Polymarket与Kalshi提供信号,但不保证预测结果

cryptonews.ru發佈於 2026-08-17更新於 2026-08-17

文章摘要

预测市场如Polymarket和Kalshi正成为投资者重要的信息来源。其核心优势在于参与者用真金白银下注,因此合约价格常被视为事件发生概率的市场评估。然而,这并非纯粹的概率,会受到流动性、手续费和参与者信息差异的影响。 关键问题在于:预测市场的高概率信号,是否意味着比特币等加密资产价格会跟随?答案是否定的。因为预测市场和加密货币市场解决的是不同问题:前者评估具体事件概率,后者直接进行资本分配和资产定价。 例如,预测市场显示美联储降息概率激增,这对加密投资者虽是重要信息,但降息预期可能已被提前计入资产价格。投资者可能已通过期货、期权调整了头寸。因此,预测市场的信号更多是衡量现有市场预期的另一种方式。 预测市场反映参与者认为可能发生的事,而加密市场则展示参与者已经用资金做出的实际行为。后者价格的形成还受仓位规模、杠杆、流动性及平仓需求等复杂因素驱动。 预测市场上有强烈看涨信号,并不直接构成比特币的交易信号。原因在于:其一,其背后的资金规模可能远小于加密市场的存量资本;其二,参与者可能仅为赚取概率变化的收益,而完全不交易标的资产;其三,专业交易者即使认同事件预测,也可能因认为价格已充分反映而进行反向操作。因此,正确预测事件并不保证资产价格会相应变动。 研究表明,预测市场在聚合信息和预测特定事件(如政治选举)方面往往优于传统民意调查。但将其价格直接等同于客观概率是错误的,其校准度受事件类别、时间跨度、交易规模和平台本身的影响。 总之,Polymarket和Kalshi提供的是一种有价值的补充信息,有助于洞察市场情绪和特定事件的预期概率,但不能将其信号简单等同于加密货币市场的直接价格指引。两者服务于不同目的,投资者需结合更广泛的市场结构和资金流数据做出决策。

诸如Polymarket和Kalshi这样的预测市场正日益成为投资者重要的信息来源。其主要优势显而易见:参与者并非仅仅是发表意见,而是用自己的真金白银押注特定结果。因此,合约价格可以被解读为市场对事件概率的评估。

例如,在Kalshi上,价格为0.65美元的YES合约,意味着事件发生的概率大约为65%。然而,这并非"纯粹的概率":它会受到流动性、买卖价差、手续费、资本限制以及参与者之间信息差异的影响。

正是在这里,一个重要问题浮现:如果Polymarket或Kalshi显示出某个事件的高概率,这是否意味着比特币或其他数字资产市场会跟随这个信号呢?答案是否定的。原因在于,预测市场和加密货币市场解决的是不同的问题。前者评估特定事件的概率,而后者直接分配资本并形成资产价格。

押注事件不等于押注资产

假设Polymarket上美联储降息的概率急剧上升。对于加密货币投资者来说,这确实是重要信息,因为货币政策的宽松可能支撑风险资产。然而,在预期美联储决策和购买比特币之间,存在多个中间环节。

投资者可能已经将这一决策计入价格。期货头寸可能已经提前建立,期权可能反映了相应的风险分布,大型参与者可能同时正在减少或增加现货头寸。因此,Polymarket的新信号可能只是衡量已有市场预期的另一种方式。

预测市场反映参与者认为可能发生的事情。加密货币市场则展示参与者已经用其资金做了什么。

后者尤为重要,因为加密资产的价格不仅由预期形成,还受到头寸规模、杠杆、流动性以及平仓需求的影响。Coinbase Institutional在2026年7月的研究显示,在交易量增长的同时,永续合约、定期期货和期权的未平仓合约量同时下降。Coinbase将此解读为市场参与者从其资产负债表上移除风险,而不仅仅是情绪变化。

为何已投入的资金权重更大

想象一种情况:预测市场上有70%的参与者认为某个事件极有可能发生。这是一个强烈的信号,但对于比特币而言,却远非一个强有力的交易信号。

首先,支撑这一观点的资金量,可能与加密货币市场上已有的资本规模相去甚远。其次,Polymarket的参与者可能纯粹为了从概率变化中获利而押注事件,完全不购买比特币。第三,专业的加密货币交易者可能认同对事件的预测,但同时卖出比特币,如果他们认为该事件已被价格充分反映。

换言之,对事件的正确预测,并不能保证资产价格会相应变动。

例如,Polymarket提供关于比特币在15分钟内价格变动的合约,参与者押注在给定时间段结束时,价格是高于还是低于初始水平。这类市场直接与BTC的短期动态挂钩,并使用Chainlink的数据来计算结果。

部分一月份的合约交易量达到了数十万美元。但不能自动将这样的市场视为比特币中期走势的完整指标。它回答的是一个极其狭窄的问题:在特定的极短时间内,价格会发生什么变化。

预测市场的用途恰恰在于提供补充信息

以上描述并不意味着Polymarket和Kalshi没有用处。相反,研究表明,预测市场确实能够有效地聚合信息。在一项涉及超过2,400名参与者和261个事件的实验中,预测市场的价格比参与者预测的简单平均值更为准确。

预测市场常常优于传统民意调查。例如,一项关于美国总统选举的研究表明,在与964项民调对比时,市场预测更接近最终结果的比例达到74%。但这是关于政治选举的数据,并不能证明Polymarket能够预测比特币的回报率。

此外,一项针对Kalshi和Polymarket平台327,000份二元合约的2.92亿笔交易的研究发现,概率校准的准确性取决于事件类别、时间范围、交易规模以及具体平台。这意味着合约价格不能被当作客观概率来对待。

end-content

相關問答

QPolymarket和Kalshi这类预测市场的核心优势是什么?

A其核心优势在于参与者是使用自己的真金白银对特定结果进行下注,而不是单纯表达观点。因此,合约的价格可以被解读为市场对事件发生概率的评估,这被认为比简单的民意调查更能有效地聚合信息。

Q为什么预测市场显示的高概率事件,不一定意味着比特币等加密资产价格会朝该方向变动?

A因为预测市场和加密市场解决的是不同的问题。预测市场旨在评估单一事件的概率,而加密市场是直接分配资本并形成资产价格。前者反映“参与者认为什么会发生”,后者反映“参与者已经用他们的钱做了什么”。价格不仅受预期影响,还受现有头寸、杠杆、流动性、平仓需求等多种因素驱动。

Q文章中提到了研究显示预测市场比传统民意调查更准确,主要体现在哪个例子上?

A文章举例说明,在美国总统选举的研究中,市场预测在74%的情况下比964项传统民意调查更接近最终的实际选举结果,证明了预测市场在聚合信息方面的有效性。

Q预测市场的合约价格(例如0.65美元)为什么不能被视为“纯粹的概率”?

A因为合约价格除了反映事件发生的市场共识概率外,还受到流动性、买卖价差、交易费用、资本限制以及参与者之间信息差异等多种因素的影响,因此它是一个受市场条件影响的概率估算值,而非客观的数学概率。

Q根据文章,应如何看待Polymarket和Kalshi这类预测市场对投资者的价值?

A预测市场的价值在于它们提供了一个有价值的、额外的信息来源,用于衡量市场对特定事件(如美联储决策、选举结果)的预期。投资者可以将其作为评估市场情绪和共识的参考工具。然而,不能将其信号直接等同于对资产价格的交易信号,因为资产价格的形成机制要复杂得多。预测市场是补充信息,而非决定性的投资指南。

你可能也喜歡

挖矿即推理,Nockchain 的双重收益如何实现?

文章主要讨论了宏观经济数据后,聚焦于公链 Nockchain 即将上线的“Logos”升级。该升级核心是引入“零知识工作证明”(ZKPoW)与“AI推理计算”相结合的双重挖矿机制。 * **宏观背景**:美国CPI数据温和,股市表现继续优于加密货币市场。BTC ETF资金流近期转为净流入,可能为价格提供支撑。 * **Nockchain 的创新**:该链采用ZKPoW,矿工的工作是生成零知识证明,其计算本身具有可用性。Logos升级在此基础上,新增第二个挖矿谜题——执行AI推理的核心运算(整数矩阵乘法)。 * **双重收益机制**:升级后,网络70%的区块奖励分配给ZKPoW谜题,30%分配给AI计算谜题。这意味着,矿工为付费客户执行AI推理任务时,同一份算力同时有机会赢得区块奖励,实现“安全挖矿”与“算力收入”的双重收益。 * **挑战与现状**: * 该机制的成功依赖于能否吸引真实的、付费的AI推理需求。为此,项目创始人成立了National Compute公司,旨在作为首批客户向矿工购买算力。 * 升级上线时间已多次推迟,且新的AI计算谜题本身的安全性仍需时间验证。 * 目前NOCK代币市值约2200万美元,市场关注度不高。文章指出,项目已完成复杂的技术工程,但其成败关键在于能否真正建立起一个可持续的AI算力交易市场。

marsbit7 分鐘前

挖矿即推理,Nockchain 的双重收益如何实现?

marsbit7 分鐘前

AI助手Claude致商店亏损并解雇员工

Anthropic公司的人工智能Claude在一次实验中担任了旧金山Andon Market零售店的经理,并建议解雇一名经常迟到的员工。该实验由初创公司Andon Labs进行,旨在测试大型语言模型是否能管理真实业务,包括组织员工、做出管理决策和承担财务责任。 这名员工在23个班次中迟到了17次,但Claude并未立即发现这一规律。部分原因是公司制定的员工手册从其有限的“工作记忆”中丢失,这暴露了当前AI代理可能“遗忘”重要信息的问题。Claude总体表现宽容,甚至曾告知员工不必过分担心迟到。直到Andon Labs的负责人要求Claude重新查阅员工手册,它才注意到问题。起初,Claude只建议发出正式警告,但在人类负责人告知已进行过数次谈话且问题未解决后,它才建议解雇。负责人将此干预称为引导性问题。 在财务方面,店铺在五个月内从约10万美元亏损至约6.1万美元。部分损失归因于Claude管理风格过于宽松和存在争议的商业决策。然而,公司认为这并不反映AI管理的长期潜力。 对于员工而言,在AI手下工作体验不佳。一位员工描述其令人不适,但承认人类经理可能更早解雇该同事,并认为Claude总体算宽容。他不认为AI应该成为人类的上司。 实验表明,尽管AI能做出影响现实的决定,但仍高度依赖人类的引导和提示,尚不能完全取代人类管理者。这一案例揭示了当前AI模型的系统性特点:难以在没有人类持续提示下坚守规则框架。同时,这也模糊了辅助工具与AI管理者之间的界限,人类的角色正从直接管理转向监督和修正AI决策。

cryptonews.ru9 分鐘前

AI助手Claude致商店亏损并解雇员工

cryptonews.ru9 分鐘前

Transformer祖传设计遭暴击,COLM顶会三篇论文发难

在COLM 2026会议上,三篇论文集中挑战了Transformer架构中被广泛接受为“标配”的设计,指出这些设计存在被忽视的缺陷。 首篇论文《Cracks in the Foundation》通过系统实验发现,诸如QK归一化、GQA(分组查询注意力)、滑动窗口注意力等常见设计组合使用时会严重损害模型的长上下文处理能力,其负面影响远超单个设计影响之和。例如,某些“标配”设计在不同基础模型上效果可能完全相反,而通常被认为浪费算力的“注意力汇聚”现象反而与更好的长上下文表现相关。 第二篇论文《Lost in Backpropagation》揭示了几乎所有语言模型都使用的输出投影层在反向传播中造成了严重的梯度信息损耗。研究显示,在GPT-2、Llama 3等多个主流模型中,高达95%-99%的梯度范数在此层被削除,剩余信号的方向也与原始梯度严重偏离,这意味着大部分用于调整模型参数的关键训练信号在传递过程中被悄然“吃掉”。 第三篇论文《When Fewer Layers Break More Chains》则指出,被普遍用于模型压缩的“层剪枝”方法存在隐患。虽然剪枝后模型在常规知识测评中表现下降平缓,但其进行复杂长链推理(如数学竞赛题)的能力会急剧下降,且无法通过简单的微调有效恢复。这表明剪枝可能破坏了模型进行深度、多步思考的关键机制。 这三项研究共同表明,Transformer中许多被视为理所当然的设计选择,实际上可能在长上下文、训练效率和复杂推理等维度上付出了未被察觉的代价,呼吁对这些“祖传”设计进行更细致的重新评估。

marsbit21 分鐘前

Transformer祖传设计遭暴击,COLM顶会三篇论文发难

marsbit21 分鐘前

交易

現貨
活动图片