預測市場是搖錢樹嗎？ 深度拆解其獲利模式

作者：Changan, Amelia I Biteye內容團隊

過去討論預測市場，大家更關心它準不準、交易量高不高、能不能成為新的資訊市場。 但當預測市場作為一個生意，核心問題就變成獲利模式是什麼樣的呢？

在商業世界裡，交易量高，不等於平台賺錢。 一個盤口可以聲量巨大，用戶也可以頻繁買賣，但如果大部分成交無法切入收費口徑，或者活躍度純粹靠補貼和積分維系，那麼交易量就只是好看的數據，而不是健康的收入。

對預測市場而言，真正考驗商業內功的，不是“開了多少盤口”，也不是“某個事件有多火”，而是平台能否無縫地將三件事串聯起來：

這也是為什麼，預測市場的商業模式絕非簡單的「開盤收稅」。 表面上它只是一個 YES / NO 的對賭遊戲，但真正支撐起平台收入底座的，是背後的交易結構、流動性機制、費率傾斜以及用戶行為。

尤其是當頭部平台 Polymarket 開始系統性地引入 Taker Fee 之後，預測市場的敘事已經從「資訊工具」開始進入「收入驗證」階段。

本文將從商業視角出發，深度拆解預測市場的底層底牌：

• 預測市場平台靠什麼賺錢？

• 為什麼 Maker / Taker 的賽局結構決定了平台的生死？

• 從 Polymarket、Kalshi、Opinion 到 Predict.fun，主流平台的費率設計有何本質差異？

• 為什麼交易量最高的賽道，反而不是最賺錢的賽道？

核心結論：預測市場賣的不是答案，而是分歧。

價格越接近 50 / 50，表示市場分歧越大，交易衝動越強，平台越容易從主動成交轉化手續費收入；價格越接近 0 或 100，結果越趨於確定，雖然資訊價值還在，但對應的費用權重會明顯下降。

因此，預測市場真正的商業壁壘，不是把「事件」變成盤口，而是把「分歧」變成交易，再把交易穩健地轉化為收入。

要拆解預測市場的現金流，首先要釐清其收入的四個核心驅動力。 它們相互交織，共同構成了平台從流量到變現的閉環。

1️⃣ 交易手續費 - 直接收入來源

多數預測市場會向主動成交的一方收費，也就是 Taker。 因為 Taker 消耗流動性，而 Maker 提供流動性。

這意味著，預測市場不是所有交易都會產生收入。 真正能給平台貢獻費用的，往往是那些用戶願意主動成交、願意為速度和確定性付費的交易。

2️⃣ 流動性 - 持續交易基石

預測市場最難的不是開盤口，而是讓盤口有深度。

如果一個盤口沒人掛單，用戶想買買不到，想賣賣不掉，那麼這個市場即使有話題，也很難形成有效價格。

所以很多平台會降低 Maker 成本，甚至給 Maker 誘因。

這不是直接的「收入來源」，但它決定了交易費能不能長期存在。

沒有流動性，就沒有持續交易，手續費收入自然也無法穩定。

3️⃣ 資訊價值 - 心智佔領

預測市場和一般交易平台不一樣的地方在於，它不只是交易工具，也會生產資訊。

當一個盤口有足夠交易量和流動性後，它的價格會變成一種機率訊號。 媒體會引用它，KOL 會解讀它，交易員會觀察它，一般使用者也會用它來判斷市場情緒。

這部分不一定直接變成手續費，但它會給平台帶來關注度、使用者心智和外部傳播。 長期看，這些資訊價值會反過來增強交易需求。

4️⃣ 用戶營運與折扣體系 - 將活躍度轉化為收入

除了基礎交易費，不同平台也會透過折扣、邀請、活動、積分和返利來提升交易頻率。 這部分措施不一定直接帶來收入，但會影響平台的長期變現能力。 例如，Opinion 提供了用戶折扣、交易折扣和邀請折扣；Predict.fun 採用更簡單的基礎收費和折扣機制；Polymarket 則側重於不同賽道的差異化費率和 Maker rebate。 折扣和激勵的本質，並非單純的補貼，而是透過出讓部分利潤來換取用戶留存，再逐步將活躍度轉化為收入。

縱觀幾家主流預測市場的費用設計，產業的策略方向高度趨同：鼓勵掛單提供流動性，把主動成交轉化成收入。 但在戰術執行上，各大平台由於定位不同，呈現明顯的策略分化。

1️⃣ Polymarket：依賽道精細化定價

Polymarket 的 Taker 收費邏輯將「賽道差異化」和「分歧定價」結合到了極致。 其官方核心公式為：

fee = C × feeRate × p × (1 - p)

其中，C 是成交份額數量，p 是成交價格，feeRate 則由市場賽道決定。

此機制包含兩個核心變數：

• 賽道精細化：以目前已驗證費率口徑，Crypto 賽道 feeRate 為 0.07，Sports 為 0.03，Politics / Finance / Tech 為 0.04，Culture / Weather 為 0.05，部分 Geopolitics 市場為 0politics。 也就是說，Polymarket 並不是對所有市場統一收費，而是根據不同賽道的交易頻率、敏感度和用戶付費意願，採用差異化費率。

• 分歧度定價：完美契合  p × (1 - p)的數學曲線。 價格越接近 50/50（市場分歧最大），手續費越高；結果越確定（接近 0 或 100），手續費越低。

2️⃣ Kalshi：更接近合規交易所模式

Kalshi 的費用設計在合規框架下更接近傳統金融衍生品交易所，其常規 Taker 費率公式同樣與價格分歧度掛鉤：

fee = round up(0.07 × C × P × (1 - P))

其中 C 是合約數量，P 是合約價格，費用會向上取整到美分。 這個結構和 Polymarket 的 C × feeRate × p × (1-p) 很接近。

Kalshi 的費用結構和 Polymarket 有相似點：它的交易費也和合約價格有關，越接近 50¢，費用越高；越接近 1¢ / 99¢，費用越低。 Kalshi 的 fee schedule 顯示，100 份合約的 taker fee 大致在 $0.07～$1.75 區間變化。  

但 Kalshi 和 Polymarket 的一個重要區別是：Kalshi 部分市場也會有 Maker fee，而且只有當這些掛單最終成交時才收費，取消掛單不收費。 這表明 Kalshi 的費用結構更接近合規交易所：不是簡單的 Maker 永久免費，而是根據不同市場設定更複雜的雙邊費用規則。

3️⃣ Opinion：更強調折扣和用戶分層

Opinion 引入了極為複雜的“多維折扣體系”，其有效費率公式為：

Effective fee rate = topic_rate × price × (1 − price)× (1 − user_discount)× (1 − transaction_discount)× (1 − user_referral_discount)

也就是說，Opinion 的費用不僅取決於市場價格和 topic_rate，還會受到用戶折扣、交易折扣、邀請折扣等因素影響。  

Opinion 也設定了 $5 最小訂單和 $0.25 最低手續費，避免小額交易產生過低費用。

這說明Opinion 的費用設計更偏向使用者營運：

• topic_rate 用來區分不同市場

• user_discount 用來做使用者分層

所以，相比 Polymarket 的「賽道差異化定價」，Opinion 更像是把手續費做成了一個運營工具：一邊透過折扣體系引導用戶交易、留存和拉新，另一邊透過 Maker 免費降低掛單門檻，維持市場流動性。

4️⃣ Predict.fun：極簡主義的統一費率

Predict.fun的費用結構相對較簡單，適合降低使用者理解成本。

依其目前公開口徑，它的費用計算公式是：

Raw Fee = Base Fee % × min(Price, 1 − Price) × Shares｜

Base Fee 目前為 2%。 實際費率會隨著成交價格變化：在 50% 以下時，費率基本上固定為 2%；超過 50% ，價格越接近 1，實際費率越低。

此外，Predict.fun 也支援 fee discount，折扣後手續費會進一步下降。 這種設計的特點是更直觀：使用者無需先判斷盤口屬於哪一側，只需要關注成交價格本身即可理解費用變化。

如果只看不同平台的高低費率，大致可以得到這樣一組對比：

• Polymarket ：費率最高是 7.13%，最低是 0.07% 

• Kalshi ：費率最高為 7%，最低為 0.07%

• Opinion ：費率範圍為 0%～2%，另有 $0.25 最低手續費

• Predict.fun ：費率最高為 2%，最低為 0.02%

但這些數字只能說明「費率設計」的差異，還不能直接等同於平台最終能賺到多少。

因為實際 Fees 還會受到幾件事影響：哪些交易是 Taker 成交，成交集中在哪個價格區間，平台是否有折扣、返傭或最低手續費，以及不同賽道本身的交易頻率。

所以，比較預測市場的商業化能力，不能只看費率表，還要看交易結構。

接下來，我們就用 Polymarket 為例子進一步拆解：同樣是交易量，為什麼有些賽道更容易轉化成 Fees，有些賽道卻未必最賺錢。

雖然各家玩法百花齊放，但要驗證預測市場的真實變現效率，Polymarket 仍然是目前最適合觀察的平台樣本。

原因主要有2個：

• 它的收費路徑最清晰：從 Crypto 試水，到 Sports 擴展，再到更多類別幾乎全面收費

• 它的數據也更完整：官方 feeRate、7D / 30D Fees都可以用來進一步拆收入結構

所以接下來，我們以 Polymarket 為例，回答一個更具體的問題：交易量最高的賽道，真的也是最賺錢嗎？

3.1 從免費到收費：Polymarket 的商業化時間軸

Polymarket 重返美國用戶，率先在 Crypto 板塊 引入 Taker Fee。 加密盤口結算週期短、價格波動大、交易行為類似二級短線，使用者對變現速度的追求遠大於對摩擦成本的敏感度，是絕佳的收費試驗田。

緊接著，2026 年 2 月 18 日，Sports 板塊成為第二個收費板塊。 體育盤口具備天然的高頻、短週期特徵，能提供持續的交易場景。 因此 Sports 是收費的自然延續。

所以 Polymarket 先對 Crypto、Sports 收費，其實是在先拿兩個用戶接受度更高的板塊驗證收入模型。

2026 年 3 月 30 日，Polymarket 將 taker fee 擴展到 Politics、Finance、Economics、Culture、Weather、Tech、Mentions、Other/General 等更多類別，收費類別擴展到 10 個。

全面收費後，Polymarket 並不是簡單對所有板塊收取同樣的費用，而是採用了更細的費率結構。 這一步可以視為 Polymarket 商業化的關鍵節點，Polymarket 開始把收費模式擴展到更廣泛的市場。

全面收費的成效極為矚目。 根據最新數據，Polymarket 已經展現出了極大的吸金能力：7D Fees 達 $9.27M，30D​​ Fees 達 $36.3M。 其 7 日收入已衝進全網 Crypto 計畫前六，正式跨入收入型專案梯隊。

3.2 核心賽道單型與價格分佈拆解

為了盡可能的計算出 Polymarket 各個板塊的真實收入，我們根據 2021 年至 2026 年 2 月的 Polymarket 交易數據，對五個主要賽道的費用進行估算1。

從市價單佔比來看，五個賽道差異明顯：

Crypto 的 Market 佔比最高，達到 75%，這極為符合加密資產「瞬息萬變」的特徵，用戶更傾向於直接用市價單鎖定損益；Weather 賽道因受即時突發氣象資料驅動，用戶同樣極度看重反應速度。

其次，手續費多寡嚴重依賴盤口的成交價格區間。

原因在於，進入收費口徑的交易，並不會產生相同的費用。 Polymarket 的手續費和 p × (1 - p) 有關，價格越接近 50/50，市場分歧越大，費用權重越高；價格越接近 0% 或 100%，結果越接近確定，費用權重越低。

從五條主要賽道的數據來看，大部分成交都集中在 30～50，尤其是 40～50 區間：

這組數據說明，Polymarket 的主要成交並不是發生在結果已經接近確定的區間，而是集中在市場仍然存在明顯分歧的位置。

3.3 收入計算：誰是利潤乳牛？

我們用各賽道 Market 成交額，結合對應 feeRate，再以不同價格區間的 p × (1-p) 權重，粗略估算 Polymarket 在五個賽道中的費用收入。 同時考慮到上線收費後，部分對費率敏感的用戶會從 Taker 轉向 Limit 掛單。 尤其是做尾盤交易、低賠率套利或短線頻繁交易的用戶，會更謹慎地計算報酬率。

因此，我們可以在原始估算基礎上，再做一版更保守的假設：假設收費後，各賽道市價單成交額下降 20%。

調整後的公式變成：調整後估算費用 ≈ Market 成交額 × 80% × feeRate ×  (1 - p)

根據 7D 總交易量及各賽道交易量佔比，我們估算五個主要賽道的 7D 市價單交易額。

前面已經算出各賽道的市價單成交額，接下來再結合各賽道的 feeRate 和價格區間權重，估算費用。 為了讓計算更穩妥，我們採用區間中位數作為近似價格：

(註：由於統計口徑、歷史單型佔比滯後性及賽道動態變化，此計算模型旨在還原各賽道的貢獻比例，總和與系統實際結算的總 Fees 存在合理誤差)

數據說明了什麼？

1️⃣Crypto 是目前利潤貢獻最高的賽道，7D 估算費用約為 439 萬美元，是「利潤乳牛」。

這點比較反直覺，因為從交易量佔比看，Sport 才是第一大賽道，7D 交易量約為 4.01 億美元，高於 Crypto 的 1.74 億美元。 但費用結果裡，Crypto 反而排在第一，主要原因有兩個：

• 市價單佔比更高：Market 佔比約為 75%，明顯高於 Sport 的 60%。 Polymarket 主要對市價單收費，所以 Crypto 有更多交易會進入收費口徑。

• feeRate 最高：feeRate 是 0.07，而 Sport 只有 0.03。 即使兩者市價單成交額相同，Crypto 單位交易額產生的費用也會明顯較高。

2️⃣Sport 是第二大費用來源，7D 估算費用約為 331 萬美元，是「交易量基礎盤」。

Sport 的優點在於交易量夠大。 它的 7D 交易量約為 4.01 億美元，在五個賽道中排名第一。 但它的短板也很明顯：feeRate 最低，只有 0.03。

3️⃣Politics 和 Trump 如果合併成政治類盤口，7D 估算費用約為 314 萬美元，已經非常接近 Sport 板塊，是脈衝式的流量漏斗。

政治類盤口的特徵是事件驅動強。 它不像 Sport 一樣每天都有穩定比賽，也不像 Crypto 那樣價格持續波動，但一旦遇到選舉、民調、政策變化、候選人表態，就容易出現集中交易。 因此，政治類盤口雖然交易節奏不一定穩定，但在熱點週期裡費用貢獻非常可觀。

4️⃣Weather 的 7D 估算費用約為 40 萬美元，在五個賽道裡最低。

所以，Polymarket 的收入結構可以簡單概括為：Crypto 負責平台收入，Sport 負責交易量，Politics / Trump 負責熱點事件爆發，為平台獲客。

Polymarket 的成功閉環，為整個預測市場賽道帶來了重構的啟示：

1️⃣ 評估指標的全面更迭

過去看預測市場，都盯著交易量與熱門話題。 進入商業化時代，衡量勝負的指標將徹底轉變為：真實 Fees、Taker 佔比、訂單簿深度以及買賣價差（Spread）。 純粹靠左手倒右手刷出來的交易量，在收費機制下將難以持續。

2️⃣ 不同事件類型，對應不同的收入角色

未來的預測市場平台不會指望靠某一種盤口吃天下，而是走向精細化分工。

• Crypto 這類市場更接近金融交易，價格變化快、反饋週期短，用戶對成交速度更敏感，所以更容易形成高收入效率。

• Sports 更像穩定流水，比賽頻繁、結果明確、交易場景持續存在，所以適合貢獻日常交易量。

• Politics / Trump 這類市場則較偏事件爆發，平時不一定穩定，但一旦進入選舉、民調、政策變化等關鍵節點，就容易集中放量。

• Weather 這類市場說明，只要事件夠標準化、結果夠清晰，即使規模暫時不大，也有機會形成自己的交易場景。

3️⃣ 收費機制會反向倒逼盤口品質

免費階段，平台可以開很多盤口；收費之後，用戶和做市商都會開始精打細算，收費機制會反過來篩選市場品質。

一個好的預測市場，不僅需要話題有趣，還要能夠同時滿足幾個條件：

• 結果清晰，方便結算

• 資訊更新頻繁，能帶來價格變動

• 市場分歧夠大，使用者有交易動機

• 流動性夠好，使用者願意主動成交

• 結果不易被操控

4️⃣ 預測市場的障礙在於「持續定價權」

開一個 YES / NO 盤口不難，難的是讓這個盤口持續有人掛單、有人吃單、有人更新價格、有人願意承擔風險。 只有當一個盤口有足夠深度和交易頻率，它的價格才有參考意義，平台也可能從中獲得收入。

所以預測市場真正的壁壘，不是「誰能更快發現熱點」，而是：把熱點變成可交易市場讓市場長期有流動性讓價格成為外部世界願意引用的信號。

能夠講宏大敘事的項目多如牛毛，但能把敘事落地成真金白銀收入的鳳毛麟角。

Polymarket 曾經是整個賽道裡最具光環的流量代表，而當它完成從“流量敘事”到“系統性吸金”的轉身，它想向全行業證明一件事：

預測市場的終極價值，絕不僅限於“預測未來有多準”，而在於它成功把現實世界的不確定性，變成了一個可以標準化定價、可以高頻交易、且能持續賺錢的超級市場。

過去，預測市場證明了它能贏得潑天流量；現在，它正在證明自己是一門無可匹敵的好生意。

免責聲明：本文所包含的所有內容、數據及觀點僅供產業交流與研究參考，不構成任何形式的投資建議、法律建議或商業決策依據。

1測算方法：拆出每個賽道的市價單和限價單比例，再按照不同成交價格區間，估算 p × (1 - p) 對費用的影響，最後結合各賽道對應的手續費率，計算每個賽道大致貢獻了多少費用。