数据注水?Polymarket百亿估值的真正逻辑是…

比推Publié le 2025-11-12Dernière mise à jour le 2025-11-12

最近,哥伦比亚大学的一篇研究论文让风口上的“预测市场(Prediction Markets)”陷入争议。

image.png

研究团队分析了区块链平台 Polymarket 的两年历史数据,发现约 25% 的成交量可能属于清洗交易(wash trading)——即同一主体在自己账户之间对倒买卖,制造虚假活跃度。在某些热点事件周,比如美国大选或体育总决赛,这一比例甚至飙升至 60%。

image.png

image.png

研究虽未正式同行评审,但足以撕开预测市场狂热表象的一角。因为过去半年,这个赛道的热度几乎肉眼可见监管放宽、巨头加持、资本狂飙、政治加码——预测市场,正在成为2025年最受瞩目的金融新物种

从“边缘博彩”到“金融新物种”

预测市场的玩法并不复杂:你可以押注“特朗普能否赢得选举”“美联储是否会降息”“下一届诺奖得主是哪国人”等事件,平台根据交易双方的价格形成“市场概率”,被视作“群体智慧”的体现。

2025年,这种“用钱投票”的方式迎来了三重爆发契机:

监管松绑
今年5月,美国商品期货交易委员会(CFTC)撤回了对 Kalshi 的诉讼,正式承认预测合约可以在“特定框架下合法交易”。
9月,CFTC 又向 Polymarket 发出“不执法函”(No-Action Letter),允许其重新开放美国市场。

这意味着预测市场从“灰色地带”走向“监管可视”,为资本介入扫清最大障碍。

资本+政治下注
紧接着,资金蜂拥而至:

8月,Polymarket 获得特朗普长子 Donald Trump Jr. 参股的 1789 Capital 投资;

image.png

然后,继9月纽约证券交易所母公司ICE以20亿美元投资将Polymarket估值推高至80亿美元,以及10月竞争对手Kalshi在a16z与红杉资本领投下估值达到50亿美元后,市场热情仍在急剧升温。

据彭博社最新消息,Polymarket正寻求以120亿至150亿美元的更高估值进行新一轮融资,而Kalshi的估值据信也已突破100亿美元大关。

在这场资本狂飙的背后,政治力量的深度介入不容忽视。

特朗普政府上台后营造的“市场友好型”监管氛围,为预测市场的爆发铺平了道路。CFTC的态度转变、ICE的巨额投资,均被市场解读为明确的政策信号。

更值得注意的是特朗普家族的亲身参与:Donald Trump Jr.不仅通过1789 Capital投资Polymarket,还出任Kalshi的顾问职务;

image.png

ICE首席执行官Jeff Sprecher—他也是美国前小企业管理局局长Kelly Loeffler的丈夫–亲自主导了对Polymarket的投资;

而特朗普旗下社交平台Truth Social也宣布将推出自有加密预测平台“Truth Predict”。

资本、政策与家族影响力的多重合力,正推动预测市场从边缘试验走向主流金融舞台。

巨头助推主流化
10月,谷歌(Google)宣布将在 Google Finance 搜索结果中整合 Polymarket 和 Kalshi 的实时预测数据,比如,当用户搜索“2028年总统是谁”或“美联储降息概率”时,结果下方会出现预测市场的实时数据图。

image.png这意味着,预测市场第一次被“嵌入”到全球最大的信息入口中,成为公共信息流的一部分。

谷歌没有披露与两家公司的具体合作模式,但对于市场来说,这一动作堪称“主流化里程碑”:预测市场从“币圈玩家的对赌工具”,变成了普通用户可见、媒体可引用的数据产品。

结果很明显:10 月 Polymarket 的交易量创下历史新高,单月交易额超过30亿美元,用户数较9月份增长了93.7%。

image.png

哥大质疑的“假成交”,究竟有多严重?

回到哥大论文的研究数据:Polymarket 在 2024-2025 年间有大约四分之一的成交存在可疑模式:账户之间频繁对倒、成交时间间隔极短、几乎不持仓结算。这些特征与过去 NFT 市场的“刷量”极为相似。

报告作者推测,预测市场 wash trading 动机主要有三种:
① 为争夺未来代币空投或激励积分;
② 为制造市场热度吸引新用户;
③ 个别做市商通过“假成交”稳定价格区间。

换句话说,有人可能为了刷活跃度、抢积分、获得未来代币奖励,而反复在市场里“假下单”。这在加密领域并不陌生:从NFT到DeFi,几乎每一轮创新都伴随“刷数据”行为,但即便如此,预测市场的“水分”并非行业最高。对比来看:

未受监管的比特币交易所早期“假量”曾高达 70% 以上(来自 Bitwise 2019 年的报告)。

image.png

在 NFT 市场,市场火热时期的 washing trading 比例也在 20%—50% 之间。

image.png

相较之下,Polymarket 的平均 25% 属于“中等偏高”水平。再加上 Kalshi 的合规性更强、KYC 严格,整个行业的“真实度”其实已远超早期的币圈,因此,从行业维度看,预测市场的“注水并非灾难性问题。

此外,针对哥大研究的结论,业内也出现了不同的声音。

AWS 前工程师 yassinelanda.eth 在审阅该论文后提出了几点反驳

他认为,这项研究在方法上存在局限——其结论建立在单一的链上数据模型之上,而像 Polymarket 这样的平台实际拥有更复杂的信号系统来识别真实用户并公平分发奖励。此外,研究的结论对分析时设置的参数非常敏感,其揭示的问题严重性可能并不稳定。

他进一步指出了预测市场的一个关键特性:在这个领域,有价值的信号远比原始交易量重要。单纯的“左手倒右手”刷量循环无法产生真正的利润(PNL)。如今,先进的链上监控和推荐系统已经能够有效区分有信息的真实交易流与来自做市商、机器人及自成交的市场噪音,并在推荐和奖励中降低后者的权重。

在他看来,评判一个预测市场的核心标准不应是“总交易量”这个易掺水的表面数据,而应是:

  • 预测准确度:市场的结果准不准。

  • 校准度:预测概率与实际发生频率是否匹配。

  • 买卖价差与市场深度:市场流动性好不好,交易成本高不高。

  • 新闻事件时的滑点:在有新消息时,价格能否迅速、平稳地反应,而不是剧烈波动。

这些关于市场质量和信息效率的指标,才是衡量预测市场价值的真正核心。

赌性回潮:当“下注”成为时代情绪

正如芝加哥大学社会学者莉迪亚·格兰特所观察到的:“预测市场在某种意义上延续了美国的信仰体系—它让人们在巨大的不确定性中,依然能通过‘下注’这个动作,获得一种虚幻的掌控感。”

这句话,精准捕捉了当下美国的社会脉搏。面对高通胀、政治撕裂与阶层固化的现实,一种“赌徒心态”正悄然成为普遍的情绪出口,从体育博彩到加密货币,再到如今的预测市场,越来越多的美国人开始将命运交给概率,把焦虑释放在盘口之间。

而当华尔街巨头也投身其中,这一趋势更获得了资本与制度的双重认证。 ICE等机构的巨额投资表明,主流金融界正将预测市场视为下一代“事件驱动型”风险定价的基础设施,而不再仅仅是边缘的博彩游戏。

正如 SynFutures 首席执行官 Rachel Lin 所指出的:“预测市场的真正价值,在于能量化传统金融无法定价的东西,比如政策决策、技术突破和地缘政治风险。”

与此同时,Polymarket 推出 POLY 代币等动作为生态发展注入了新燃料。研究机构 Delphi Digital 认为,未来融合多市场数据与AI分析的预测“终端”,很可能开启一个类似meme币热潮的新交易赛道。

当然,挑战依然存在。 美国监管机构仍在为“衍生品”还是“赌博”的定义争论不休,这层未散去的政策阴云,仍是预测市场走向完全主流化的最后一道关卡。

但资本、技术与社会情绪合流的大势已不可逆。人们以为自己在预测未来,却没意识到,这场全民下注的热潮,本身就成了这个时代最真实的写照。

作者:Bootly


Twitter:https://twitter.com/BitpushNewsCN

比推 TG 交流群:https://t.me/BitPushCommunity

比推 TG 订阅: https://t.me/bitpush

说明: 比推所有文章只代表作者观点,不构成投资建议

Lectures associées

Claude est accusé d’être devenu bête sur tout le web, Anthropic lève le voile : ce n’est pas le modèle qui vous trahit

Le titre «Tout le monde accuse Claude d’être devenu bête, Anthropic révèle la vérité : ce n’est pas le modèle le problème» résume un malentendu répandu parmi les utilisateurs de Claude Code. Beaucoup pensent qu’un modèle plus grand signifie nécessairement une IA plus intelligente, ce qui les pousse à choisir des versions plus coûteuses comme Fable. Cependant, Anthropic a récemment clarifié cette confusion en expliquant la différence cruciale entre deux paramètres : le choix du modèle (Model) et le niveau d’effort (Effort). Le modèle détermine les capacités «gelées» de l’IA, basées sur des poids fixes acquis lors de l’entraînement. Il définit ce que l’IA sait ou ne sait pas faire. En revanche, le paramètre Effort contrôle l’«attitude» de Claude : à quel point il explore les fichiers, exécute des tests, vérifie ses réponses et persévère dans des tâches complexes. Un Effort élevé génère jusqu’à 7 fois plus de tokens qu’un Effort faible, car l’IA effectue plus de travail de fond. En mars, un changement par défaut du niveau d’Effort de «high» à «medium» a causé une impression généralisée que Claude était soudainement «devenu stupide», déclenchant des critiques sur GitHub. Anthropic a ensuite rétabli le paramètre par défaut et a souligné que, souvent, un modèle plus petit avec un Effort élevé peut surpasser un grand modèle avec un Effort faible. La clé est de diagnostiquer les erreurs : si Claude manque de persévérance (ne lit pas les fichiers, abandonne trop tôt), il faut augmenter l’Effort. S’il manque de connaissances malgré un contexte adéquat, il faut changer de modèle. Anthropic compare ainsi les modèles : Sonnet est un généraliste minutieux, Opus un expert rapide, et Fable un spécialiste pour les problèmes les plus complexes. Cet article marque un tournant : l’enjeu n’est plus seulement d’avoir le meilleur modèle, mais de savoir orchestrer intelligemment les agents IA. Bien paramétrer l’Effort et choisir judicieusement le modèle permet d’optimiser les performances et de réduire les coûts. Désormais, la compétence essentielle consiste à «donner du travail à l’IA» de manière efficace, pour exploiter pleinement son potentiel.

marsbitIl y a 24 mins

Claude est accusé d’être devenu bête sur tout le web, Anthropic lève le voile : ce n’est pas le modèle qui vous trahit

marsbitIl y a 24 mins

La Fondation Ethereum pourrait-elle devenir une "mascotte" ? Des organisations diversifiées se partagent désormais ses fonctions

La Fondation Ethereum (EF) est en pleine restructuration. L'équipe de support protocolaire a été dissoute et au moins huit cadres ont démissionné cette année, marquant la plus importante réduction d'effectifs de l'EF à ce jour. Ces départs coïncident avec l'émergence d'organisations indépendantes comme ETHLabs et Ethereum Institutional, qui reprennent des fonctions autrefois assumées par la Fondation. La réforme interne, initiée par le co-fondateur Vitalik Buterin, visait à restructurer l'organisation. Un récent communiqué a annoncé le licenciement de 54 employés, soit 20% du personnel, qualifiant ces postes de non essentiels. Parallèlement, d'anciens membres de l'EF créent de nouvelles entités : ETHLabs se concentre sur la recherche et le développement pour faire d'Ethereum une couche de règlement mondiale, tandis qu'Ethereum Institutional promeut l'adoption institutionnelle de la blockchain. Simultanément, l'EF innove techniquement. Son équipe de sécurité a testé avec succès l'utilisation d'agents IA pour auditer le réseau Ethereum, découvrant une vulnérabilité réelle. Si l'EF affirme que l'IA ne remplace pas les chercheurs, elle pourrait à terme impacter sa structure. Face à ces changements et aux critiques sur sa gouvernance, l'influence centrale de l'EF sur l'écosystème semble diminuer. Certains observateurs suggèrent qu'elle pourrait évoluer vers un rôle plus symbolique, laissant des organisations plus agiles piloter l'adoption à grande échelle et le développement futur d'Ethereum.

marsbitIl y a 51 mins

La Fondation Ethereum pourrait-elle devenir une "mascotte" ? Des organisations diversifiées se partagent désormais ses fonctions

marsbitIl y a 51 mins

Près d'une centaine de joueurs se ruent vers les données incarnées : 44,7 milliards levés en un an, qui peut vraiment gagner de l'argent en "vendant des données" ?

Près d'une centaine d'acteurs se ruent dans le secteur des données d'embodiment : 44,7 milliards de yuans levés en un an, mais qui peut vraiment gagner de l'argent en "vendant des données" ? Le secteur des données pour l'intelligence incarnée (embodiment) est en plein essor, avec 97 acteurs identifiés en Chine, dont 70 dans la collecte et 27 dans l'infrastructure. Sur un an, 15 prestataires de services indépendants spécialisés ont levé environ 44,7 milliards de yuans, un montant modeste comparé aux investissements totaux dans l'embodiment. La collecte s'organise autour de quatre approches principales : téléopération de robots physiques, collecte sans robot (via capteurs de mouvement), synthèse par simulation et distillation de vidéos internet. La plupart des acteurs combinent plusieurs méthodes. Les prestataires indépendants constituent le groupe le plus important (40%), devant les plateformes publiques (26%) et les fabricants de robots (25%). La capacité de production annuelle actuelle est estimée entre 1,6 et 1,8 million d'heures de données, avec un objectif de multiplication par 15 à 20 d'ici 1 à 3 ans. Des "usines à données" sont implantées dans 20 provinces, principalement dans les régions côtières développées. Le financement reste concentré sur des sociétés en phase précoce ; plus de la moitié des prestataires indépendants financés ont moins d'un an. La startup Lightwheel AI se distingue, ayant levé 31 milliards de yuans et atteint une valorisation de plus de 20 milliards de dollars. Cependant, les investisseurs restent prudents, aucun n'ayant effectué de pari massif sur le secteur. En résumé, le marché des données d'embodiment est devenu une piste indépendante et créatrice d'emplois, mais il en est encore à ses débuts. La viabilité commerciale d'un modèle basé sur la seule vente de données n'est pas encore démontrée. Les prochaines années seront cruciales pour vérifier si ces "vendeurs de pelles" peuvent réellement être rentables.

marsbitIl y a 3 h

Près d'une centaine de joueurs se ruent vers les données incarnées : 44,7 milliards levés en un an, qui peut vraiment gagner de l'argent en "vendant des données" ?

marsbitIl y a 3 h

Trading

Spot
活动图片