本文作者：Baheet_
预测市场早在当前的区块链时代之前就已存在，但随着 Polymarket 的出现，它们才真正突破进入了主流视野。
自 2020 年推出以来，@Polymarket的链上模式展示了将去中心化基础设施与便捷用户体验相结合的力量，在美国大选等重大事件中吸引了可观的交易量。
它的成功作为一个强有力的证明，不仅展示了去中心化预测的潜力，还为预测市场领域的新一轮创新与竞争铺平了道路。
并非所有预测市场都生而平等。
随着 Polymarket 的崛起，推动预测平台运行的多样而复杂的设计选择也应运而生。
尽管它们都共享汇聚集体智慧的共同目标，但不同平台采用了不同的实现路径。
它们在运作方式上存在显著差异——从底层支撑技术到决定市场”真相”的机制，皆然不同。
本文旨在提供一套全面的预测市场类型学框架
该类型学框架源自真实项目案例，涵盖从成熟平台如 @Kalshi 和 Polymarket，到新兴平台如 @trylimitless、@xodotmarket 以及 @MyriadMarkets。
目标是揭示项目方采取的技术方案及其影响，从而帮助用户和开发者理解生态多样性，包括预测市场的风险与潜力。
让我们开始吧
#1: 结果判定
在预测市场中，结果判定决定了如何验证和结算市场结果，这对信任度和最终性至关重要。
各类项目在这方面存在差异，它们要么依赖外部数据源、人工判断，要么采用自动化流程，每种方式都带来独特的技术挑战。新兴和即将上线的项目常尝试混合方法，以平衡速度与可靠性。
基于预言机的判定
这些项目使用去中心化或中心化的预言机来获取并验证链下数据(例如结果、价格、分数)，以实现链上结算和裁决。
例如：
- Polymarket：采用混合预测市场机制，使用 @UMAprotocol 乐观预言机进行仲裁和争议解决
- Myriad： 一个链上预测市场，通过预言机提交证明并解决争议，
- Limitless： 基于 Base 链开发，采用 @PythNetwork 提供的预言机价格馈送来结算价格波动型市场。同时采用自定义裁决机制，特别适用于用户生成的市场
- OpinionLabs(即将推出)：基于 Monad 构建，@opinionlabsxyz 主要采用预言机机制，同时利用去中心化预言机网络获取外部数据以确定市场结果。
人工审核裁决
在此模式下，结果由社区投票、专家小组或平台内特殊管理员决定。这种裁决方式适用于主观或模糊事件，多数情况下也依赖外部预言机数据源。
人工审核擅长处理细微差异，但牺牲了处理速度且存在中心化风险，相较于预言机机制，在高频客观事件的处理上扩展性较弱。
新兴项目可能在初期和社区建设阶段采用这种方式，但在规模化时可能面临挑战……采用混合方法是最佳选择。
例如：
- 卡尔希： 受美国商品期货交易委员会(CFTC)监管的预测平台，配备人工监督机制。所有结算结果都经过公平性审查以确保合规。卡尔希设有专门的市场团队，在市场达到结算标准后进行全面审核并确定最终结果。
- Augur： 基于以太坊的早期项目，依靠社区报告员进行结果判定，
- XO 市场( 即将推出)：虽然主要采用无许可模式，但其结算流程首先由名为 MODRA 的 AI 代理(由 @xodotmarket 开发)自动处理简单市场。若市场结果存在争议，案件将提交给人类陪审团法庭……因此该系统在模糊结算环节引入了人工审查机制。
自动化/算法化信息流
此类市场由一个算法自动结算，该算法直接处理来自指定、预定义的信息流或数据源的数据。
结算结果完全基于输入数据确定，除非信息流本身存在争议或错误，否则通常无需人工干预。
这类机制的弊端在于：自动化优先考虑效率而非灵活性，以牺牲处理模糊性的能力换取更快的赔付与结算速度。它适合加密货币或价格市场，但不适用于政治等主观性议题。
示例
- Kalshi： 这是一个典型范例。他们的系统设计基于官方预设数据源实现自动结算，这些数据源本质上都是预先选定的信息流。
- Polymarket： 同样依赖自动化信息流，通过集成预言机从多种数据源(如事件结果相关的新闻 API)获取数据，该功能由 @chainlink 驱动。当达到指定数据阈值时即触发结算。
- Limitless： 如前所述，Limitless 采用去中心化预言机 Pyth，该协议聚合海量数据源。其市场结算完全由这些自动化信息流驱动。
优势与劣势分析(SWOT)
预测市场中不同结果判定方法之间的 SWOT 分析
#2：流动性模型
流动性决定了用户在不产生价格滑点的情况下进出仓位的难易程度。
预测平台采用的流动性模式影响着交易效率和资本需求。
高流动性确保单笔交易对价格影响极小。这使得市场价格能够随着新信息的到来平稳可预测地变动，准确反映群体不断演变的预测。
低流动性可能导致价格剧烈波动，因为单个大额订单就可能引发不成比例的价格震荡。
新项目通常在此领域进行创新，以便在早期阶段快速建立流动性。
自动化做市商(AMM)
该方法依赖基于数学公式的算法，无需匹配买卖双方即可提供持续流动性。用户直接与流动性池进行交易，池中资产价格会持续动态调整。
AMM 在新兴市场中能确保流动性即时可用，但以牺牲价格精度换取操作简便性，这与订单簿模式在规模效应下能提供更优报价形成对比。典型的对数市场评分规则(LMSR)即采用这种机制，既能维持持续流动性，又能激励信息驱动型交易。
预测市场通常以 AMM 模式启动，后期再迁移至其他机制——如 Polymarket 的发展路径所示。
示例
- XO 市场 ：采用 LS-LMSR 机制，这是一种专为预测市场优化的自动化做市商模型。
- Augur： 运用自动化做市商机制(特别是模拟 AMM 行为的订单簿)来确保流动性
- Myriad： 该平台采用虚拟自动化做市商(vAMM)为其预测市场提供持续深度流动性。
订单簿/中央限价订单簿(CLOB)
这是金融交易所使用的传统模式。买家和卖家可以提交限价订单(按指定价格买卖的指令)或市价订单(立即以最优价格成交的指令)，平台随后对这些订单进行撮合。
该模式需要活跃用户或专业做市商来维持足够的流动性深度。若活跃度不足，市场会缺乏流动性导致交易困难。
中央限价订单簿为专业交易者提供了更高的资金使用效率，但与自动做市商相比需要更多初始流动性，因此小型项目较难采用这种模式。
例如：
- Polymarket：Polymarket 最初采用自动做市商机制，现已转型为订单簿模式，允许用户以指定价格挂单买卖”结果份额”。该订单簿通过供需关系实现价格发现。
- Limitless： 采用中央限价订单簿交易结果份额，契合其社交化、由创作者配置的市场特性
- SX Network： 运营定制化 EVM 链并通过链上结算的订单匹配机制
做市商/庄家模式
一个中央实体(即“庄家”或平台运营商)作为所有投注的交易对手方。它设定赔率(价格)并持有与用户相反的仓位。
庄家始终提供流动性，因此用户随时都可以下注。这在传统体育博彩平台中非常常见。
示例：
@DivvyBet：基于 Solana 的去中心化体育博彩平台，允许任何人成为庄家
SWOT 分析
预测市场中流动性模型的 SWOT 分析
混合模型
该模型综合了前述两种或多种模型的要素，以发挥各自优势并弥补不足…其目标是实现最佳的流动性、价格发现和资本效率。
Kalshi 采用了一种混合流动性模式，该模式以中央限价订单簿(CLOB)为核心，同时得到内部交易团队和专业第三方做市商的大力支持。
这一模式确保了其所有市场都具有深度流动性，这是任何受监管金融交易所的关键特征。
Kalshi 的模式最接近混合模式，但特别强调做市商/机构主导和订单簿驱动的组成部分。
它与基于自动做市商(AMM)的模式存在显著差异，因其不单纯依赖算法和普通用户提供的流动性池。
#3：事件创建机制
预测市场还可根据其事件创建机制进行分类，这一机制决定了市场如何被提议、审核及启动。
该流程是各平台间的关键区分点，因其影响着平台的市场多样性、质量及整体运营理念(中心化与去中心化之分)。
平台审核制(需许可)
平台运营商或中央团队完全控制向用户提供哪些事件选项。
平台充当把关者角色，用户只能交易由平台筛选并上架的预测事件。
这种模式常受监管平台青睐，因其能更有效地控制事件的合法性与合规性。
示例：
- Kalshi： 该平台对所有市场进行人工筛选，确保条款清晰且符合监管要求。
- PredictIt： 该平台历来对所有政治类市场进行人工审核，以确保符合其监管框架。
用户自主创建(无需许可)
在此模式下，任何用户只要遵守平台规则并存入必要保证金，均可提议并创建自己的预测市场。
这种模型通常用于运行在区块链上的去中心化平台。
无需许可的平台通常需要额外的机制，比如策展市场来处理低质量或欺诈性事件。
示例：
- Augur： 曾是无需许可市场创建的先驱之一，允许任何人提议设立市场。
- XO 市场 ：利用用户生成的无需许可的市场创建机制。
- 时代精神 ：允许在其 Polkadot 平行链上无需许可地创建市场。
社区审核制
一种混合模式：用户可以提议市场，但最终是否上线由基于社区的治理流程或多阶段投票系统决定。
这在使用者自由创建内容与平台策展质量管控之间取得了平衡。
例如：
Polymarket：用户可以通过特定渠道提出、讨论并审核新市场提案，从而影响 Polymarket 团队最终上线哪些市场。这实质上是一种融合社区意见的集中化审核机制。
SWOT 分析
预测市场中事件创建机制的 SWOT 分析
#4：市场类型
这指的是预测市场用于表达概率和促进结果交易的不同结构或格式。
市场类型决定了概率如何表示、合约如何设计以及支付如何构建。单一平台可提供多种市场类型。
二元市场
这是最简类型的预测市场。只有两种可能结果，通常表述为”是”或”否”的问题。
市场最终会以0%或100%的概率结算。
“是”合约的价格直接反映市场对该结果的预期概率(例如，”是”合约以0.70美元交易意味着70%的概率)。
示例：Kalshi, polymarket, XO…
多结果市场
这类市场包含两个以上可能的离散结果，但最终只有一个会成为现实。例如”哪位候选人将赢得选举?”选项包括候选人 A、候选人 B 或候选人 C。
此类市场通常受益于自动做市商设计(如 LMSR)，这种机制能够管理多个结果概率之间的关联性。
这里有个很好的例子：”哪支球队会赢得世界杯?”并为每支热门球队设置了对应的结果选项。
- 如果锦标赛还剩下八支队伍，就会创建八种独立的”结果代币”。
- 每种代币的价格会根据交易波动，其价格反映了市场对该球队获胜概率的预估。
- 这个预测市场通过汇总这些变化的概率，来预测最有可能的冠军得主。
Polymarket 上的多结果市场预测哪支球队将赢得英超联赛
标量市场
标量市场涉及预测数值或范围(例如”比特币在 X 日的价格会是多少?”)，根据预测与实际结果的接近程度，以线性或分档方式进行赔付。
从技术上讲，这使用了二次评分规则，通过可量化的数据源(例如基于价格的预言机)进行结算，从而实现精确的、数据驱动的结算。
以询问某只股票收盘价(例如在100至150美元之间)的市场为例。
如果参与者认为收盘价将是125美元，他们就会采取反映这一预期的头寸。若实际收盘价为120美元，他们将获得与120美元接近预测值125美元程度成正比的收益，这体现了对预测精确性的奖励机制。
示例：@Trepa_io(测试版)，这是一个专注于预测精确度而非二元结果的预测平台。
@trepa_io
该机制本质上根据交易者预测值与实际结果的接近程度给予奖励。
SWOT 分析
预测市场中使用的市场类型 SWOT 分析
#5：底层基础设施
预测市场的底层基础设施对其性能、安全性及用户体验有着重大影响。
这套基础设施决定了交易如何被处理、数据如何存储，以及用户对整个系统的信任程度。
链下基础设施
预测市场的核心操作，包括市场创建、订单匹配、用户账户管理，以及通常的资金托管，都在单一实体控制的服务器上运行。
公共区块链的使用可能极少甚至不存在，即便使用也主要是在特定情况下作为审计用的公共账本。
示例：Kalshi 公司，目前正计划扩展其链上业务。
链上基础设施
预测市场的基本组件，如市场创建、交易、结果判定逻辑和资金管理，都通过区块链上的智能合约执行并记录。
用户资金保留在他们自己的钱包中(非托管)或由智能合约控制，而非由中心化实体持有。
示例：Polymarket、XO Market、Limitless、Myriad
SWOT 分析
基于底层基础设施的 SWOT 分析
混合型预测市场结合了链上和链下系统的特点。
这些模型旨在结合不同方法的优势，例如链上结算的安全透明性与链下处理的速度效率。
例如，@Theclearingco 正在开发受监管的链上预测平台，将链上效率与明确的合规框架相结合。
最终思考
这个分类中最让我感兴趣的收获之一，是其中展现的去中心化光谱之广。
一端是像 @Kalshi 这样的中心化平台，它们优先考虑监管合规性和深厚的机构流动性。
另一端则是完全链上的协议，它们利用加密经济激励和治理机制来实现抗审查性和去信任化。
混合型平台也展现出兼顾两者优势的能力，利用链下速度进行订单匹配，同时保留链上安全性来完成结算。
此外，对完美流动性模型的探索也远未结束。
虽然订单簿(CLOBs)占据主导地位，但自动做市商(AMMs)同样不容忽视。像 XO Market 这样的项目通过定制化 AMM 算法(LS-LMSR)更进一步，优化了资金效率和市场深度。
可以达成共识的是，预测市场的成功往往取决于其解决流动性问题的能力，而寻找最高效、最具扩展性的模型竞赛，正是该领域创新的主要驱动力。
归根结底，并不存在单一的”最佳”预测市场。
理想的设计完全取决于市场的目标用户群体、使用场景以及对权衡取舍的容忍度。一个受严格监管的预测市场与抗审查的预测市场，其服务目的截然不同。
例如，像 Trepa 这样的平台专注于激励精准预测，而其他平台则提供二元预测选项。
我相信，随着技术和生态系统的扩展，我们将看到更为丰富的设计选择模式。
总之，下一阶段的篇章将由那些能最有效平衡流动性、结果确认和用户参与这三大核心要素的平台书写，从而创造出真正有助于预测未来的市场。
以上就是全部内容!
标记相关人士
@guyukyukgu, @superteamkorea, @factcheckdotfun, @marvelloudefi_, @0xnairolf, @johnwang, @aulijk, @defi0xjeff, @_drNeyo, @0xcheeezyyy, @0xtone, @_cmger, @netroverthq, @pinnaclecrypt, @netroverthq, @iam_lerik, @defi