IOSG：将概率转化为资产：预测市场情报代理

原文标题：“IOSG 周报 | 将概率转化为资产：预测市场代理展望 #315”

原文作者：Jacob Zhao，IOSG

在我们之前的加密人工智能系列报告中，我们一直强调，当前加密领域最实际的应用主要集中在稳定币支付和去中心化金融（DeFi）领域，而代理（Agent）则是人工智能行业与用户之间的关键接口。因此，在加密货币与人工智能融合的趋势下，两条最有价值的路径分别是：短期内，基于现有成熟DeFi协议（包括借贷、流动性挖矿等基础策略，以及Swap、Pendle PT、资金费率套利等高级策略）的AgentFi；以及中长期内，围绕稳定币结算并利用ACP/AP2/x402/ERC-8004等协议的代理支付。

预测市场已成为2025年不容忽视的行业新趋势，其年度交易总额预计将从2024年的约90亿美元飙升至2025年的超过400亿美元，同比增长超过400%。这一显著增长受多种因素驱动：宏观政治事件带来的不确定性需求、基础设施和交易模式的成熟，以及监管环境的突破（卡尔希胜选和Polymarket重返美国市场）。预计预测市场代理商将于2026年初初具雏形，并有望在未来一年成为代理商领域的新兴产品形式。

预测市场：从博彩工具到“全球真相层”

预测市场是一种围绕未来事件结果进行交易的金融机制，其合约价格本质上反映了市场对事件发生概率的集体判断。预测市场的有效性源于集体智慧和经济激励的结合：在匿名、真金白银的博弈环境中，分散的信息会被迅速整合为一个由资本意愿加权的价格信号，从而显著降低噪音和错误判断。

▲ 预测市场名义交易量趋势图 数据来源：Dune Analytics（查询 ID：5753743）

预计到2025年底，该市场将形成由Polymarket和Kalshi主导的双寡头垄断格局。据《福布斯》报道，2025年总交易量预计将达到约440亿美元，其中Polymarket约占215亿美元，Kalshi约占171亿美元。2026年2月的周数据显示，Kalshi的交易量（259亿美元）已超过Polymarket（183亿美元），市场份额接近50%。Kalshi之所以能够快速扩张，得益于此前一起选举合同案件的胜诉、在美国体育预测市场抢占先机的合规优势以及相对清晰的监管预期。目前，两家公司的发展路径已明显分道扬镳。

· Polymarket采用“链下撮合、链上结算”的混合CLOB架构和去中心化结算机制，建立了一个全球性、非托管、高流动性的市场。在重新进入美国合规市场后，它形成了“境内+境外”双轨运营结构；

· Kalshi 融入传统金融体系，通过 API 接入主流零售经纪商，吸引华尔街做市商深度参与宏观和数据驱动的合约交易，其产品受传统监管流程约束，存在相对滞后的长尾需求和事件。

除了 Polymarket 和 Kalshi 之外，预测市场领域的其他竞争者主要沿着两条路径发展：

一种途径是监管分销，即将事件合约嵌入经纪商或大型平台的账户和清算系统，利用渠道覆盖、监管资质和机构信任优势（例如盈透证券×ForecastEx的ForecastTrader，FanDuel×芝商所的FanDuel Predicts）。合规性和资源优势显著，但产品和用户规模仍处于早期阶段。

另一种路径是加密原生链上路径，以 Opinion.trade、Limitless 和 Myriad 为代表，通过代币挖矿、短期合约和媒体分发实现快速扩展，强调性能和资本效率。然而，它们的长期可持续性和风险管理稳健性仍有待验证。

传统金融合规切入点与加密原生性能优势相结合，在预测市场生态系统中形成了多元化的竞争格局。

预测市场表面上看起来可能与赌博类似，本质上是一个零和博弈。然而，其核心区别在于它是否具有正外部性：通过真金白银的交易，信息得以聚合，现实世界的事件得以公开定价，并形成了一个有价值的信号层。其发展趋势正从博弈转向“全球真理层”——在芝加哥商品交易所（CME）和彭博社等机构的参与下，事件概率已成为可供金融和企业系统直接访问的决策元数据，从而提供更及时、更可量化的市场真相。

从全球监管角度来看，预测市场的合规路径差异很大。美国是唯一一个将预测市场明确纳入金融衍生品监管框架的主要经济体。在欧洲、英国、澳大利亚和新加坡等市场，预测市场通常被视为赌博，监管力度正在加强。另一方面，中国和印度等国家则已完全禁止预测市场。预测市场未来在全球的扩张仍取决于各国的监管框架。

预测市场代理的架构设计

目前，预测市场代理正处于实际应用的早期阶段，其价值不在于“更精准的AI预测”，而在于提升预测市场的信息处理和执行效率。预测市场本质上是信息聚合机制，其价格反映了对事件概率的集体判断。市场效率低下实际上源于信息不对称、流动性限制和注意力不足。预测市场代理的正确定位在于可执行概率投资组合管理：将新闻、规则文本和链上数据转化为可验证的价格偏差，从而更快、更严谨、更低成本地执行策略，并通过跨平台套利和投资组合风险管理捕捉结构性机会。

理想的预测市场代理可以抽象为四层架构：

· 信息层 - 收集新闻、社交、链上和官方数据；

· 分析层 - 使用 LLM 和 ML 来识别定价错误并计算 Edge；

· 策略层 - 通过凯利准则、批量交易和风险管理将 Edge 转化为仓位；

· 执行层 - 执行跨市场订单、滑点、gas 优化、套利执行，形成高效的自动化循环。

预测市场代理策略框架

与传统交易环境不同，预测市场在结算机制、流动性和信息分发方面存在显著差异，并非所有市场和策略都适合自动执行。预测市场代理的核心在于其部署场景是否清晰明确、可编码，并且与其结构优势相符。以下章节将分析目标选择、仓位管理和策略结构。

预测市场目标选择

并非所有预测市场都具有交易价值，其参与价值取决于：结算的透明度（规则的清晰度、数据来源的独特性）、流动性质量（市场深度、价差和交易量）、内幕风险（信息不对称程度）、时间结构（到期时间和事件节奏）以及交易者自身的信息优势和专业背景。只有当大多数方面都满足基本要求时，预测市场才具备参与的基础，参与者应根据自身优势和市场特点进行选择。

· 人类核心优势：依赖于专业知识、判断力和对模糊信息的整合能力，且运作时间跨度相对较长（以天/周为单位）。典型例子包括政治选举、宏观趋势和公司里程碑事件。

· AI代理的核心优势：依赖于数据处理、模式识别和快速执行，并在极短的决策窗口（以秒/分钟计）内运行。典型应用包括高频加密货币定价、跨市场套利和自动做市。

· 非适应性领域：受内幕信息主导的市场或纯粹随机/高度操纵的市场，这些市场不会给任何参与者带来优势。

预测市场地位管理

凯利准则是重复博弈情境中最具代表性的资金管理理论。它的目标并非最大化单次收益，而是最大化资金的长期复合增长率。该方法基于胜率和赔率的估计，计算出在预期收益为正的情况下，理论上最优的仓位规模，以提高资本增长效率，并广泛应用于量化投资、职业博彩、扑克和资产管理等领域。

· 经典形式为：f^* = (bp - q) / b

· 其中 f∗ 为最优投注额，b 为净赔率，p 为胜率，q=1−p

· 预测市场可以简化为：f^* = (p - 市场价格) / (1 - 市场价格)

其中 p 为主观真实概率，market_price 为市场隐含概率

凯利准则的理论有效性高度依赖于对真实概率和赔率的准确估计。然而，在现实中，交易者很难始终如一地掌握真实概率。在实际操作中，职业赌徒和预测市场参与者倾向于采用执行力更强、对概率估计依赖性更低的基于规则的策略：

· 单位制：将资本分成固定单位（例如 1%），并根据信心水平投资不同的单位数量，通过单位上限自动限制单一风险，这是最常见的实用方法。

· 固定投注：每注使用固定的资金比例，强调纪律和稳定性，适合风险规避或信心不足的环境。

· 置信度等级：预定义的离散位置级别，具有绝对上限，以降低决策复杂性，避免 Kelly 模型的伪精确性问题。

· 反向风险方法：从最大可承受损失开始计算仓位大小，从风险约束而不是收益预期开始，形成稳定的风险边界。

对于预测市场参与者而言，策略设计应优先考虑可执行性和稳定性，而非理论上的最优性。关键在于清晰的规则、简洁的参数以及对判断错误的容错能力。在此约束下，将置信度层级与固定持仓上限相结合，是预测市场参与者最合适的通用持仓管理方案。该方法不依赖于精确的概率估计，而是根据信号强度将交易机会划分为有限的层级，并对应固定的持仓；即使在高置信度的情况下，也会设定明确的限额来控制风险。

预测市场的策略选择

从结构角度来看，预测市场主要可以分为两类：一类是规则明确、可编码的确定性套利策略，另一类是依赖信息解读和方向判断的投机性方向策略；此外，还有由资本和基础设施要求较高的专业机构主导的做市和套期保值策略。

确定性套利策略

· 解析套利：当事件结果基本确定，但市场尚未完全反映其价格时，即可进行解析套利。其主要盈利来源是信息同步性和执行速度。该策略定义明确、风险低、完全可编码，是预测市场中最适合代理执行的核心策略。

· 荷兰式套利：荷兰式套利利用互斥且穷举事件集的价格总和偏离概率守恒约束 (∑P≠1) 而形成的结构性不平衡。通过合并头寸锁定无风险利润，该策略仅依赖于规则和价格关系。它风险低、规则性强，是一种典型的确定性套利形式，适合自动化代理执行。

跨平台套利：跨平台套利利用同一事件在不同市场间的价格差异获利。该策略风险较低，但对延迟和并行监控的要求较高。此策略适用于拥有基础设施优势的代理执行，但随着竞争加剧，边际收益会持续下降。

· 捆绑套利：捆绑套利是指利用相关合约之间的价格差异进行交易。其逻辑清晰，但机会有限。该策略可由代理执行，但需要一定的工程设计来进行规则解析和组合约束，且对代理的兼容性要求不高。

投机性方向策略

信息交易策略：这类策略围绕明确的事件或结构化信息展开，例如官方数据发布、公告或决策窗口。只要信息来源清晰且触发条件明确，交易者就能在监控和执行过程中充分发挥速度和纪律性优势。然而，当信息需要进行语义判断或语境解读时，仍然需要人工干预。

· 信号跟踪策略：该策略旨在通过跟踪历史表现优异的账户或基金的行为来获利。规则相对简单，且可实现自动化。主要风险在于信号衰减和被反向利用，因此需要过滤机制和严格的仓位管理。该策略适合作为代理的补充策略。

非结构化/噪声驱动策略：这类策略严重依赖情绪、随机性或参与行为，缺乏稳定可复制的优势，且长期预期价值不稳定。由于其难以建模且风险极高，因此不适合系统化的智能体执行，也不建议作为长期策略。

市场微观结构策略：这类策略依赖于极短的决策窗口、连续报价或高频交易，对延迟、模型和资金要求极高。虽然理论上适用于代理人，但在预测性市场中，它往往会受到流动性和竞争强度的限制，仅适用于少数拥有显著基础设施优势的参与者。

风险控制与对冲策略：此类策略并不直接追求收益，而是用于降低整体风险敞口。它拥有明确的规则和目标，并作为一项基础性的风险控制模块长期运作。

总体而言，适用于预测性市场中代理人执行的策略主要集中于清晰、可编码且主观判断较少的场景，其中确定性套利应作为核心收入来源，结构化信息和信号跟踪策略作为补充，并应系统性地排除高噪音和情绪驱动的交易。代理人的长期优势在于其高度的纪律性、快速的执行速度和风险控制能力。

预测市场代理商业模式和产品形式

理想的预测市场代理商业模式设计在不同层面上探索了不同的方向：

· 基础设施层面，提供多源实时数据聚合、智能资金地址库、统一的预测市场执行引擎和回测工具，收取 B2B 费用以获得与预测准确性无关的稳定收入；

· 策略层面，引入社区和第三方策略，构建可重用、可评估的策略生态系统，并通过调用、权重或执行拆分来获取价值，从而减少对单一 Alpha 策略的依赖。

· 代理/金库级别，代理以信任管理的方式直接参与实时执行，依靠链上透明记录和严格的风险管理系统，对赎回能力收取管理费和绩效费。

不同商业模式对应的产品形式也可以分为：

娱乐/游戏化模式：通过类似 Tinder 的直观互动降低参与门槛，它拥有最强的用户增长和市场教育能力，使其成为打破传统社交圈的理想切入点。然而，它需要转型为订阅或基于执行的产品变现模式。

· 策略订阅/信号模式：不涉及资金托管，监管友好，权利和责任明确，SaaS收入结构相对稳定，是现阶段最可行的商业化路径。其局限性包括策略易被复制、执行损失、长期收入上限有限，但可以通过半自动化的“信号+一键执行”模式显著改善用户体验和用户留存率。

金库托管模式：虽然具有规模和执行效率优势，其形式与资产管理产品类似，但面临诸多结构性限制，例如资产管理牌照、信托门槛以及集中式技术风险。该商业模式高度依赖市场状况和持续盈利能力。除非拥有长期业绩和机构认可，否则不应作为首选方案。

总体而言，“基础设施货币化+战略生态系统拓展+绩效分成”多元化的收入结构有助于降低对“人工智能持续占据市场主导地位”这一单一假设的依赖。即使随着市场成熟度的提高，Alpha 收益趋于稳定，执行、风险控制和结算等基础能力仍然具有长期价值，从而构建一个更可持续的商业生态系统。

预测市场代理项目案例

目前，预测市场代理仍处于早期探索阶段。尽管市场已出现从底层框架到上层工具的各种尝试，但尚未形成在策略生成、执行效率、风险控制系统和商业生态系统方面均成熟的标准化产品。

我们将当前的生态系统图分为三个层次：基础设施层、自主交易代理和预测市场工具。

基础设施层

· 多市场代理商框架

Polymarket Agents 是 Polymarket 官方的开发者框架，旨在解决“连接与交互”的工程标准化问题。该框架封装了市场数据检索、订单构建和基本的 LLM 调用接口，解决了“如何用代码下单”的问题，但在策略生成、概率校准、动态仓位管理和回测系统等核心交易功能方面仍存在不足。它更像是官方认可的“访问规范”，而非能够带来超额收益的成品。商业级 Agent 仍需在此基础上构建完整的研究和风险控制核心。

· Gnosis 预测市场工具

Gnosis 预测市场代理工具 (PMAT) 为 Omen/AIOmen 和 Manifold 提供完整的读写支持，但仅对 Polymarket 提供只读访问权限，这体现了生态系统的局限性。它适合作为 Gnosis 内部代理的基础，但对于专注于 Polymarket 的开发者而言，其实用性有限。

目前，Polymarket 和 Gnosis 是仅有的两大将“代理开发”明确产品化并纳入官方框架的预测市场生态系统。其他预测市场，例如 Kalshi，主要仍停留在 API 和 Python SDK 层面，需要开发者自行补充策略、风险控制、运维和监控等关键系统功能。

自主交易代理

目前市面上的“预测市场AI代理”大多仍处于早期阶段。虽然名为“代理”，但其实际能力远未达到全自动闭环交易的水平，普遍缺乏独立、系统化的风险控制层。它们并未将仓位管理、止损、对冲和预期值约束等因素纳入决策过程。整体产品化程度较低，尚未形成能够长期运行的成熟系统。

· Olas 预测

Olas Predict 是一个预测市场智能代理生态系统，目前产品化程度最高。其核心产品 Omenstrat 基于 Gnosis 的内部 Omen 平台构建，利用 FPMM 和去中心化套利机制，支持小规模高频交易，但受限于 Omen 单一市场流动性不足的问题。其“AI 预测”主要依赖于通用 LLM，缺乏实时数据和系统性风险控制，且不同类别的历史胜率差异显著。2026 年 2 月，Olas 推出了 Polystrat，将代理功能扩展到 Polymarket 平台——允许用户使用自然语言设置策略，代理会自动识别 4 天内结算的市场中的概率偏差并执行交易。该系统通过 Pearl 本地运行，使用自托管的安全账户和硬编码的限额控制来管理风险，是目前首个专为 Polymarket 平台定制的消费级自主交易代理。

· UnifAI 网络多元市场战略

为 Polymarket 自动交易代理提供核心尾部风险假设策略：扫描隐含概率大于 95% 的近期结算合约，并建立仓位以 3-5% 的价差为目标。链上数据显示胜率接近 95%，但不同类别合约的收益差异显著，该策略高度依赖于执行频率和类别选择。

· NOYA.ai

NOYA.ai 旨在将“研究—判断—执行—监控”整合到一个代理反馈循环中，其架构涵盖智能层、抽象层和执行层。全链金库已交付；预测市场代理仍在开发中，尚未形成完整的主网循环，目前处于愿景验证阶段。

预测市场工具

目前的预测市场分析工具尚不足以构成完整的“预测市场情报代理”，其价值主要体现在代理架构中的信息和分析层，而交易执行、仓位管理和风险控制仍需交易员手动操作。从产品形态来看，它们更符合“策略订阅/信号辅助/研究增强”的定位，可以被视为预测市场情报代理的早期原型。

本文通过对“卓越预测市场工具”数据库中的项目进行系统梳理和实证选择，选取了具有代表性的、包含初始产品形态和应用案例的项目作为研究报告示例。研究主要聚焦于四个领域：分析与信号层、预警与鲸鱼追踪系统、套利发现工具以及交易终端与聚合执行。

市场分析工具

Polyseer：一款以研究为导向的市场预测工具，采用多智能体划分架构（规划者/研究员/评论员/分析师/报告员），进行双向证据收集和贝叶斯概率聚合，生成结构化的研究报告。其优势在于透明的方法论、流程工程和完全开源的可审计性。

Oddpool：定位为“预测市场的彭博终端”，为 Polymarket、Kalshi、CME 等提供跨平台聚合、套利扫描和实时数据仪表板终端。

Polymarket Analytics：全球化的 Polymarket 数据分析平台，系统地展示交易员、市场、持仓和交易数据，定位清晰，数据直观，适合作为基础数据查询和研究参考。

Hashdive：面向交易者的数据工具，通过智能评分和多维筛选器对交易者和市场进行定量筛选，适用于“聪明资金识别”和跟单交易决策。

Polyfactual：专注于人工智能市场情报和情绪/风险分析，通过 Chrome 扩展程序将分析结果嵌入交易界面，更适合 B2B 和机构用户场景。

Predly：人工智能定价错误检测平台，通过将市场价格与人工智能计算的概率进行比较，识别 Polymarket 和 Kalshi 之间的价格差异，据称警报准确率达 89%，用于信号发现和机会筛选。

Polysights：涵盖 30 多个市场和链上指标，并带有 Insider Finder，可跟踪新钱包、大额单向投注和其他异常行为，适合日常监控和信号发现。

PolyRadar：多模型并行分析平台，提供单个事件的实时解释、时间线演变、置信度评分和来源透明度，强调多 AI 交叉验证，定位为分析工具。

Alphascope：人工智能驱动的预测市场情报引擎，提供实时信号、研究摘要和概率变化监控，目前仍处于早期阶段，侧重于研究和信号支持。

· 警报/鲸鱼追踪

支架：位置清晰，便于追踪鲸鱼并发出高置信度的行动警报。

Whale Tracker Livid：将鲸鱼位置变化产品化。

· 套利发现工具

ArbBets：一款人工智能驱动的套利发现工具，专注于 Polymarket、Kalshi 和体育博彩市场，识别跨平台套利和正预期价值 (+EV) 交易机会，定位于高频机会扫描层。

PolyScalping：面向 Polymarket 的实时套利和短线交易分析平台，支持每 60 秒进行一次全市场扫描、ROI 计算和 Telegram 提醒，允许根据流动性、点差和交易量进行机会筛选，更适合活跃交易者。

Eventarb：一款轻量级的跨平台套利计算和警报工具，涵盖 Polymarket、Kalshi 和 Robinhood，功能集中，免费使用，适合作为基础套利助手。

Prediction Hunt：跨交易所预测市场聚合和比较工具，提供 Polymarket、Kalshi 和 PredictIt 的实时价格比较和套利识别（大约 5 分钟刷新一次），旨在发现信息对称和市场低效。

· 交易终端/聚合执行

Verso：由 YC 2024 年秋季支持的机构级预测市场交易终端，提供彭博风格的界面，实时跟踪 Polymarket 和 Kalshi 上的 15,000 多个合约，深度数据分析和 AI 新闻情报，面向专业和机构交易员。

Matchr：跨平台预测市场聚合和执行工具，涵盖 1500 多个市场，通过智能路由实现最佳价格匹配，并基于高概率事件、跨市场套利和事件驱动机会设计自动化收益策略，定位于执行和资本效率层。

TradeFox：由 Alliance DAO 和 CMT Digital 支持的专业预测市场聚合和主经纪商平台，提供高级订单执行（限价单、止盈/止损、TWAP）、自托管交易和多平台智能路由，目标客户为机构交易者，并计划扩展到 Kalshi、Limitless 和 SxBet 等平台。

摘要与展望

目前，预测市场代理尚处于开发探索的早期阶段。

1. 市场基础与本质演进：Polymarket 和 Kalshi 已形成双寡头垄断格局，围绕它们构建了具有充足流动性和场景基础的智能代理。预测市场与赌博的核心区别在于其正外部性。通过真实交易聚合分散信息，它们为现实世界事件提供公开定价，并逐步演化为“全球真理层”。

2. 核心定位：预测市场代理应定位为可执行的概率资产管理工具。其核心使命是将新闻、规则文本和链上数据转化为可验证的价格偏差，并以更高的纪律性、更低的成本和跨市场能力执行策略。理想的架构可以抽象为四个层次：信息层、分析层、策略层和执行层。然而，其实际可交易性高度依赖于结算的清晰度、流动性质量和信息结构化水平。

3. 策略选择与风险管理逻辑：从策略角度来看，确定性套利（包括结算套利、概率守恒套利和跨平台价差交易）最好由代理自动执行，而方向性投机仅应作为补充。在仓位管理方面，可执行且容错的策略应优先考虑，其中阶梯式加仓法结合固定仓位限额最为合适。

4. 商业模式及前景：商业化主要分为三个层面：基础设施层通过数据执行基础设施获得稳定的B2B收入；策略层通过第三方策略调用或收益分成实现盈利；代理/金库层在链上透明风险约束下参与现货交易，并收取管理费和业绩费。相应的形式包括娱乐型入场点、策略订阅/信号（目前最可行的方式）以及高门槛金库托管。“基础设施+策略生态系统+业绩参与”是一条更可持续的发展路径。

尽管预测市场代理生态系统中已经涌现出各种尝试，涵盖从底层框架到上层工具的各个方面，但在策略生成、执行效率、风险控制和商业闭环等关键维度上，目前尚无成熟、可复制、标准化的产品。我们期待预测市场代理在未来能够不断迭代和发展。