ツール。「スマート マネー識別」やコピー トレーディングの決定に役立ちます。

Polyfactual: AI 市場インテリジェンスと感情/リスク分析に重点を置き、分析結果を Chrome 拡張機能を介して取引インターフェースに埋め込み、B2B および機関ユーザー シナリオに重点を置いています。

Predly: 市場価格と AI が計算した確率を比較することで、Polymarket と Kalshi 間の価格の不一致を識別する AI 価格設定ミス検出プラットフォーム。アラート精度は 89% とされており、シグナルの発見と機会のスクリーニングに活用できます。

Polysights: 30 以上の市場とオンチェーン メトリックをカバーし、Insider Finder により新しいウォレット、大規模な一方向の賭け、その他の異常な動作を追跡できるため、日常的な監視とシグナルの発見に適しています。

PolyRadar: 単一イベントのリアルタイム解釈、タイムラインの展開、信頼スコア、ソースの透明性を提供し、マルチ AI 相互検証を重視した、分析ツールとして位置付けられるマルチモデル並列分析プラットフォーム。

Alphascope: リアルタイムのシグナル、調査概要、確率変化のモニタリングを提供する AI 駆動型予測市場インテリジェンス エンジン。まだ初期段階であり、調査とシグナルのサポートに重点を置いています。

· アラート/クジラ追跡

スタンド: クジラの追跡と信頼性の高いアクションアラートのために明確に配置されています。

クジラ追跡者が激怒：クジラの位置の変化を製品化。

· 裁定取引発見ツール

ArbBets: Polymarket、Kalshi、スポーツ賭博市場に焦点を当てた AI 駆動型裁定取引発見ツール。高頻度機会スキャン レイヤーに配置された、クロスプラットフォーム裁定取引とプラス期待値 (+EV) 取引機会を特定します。

PolyScalping: Polymarket 向けのリアルタイム アービトラージおよびスカルプ分析プラットフォーム。60 秒ごとの市場全体のスキャン、ROI 計算、Telegram アラートをサポートし、流動性、スプレッド、ボリュームに基づいて機会をフィルタリングできるため、アクティブ トレーダーに有利です。

Eventarb: Polymarket、Kalshi、Robinhood をカバーする軽量のクロスプラットフォーム裁定計算およびアラート ツール。重点的な機能を備え、無料で使用でき、基本的な裁定アシスタントとして最適です。

Prediction Hunt: 情報の対称性と市場の非効率性の発見を目的とした、Polymarket、Kalshi、PredictIt のリアルタイムの価格比較と裁定取引識別機能 (約 5 分間隔で更新) を提供する、取引所間の予測市場集約および比較ツールです。

· 取引端末/集約執行

Verso: YC Fall 2024 がサポートする機関レベルの予測市場取引端末。ブルームバーグ スタイルのインターフェース、Polymarket と Kalshi の 15,000 件以上の契約のリアルタイム追跡、詳細なデータ分析、AI ニュース インテリジェンスを提供し、プロのトレーダーと機関投資家を対象としています。

Matchr: 1,500 以上の市場をカバーするクロスプラットフォームの予測市場集約および実行ツール。インテリジェント ルーティングを通じて最適な価格マッチングを実現し、高確率イベント、市場間裁定取引、イベント主導の機会に基づいて自動化された収益戦略を設計し、実行および資本効率レイヤーに位置付けられます。

TradeFox: Alliance DAO と CMT Digital がサポートする、専門的な予測市場集約およびプライムブローカー プラットフォーム。高度な注文執行 (指値注文、利益確定/損切り、TWAP)、自己管理取引、マルチプラットフォーム スマート ルーティングを提供し、機関投資家をターゲットにしています。Kalshi、Limitless、SxBet などのプラットフォームへの拡張を計画しています。

要約と展望

現在、予測市場エージェントは開発調査の初期段階にあります。

1. 市場基盤と本質の進化：PolymarketとKalshiは二極化を形成し、十分な流動性とシナリオ基盤を備えたインテリジェントエージェントを周囲に構築しています。予測市場とギャンブルの根本的な違いは、正の外部性にあります。実際の取引を通じて分散した情報を集約することで、現実世界の出来事に公開価格を提供し、徐々に「グローバルな真実のレイヤー」へと進化しています。

2. コアポジショニング：予測市場エージェントは、実行可能な確率資産管理ツールとして位置付けられるべきです。その中核的な使命は、ニュース、ルールテキスト、オンチェーンデータを検証可能な価格バイアスに変換し、より高い規律、より低いコスト、そして市場横断的な機能を備えた戦略を実行することです。理想的なアーキテクチャは、情報、分析、戦略、実行の4つのレイヤーに抽象化できます。しかし、実際の取引可能性は、決済の透明性、流動性の質、そして情報構造のレベルに大きく依存します。

3. 戦略選択とリスク管理ロジック：戦略的な観点からは、決定論的裁定取引（決済裁定取引、確率保存裁定取引、クロスプラットフォーム価格差取引を含む）はエージェントによって自動化するのが最適であり、方向性投機は補助的な役割にとどめるべきです。ポジション管理においては、実行可能かつフォールトトレラントな戦略を優先すべきであり、固定ポジション制限と組み合わせた段階的なラダーアプローチが最も適しています。

4. ビジネスモデルと展望：商業化は主に3つのレイヤーに分かれています。インフラレイヤーはデータ執行インフラを通じて安定したB2B収益を獲得し、戦略レイヤーはサードパーティの戦略コールや収益分配を収益化し、エージェント/Vaultレイヤーはオンチェーンの透明なリスク制約の下でスポット取引に参加し、管理手数料とパフォーマンス手数料を徴収します。対応する形態としては、エンターテイメントエントリーポイント、戦略サブスクリプション/シグナル（現在最も実現可能性が高い）、そして高額なVaultカストディなどが挙げられます。「インフラ+戦略エコシステム+パフォーマンス参加」は、より持続可能な道筋です。

予測市場エージェントのエコシステムでは、基盤となるフレームワークから上位レベルのツールに至るまで、戦略策定、執行効率、リスク管理、商業的なクローズドループといった重要な側面において、様々な試みがなされてきましたが、現時点では成熟し、再現可能で標準化された製品は存在しません。私たちは、予測市場エージェントの今後のイテレーションと進化に期待しています。