大多数金融市场类别需要数十年才能在全球资本结构中找到自己的位置。 股票从荷兰东印度公司到现代上市交易所用了 200 年。Futures 从芝加 哥的谷物交易池到全球利率与能源曲线大约用了 150 年。加密货币用 了 15 年从比特币白皮书发展为价值数万亿美元的资产类别。预测市场 现在正处于这些先前类别经历过的早期 S 曲线阶段,而它们在该位置 存在的结构性理由,比许多上述早期类别在其演化中相同节点时所拥 有的理由更为有力。
本文是关于为什么预测市场将在未来十年成为核心金融原语的长篇论 点 — 不只是一种小众的消费产品,而是一种与股票、futures 和信贷 市场并列、在严肃机构如何配置资本以及严肃运营商如何将受众变现 方面赢得一席之地的类别。
如果您处于评估的更早期阶段, 预测市场入门 涵盖基础知识,而 结构性比较 说明它们在机制上如何与股票和 futures 不同。本文则迈出下一步: 为什么这些结构性优势会复合为 2030 年代主导的信息聚合基础设施。
没有别人能干净利落地解决的信息聚合问题
世界上大多数关键决策都依赖于某人在某处对未来事件进行预测。决定 降息的中央银行需要对通胀的预测。决定库存的零售商需要对需求的 预测。给保单定价的保险公司需要对索赔的预测。规划部署的政府需 要对地缘政治情景的预测。承诺招聘的初创公司需要对融资条件的预 测。
对于这些决策,历史上的默认选择一直是专家预测 — 分析师、民意 调查、评论员、行业刊物、内部建模。这些来源的预测质量平均而言 是平庸的。Tetlock 二十年的预测研究确凿地确立了这一点:政治和 policy 领域的专家在多年时间跨度上的预测大致接近随机水平。同样 的模式出现在金融分析师的预测中(他们的预测是根据价格走势校准 的,而不是反过来),出现在宏观经济预测中(华尔街对次年 GDP 增长的中位数预测很少在实际值的 1.5 个百分点以内),也出现在 体育预测中(专家中位数的选择仅略好于公众的共识)。
预测市场以一种结构上不同的方式解决这个问题。它们让真金白银上 线,聚合数千名个体上有微小信息优势的参与者的观点,并产生一个 反映加权集体观点的单一价格。这一机制是"群体智慧,带切身利 益"。它之所以有效,与股票市场产生比股票研究分析师笔记更准确 的公司估值是同样的原因:当参与者因正确而获得报酬时,聚合信号 比任何单一信号都更为锐利。
Iowa Electronic Markets 在 1990 年代证明了这一点对美国选举有 效,持续超越民意调查。预测市场在 2020 年代针对政治、宏观、体 育和事件类别在大规模上证明了这一点。实证记录现在已经足够强 大,以至于"预测市场隐含概率"成为严肃机构研究中的主要输入,即 使该机构并不直接在市场上交易。
为什么群体能击败专家(在条件下)
"群体智慧"的论点有时被夸大,因此值得精确说明它何时有效、何 时无效。
群体聚合在以下情况下有效:
- 群体拥有多样化的信息。 不同的参与者拥有谜题的不同部分, 市场将这些部分聚合为比任何个人都能产生的更锐利的估计。
- 参与者愿意为分歧投入资金。 推动市场的价格压力来自那些 认为共识有误并愿意以资本支持这一信念的交易者。
- 交易成本足够低,使小信息优势有利可图。 拥有 3% 优势的 交易者无法承担 5% 价差的交易。随着市场基础设施的改善和交易 成本的下降,更多信息优势变得可交易。
群体聚合在以下情况下不起作用:
- 群体拥有相关性的信息。 如果所有人都在阅读同一信息源, 那么"群体"只是一个有一千个声音的专家,聚合不会带来优势。
- 参与者未因正确而获得报酬。 民意调查、评论和非结构化预 测(没有切身利益)会塌缩为任何主导叙事。
- 市场过于稀薄。 只有十名参与者的市场不会聚合信息;它只 是平均了十个猜测。
预测市场目前所处的规模始终满足这些条件。参与者多样性广泛,财 务激励真实,基础设施现代化程度足以使小优势可交易。相对于专家 的实证超额表现就是结果。
为什么 AI 不会取代它 — 它会放大它
我们听到的最常见反驳是"AI 预测会变得如此出色,以至于预测市 场变得不必要"。这个论点正好相反。AI 让预测市场更重要,而不 是更不重要。
有三个原因。
AI 参与者增加流动性,而不是取代它。 现代预测市场已经有算 法参与者 — 运行定价模型的交易台、运行价差引擎的市场制造者, 以及由研究驱动的系统化交易者。AI 只是让这些参与者更锐利。 结果是更紧的价差和更深的订单簿,这让预测市场对人类交易者更 有用,而不是更没用。
AI 预测最好通过市场价格来验证。 "这个 AI 预测好不好?"的 检验是它是否优于预测市场价格。如果是,AI 可以在差距上交易并 赚取回报;如果不是,AI 只是昂贵的专家评论。预测市场是 AI 预 测的校准机制,而不是它的竞争对手。
AI 产生更多需要预测的决策。 每个为机构做决策的 AI agent 都在产生更多可预测的事件:"我的 AI 部署会按预算进行吗?""这 份合同会进入法律纠纷吗?""供应商会按时交付吗?"这些曾经是私 人内部的预测;随着 AI 的普及,它们成为值得定价的明确决策。可 预测合约的需求随着 AI 的采用而增长。
这一模式与我们在搜索引擎和维基百科之间,或 LLM 和 Stack Overflow 之间看到的关系相同。新技术提升了人工策划的校准基底 的价值。预测市场就是预测领域的这种基底。
大规模的资本效率
我们在 结构性比较一文 中讨论了资本效率的故事,但值得重申,因为它是让预测市场作为机 构规模对冲工具有用的特性。
二元预测合约是离散事件观点的最便宜可能表达。交易者支付隐含概 率,最大损失是有界的,最大收益是有界的,头寸在已知日期结算。 没有保证金追缴,没有 funding rate,没有展期。
对于一个机构交易台,对冲一个 5000 万美元的国债头寸应对联储降 息情景,通过二元 CPI 或利率决议合约表达该对冲所花费的成本只 是通过国债 options 或利率 futures 进行同样对冲所花成本的小部 分。权衡在于其支付是二元而非线性的 — 但对于对冲离散情景, 二元正是合适的形式。
2025 年机构对预测市场的吸纳正是由这一认识推动的。先前通过复 杂衍生品结构表达事件驱动观点的基金发现,在相同事件上的二元合 约更便宜、更干净,且不需要保证金额度。随着更多基金进行此过 渡,机构在交易量中的份额增加,这吸引更多的市场制造者,这收 紧价差,这让合约对更广泛的策略有用。这是一个飞轮,它已经在 转动。
可编程性:股票和 futures 都没有的属性
最鲜明地区分预测市场与股票和 futures 的属性是可编程性。预测合 约是一个可编程单元。它可以嵌入其他合约,用作结算输入,与其 他预测合约组合,并在共享流动性的运营商界面间交易。
具体而言,这能实现:
- 条件合约。 "如果事件 A 发生 AND 事件 B 发生,支付 1 美 元。"将两个预测合约组合成一个联合合约只需几行代码。在股票 或 futures 中执行相同操作需要定制衍生品结构,设计和审计花 费数百万。
- 事件关联的 smart contract 支付。 一个 DAO 可以根据预测 合约的解决方案路由资金。一个保险协议可以根据预测市场的解决 方案结算参数保险索赔。一个补助计划可以根据里程碑合约解决为 YES 而释放资金。这些是当今真实的应用场景,在传统市场基础设 施中是不可能的。
- 跨运营商的可组合性。 交易者可以在一个运营商的 deploy 上持有头寸,并通过共享流动性层在另一个运营商的 deploy 上对 冲,结算通过协议进行。损害传统场所的碎片化对交易者变得不可 见。
可编程性是与让 stablecoin 在 DeFi 中变得有价值的相同属性 — 它们不仅是数字现金,它们是可编程现金。预测市场合约不仅是概率 性主张,它们是可编程的概率性主张。从可编程性中产生的应用场景 仍在被发现。
超越赌博的应用场景
该类别最大的认知问题是与赌博的混淆。机制上的比较是牵强的 — 赌博是负预期值的零和娱乐;预测市场是正和、方差有界的信息聚 合 — 但文化上的重叠是真实的。随着超越消费者交易的应用场景变 得可见,该类别将摆脱与赌博的关联。
三个非赌博应用场景已经在大规模运行:
宏观风险对冲。 基金、银行和企业财务部门通过预测合约对冲 特定事件情景。交易量是机构级的,合约是宏观经济的,应用场景 是风险管理。
保险与参数索赔。 一些参数保险产品现在基于预测市场对天气、 航班延误或自然灾害的解决方案进行结算。市场价格是参数触发器; 结算是自动化的。
企业决策市场。 在大型组织内部,预测市场被用于预测项目完 成日期、招聘结果、并购交易完成概率以及产品发布时间表。内部 市场的信号质量大幅优于内部专家估计的信号质量。
还有三个正在涌现:
主权预测。 一些政府和央行已开始尝试将预测市场信号用于 policy 输入 — 特别是通胀、增长和与选举相关的预测。政治敏感性 高,但信号质量论点足够有力,使实验得以进行。
科学预测。 复制率预测市场、临床试验结果合约和科学补助绩 效市场都在试点中。信息聚合问题与预测市场在政治和宏观领域所解 决的问题相同;只是应用更早。
分布式治理。 DAO 和去中心化组织使用预测市场信号作为治理 决策的输入。"社区认为这项提案达成其 6 个月 KPI 的概率是多 少?"在真实市场中定价,是比委员会讨论更锐利的信号。
这些应用场景的总和远大于消费者赌博类别。我们预计非赌博交易量 将在五年内超过消费者交易量。
费用压缩论点
每一个金融市场类别在成熟过程中都会经历费用压缩。股票佣金从 1980 年的每笔交易 50 美元降至今天的零。Futures 清算从每边数美 元降至几美分。加密交易所费用在五年内从每边 0.5% 降至 0.05%。
预测市场在这条曲线上还很早。今天最热门平台的标题交易者费用约 为每边 1%。我们预计会出现类似的压缩 — 随着基础设施的成熟、做 市变得更具竞争性以及协议层效率的复合,在十年内交易预测合约的 全部成本应当压缩至几个基点。
费用压缩对整个类别有利,但为运营商创造了一个有趣的战略局面。 在费用压缩的世界中表现良好的运营商是那些以受众和分发为业务, 而非以基础设施为业务的运营商。如果交易者全部成本将在十年内 压缩 10 倍,基础设施层每笔交易捕获的利润减少,而捕获分发的运 营商捕获更多价值链。
这就是我们将 Kuest 构建为面向运营商的协议层而非交易场所的结 构性理由。该类别的未来是数百个为不同受众服务的运营商品牌,共 享底层基础设施。这种模式与支付商品化时的样子完全一致:许多商 家、共享基础设施、分布式利润。
批评与反驳
值得认真对待最强的批评,因为这些是该类别在未来几年必须回答的 框架。
"这只是多走几步的赌博。" 机制上的比较失败了 — 预测市场 合约不是与庄家的零和游戏;参与者净额上是相互交易,平台赚取 小额费用。但文化框架是真实的。答案是非赌博应用场景的扩散 (机构对冲、参数保险、企业决策市场),它们让赌博关联看起来 越来越过时。随着这些应用场景规模化,框架会发生转变。
"流动性太薄,无法用于机构流量。" 2022 年这是真的。2026 年不再是。Polymarket 和 Kalshi 上的合计交易量现在足以吸纳有 意义的机构头寸,而 Kuest 上协议层的共享流动性模型将这一深度 扩展到运营商品牌之间。该批评对于非常深的尾部市场仍然有效, 但对机构交易量所在的核心类别不再有效。
"解决风险太高。" 这部分是真的,这是值得标记的正确风险。 解决纠纷是一种真实的失败模式,而乐观 oracle 系统的设计是防 止它们的方式。我们在 解决一文 中讨论了机制。正在出现的模式是,成熟平台的解决纠纷率远低于 0.5%,这对于该类别在大规模上有用是可以接受的。较新或设计粗 糙的平台将继续在这一维度上失败;这是一种随时间筛选运营商的 选择压力。
"监管会扼杀它。" 监管轨迹已从存在性威胁(2018–2020 年) 转向建设性(2024–2026 年)。CFTC 的不采取行动立场、欧盟的讨 论文件以及巴西财政部的咨询都表明类别层面走向认可而非禁止的道 路。倒退是可能的 — 我们预计 2027 年至少会有一个收紧周期 — 但长期方向是明确的。
长期轨迹
预测金融市场类别在十年内的轨迹正是预测市场比专家更擅长的问 题,因此本节如果以概率分布而非自信预测的形式表达会更诚实。
基本情景(我们认为概率为 65%):预测市场成为公认的资产类别, 全球有几个主要的受监管场所,数百个运营商品牌在共享基础设施上 为本地和垂直特定受众服务,十年内合计年名义交易量在 1 至 5 万 亿美元区间。机构份额超过 50%;非赌博应用场景超越赌博;可编程 性成为在 DeFi、参数保险和企业决策中使用的主要属性。
熊市情景(15%):一个或多个主要司法管辖区的监管收紧实质上 减缓增长。交易量继续增长但以个位数年增长率,该类别仍是专业产 品,长期均衡是几万亿美元的年名义而非数十万亿美元。预测市场是 真实的但很小。
牛市情景(20%):与 AI agent、参数保险和 DeFi 的融合比基本情 景估计复合得更快,预测市场合约成为每个金融科技、brokerage 和 企业风险管理产品的标准组成部分。合计年名义在十年内超过 20 万 亿美元,可与今天的利率 swap 市场相比。
不对称性是战略上重要的。下行是一个真实但有界的类别。基本情景 是一个 1 至 5 万亿的市场,重塑机构如何为事件定价。上行是一个 可与 swaps 媲美的基础金融原语。预期结果介于基本与牛市之间, 为基本情景定位的运营商即使轨迹最终偏向牛市也会处于良好位置。
Kuest 背后的投资论点正是这个预期分布。我们不是在押注牛市情景 是确定的。我们押注基本情景是远远最有可能的,押注那些拥有受众 并在共享基础设施上运行的运营商将在基本情景中捕获大部分价值, 并且押注牛市情景将相同的定位转化为大得多的东西。
金融的未来正围绕着金融市场被允许定价的内容的扩展而被构建。两 百年来,市场为公司的所有权和大宗商品的远期交付定价。在下一个 世纪,市场将为任何充分明确指定的未来事件的真实性定价。这种扩 展是金融的未来,而预测市场是它被计价的方式。
现在在该类别中定位的运营商、配置者和机构,将是其名字出现在下 一个十年市场结构史册中的人。早入场的成本很低;晚入场的成本将 是观察类别形成与塑造它之间的差距。