23 Kekurangan Utama Pasar Prediksi

marsbitDipublikasikan tanggal 2026-02-27Terakhir diperbarui pada 2026-02-27

Abstrak

Penulis Alexander Lin, seorang KOL kripto, menguraikan 23 kelemahan utama pasar prediksi dalam artikelnya. Masalah utama meliputi efisiensi modal yang buruk (harus dijaminkan penuh tanpa leverage), likuiditas yang terstruktur rusak (modal terkunci hingga penyelesaian), dan kerugian struktural bagi liquidity provider (setengah aset pool akan hilang). Pasar prediksi juga kekurangan pelindung alami, menghadapi seleksi adversial yang semakin parah mendekati penyelesaian, serta kesulitan memulai pasar baru karena perangkap likuiditas. Selain itu, tidak ada siklus permintaan internal, terputus dari alokasi aset institusi, dan likuiditas harus dibangun dari nol setelah setiap penyelesaian. Banyak volume perdagangan didorong oleh subsidi, menciptakan kemakmuran palsu. Akurasi sering menjadi ilusi karena partisipan hanya mengikuti konsensus publik. Risiko lain termasuk manipulasi oracle, desain masalah yang bias, risiko manipulasi peristiwa dunia nyata, fragmentasi regulasi, dan kurangnya alat keuangan kompleks untuk pelaku profesional. Dilema inovator juga menghambat perbaikan desain arsitektur.

Penulis: Alexander Lin, KOL Kripto

Kompilasi: Felix, PANews

Penilaian tentang pasar prediksi selalu beragam, ada yang menganggapnya sebagai infrastruktur baru yang dapat mengganggu lembaga tradisional, sementara yang lain berpendapat bahwa pasar prediksi sulit menjadi bagian utama keuangan mainstream. Baru-baru ini, KOL kripto Alexander Lin memposting artikel yang menyoroti 23 kekurangan pasar prediksi. Berikut adalah rincian kontennya.

1. Efisiensi modal rendah

Pasar prediksi memerlukan kolateral penuh dan tidak dapat menggunakan leverage. Dibandingkan dengan kontrak berkelanjutan (Perps) yang memerlukan margin 5-10% dari nilai nominal, efisiensi modal pasar prediksi 10 hingga 20 kali lebih buruk. Ini belum memperhitungkan pendapatan nol dari modal yang dikunci dan ketidakmampuan untuk melakukan cross margin antar posisi.

2. Tingkat perputaran modal secara struktural rusak

Karena modal dikunci selama periode kontrak dan akhirnya menghasilkan hasil biner, tingkat perputaran modal secara struktural rusak. Setelah penyelesaian kontrak, posisi langsung menjadi tidak berlaku (kadaluarsa), sehingga tidak ada efisiensi neraca, dan aset market maker juga tidak dapat berkembang dengan bunga majemuk. Dana yang sama, jika digunakan untuk perdagangan akun berkelanjutan dalam periode yang sama, akan menghasilkan tingkat perputaran yang lebih tinggi (5-10 kali): daur ulang inventaris, perpanjangan posisi, dan operasi lindung nilai terus berlanjut.

3. Inventaris LP memiliki kelemahan fundamental

Pada saat penyelesaian, setengah dari aset dalam pool likuiditas pasti akan menjadi nol. Misalnya, pool spot akan menyeimbangkan kembali antara aset yang mempertahankan nilai; untuk pasar prediksi, tidak ada penyeimbangan kembali, tidak ada nilai sisa, yang tersisa hanyalah "keruntuhan biner" dari pihak yang kalah.

4. Kurangnya pelindung nilai alami

Tidak seperti komoditas, suku bunga, atau valuta asing, tidak ada "pelindung nilai alami" yang memberikan likuiditas berlawanan dalam pasar prediksi. Tidak ada entitas atau trader yang memiliki kebutuhan ekonomi alami untuk berada di sisi berlawanan dari risiko peristiwa. Market maker menghadapi seleksi adversial murni, kurangnya counterparty struktural. Ini adalah hambatan fundamental yang membatasi skalabilitas.

5. Seleksi adversial meningkat menjelang penyelesaian

Seiring pasar mendekati penyelesaian, seleksi adversial meningkat. Trader dengan keunggulan atau informasi yang lebih akurat dapat membeli pemenang dari pihak yang kalah yang masih mematok harga pada informasi prior yang kedaluwarsa, dengan harga yang lebih baik. Keausan ini bersifat struktural dan memburuk seiring waktu.

6. Masalah peluncuran: Jebakan likuiditas struktural

Pasar baru tidak memiliki likuiditas, menyebabkan trader yang berinformasi tidak termotivasi untuk masuk (untuk menghindari kerugian akibat slippage); dan selama harga tidak akurat, tidak akan ada lebih banyak trader yang muncul. Pasar ekor panjang sering mati sebelum dimulai, dan subsidi apa pun tidak dapat menyelesaikan masalah ini.

7. Tidak ada siklus permintaan endogen

Setiap dolar volume perdagangan bergantung pada perhatian eksternal (misalnya pemilu, berita, acara olahraga), tanpa dukungan di antara peristiwa. Sebaliknya, kontrak berkelanjutan menciptakan flywheel internal: perdagangan menghasilkan funding rate, funding rate menciptakan peluang arbitrase, arbitrase membawa lebih banyak aliran dana.

8. Terputus dari alokasi aset institusional

Pasar prediksi tidak terkait dengan premi risiko, pendapatan posisi, atau paparan faktor. Modal institusional tidak memiliki kerangka kerja sistematis untuk mengalokasikan atau mengelola risiko posisi ini secara skala besar. Pasar ini tidak sesuai dengan bahasa atau strategi konstruksi portofolio standar apa pun, sehingga tidak dapat benar-benar diskalakan.

9. Likuiditas disetel ulang ke nol pada setiap penyelesaian

Setelah setiap penyelesaian, likuiditas direset ke nol dan harus dibangun kembali dari awal. Open interest (OI) dan kedalaman yang terakumulasi dari waktu ke waktu dalam kontrak berkelanjutan, secara struktural tidak mungkin dicapai dalam pasar prediksi.

10. Kemakmuran palsu yang digerakkan oleh subsidi

Subsidi adalah satu-satunya alasan mengapa spread bid-ask tidak lepas kendali secara permanen. Begitu insentif berhenti, likuiditas order book akan runtuh. Likuiditas yang "disuap" pada dasarnya adalah struktur pasar yang rusak dan berjangka pendek.

11. Kontradiksi antara volume perdagangan dan kualitas informasi

Platform mendapat keuntungan dari volume perdagangan (misalnya, "Kami butuh volume perjudian!") bukan dari akurasi, sementara regulator membutuhkan utilitas prediksi untuk membuktikan legitimasi platform ini. Pertukaran ini mengakibatkan keputusan produk/fitur yang tidak memuaskan.

12. Akurasi menjadi ilusi

Dalam pasar dengan perhatian tinggi, peserta marginal tanpa keunggulan informasi hanya akan mengikuti konsensus publik, menyebabkan harga mencerminkan "hal-hal yang sudah dipercayai orang", bukan penilaian terhadap sinyal yang tersebar. Akurasi menjadi ilusi.

13. Pembuatan pasar tanpa batas dipenuhi noise

Ketika pencatatan tidak memerlukan biaya apa pun, likuiditas dan perhatian tersebar di ribuan pasar. Dorongan untuk pertumbuhan langsung bertentangan dengan dorongan untuk penyaringan.

14. Desain pertanyaan dapat menjadi sarana serangan

Penulis pertanyaan mengontrol kriteria penentuan hasil akhir, tidak ada proses penyusunan yang netral, tidak ada insentif untuk memastikan keakuratan topik, dan tidak ada jalan keluar jika ada yang memanfaatkan celah.

15. Risiko oracle

Oracle terdesentralisasi menentukan kebenaran berdasarkan bobot token. Ketika kapitalisasi pasar oracle lebih kecil dari nilai dana (terkunci) yang dijaminnya, memulai manipulasi menjadi transaksi yang rasional. Penyelesaian terpusat menghadapi risiko operator yang disabotase atau gagal.

16. Volume perdagangan nominal yang terlalu tinggi

Pelaporan volume perdagangan tidak disesuaikan dengan harga. Volume perdagangan $1 pada harga $0,9 sangat berbeda dengan volume $1 pada harga $0,5. Jumlah transfer risiko aktual dibesar-besarkan hingga satu tingkat besaran, tetapi semua orang mengutip angka yang terlalu tinggi itu.

17. Refleksivitas setelah skalabilitas

Ketika pasar prediksi cukup besar, prediksi dengan probabilitas tinggi (misalnya >90%) sendiri akan mengubah perilaku peserta terkait. Logika "menemukan kebenaran" ini memiliki batasan struktural.

18. Risiko kredibilitas lintas platform

Jika peristiwa yang sama diselesaikan dengan hasil yang berbeda di platform yang berbeda, maka seluruh industri terlihat tidak dapat diandalkan. Kredibilitas dibagikan, dan perbedaan antar platform secara keseluruhan membawa nilai ekspektasi negatif.

19. Manipulasi pasar meta

Trader dapat memanipulasi peristiwa underlying di dunia nyata (pasar primer) untuk memastikan posisi mereka di pasar prediksi (pasar sekunder). Pembatasan posisi atau penegakan regulasi yang efektif belum terlihat.

20. Risiko manipulasi

Karena tidak ada batasan posisi dan penegakan regulasi manipulasi yang terbatas, ini berarti satu dompet dapat memanfaatkan pasar dengan kedalaman lemah dan menggunakan volatilitas ini untuk perdagangan balik, tanpa konsekuensi apa pun (tidak dapat dimintai pertanggungjawaban), masalah ini terutama lebih parah di Polymarket dibandingkan dengan Kalshi.

21. Kurangnya instrumen keuangan kompleks

Tidak ada struktur jatuh tempo, perintah bersyarat, atau kemampuan komposisi. Seluruh toolkit derivatif benar-benar tidak ada selain hasil biner tunggal, ini mencegah masuknya lembaga profesional.

22. Fragmentasi regulasi

Seiring pengaturan yang semakin ketat, perbedaan tingkat federal dan negara bagian akan memaksa fragmentasi likuiditas. Ketika pasar dipisahkan ke kolam peserta yang berbeda, fungsi penemuan harga akan runtuh.

23. Dilema inovator

Raksasa yang ada tidak memiliki motivasi untuk mendesain ulang arsitektur. Jika volume perdagangan terus tumbuh, parit regulasi terus terbentuk, setiap perubahan arsitektur akan menjadi lebih mahal. Ini adalah dilema inovator klasik.

Bacaan terkait: Polymarket vs Kalshi Siapa Raja Pasar Prediksi?

Pertanyaan Terkait

QApa yang dimaksud dengan efisiensi modal yang rendah dalam pasar prediksi, dan mengapa hal ini menjadi masalah?

AEfisiensi modal yang rendah berarti pasar prediksi memerlukan jaminan penuh (full collateral) tanpa leverage, sehingga membutuhkan modal 10-20 kali lebih besar dibandingkan kontrak berkelanjutan (seperti perpetual futures) yang hanya memerlukan margin 5-10%. Ini mengurangi kemampuan trader untuk memaksimalkan penggunaan modal dan menghasilkan keuntungan.

QBagaimana masalah seleksi adversa (adverse selection) memengaruhi pasar prediksi, terutama saat mendekati penyelesaian?

ASeleksi adversa memburuk saat pasar mendekati penyelesaian, di mana trader dengan informasi lebih akurat dapat membeli aset pemenang dari trader dengan informasi usang. Hal ini menyebabkan kerugian struktural bagi pihak yang ketinggalan informasi dan mengurangi likuiditas.

QMengapa likuiditas dalam pasar prediksi sering kali bergantung pada subsidi, dan apa dampaknya?

ASubsidi digunakan untuk mempertahankan spread bid-ask yang ketat, tetapi begitu subsidi dihentikan, likuiditas sering kolaps. Ini menciptakan struktur pasar yang tidak berkelanjutan dan bersifat jangka pendek.

QApa risiko oracle yang disebutkan dalam artikel, dan bagaimana hal itu memengaruhi keandalan pasar prediksi?

ARisiko oracle meliputi manipulasi oleh pemegang token dalam oracle terdesentralisasi atau kegagalan operator terpusat. Jika nilai pasar oracle lebih kecil dari dana yang dikunci, manipulasi menjadi rasional, mengancam integritas penyelesaian pasar.

QBagaimana fragmentasi regulasi dapat memengaruhi pasar prediksi di berbagai yurisdiksi?

AFragmentasi regulasi antara tingkat federal dan negara bagian memecah likuiditas ke pool peserta yang terpisah, yang melemahkan fungsi penemuan harga dan membuat pasar kurang efisien serta terfragmentasi.

Bacaan Terkait

GensynAI : Jangan Biarkan AI Mengulangi Kesalahan Internet

Beberapa bulan terakhir, banyak talenta dari industri kripto beralih ke AI karena pesatnya perkembangan industri kecerdasan buatan. Para peneliti yang bergerak di kedua bidang ini terus mengeksplorasi satu pertanyaan yang belum terjawab: **Bisakah blockchain menjadi bagian dari infrastruktur AI?** Proyek yang menggabungkan AI dan Crypto, seperti AI Agent, on-chain reasoning, pasar data, dan penyewaan daya komputasi, telah banyak bermunculan. Namun, sebagian besar masih berada di "lapisan aplikasi AI" dan belum membentuk closed-loop bisnis yang nyata. Berbeda dengan itu, **Gensyn** justru menyasar lapisan paling inti dan mahal dalam industri AI: **pelatihan model**. Gensyn bertujuan untuk mengorganisir sumber daya GPU yang tersebar secara global menjadi jaringan pelatihan AI terbuka. Pengembang dapat mengirimkan tugas pelatihan, node menyediakan daya komputasi, dan jaringan bertugas memverifikasi hasil pelatihan serta mendistribusikan insentif. Nilai utama di balik ini bukan semata-mata "desentralisasi", melainkan solusi atas masalah mendesak dalam industri AI: **sumber daya komputasi (GPU) yang semakin terkonsentrasi di tangan segelintir raksasa teknologi.** Kelangkaan pasokan H100, kenaikan harga layanan cloud, dan persaingan ketat untuk mengunci sumber daya komputasi menunjukkan bahwa kepemilikan GPU kini menjadi penentu kecepatan pengembangan AI, terutama di era model besar (large models). **Mengapa Gensyn Menarik Perhatian?** 1. **Menyasar Lapisan Infrastruktur Inti AI:** Gensyn langsung masuk ke dalam proses pelatihan model, bagian yang paling menantang secara teknis dan paling banyak mengonsumsi sumber daya. Ini adalah lapisan yang mudah membentuk hambatan platform (platform壁垒). Jika jaringan pelatihannya mencapai skala, ia berpotensi menjadi pintu masuk penting bagi pengembangan AI di masa depan. 2. **Menawarkan Model Kolaborasi Komputasi yang Lebih Terbuka:** Berbeda dengan ketergantungan pada platform cloud terpusat yang biayanya terus naik, Gensyn mengusung model yang memanfaatkan GPU menganggur dan menjadwalkan sumber daya komputasi secara dinamis. Ini dapat meningkatkan efisiensi penggunaan daya komputasi secara keseluruhan dan mengurangi hambatan inovasi bagi tim AI kecil-menengah. 3. **Tingkat Kesulitan Teknis sebagai Keunggulan:** Tantangan sebenarnya bukan sekadar menghubungkan GPU, tetapi **cara memverifikasi hasil pelatihan, memastikan kejujuran node, dan menjaga keandalan pelatihan di lingkungan terdistribusi.** Gensyn fokus pada solusi teknis ini (seperti mekanisme verifikasi probabilistik, model distribusi tugas), menjadikannya lebih mirip perusahaan infrastruktur teknologi mendalam (deep tech). 4. **Memiliki Closed-Loop Bisnis Nyata:** Kebutuhan akan pelatihan AI adalah pasar nyata yang terus berkembang, dengan celah pasokan GPU yang berkelanjutan. Gensyn tidak sekadar menambahkan blockchain untuk kepentingannya sendiri, tetapi menjawab kebutuhan industri akan sistem penjadwalan sumber daya yang lebih fleksibel dan terbuka. Singkatnya, batas antara Crypto (sistem finansial) dan AI (sistem teknologi) semakin kabur. AI membutuhkan koordinasi sumber daya, mekanisme insentif, dan kolaborasi global—hal-hal yang menjadi keahlian Crypto. Gensyn mewakili upaya untuk membuka akses kemampuan pelatihan, yang selama ini dikuasai sedikit perusahaan besar, menjadi sistem yang lebih terbuka dan dapat dikolaborasikan. Inisiatif ini tidak lagi sekadar cerita konsep, tetapi berkembang menuju infrastruktur AI nyata, di mana perusahaan paling bernilai di era AI sering kali lahir dari lapisan infrastruktur.

marsbit10j yang lalu

GensynAI : Jangan Biarkan AI Mengulangi Kesalahan Internet

marsbit10j yang lalu

Mengapa AI China Berkembang Begitu Cepat? Jawabannya Tersembunyi di Dalam Laboratorium

Pengarang mencatat bahwa laboratorium AI China telah menjadi kekuatan yang semakin sulit diabaikan dalam kompetisi model besar global. Keunggulannya tidak hanya terletak pada banyaknya talenta, kemampuan rekayasa yang kuat, dan iterasi cepat, tetapi juga berasal dari cara organisasi yang sangat realistis: lebih banyak fokus pada pembuatan model daripada konsep, lebih menekankan eksekusi tim daripada individu bintang, dan lebih memilih menguasai tumpukan teknologi inti sendiri daripada bergantung pada layanan eksternal. Dari kunjungan ke sejumlah laboratorium AI terkemuka China, penulis menemukan ekosistem AI China tidak sepenuhnya sama dengan AS. AS lebih menekankan orisinalitas, investasi modal, dan pengaruh ilmuwan puncak, sedangkan China lebih mahir dalam mengejar cepat arah yang sudah ada. Melalui sumber terbuka, optimasi rekayasa, dan kontribusi banyak peneliti muda, China mendorong kemampuan model ke garis depan dengan cepat. Yang paling menarik untuk diperhatikan bukanlah apakah AI China telah melampaui AS, melainkan dua jalur pengembangan berbeda yang terbentuk: AS lebih seperti kompetisi garis depan yang digerakkan modal dan laboratorium bintang, sedangkan China lebih seperti kompetisi industri yang didorong oleh kemampuan rekayasa, ekosistem sumber terbuka, dan kesadaran penguasaan teknologi mandiri. Ini berarti kompetisi AI di masa depan tidak hanya soal peringkat model, tetapi juga kemampuan organisasi, ekosistem pengembang, dan eksekusi industri. Perubahan nyata AI China terletak pada cara mereka berpartisipasi dalam garis depan global dengan caranya sendiri, bukan hanya meniru Silicon Valley. Penulis juga menyoroti beberapa perbedaan utama dalam ekosistem AI China: permintaan AI domestik mulai muncul, banyak pengembang terpengaruh Claude, perusahaan memiliki mentalitas kepemilikan teknologi, ada dukungan pemerintah meski skalanya belum jelas, industri data kurang berkembang dibanding Barat, dan ada kebutuhan kuat akan chip NVIDIA lebih banyak. Penutupnya menekankan pentingnya ekosistem global yang terbuka dan kolaboratif untuk menciptakan AI yang lebih aman, mudah diakses, dan bermanfaat bagi dunia.

marsbit12j yang lalu

Mengapa AI China Berkembang Begitu Cepat? Jawabannya Tersembunyi di Dalam Laboratorium

marsbit12j yang lalu

3 Tahun 5 Kali Lipat, Pabrik Kaca Berusia Satu Abad Dibangkitkan Kembali

Menurut CRU, permintaan serat optik untuk pusat data AI meningkat 75.9% per tahun, dan kesenjangan pasokan-meningkat dari 6% menjadi 15%. Harga serat optik melonjak lebih dari 3 kali lipat dalam beberapa bulan, dan kapasitas produksi tidak dapat mengimbangi. Inilah alasan NVIDIA berinvestasi di Corning dan mempercepat ekspansi kapasitas serat optik, dengan total investasi $45 miliar dalam tiga perusahaan di seluruh rantai optik. Corning, perusahaan kaca berusia 175 tahun dari New York, melihat sahamnya naik 316.81% dalam setahun terakhir, mencapai kapitalisasi pasar $160 miliar. NVIDIA memilih Corning karena keahliannya dalam serat optik khusus berkinerja tinggi yang penting untuk pusat data AI, seperti serat dengan kehilangan sinyal ultra-rendah (0.15 dB/km), kepadatan tinggi, dan ketahanan tekuk yang baik. Penghasilan Corning dari segmen komunikasi optik untuk perusahaan (Enterprise) melonjak dari $1.3 miliar pada 2023 menjadi lebih dari $3 miliar pada 2025. Perusahaan telah mengamankan kontrak pasokan jangka panjang bernilai miliaran dolar dari klien seperti Meta dan NVIDIA. Meskipun bukan produsen serat optik terbesar secara global, keunggulan teknis Corning di pasar serat canggih untuk AI, ditambah dengan investasi R&D tahunan sebesar $1 miliar, memberinya posisi unik. Percepatan adopsi teknologi **CPO (Co-Packaged Optics)** oleh NVIDIA, yang dijadwalkan mulai produksi massal pada paruh kedua 2026, menjadi katalis penting bagi permintaan serat optik premium Corning. Namun, valuasi sahamnya yang telah melonjak pesat dan potensi keterlambatan dalam eksekusi pesanan menjadi faktor risiko yang perlu diperhatikan.

marsbit12j yang lalu

3 Tahun 5 Kali Lipat, Pabrik Kaca Berusia Satu Abad Dibangkitkan Kembali

marsbit12j yang lalu

Trading

Spot
Futures
活动图片