预测市场的机制与经济模型：AMM、订单簿与赛局设计

一、价格即概率：预测市场经济模型的基础

预测市场中最重要的经济学原理是：合约价格可以被视为某个事件发生概率的估计值。

举例：

• 某事件 Yes 合约价格 = 0.62 及市场认为事件发生概率约为 62%

这是一个强假设，但已在大量历史事件中被验证具有高度有效性（大选、政策、体育赛事、链上事件等）。

为什么价格能表达概率？

原因来自三个层面：

1.参与者基于真实激励进行投入：

• 预测市场中的价格不是“投票”，而是真金白银的投注。
• 错误的概率判断会导致直接亏损。

2.市场机制通过买卖行为不断校准价格：当价格偏离“市场共识概率”时，会出现“买便宜 / 卖贵”的自动套利。

3.信息聚合效应：不同个体拥有不同信息或判断，预测市场把这些分散的信息聚合成单一价格，形成公开概率。

预测市场机制设计的核心，就是围绕如何让价格更快、更精准、更难被操纵。

二、订单簿模型（Order Book）：传统金融结构的预测市场版本

订单簿是最接近传统交易所的市场结构，它通过挂单与撮合来形成价格。

在预测市场中，订单簿的运作与现货/期权类似：

• 买家挂出价钱买 Yes/No 合约
• 卖家挂出价钱卖出
• 双方订单在价格交叉时成交
• 市场价格由最近成交价决定

优点

• 价格发现精确：价格由交易者之间的真实博弈形成，反映市场最真实的供需。
• 大额资金可获得更好价格：因为可以分批挂单，不必一次吃掉 AMM 的曲线。
• 类似结构容易被专业交易者使用：高频、套利、风险对冲等策略可以直接复用。

缺点

• 需要大量做市商维持深度：如果市场很少人交易，挂单密度会不足，容易出现大幅波动。
• 早期预测市场流动性往往薄弱：导致“扫单”、“跨度大”等现象。
• 价格更新不连续、不平滑：对于需要实时概率（如链上查询）不够友好。

订单簿模式适用场景

• 大事件、长周期、有稳定资金参与
• 专业交易者为主的市场
• 有机构提供持续做市（如 Kalshi）

订单簿更像“机构预测市场”的机制，而非纯粹的 Web3 原生设计。

三、AMM 模型：Web3 预测市场的核心创新

在链上，订单簿难以依赖高频撮合与深度，所以 AMM 自动做市模型成为预测市场主流。其中最重要的模型是 LMSR（Logarithmic Market Scoring Rule），由 Robin Hanson 提出，是链上预测市场发展的数学基石。

LMSR 的核心公式

LMSR 使用一个成本函数（Cost Function）决定市场价格：

C(q) = b · ln(e^(q₁/b) + e^(q₂/b))

其中：

• q₁, q₂ = 对应 Yes/No 合约的数量
• b = 流动性参数（影响价格滑点）

而价格由偏导得到：

P(Yes) = e^(q₁/b) / (e^(q₁/b) + e^(q₂/b))

这是一个平滑、连续、保证流动性的做市模型。

AMM 模型的优势

• 永远有流动性（不会出现“买不到 / 卖不掉”）
• 价格连续，可作为实时概率
• 链上计算友好
• 可以通过调整 b 控制市场“稳不稳定”

AMM 的缺点

• 大额交易会导致价格剧烈滑点
• 早期大资金可能操纵价格（虽然代价也很高）
• 需要激励 LP 提供流动性，否则曲线成本不足

b 参数的重要性

• b 较小 → 市场价格非常敏感，轻微买卖即可拉动概率
• b 较大 → 市场价格更“稳重”，适合大事件

这也是 Web3 预测市场常会根据事件类型调整曲线参数的原因。

四、AMM vs 订单簿：两套模型的对比

AMM 与订单簿并不是简单的技术差异，而是预测市场在不同发展阶段、不同用户结构下的两种经济选择。AMM 的核心优势在于“持续可交易性”——即便在市场参与者稀少、事件关注度有限的情况下，系统依然能够通过算法给出价格，使预测市场得以覆盖大量长尾事件。这种设计使 AMM 成为预测市场早期扩展规模、降低参与门槛的关键工具，但其代价是资金需要为所有可能结果提前准备，导致资本效率偏低，并在大额交易时放大价格曲线的非线性影响。

相比之下，订单簿模式更接近传统金融市场的价格发现逻辑，价格完全由买卖双方意愿决定，资金只在真实挂单时被占用，因此在高参与度事件中具备更高的资本效率与更清晰的供需信号。然而，这种模式对流动性高度敏感：一旦参与者减少，盘口变薄，价格波动与操纵风险便会显著上升，这也限制了订单簿在长尾预测事件中的可行性。

从更长期的视角看，AMM 与订单簿并非对立关系，而是预测市场生命周期中的互补组件。AMM 更像是一种“启动机制”，确保市场在早期能够正常运转；而订单簿则更像“成熟形态”，在共识逐渐集中、交易需求显著提升时承担主要的价格发现功能。因此，越来越多预测市场开始探索混合模型：以 AMM 提供基础流动性和连续报价，再通过订单簿承载高频交易与大额资金。这种演化路径，本质上反映了预测市场从可用性优先，走向效率与深度优先的自然过渡。

五、预测市场的赛局设计：操纵成本、套利与价格修正

预测市场不像传统资产，它有自己特殊的“赛局经济设计”。一个预测市场要健康，必须满足：

1.操纵成本高

例如：

• 想把 Yes 的概率从 60% 拉到 90%，必须买入大量 Yes
• 但事件如果失败，则全部亏损

因此操纵行为的成本极高，不像“拉盘”那样能再卖回去。这使得预测市场在政治事件中具有极高可信度。

2.套利机制会自动修正价格

预测市场中常出现的套利有：

• 跨平台套利（同一事件两个市场价格不同）
• 跨合约套利（例如 Yes/No 套利）
• 结构性套利（例如多个子事件与父事件的概率和不一致）

套利者的参与会不断修正错误价格，让市场更加接近真实概率。

3.信息更新会立即反映到价格

新闻、爆料、社交媒体情绪，都会推动即时价格变化。预测市场是一个高度信息敏感性系统。

例如：

• 监管听证会中某句话
• 加密项目推迟主网
• 大选候选人健康状况变化

这些都会引发“价格跳变”，并即时反映市场共识。

六、机制设计对平台生态的影响

不同预测市场平台选择不同的机制组合，会形成各自的优势：

• AMM 型：适合大量小事件，长尾场景最强
• 订单簿型：适合高参与、强社会关注的大事件
• 混合型（部分项目正在尝试）：通过“AMM 做底 + 订单簿补深度”解决两者能力边界

机制决定了：

• 事件的可交易性
• 用户体验
• 平台的规模扩张能力
• 投资者能够参与的策略类型（套利、对冲、长期策略等）

理解这些机制，也能帮你判断未来哪些平台更可能胜出。