跳转至

第42章 预测市场

补充章节：Prediction Markets（原书出版后的市场发展）

在第10章中，Harris 讨论了知情交易者 (informed traders) 如何通过信息优势获取超额回报，并在第8章中追问了"为何交易"这一根本性问题。他的答案之一是：交易者交易，因为他们相信自己掌握了他人尚未知晓的信息。然而，Harris 的框架隐含了一个前提假设——信息的最终来源是企业财务指标、宏观经济数据或价格本身。在第17章讨论套利时，他进一步指出价格偏差的存在是因为尚未被套利者发现。

预测市场 (prediction markets) 将这些讨论推进到一个全新维度：如果交易标的本身就是"某一事件将要发生的概率"，那么市场价格不再是对企业未来现金流的折现，而是对现实世界中尚未发生之事件的集体概率估算。这一机制使交易所同时成为价格发现机器和信息聚合机器，挑战了我们对"谁是知情交易者"以及"市场在聚合什么样的知识"的传统认知。本章考察预测市场的机制设计、信息聚合效率及其监管边界，以2024年美国大选为核心案例，探讨这一新兴市场形态对量化交易实践的深远影响。

42.1 预测市场基础

预测市场是以未来事件的二元或多元结果为标的的交易合约市场。其最基础的形式是二元合约 (binary contract)：若特定事件在约定时间内发生，合约结算为\(1；否则结算为\)0。由此，合约的当前市场价格直接等于市场参与者对该事件发生概率的最优估计值。例如，若"特朗普赢得2024年总统大选"合约的市价为$0.63，则市场的集体判断是该事件发生的概率约为63%。

与传统金融合约的本质差异在于结算基础的不同。股票期货的结算基于企业盈利，利率期货的结算基于经济数据，而预测市场合约的结算基于可观测的现实事件——选举结果、法院裁决、经济数据发布、科学发现——这些事件本身不受交易行为的直接影响（尽管这一点在某些政治类合约中存在争议）。

预测市场的理论基础植根于两条思想脉络。第一是哈耶克 (F.A. Hayek) 1945年的经典论文《知识在社会中的运用》。哈耶克指出，市场价格是协调分散于无数个体的局部知识的最有效机制，没有任何中央计划者能够汇总全社会所有成员的信息。预测市场将这一逻辑延伸至概率估算领域：市场价格作为分散知识的协调机制 (information aggregation mechanism)，能够将每位参与者掌握的私有信息片段整合为全局最优的概率估算。

第二是效率市场假说 (Efficient Market Hypothesis, EMH) 的特殊形式——智慧众包 (wisdom of crowds) 效应。詹姆斯·苏罗维基 (James Surowiecki) 在其同名著作中总结了大量实证案例，表明当参与者满足独立性、多样性和分散性条件时，群体的集体判断往往优于任何单一专家。预测市场通过财务激励机制（知情者押注获利，无知者亏损）将理论上的智慧众包转化为可验证的价格信号。

从历史先驱看，爱荷华电子市场 (Iowa Electronic Markets, IEM) 于1988年由爱荷华大学亨利·提珀克商学院创立，是世界上第一个合法运营的预测市场，专注于美国总统大选结果预测。IEM采用真实货币交易（上限500美元），至今仍在运营，并积累了跨越30余年选举周期的历史数据，是研究预测市场信息效率的最重要实证数据库之一。

42.2 主要平台与机制设计

Polymarket

Polymarket（2020年创立）是目前全球最大的去中心化预测市场，基于以太坊 (Ethereum) 和 Polygon 区块链构建，使用 USDC 稳定币结算，2024年全年总交易量超过35亿美元，其中仅2024年美国总统大选相关合约的交易量便超过35亿美元，为有史以来规模最大的单一政治预测市场事件。

Polymarket 采用中央限价订单簿 (Central Limit Order Book, CLOB) 模式，买卖双方通过链上合约挂单，由撮合引擎按价格优先原则成交。结算争议通过 UMA 协议（乐观主义仲裁）处理：合约到期后，提案者提交结算建议，持有异议者可在争议窗口期（通常72小时）提交质疑，由 UMA 代币持有者投票裁决。无争议情况下，结算在24小时内自动完成并分配至赢家钱包地址。

Kalshi

Kalshi（2021年创立）是美国首个获得商品期货交易委员会 (Commodity Futures Trading Commission, CFTC) 许可的事件合约交易所，注册为指定合约市场 (Designated Contract Market, DCM)，具有与芝加哥商品交易所 (CME) 同等的监管地位。

Kalshi 与 CFTC 的监管博弈是预测市场发展史上的关键里程碑。2023年，CFTC 以政治合约可能影响选举完整性为由，拒绝批准 Kalshi 上线政治事件合约，Kalshi 随即起诉 CFTC。2024年，联邦法院裁定 Kalshi 胜诉，认定 CFTC 无权以公共利益为由拒绝批准本质上属于商业合约的产品，这一判决从根本上改变了美国预测市场的监管格局。

其他平台

Augur（2018年，以太坊）是去中心化预测市场的先驱，但因流动性极度不足（大多数合约的买卖价差超过10个百分点）以及用户操作复杂性过高，始终未能形成有效的价格发现机制，是一个"技术成功、商业失败"的典型案例。

Manifold Markets（2022年创立）采用虚拟货币（Mana，不可兑换真实货币）而非真实资金，通过规避赌博监管来降低法律风险，主要服务于科技、学术和预测爱好者社群，其预测准确性研究为学术界提供了大量数据。

做市商机制设计比较

预测市场的做市机制主要有两种范式。对数市场评分规则 (Logarithmic Market Scoring Rule, LMSR) 由罗宾·汉森 (Robin Hanson) 发明，由自动做市商 (Automated Market Maker, AMM) 充当永久流动性提供者，交易成本由做市商承担，确保任何规模的交易都可立即成交，但做市商面临有限的亏损敞口上限。订单簿 (order book) 模式与传统交易所相同，依赖机构做市商提供双边流动性，价格形成更加透明，但在流动性不足时价差扩大明显。Polymarket 采用后者，Augur 早期版本采用前者。两种机制的核心权衡是流动性稳定性与价格效率之间的取舍。

42.3 信息聚合效率

预测市场 vs 民调

预测市场与民调 (polling) 的系统性对比是研究信息聚合效率最重要的实证领域之一。以 IEM 在1988-2020年美国总统大选中的历史表现为基准，整体而言，IEM 对候选人得票率的预测平均绝对误差约为1.5-2个百分点，在多数选举年份中优于民调均值（参见文本框2的详细数据）。

预测市场优于民调的机制逻辑清晰：财务激励过滤了无知投票 (uninformed voting) 和策略性作答 (strategic responding)。民调受访者可以随意表达偏好或基于社会期望给出非真实答案，而在预测市场中，错误判断直接导致金钱损失。理性参与者有强烈动机认真研究、保持独立判断，并在信息更新时及时修正押注方向。

预测市场 vs 专家预测

菲利普·泰特洛克 (Philip Tetlock) 在其《超级预测》(Superforecasting) 研究项目中发现，少数训练有素的"超级预测者" (superforecaster) 能够在概率估算上系统性地优于普通专家，而这些超级预测者的集体预测精度往往与运行良好的预测市场相当甚至略优。这一发现支持了一个修正版的智慧众包理论：预测市场的信息优势并非来自"人多力量大"，而是来自财务激励筛选出了真正具有校准能力 (calibration ability) 的少数参与者，其余大多数参与者的押注噪声相互抵消。

信息效率的局限性

预测市场并非无懈可击的信息聚合机器，其局限性体现在以下几个维度：

流动性不足与价格操纵易发性：在交易深度有限（薄市场，thin market）的合约中，单笔大额订单可以大幅移动市场价格，而无需携带任何真实信息。2024年美国大选中，法国交易员 Théo Bécheret 在 Polymarket 上押注约5000万美元支持特朗普，引发了关于其押注是否人为抬高特朗普获胜概率估计值的广泛争议。

参与者样本偏差：预测市场的典型用户画像为高教育程度、对政治感兴趣的男性，且多集中于加密货币原生用户群体。这一样本偏差意味着某些类型的事件（如加密监管政策）可能被系统性高估或低估。

长期事件的折现问题：对于结算时间在数年后的合约，价格反映的是折现后的概率，而非纯粹的事件概率。结算时间越长，时间价值对价格的扭曲程度越大。

蓄意错价现象：持有大量仓位的交易者可能战略性地选择不及时修正明显错误的价格，以避免暴露自身的信息获取渠道或持仓方向，这一现象与传统市场中的信息泄露回避行为类似。

企业内部预测市场

企业内部预测市场 (internal prediction markets) 是预测市场理论的重要应用场景。Google、HP、Microsoft 等科技公司曾先后建立内部预测市场，用于预测产品发布日期、销售量和项目进度。HP 的实证研究（Chen & Plott, 2002）表明，内部预测市场对季度销售额的预测系统性优于官方管理层预测。这一发现对量化投资机构具有直接的方法论启示：在研究团队内部运营预测市场，可能是聚合分析师私有信息的有效机制。

:::info 文本框1：Polymarket如何定价2024年总统大选——USDC二元合约的做市机制

Polymarket 上的"Donald Trump wins the 2024 US Presidential Election"合约是有史以来流动性最高的预测市场合约之一。其运作机制如下：

合约结构：合约标的为布尔型事件。特朗普当选则每份合约结算为\(1 USDC；否则结算为\)0 USDC。交易单位为1份合约（约等于$1），最小交易量约为10份，机构参与者的单笔交易量通常在数万至数百万美元之间。

价格发现机制：中央限价订单簿撮合，买卖双方以自选限价挂单，按价格优先原则成交。例如，若最优买价 (best bid) 为\(0.62，最优卖价 (best ask) 为\)0.63，则市场隐含的特朗普获胜概率为62-63%。

套利约束：互斥且完备的事件结果之间存在硬性套利约束。若"特朗普赢"= \(0.55，则"哈里斯赢"合约价格必须约等于\)0.45（两者之和须等于$1，否则无风险套利机会即刻显现）。这一机制确保了不同合约之间的内部一致性。

做市商策略：机构做市商在买卖两端同时挂单，赚取价差（通常0.5-2个百分点）。由于合约为二元结构，做市商的 Delta 对冲相对简单——持有"特朗普赢"合约多头与同等名义额的"哈里斯赢"合约空头即构成近似无风险头寸（合并持仓价值趋近于$1）。大型信息交易者的大额市价单是价格的主要驱动力。

链上透明性：所有订单簿数据、成交记录和钱包地址均公开存储于 Polygon 区块链，任何人可以通过 Dune Analytics 等链上数据平台实时追踪大户头寸变化，这一特性使得价格操纵行为具有比传统市场高得多的可追溯性。

结算流程：合约到期后，由 UMA 协议的 Proposer 节点提交结算建议（附带证据链接），进入72小时争议窗口。无异议则自动结算；若发生争议，由 UMA 代币持有者以分散投票方式裁决。历史上绝大多数合约（>99%）均顺利完成无争议结算。 :::

:::info 文本框2：预测市场 vs 民调——爱荷华电子市场33年历史数据（1988-2020）

Iowa Electronic Markets（IEM）由爱荷华大学亨利·提珀克商学院运营，是全球持续运营时间最长的学术预测市场。以下数据综合自 Berg, Nelson & Rietz（2008）的开创性研究及后续更新：

历史预测精度对比（IEM预测 vs 选前均值民调，绝对误差）：

  • 1988年总统大选：IEM误差 1.4 pp，主流民调均值误差 2.8 pp；IEM预测布什胜出方向正确
  • 1992年总统大选：IEM误差 0.3 pp，主流民调均值误差 1.8 pp；IEM最早正确定价克林顿领先
  • 2000年总统大选：IEM误差 1.3 pp，正确预测布什最终胜出；多数民调显示戈尔领先约3pp
  • 2004年总统大选：IEM误差 1.1 pp，主流民调均值误差 1.7 pp
  • 2008年总统大选：IEM误差 1.6 pp，主流民调均值误差 2.1 pp
  • 2016年总统大选：IEM显示特朗普获胜概率约25%（Polymarket同期约20%）；RealClearPolitics民调均值隐含希拉里获胜概率约85%；最终特朗普胜出
  • 2020年总统大选：IEM误差约 2.5 pp（受新冠疫情期间大规模邮寄投票不确定性影响）

总结性结论：Berg et al.（2008）对1988-2004年的74个可比数据点分析表明，在选前75天的时间窗口内，IEM预测在74%的情况下优于主流民调。这一优势在选举临近时显著增强，选前48小时的精度差距尤为突出。

关键机制解释：财务激励（上限500美元）过滤了无信息噪声；参与者有动机认真研究而非随意作答；市场机制允许参与者随时根据新信息更新押注，而民调是静态快照。

局限性说明：IEM样本规模有限（典型参与者数量为数百至数千人，远低于代表性民调的样本要求）；参与者构成偏向政治关注度高的大学生群体；资金上限较低限制了知情者的押注规模。这些因素共同制约了IEM价格信号作为民意代理变量的可靠性。 :::

42.4 2024年美国大选案例

2024年美国总统大选成为预测市场有史以来规模最大的实验场。Polymarket 上与此次大选相关的合约总交易量超过35亿美元，远超此前所有政治预测市场的历史记录，吸引了主流媒体、学术研究者和监管机构的广泛关注。

价格演变轨迹

市场价格的演变清晰记录了政治不确定性的动态变化：

2024年3月：在拜登确认参选、特朗普锁定共和党提名后，Polymarket 显示特朗普获胜概率约53%，拜登约47%。此时市场已将特朗普的年龄优势和法律诉讼背景部分纳入定价，与民调机构的结果存在约5个百分点的系统性差异。

2024年7月14日（特朗普枪击事件）：枪击事件发生后数小时内，特朗普获胜概率从约56%迅速升至约65%，单日移动幅度创历史纪录。市场对此次事件的解读是：受害者叙事将强化特朗普的政治动员能力，而对手在舆论上面临道德压力。

2024年7月21日（拜登宣布退选）：消息公布后的12小时内，哈里斯迅速升至约45%，特朗普从峰值回落至约54%。值得注意的是，在正式消息宣布前约2小时，Polymarket 上哈里斯合约的价格便已出现明显异动，显示出信息交易者的提前布局，或与社交媒体上的谣言传播同步。

2024年8月至9月：民主党全国代表大会结束后，哈里斯短暂领先（约52% vs 特朗普约48%），这是唯一一段哈里斯在主要预测市场持续领先的时期。此后随着9月辩论会结束，特朗普概率重新升至约51%。

2024年10月至11月4日：特朗普概率从约52%稳步升至选举前夕约66%，与大多数民调显示的"极端接近"形成强烈对比。这一分歧导致市场与学界、媒体之间产生罕见的公开争论。

2024年11月5日选举日：特朗普最终胜选，并以较预期更大的优势横扫几乎所有摇摆州。Polymarket 的方向性预测正确，且比大多数民调模型更早、更准确地捕捉到特朗普的优势。

大额押注争议

2024年10月，媒体报道一位法国职业交易员 Théo Bécheret 在 Polymarket 上持有约5000万美元的特朗普多头头寸，占当时该合约总未平仓量的相当大比例。这一事件在学界和实务界引发了关于"信息交易还是价格操纵"的激烈辩论。

支持信息交易说的论据包括：Bécheret 本人是职业扑克牌手和系统性预测者，具备合理的信息处理能力；押注方向与最终结果一致；链上数据显示其建仓过程历时数月，与操纵性大额单笔冲击不同。支持操纵说的论据包括：其头寸规模足以对价格产生显著影响；对手方（哈里斯支持者）的押注量远低于有效套利所需规模；Polymarket 价格与 Kalshi（受监管市场）同期价格之间存在约5个百分点的持续溢价，暗示可能的价格扭曲。这场争论至今未有定论，但它揭示了低流动性预测市场中信息交易与操纵之间边界的模糊性。

预测准确性的事后评估

事后比较表明，Polymarket 的预测精度优于大多数统计模型。Nate Silver 的 FiveThirtyEight 模型给予哈里斯约52%的获胜概率；《经济学人》模型给予哈里斯约55%。Polymarket 在选举日前夕给予特朗普约66%的获胜概率，在方向和幅度两个维度上均更接近最终结果。然而，单次选举结果的比较无法排除运气因素，需要跨越多次事件的系统性证据才能对预测市场的优越性作出可靠判断。

42.5 监管争议与市场边界

CFTC vs Kalshi（2023-2024年）

Kalshi 诉 CFTC 案是美国金融监管史上的重要里程碑。2023年，CFTC 以"涉及选举或投票程序"的合约不符合公共利益为由，拒绝批准 Kalshi 的政治事件合约上线申请。Kalshi 在华盛顿特区联邦地区法院提起诉讼，主张 CFTC 的拒绝决定超越了《商品交易法》(Commodity Exchange Act) 赋予其的监管权限。

2024年9月，法院裁定 Kalshi 胜诉，认定 CFTC 在拒绝审批时援引的"公共利益"标准适用范围过宽，且程序上存在任意性。这一判决确立了政治事件合约在美国法律框架下属于受保护的金融合约，不得以内容政治敏感性为由径行禁止。判决后，Kalshi 迅速上线了涵盖选举结果、立法通过概率等多类政治事件合约，成为受监管预测市场的新标杆。

监管灰色地带：赌博还是金融合约？

各司法管辖区对预测市场的法律性质认定存在根本分歧。美国联邦层面，受 CFTC 许可的事件合约属于合法金融产品；但在多个州，博彩法对类似产品的适用仍不明确。欧洲：Polymarket 在2020年曾因未获美国监管许可而被迫屏蔽美国用户，但在欧盟内部合法运营；英国博彩委员会将政治赌注视为合法博彩产品，而非金融合约，适用不同的监管框架。亚太地区：香港将部分预测产品归类为非法博彩；澳大利亚允许持牌博彩公司提供政治赔率产品。这一全球监管碎片化格局意味着预测市场平台的跨境运营面临极高的合规复杂度。

内幕交易问题

预测市场引发了一个尚无定论的法律问题：掌握非公开信息的内部人员是否可以合法交易预测市场合约？在传统证券市场，内幕交易禁令基于信义义务 (fiduciary duty) 或非法获取信息两种理论。预测市场的结算标的是现实事件而非证券，适用框架尚不清晰。例如，若某位大型竞选团队内部人员提前知悉候选人将宣布退选，并据此在 Polymarket 上建仓，其行为是否构成违法？目前 CFTC 对此尚无明确规则，相关学术讨论集中于是否应将商品欺诈禁止条款类推适用于事件合约内幕交易。

市场操纵风险

超大规模押注对价格形成的扭曲效应是预测市场面临的内生性风险。与股票市场相比，预测市场的总流动性通常低1-3个数量级，单笔500万美元的市价单便可使价格移动5-10个百分点，而同等规模的交易在标普500期货市场几乎不会留下可见痕迹。更为复杂的是，预测市场的价格本身会影响媒体报道框架，进而可能影响部分选民和捐赠者的行为决策——这引发了对于"预测市场是否可以通过反身性效应 (reflexive effect) 影响其所预测的事件结果"的深层质疑。

预测市场的社会价值争议

2003年，美国国防高级研究计划局 (DARPA) 提出建立政策分析市场 (Policy Analysis Market, PAM)，允许交易者押注中东政治稳定性、恐怖袭击发生概率等政策相关事件，以改善政府情报分析质量。该计划因参议员的强烈政治反对（被批评为"恐怖袭击期货市场"）而在2003年被迫取消，尽管其理论依据在学术界获得广泛认可。

这一案例揭示了预测市场面临的根本性社会张力：允许对死亡、灾难或政治暴力事件进行金融押注，是否从道德层面破坏了社会凝聚力，即便其信息聚合功能在技术上完全成立？预测市场的理性主义支持者认为，改善信息质量的社会收益高于道德不适感；批评者则认为，将政治事件金融化会强化冷漠与投机文化。这场争论将随着预测市场规模的扩大而愈演愈烈。

主要参考资料

  1. "Prediction Markets" (Arrow et al., 2008) — 预测市场的经济学理论基础
  2. "The Predictive Power of Polymarket" (Rajiv Sethi, 2024) — Polymarket在政治预测中的表现分析
  3. "Information Aggregation in Prediction Markets" (Manski, 2006) — 预测市场的信息聚合效率