fivsevn-devlog

预测市场

1. 基本模型

设一个预测市场网站为：

X = {Q, C, M, A, P, R, G, S, L, Z}

其中：

字母	含义	要问的问题
X	网站 / 平台	这是哪个预测市场？
Q	预测问题集合	网站上有哪些预测问题？
C	创建机制	谁能创建问题？
M	参与方式	用户怎么参与？买卖、报概率、投票、讨论？
A	筹码 / 记账单位	用真钱、加密资产、虚拟币、积分，还是不用筹码？
P	价格 / 概率机制	概率或价格是怎么产生的？
R	结果确认机制	最后怎么判断事件是否发生？
G	争议处理机制	如果结果有争议，谁裁决？
S	奖惩机制	用户最后获得或失去什么？
L	法律 / 准入机制	是否 KYC？是否受监管？是否限制地区？
Z	题目范围	能预测什么类型的问题？

一个预测市场的完整结构可以表示为：

X = {Q, C, M, A, P, R, G, S, L, Z}

不同预测市场网站之间的差异，可以表示为这些变量的不同取值。

2. 预测问题本身的结构

一个网站 X 里有很多预测问题：

Q = {q₁, q₂, q₃, ...}

每个具体问题 q 又可以拆成：

q = {E, T, B, D, H}

字母	含义	说明
E	Event，事件	到底预测什么事情
T	Time，时间	截止时间是什么
B	Boundary，边界	什么算发生，什么不算发生
D	Data source，数据来源	最后看哪个来源判定结果
H	Hard cases，特殊情况	改名、延期、数据修正、模糊结果等怎么处理

例子：

“公司 Y 是否会在 2026 年 12 月 31 日前上市？”

可以拆成：

q = {
  E: 公司 Y 上市,
  T: 2026-12-31,
  B: 什么算上市,
  D: 交易所公告 / 公司公告 / 监管文件,
  H: SPAC、改名、延期、借壳等特殊情况怎么算
}

一个好的预测问题必须清楚定义 E、T、B、D、H。

坏问题：

“某公司会不会成功？”

问题是：“成功”没有定义。

好问题：

“某公司是否会在 2026 年全年实现营收超过 1 亿美元？”

这个问题有明确事件、时间、边界和数据来源，更适合做预测市场。

3. 变量字典

下面是模型中每个变量的常见取值。

3.1 C：谁创建问题

代码	含义
C₁	平台创建问题
C₂	用户自由创建问题
C₃	用户建议，平台审核后上线
C₄	研究团队 / 机构创建问题
C₅	去中心化自由创建问题

区别：

C₁：像交易所上架产品。
C₂：像社区发帖。
C₃：像用户投稿，平台编辑审核。
C₄：像研究项目或预测竞赛出题。
C₅：像任何人都可以发行一个链上事件市场。

3.2 M：用户怎么参与

代码	含义
M₁	买卖 YES / NO 合约
M₂	买卖多结果合约
M₃	直接提交概率
M₄	投票 / 评论 / 讨论
M₅	提交问题、补充证据、参与治理

3.3 A：筹码 / 记账单位

代码	含义
A₀	无筹码
A₁	法币，例如美元
A₂	加密资产，例如 USDC
A₃	虚拟币 / 积分
A₄	声誉分 / 预测分

区别：

A₁：真钱，通常涉及合规和监管。
A₂：链上资产，通常涉及钱包、智能合约、oracle。
A₃：平台内积分，通常不能直接兑换现金。
A₄：预测分数或声誉，用来衡量长期准确性。

3.4 P：价格 / 概率怎么产生

代码	含义
P₁	订单簿交易价格
P₂	AMM / 自动做市价格
P₃	用户概率聚合
P₄	平台算法聚合
P₅	没有明确市场价格

解释：

P₁：像股票交易，买卖双方挂单成交。
P₂：由自动做市机制根据交易改变价格。
P₃：很多人直接报概率，平台做平均或加权。
P₄：平台用算法聚合不同用户的预测。
P₅：没有正式价格，只是讨论或投票。

在买卖型预测市场（M₁）中，YES 价格通常可以粗略理解为市场隐含概率。

例如：

YES = 0.63 美元

可以粗略理解为：

市场认为事件发生概率约为 63%

但这不是纯概率，因为价格中还混有手续费、流动性、操纵风险、地区限制和交易者情绪。

3.5 R：结果怎么确认

代码	含义
R₁	平台管理员判定
R₂	指定官方数据源判定
R₃	市场创建者判定
R₄	预言机 / oracle 判定
R₅	研究团队 / 平台编辑判定

解释：

R₁：平台最后拍板。
R₂：看官方数据、交易所数据、公司公告、监管文件等。
R₃：谁创建市场，谁解决市场。
R₄：通过链上 oracle 把现实结果输入系统。
R₅：研究平台或预测竞赛方按规则判定。

3.6 G：争议怎么处理

代码	含义
G₀	基本没有正式争议机制
G₁	平台最终裁决
G₂	社区 / moderator 介入
G₃	oracle dispute 机制
G₄	仲裁机制
G₅	研究平台人工复核

预测市场最容易出问题的地方不是用户猜错，而是问题本身写得含糊。

比如：

“某 AI 产品是否发布？”

争议可能是：

内测算不算发布？
只邀请用户算不算发布？
宣布但不能使用算不算发布？
改名发布算不算发布？

所以 G 颇为重要。

3.7 S：用户赢 / 输什么

代码	含义
S₁	现金收益 / 亏损
S₂	加密资产收益 / 亏损
S₃	虚拟币 / 积分
S₄	分数、排名、声誉
S₅	学习、讨论、预测记录

区别：

真钱市场：赢输的是钱。
虚拟币市场：赢输的是积分和排名。
预测训练平台：赢输的是分数、校准记录和声誉。
研究平台：重点是预测数据和长期准确性。

3.8 L：法律 / 准入机制

代码	含义
L₀	基本开放，不涉及真钱交易
L₁	KYC / 地区限制
L₂	金融监管框架
L₃	加密 / 链上准入
L₄	学术 / 研究豁免或小额限制

这决定了一个预测市场到底更像：

游戏；
社区；
金融交易所；
博彩；
研究实验；
去中心化协议。

3.9 Z：题目范围

代码	含义
Z₁	政治
Z₂	金融 / 经济
Z₃	科技 / AI
Z₄	体育 / 娱乐
Z₅	地缘政治 / 政策
Z₆	加密 / 链上
Z₇	任意社区问题
Z₈	学术 / 研究问题

只做政治预测，会像政治博彩 / 政治研究。
覆盖金融和经济，会像金融交易所。
开放任意问题，会像社区平台。
关注 AI、科技、地缘政治，会像预测训练平台。

4. 预测市场的统一流程

所有预测市场都可以压缩成这个流程：

C → Q → M + A → P → R → G → S

意思是：

C 决定谁能创建问题；
创建出一组 Q；
用户通过 M 参与；
使用 A 作为筹码或记录单位；
系统生成 P，也就是价格或概率；
到期后通过 R 确认结果；
如果有争议，通过 G 处理；
最后通过 S 给用户结算奖惩。

这就是预测市场的基本机器。

5. 用一个例子跑完整模型

假设网站 X 上有一个问题：

“公司 Y 是否会在 2026 年 12 月 31 日前上市？”

问题 q 可以写成：

q = {
  E: 公司 Y 上市,
  T: 2026-12-31,
  B: 在公开证券交易所挂牌交易才算上市，仅提交申请不算,
  D: 交易所公告、公司公告、监管文件,
  H: SPAC 算，改名后上市算，传闻不算
}

如果这是一个真钱交易市场：

C = C₃
M = M₁
A = A₁
P = P₁
R = R₂
G = G₁
S = S₁

即：

用户建议问题，平台审核；
用户买 YES / NO；
用美元；
价格由订单簿产生；
最后看官方数据源；
有争议时平台裁决；
猜对赚钱，猜错亏钱。

假设 YES 价格是 0.30 美元。

你买 100 份 YES：

成本 = 100 × 0.30 = 30 美元

如果公司 Y 上市：

每份 YES 结算为 1 美元
收入 = 100 美元
利润 = 100 - 30 = 70 美元

如果公司 Y 没上市：

每份 YES 结算为 0
损失 = 30 美元

如果是虚拟币社区市场，结构可能变成：

C = C₂
M = M₁
A = A₃
P = P₁/P₂
R = R₃
G = G₂
S = S₃/S₄

如果是预测训练平台，结构可能变成：

C = C₃/C₄
M = M₃
A = A₄
P = P₃/P₄
R = R₅
G = G₅
S = S₄/S₅

同一个事件，平台玩法不同，但基本流程相同。

6. 主要网站代入模型

下面用前面定义的字母表达主要预测市场网站。

6.1 Polymarket

Polymarket = {Q, C₃, M₁/M₂, A₂, P₁/P₂, R₄, G₃, S₂, L₃, Z₁/Z₂/Z₃/Z₄/Z₆}

含义：

用户不能完全自由发题，偏 C₃；
用户用加密资产参与，属于 A₂；
主要买卖 YES / NO 或多结果合约，属于 M₁/M₂；
结果依赖 oracle，属于 R₄/G₃；
赢输的是链上资产，属于 S₂。

适合学习：

加密原生、开放式、互联网化的预测交易市场。

6.2 Kalshi

Kalshi = {Q, C₃, M₁/M₂, A₁, P₁, R₁/R₂, G₁, S₁, L₁/L₂, Z₁/Z₂/Z₃/Z₄}

含义：

用户可以建议市场，但平台审核，属于 C₃；
用美元，属于 A₁；
买卖事件合约，属于 M₁/M₂；
价格由订单簿产生，属于 P₁；
受监管、准入更严格，属于 L₁/L₂。

适合学习：

合规金融化的 event contract 预测市场。

6.3 PredictIt

PredictIt = {Q, C₁/C₃, M₁, A₁, P₁, R₁/R₂, G₁, S₁, L₁/L₄, Z₁}

含义：

主要是政治预测，属于 Z₁；
用真钱，属于 A₁；
买卖政治事件份额，属于 M₁；
有教育 / 研究色彩和限制，属于 L₄。

适合学习：

老牌政治预测市场和教育研究型真钱预测市场。

6.4 IBKR ForecastTrader / IBKR Prediction Markets

IBKR ForecastTrader = {Q, C₁/C₃, M₁/M₂, A₁, P₁, R₂, G₁, S₁, L₁/L₂, Z₁/Z₂/Z₄}

含义：

更像传统券商入口；
用户在经纪账户中接触事件合约；
用美元，属于 A₁；
受金融监管框架影响，属于 L₂。

适合学习：

传统券商如何把预测市场包装成可交易金融产品入口。

6.5 Manifold

Manifold = {Q, C₂, M₁/M₄/M₅, A₃, P₁/P₂, R₃, G₂, S₃/S₄, L₀, Z₇}

含义：

用户自由创建市场，属于 C₂；
用户用虚拟币 / mana 参与，属于 A₃；
可以买卖预测份额，也可以讨论、补充信息，属于 M₁/M₄/M₅；
通常由市场创建者结算，属于 R₃；
有争议时社区或 moderator 介入，属于 G₂；
题目范围很开放，属于 Z₇。

适合学习：

社区型、游戏化、无真钱预测市场。

6.6 Metaculus

Metaculus = {Q, C₃/C₄, M₃/M₅, A₄, P₃/P₄, R₅, G₅, S₄/S₅, L₀, Z₃/Z₅/Z₈}

含义：

很多问题由平台、编辑或研究相关方创建，也可由用户建议，属于 C₃/C₄；
用户直接提交概率，属于 M₃；
核心不是筹码，而是预测分和声誉，属于 A₄；
概率由用户预测和平台算法聚合，属于 P₃/P₄；
适合科技、AI、政策、长期预测等问题，属于 Z₃/Z₅/Z₈。

适合学习：

概率预测、校准、Brier score、长期预测能力训练。

6.7 Good Judgment Open

Good Judgment Open = {Q, C₄, M₃, A₄, P₃/P₄, R₅, G₅, S₄/S₅, L₀, Z₅/Z₈}

含义：

问题偏机构化和研究化，属于 C₄；
用户直接提交概率，属于 M₃；
使用预测分、排名和声誉，属于 A₄/S₄；
重点是 superforecasting 训练。

适合学习：

超级预测者方法、地缘政治和政策预测训练。

6.8 Iowa Electronic Markets, IEM

IEM = {Q, C₄, M₁/M₂, A₁, P₁, R₂/R₅, G₅, S₁, L₄, Z₁/Z₂/Z₈}

含义：

学术项目方创建市场，属于 C₄；
小额真钱交易，属于 A₁ + L₄；
以政治和经济类问题为主，属于 Z₁/Z₂/Z₈。

适合学习：

预测市场历史、学术实验、小额真钱市场。

6.9 Augur

Augur = {Q, C₅, M₁/M₂, A₂, P₁/P₂, R₄, G₃, S₂, L₃, Z₇}

含义：

去中心化自由创建市场，属于 C₅；
使用链上资产，属于 A₂；
通过 oracle 确认结果，属于 R₄；
有 dispute 机制，属于 G₃。

适合学习：

去中心化 oracle、争议处理和无需中心化平台的预测市场。

6.10 Omen / Gnosis 系

Omen/Gnosis = {Q, C₅, M₁/M₂, A₂, P₂, R₄, G₃/G₄, S₂, L₃, Z₇}

含义：

更像协议和基础设施；
用户可以基于条件代币框架创建市场；
使用链上资产；
重点是 AMM、conditional tokens、oracle 和仲裁。

适合学习：

去中心化预测市场基础设施和链上市场设计。

7. 压缩版对比表

网站	抽象表达
Polymarket	C₃ + M₁/M₂ + A₂ + P₁/P₂ + R₄ + G₃ + S₂ + L₃
Kalshi	C₃ + M₁/M₂ + A₁ + P₁ + R₁/R₂ + G₁ + S₁ + L₁/L₂
PredictIt	C₁/C₃ + M₁ + A₁ + P₁ + R₁/R₂ + G₁ + S₁ + Z₁
IBKR ForecastTrader	C₁/C₃ + M₁/M₂ + A₁ + P₁ + R₂ + G₁ + S₁ + L₂
Manifold	C₂ + M₁/M₄/M₅ + A₃ + P₁/P₂ + R₃ + G₂ + S₃/S₄ + Z₇
Metaculus	C₃/C₄ + M₃/M₅ + A₄ + P₃/P₄ + R₅ + G₅ + S₄/S₅
Good Judgment Open	C₄ + M₃ + A₄ + P₃/P₄ + R₅ + G₅ + S₄/S₅
IEM	C₄ + M₁/M₂ + A₁ + P₁ + R₂/R₅ + G₅ + S₁ + L₄
Augur	C₅ + M₁/M₂ + A₂ + P₁/P₂ + R₄ + G₃ + S₂ + L₃
Omen/Gnosis	C₅ + M₁/M₂ + A₂ + P₂ + R₄ + G₃/G₄ + S₂ + L₃

8. 四大类型

8.1 真钱交易型

抽象形式：

M₁/M₂ + A₁/A₂ + P₁/P₂ + S₁/S₂

代表：

核心：

你买一个未来事件合约，猜对赚钱，猜错亏钱。

8.2 虚拟币社区型

抽象形式：

C₂ + M₁/M₄/M₅ + A₃ + R₃ + G₂ + S₃/S₄

代表：

Manifold

核心：

用户自由创建问题，用虚拟币参与，赢的是积分、排名和声誉。

8.3 概率预测训练型

抽象形式：

M₃ + A₄ + P₃/P₄ + S₄/S₅

代表：

核心：

不买卖合约，而是直接报概率，用评分衡量预测能力。

8.4 去中心化协议型

抽象形式：

C₅ + A₂ + R₄ + G₃/G₄

代表：

Augur
Omen / Gnosis 系

核心：

不依赖中心化平台，而是用链上协议、oracle 和争议机制确认现实结果。

9. 推荐学习顺序

第一步：Manifold

原因：

用户自由创建问题；
用虚拟币参与；
结构最直观；
适合理解 C、M、A、R、G 的基本关系。

重点看：

C₂ + A₃ + R₃ + G₂

第二步：Polymarket

原因：

同样是预测市场，但换成真实资金和链上机制；
适合理解真钱交易、市场价格、oracle、结算。

重点看：

A₂ + P₁/P₂ + R₄ + G₃

第三步：Kalshi

原因：

同样是买卖事件合约，但更金融化、合规化；
适合理解监管框架下的 event contract。

重点看：

A₁ + P₁ + L₁/L₂ + R₁/R₂

第四步：Metaculus / Good Judgment Open

原因：

这里不是交易，而是预测能力训练；
适合理解概率判断、校准、评分、长期预测能力。

重点看：

M₃ + A₄ + P₃/P₄ + S₄/S₅

第五步：Augur / Omen / Gnosis

原因：

最抽象、机制最复杂；
适合理解去中心化预测市场的底层问题。

重点看：

C₅ + R₄ + G₃/G₄

10. 最后总结

最核心的一句话：

X = {Q, C, M, A, P, R, G, S, L, Z}

看任何预测市场网站，都问这十个问题：

Q：它有什么预测问题？
C：谁能创建问题？
M：用户怎么参与？
A：用什么筹码或记账单位？
P：价格或概率怎么产生？
R：结果怎么确认？
G：争议怎么处理？
S：用户赢输什么？
L：法律和准入机制是什么？
Z：题目范围是什么？

note：预测市场是一个外壳。你不一定要下注赌钱、或者过度地参与到他人事情的纠葛中去。了解预测市场的价值在于培养理性的思维方式。普通讨论里大家说“很可能”“不太可能”“一定会”“大概率”，这些话很模糊、难追责，消磨时间精力又无法训练思维能力；如果是预测市场的话，会把一个问题抽出变成“某件事被认为发生的概率在57%”，这个数字可以被记录、被比较、随着信息的更新而进一步校准、聚合起来进行综合判断、事后验证、辅助决策，等等。普通讨论常常会夹带太多的立场、情绪、论证和胜负；但预测市场只有：问题定义 → 概率判断 → 信息更新 → 结果验证 → 复盘校准。你要训练的不是下注能力，而是不把愿望当预测、不把立场当事实、承认未来有概率分布、愿意根据证据修改判断，等等能力。

This site is open source. Improve this page.