预测市场的23大缺陷

marsbit發佈於 2026-02-27更新於 2026-02-27

文章摘要

作者Alexander Lin 指出预测市场存在23大缺陷,主要包括:资本效率极低,要求全额抵押且无杠杆;资本周转率低,资金被锁定至结算;流动性提供者面临一半资产归零风险;缺乏天然对冲者,做市商面临纯粹逆向选择;市场接近结算时逆向选择加剧;新市场流动性不足,难以启动;无内生需求循环,依赖外部事件;与机构资产配置脱节;每次结算后流动性清零;依赖补贴维持流动性,不可持续;交易量与信息质量存在矛盾;高关注度市场中准确性成错觉;无限制创建市场导致流动性分散;问题设计可被操纵;存在预言机或中心化结算风险;名义交易量虚高;规模化后可能改变事件结果;跨平台结算差异损害可信度;存在元市场操纵风险;缺乏持仓限制导致市场易被操控;缺乏复杂金融工具阻碍专业机构参与;监管碎片化破坏价格发现;现有巨头缺乏创新动力。

作者:Alexander Lin, 加密 KOL

编译:Felix, PANews

关于预测市场的评判向来褒贬不一,有人认为是能颠覆传统机构的新型基础设施,也有人认为预测市场难以真正成为主流金融的一部分。近日,加密 KOL Alexander Lin 发文指出预测市场存在的 23 条缺陷,以下为内容详情。

1. 资本效率低

预测市场要求全额抵押且不能使用杠杆。相比永续合约(Perps)5-10% 的名义价值保证金要求,预测市场的资本效率要差 10 到 20 倍。这还没有考虑到锁定资本的零收益以及无法跨仓位进行保证金交叉。

2. 资本周转率在结构上被破坏

由于资本在整个合约期间被锁定,且最后产生一个二元结果,因此资本周转率受到结构性破坏。合约结算后,仓位直接作废(失效),因此不存在资产负债表效率,做市商资产也无法复利增长。同样的资金在同一时期内如果用于永续账户交易,则会产生更高的周转率(5-10倍):库存循环利用、持仓展期和对冲操作持续进行。

3. LP 库存存在根本性缺陷

结算时,流动性池中的一半资产注定归零。例如现货资金池会在保留价值的资产之间重新平衡;而对于预测市场来说,既没有再平衡,也没有残值,剩下的只有输家的“二元式崩塌”。

4. 缺乏天然对冲者

与大宗商品、利率或外汇不同,预测市场中没有提供反向流动性的“天然对冲者”。没有任何实体或交易者有天然的经济需求去站在事件风险的对立面。做市商面临的是纯粹的逆向选择,缺乏结构性的交易对手。这是限制规模化的根本性障碍。

5. 逆向选择随结算临近加剧

随着市场接近结算,逆向选择会加剧。拥有优势或更准确信息的交易者,能以更优的价格从那些仍基于过时先验信息定价的输家手中买入胜方。这种损耗是结构性的,且随时间推移而恶化。

6. 启动难题:结构性流动性陷阱

新市场没有流动性,导致知情交易者没有动力入场(以免因滑点而遭受损失);而只要价格不准确,就不会有更多交易者出现。长尾市场往往还没开始就已夭折,任何补贴都解决不了这个问题。

7. 没有内生需求循环

每一美元的交易量都依赖于外部关注(例如选举、新闻、体育赛事),在事件之间没有任何支撑。相比之下,永续合约创造了内部飞轮:交易产生资金费率,资金费率创造套利机会,套利带来更多资金流入。

8. 与机构资产配置脱节

预测市场与风险溢价、持仓收益或因子暴露没有联系。机构资本没有系统的框架来对这些头寸进行规模化配置或风险管理。这些市场并不符合任何标准的投资组合构建语言或策略,因此无法真正实现规模化。

9. 流动性在每次结算时清零

每次结算后流动性都会重置为零,必须从头开始重建。在永续合约中随时间积累的持仓量(OI)和深度,在预测市场中结构上是不可能实现的。

10. 补贴驱动的虚假繁荣

补贴是买卖价差没有永久性失控的唯一原因。一旦激励停止,盘口流动性就会崩溃。“被贿赂”出来的流动性本质上是崩坏且短期主义的市场结构。

11. 交易量与信息质量的矛盾

平台从交易量(例如,“我们需要赌博交易量!”)而非准确性中获利,而监管机构则需要预测效用来证明这些平台存在的合法性。这种权衡导致产品/功能决策不尽如人意。

12. 准确性成为错觉

在高关注度市场中,没有信息优势的边际参与者只会跟随公众共识,导致价格反映的是人们“已经相信的东西”,而不是对分散的信号进行定价。准确性变成了一种错觉。

13. 无限制市场创建充斥噪音

当上架无需任何成本时,流动性和注意力会被分散到成千上万个市场中。增长的动力与筛选的动力是直接对立的。

14. 问题设计可成为攻击手段

编写问题的人掌控着最终结果的判定的标准,既没有中立的起草流程,也没有激励机制来确保题目的精确性,而且一旦有人钻空子,也没有任何追索权。

15. 预言机风险

去中心化预言机由代币权重决定真相。当预言机的市值小于其所保障(锁定)的资金价值时,发动操纵就成了一笔理性的交易。中心化结算则面临运营商被捕获或失效的风险。

16. 名义交易量虚高

报道交易量时不进行价格调整。0.9 美元价格下的 1 美元交易额与 0.5 美元下的 1 美元交易额完全不同。实际风险转移量被夸大了一个数量级,但所有人都在引用那个虚高的数字。

17. 规模化后的反身性

当预测市场规模足够大,高概率(如 >90%)的预测本身就会改变相关参与者的行为。这种“发现真相”的逻辑存在结构性的限制。

18. 跨平台可信度风险

如果同一事件在不同平台的结算结果不同,那么整个行业看起来就不可靠。可信度是共享的,不同平台之间的差异总体上会带来负面的预期值。

19. 元市场操纵

交易者可以通过操纵现实中的标的事件(一级市场)来确保其预测市场(二级市场)的头寸。目前尚未看到有效的持仓限制或监管实施。

20. 操控风险

由于没有持仓限制且操纵监管执法有限,这意味着单个钱包就能撬动深度薄弱的市场,并利用这种波动进行反向交易,且无需承担任何后果(无法追责),相比于 Kalshi,这个问题在 Polymarket 上尤为严重。

21. 缺乏复杂金融工具

没有期限结构、条件指令或可组合性。除了单一的二元结果外,整个衍生品工具包完全不存在,这阻止了专业机构入场。

22. 监管碎片化

随着监管收紧,联邦与州层面的差异将迫使流动性碎片化。当市场被切分到不同的参与者池中时,价格发现功能就会瓦解。

23. 创新者困境

现有巨头没有动力重新设计架构。如果交易量持续增长,监管护城河持续形成,任何架构上的改变都会变得更加昂贵。这是经典的创新者困境。

相关阅读:Polymarket vs Kalshi谁是预测市场之王?

相關問答

Q预测市场在资本效率方面与永续合约相比有何主要缺陷?

A预测市场要求全额抵押且不能使用杠杆,资本效率比永续合约低10到20倍。永续合约只需5-10%的保证金,且允许跨仓位进行保证金交叉,而预测市场的资本被锁定且无法产生收益。

Q为什么预测市场的流动性在结算时会面临结构性破坏?

A预测市场的资本在整个合约期间被锁定,结算后仓位直接作废,流动性重置为零,必须从头开始重建。相比之下,永续合约的库存可以循环利用,持仓展期和对冲操作持续进行,流动性随时间积累。

Q预测市场中的流动性提供者(LP)面临什么根本性问题?

A流动性池中的一半资产在结算时注定归零,因为没有像现货资金池那样的再平衡机制或残值,只剩下输家的'二元式崩塌',这导致LP库存存在根本性缺陷。

Q预测市场为什么缺乏天然对冲者?这如何影响市场规模?

A与大宗商品、利率或外汇市场不同,预测市场中没有实体或交易者有天然的经济需求去站在事件风险的对立面。做市商面临纯粹的逆向选择,缺乏结构性交易对手,这限制了市场的规模化。

Q预言机风险在预测市场中具体表现为什么?

A去中心化预言机由代币权重决定真相,当预言机市值小于其保障的资金价值时,操纵成为理性选择。中心化结算则面临运营商被捕获或失效的风险,这威胁到市场的可信度和安全性。

你可能也喜歡

从代码到认知:机器人大脑进化的万字指南

本文概述了机器人大脑从传统代码控制到现代人工智能模型驱动的演进历程。文章首先回顾了前大型语言模型(LLM)时代,机器人依赖手工编码的模块化技术栈(感知、状态估计、规划、控制)和行为树,虽稳定但泛化能力差。随后,深度学习改进了感知,强化学习和模仿学习进入了控制层,但策略仍较为狭窄。 ChatGPT的出现带来了转折。LLM最初被用作自然语言编译器,将指令转化为机器人可执行的原子技能序列(如谷歌的SayCan)。但更重要的突破是视觉-语言-动作模型(VLA),例如谷歌的RT-2和开源的OpenVLA,它能将视觉、语言信息融合,直接输出动作指令,实现了推理与行动的耦合。 目前最先进的系统采用“双脑”架构(如Figure AI的Helix、NVIDIA GR00T):一个慢速、参数多的“系统2”负责高层次推理和规划;一个快速、小巧的“系统1”负责高频动作生成。其下还可能有一个“系统0”反射层处理平衡等底层控制。出于延迟和可靠性考虑,安全关键的控制回路通常在机器人本地(如NVIDIA Jetson模块)运行,而对话界面和集群学习等任务可交由云端。 开源模型(如OpenVLA、GR00T、π0)降低了行业门槛,让初创公司能在其基础上用自有数据微调。然而,当前VLA机器人仍存在任务中途恢复能力弱、样本效率低、缺乏物理常识和长期规划能力等局限。 这催生了下一代方向:世界模型。这类模型(如NVIDIA Cosmos、Meta V-JEPA)能根据当前状态和动作预测未来结果,让机器人在行动前进行模拟和评估,从而改善恢复能力、泛化能力和长期规划。架构上主要分为像素级视频扩散、联合嵌入预测架构(JEPA)和潜在动作世界模型等流派。 文章最后指出,数据采集(特别是远程操作数据)是核心竞争力,仿真训练至关重要,机器人成本正在迅速下降。当前物理AI的发展阶段大约相当于“GPT-2时代”,虽未完全自主,但正通过架构的持续演进(从代码到感知、规划、策略,最终到世界模型),朝着更通用、更强大的方向稳步前进。

marsbit22 分鐘前

从代码到认知:机器人大脑进化的万字指南

marsbit22 分鐘前

AI 泡沫正在破裂

近期市场剧烈波动,“AI泡沫论”甚嚣尘上。桥水达利欧认为AI市场存在“相对较高”的泡沫,而英伟达黄仁勋则强调AI算力需求才刚刚开始。两者观点看似矛盾,实则揭示了技术革命初期的典型特征:市场因高估短期影响而产生泡沫,却往往低估其长期颠覆性力量。 回顾2000年互联网泡沫,纳指暴跌78%,超5万亿美元财富蒸发,大量公司破产。然而,泡沫破裂后留下的廉价电信基础设施(如海底光缆),却成为日后流媒体、云计算乃至移动互联网崛起的基石。这符合“阿玛拉定律”:人们高估技术的短期影响,低估其长期影响。泡沫是创新必须缴纳的“智商税”,其破裂能淘汰投机者,沉淀下坚固的基础设施,滋养真正伟大的公司。 当前AI行业同样呈现巨大的“投入-产出”不对称:2026年,五大云服务商的AI基础设施资本开支预计达6900亿美元,而头部纯AI厂商的总收入预计不超过400亿美元。但深层逻辑正在演变:AI推理成本在两年内暴跌超过99.7%,接近零的边际成本解锁了海量长尾需求,驱动企业AI支出翻倍增长。这印证了“杰文斯悖论”——效率提升导致总消耗量指数级上升。如今,各行业关心的已非“是否用AI”,而是如何更有效地整合AI。 市场已进入“幻灭的低谷”前夕,缺乏护城河的套壳公司正批量死亡,这是市场的自我净化。与此同时,价值转移正在发生:1. 从资本开支(CapEx,如硬件)向运营开支(OpEx,如解决垂直行业痛点的应用)转移;2. 高估值正被高速增长的业绩逐步消化。AI已深入制造业(缩短研发周期)、金融(微秒级定价)、法律、医疗等专业领域,成为实质性的生产力工具。 历史总在重演“创造性毁灭”。当下近7000亿美元的基建投资短期内无法全部转化为利润,市场洗牌不可避免。但洗牌之后,廉价的算力与高度优化的算法将赋能千行百业。正如互联网泡沫后我们迎来了数字时代,AI泡沫的喧嚣过后,我们将不可逆转地迈向一个所有行业都由AI深度赋能的智能全盛时代。泡沫终会破裂,但底层先进生产力的势能,没有水分。

链捕手32 分鐘前

AI 泡沫正在破裂

链捕手32 分鐘前

AI 泡沫正在破裂

近期市场对“AI泡沫论”讨论激烈。桥水基金创始人达利欧认为AI市场存在较高泡沫,而英伟达CEO黄仁勋则强调算力需求刚起步。两者观点看似矛盾,实则反映了技术革命初期的典型特征:短期存在投机泡沫,但长期看,AI是颠覆性的先进生产力。 文章以2000年互联网泡沫类比。当时大量.com公司破产,纳指暴跌,但泡沫破裂后留下的廉价基础设施(如光缆)滋养了后来的谷歌、亚马逊等巨头,推动了互联网时代的真正繁荣。这体现了“阿玛拉定律”——人们高估技术的短期影响,低估其长期影响。 当前AI领域同样存在巨大投入与收入不匹配的现象。2026年,主要云服务商的AI基础设施投资预计达6900亿美元,而头部AI公司的总收入仅约400亿美元。然而,这不能简单视为泡沫破裂的信号。关键变化在于AI推理成本急剧下降,两年内降幅超99.7%,这反而激发了海量的新应用需求,企业AI支出大幅增长。这符合“杰文斯悖论”:效率提升导致成本下降,进而刺激总需求上升。 如今,AI已深入各行各业,从生物医药到制造业,企业关注点已从“是否用AI”转向如何优化应用。市场正在进行自然净化,淘汰缺乏核心竞争力的套壳公司,价值将从基础设施层(CapEx)向解决实际问题的应用层(OpEx)转移。 尽管资本市场可能出现波动和估值调整,但AI技术本身正在扎实地提升各行业效率,例如缩短研发周期、优化金融服务等。如同互联网泡沫后开启了数字时代,当前AI领域的调整是为未来智能时代铺路。泡沫终会消退,但AI驱动的生产力革命已不可逆转。

marsbit33 分鐘前

AI 泡沫正在破裂

marsbit33 分鐘前

下一个比特币ETF热潮可能来自日本——原因如下

美国现货比特币ETF近期表现持续低迷,随着加密货币市场再次进入调整,数据显示这些ETF在5月中旬至6月初连续13个交易日出现净流出,投资者撤资约43.3亿美元。不过,其净资产规模仍达751.2亿美元。 与此同时,市场开始关注下一个可能推出重要比特币ETF的国家,日本被视为有力候选者。分析师指出,日本监管机构正推动将加密资产从《支付服务法》框架转向《金融工具与交易法》管辖,使其被认可为投资产品。这一改革正将讨论焦点从“是否”批准转向“何时”批准。 若改革成功,日本庞大的家庭金融资产(约2,350万亿日元)和投资基金(约300万亿日元)可能为比特币ETF提供巨大潜力。分析预测,在保守情景下,日本现货比特币ETF可能吸引约9,000亿日元(约56.1亿美元)资金;在基准情景下,规模可能达1.4万亿日元(约87.3亿美元),相当于需求约14万枚比特币;在乐观情景下,首年资金流入可能高达3.1万亿日元(约193.4亿美元)。 分析师强调,日本比特币ETF的推出不仅可能推动价格上涨,更能降低投资者参与门槛,使财富管理机构更容易推荐比特币配置,提升机构投资者的信心,并增强比特币在传统金融中的合法性。 当前比特币价格约为61,038美元,24小时内下跌2.81%。

bitcoinist53 分鐘前

下一个比特币ETF热潮可能来自日本——原因如下

bitcoinist53 分鐘前

交易

現貨
合約
活动图片