1. 메커니즘은 도구일 뿐만 아니라 믿음의 표현이기도 합니다.
가격을 구성하기 위해 집단적 인지에 의존하는 시스템인 예측 시장에서 거래의 시장 메커니즘은 단순히 주문을 매칭하는 기능을 맡는 것이 아니라, 미래 사건에 대한 판단도 담당합니다.
메커니즘의 질은 거래의 효율성 여부만 결정하는 것이 아니라, "미래의 가능성"에 대한 윤곽을 정확하게 포착하고 표현할 수 있는지 여부도 결정합니다.
이러한 이유로 현재 주류를 이루는 두 가지 예측 시장 메커니즘인 CLOB+CTF(오더북+조건부 토큰)와 LSMR(대수 점수 자동 시장 조성)은 지난 몇 년 동안 성과를 거두었지만 실제로는 구조적 결함이 드러났습니다.
이러한 문제는 기술적인 문제일 뿐만 아니라, "집단적 신념이 어떻게 생성되고 측정되는가"라는 핵심 문제에 대한 이해가 부족함을 반영합니다.
2. CLOB+CTF: 높은 구조로 인한 시장 분열 및 비효율적인 유동성
1. 개념은 명확하지만 시스템이 지나치게 단편화되어 있습니다.
CLOB+CTF의 논리는 복잡하지 않습니다.
1. CLOB는 제한 주문 및 매칭을 위한 시장 인터페이스를 제공합니다.
2. CTF는 다중 선택 이벤트를 일련의 YES/NO 이진 계약으로 분해하고 자동 토큰 민트/파괴를 통해 공급과 수요를 조정합니다 .
이 모델은 구조적으로 기존 금융 시장과 매우 일치하므로 일정 수준의 사용자 인지 기반을 갖추고 있습니다.
그러나 이벤트 옵션의 수가 늘어나면 시스템은 각각 자체 토큰 쌍과 오더북 갖춘 여러 개의 하위 시장을 만들어야 하며 , 이로 인해 시스템의 복잡성과 사용자 참여 한계가 크게 높아집니다 .
2. 상대방 의존성은 유동성 불균형으로 이어진다
CLOB는 주문 실행 메커니즘이므로 본질적으로 활발한 양면 시장에 의존합니다. 대부분의 예측 시장에서는 불안정한 사용자 참여 열의, 이벤트 다양성, 정보 비대칭 등의 문제로 인해 주문 깊이가 심각하게 부족하여 '주문 창'이나 '일방적 압박'이 발생하는 경우 가 많습니다 .
결과는 다음과 같습니다.
1. 사용자가 상대방 없이 주문을 하면 가격이 정체됩니다.
2. 유동성이 부족한 상태에서는 시장이 비효율적이 되어 사용자 경험에 심각한 영향을 미칩니다.
CTF는 YES/NO 자산을 민트 하여 어느 정도 상대방 격차를 메울 수 있지만, 그 자체가 차익거래 도구가 되어 가격 신호가 장기적인 기대보다는 단기적인 행동 조작에 더 취약해집니다 .
3. "중재 추진"은 "인지적 집계"보다 더 중요합니다.
CTF의 수평적 메커니즘은 체계적으로 YES/NO 자산을 민트 하고 파괴함으로써 시장 가격이 실제 확률로 수렴되도록 돕는 것을 목표로 합니다. 하지만 실제로 이 메커니즘은 다음과 같습니다.
1. 이벤트 자체가 아닌 중재 공간을 중심으로 거래하도록 사용자를 장려합니다.
2. 비이성적인 시장 행동이 가격에 미치는 단기적 영향을 수동적으로 증폭시킵니다.
3. "집단적 신념 함수"로서 가격의 해석 가능성과 안정성을 약화시킵니다.
간단히 말해, CLOB+CTF는 구조적으로 완전하지만 유동성이 낮고 인지적 차이가 크며 전문적이지 않은 사용자라는 맥락에서 안정적이고 효과적인 가격 발견 메커니즘을 제공하기 어렵습니다 .
LSMR: 기능적 우아함에서 불확실성 해소의 딜레마까지
1. 메커니즘은 간단하지만 사용하기 편리하지 않습니다.
LSMR(예약이 있는 로그 점수 시장) 은 로그 함수를 핵심으로 삼고 시장 가격과 토큰 발행 논리를 일련의 수학적 표현으로 통합합니다. 이 방법에는 두 가지 중요한 장점이 있습니다.
1. 다중선택 시장을 분할할 필요가 없으며, 모든 옵션은 동일한 가격 구조로 되어 있습니다.
2. 이론상 모든 토큰 가격의 합은 항상 1이며, 이는 확률적 직관과 일치합니다.
그러나 LSMR의 문제점은 이 수학적 시스템이 너무 "블랙박스"라는 것입니다. 즉, 사용자는 특정 옵션을 구매할 때 실제 비용과 잠재적 이점 간의 관계를 판단할 수 없습니다 . 시장 가격 형성 과정에는 명확한 경로가 없으며 , 거래 경험은 알고리즘 추상화로 인해 "가려져" 있습니다. 클리어링 로직은 사용자가 기대하는 "배당률"을 형성할 수 없으며, 게임의 투명성이 부족합니다 .
2. 미끄러짐과 통제 불가능한 매개변수의 이중 딜레마
LSMR의 유일한 제어 매개변수 b는 시장의 가격 반응 강도(미끄러짐 정도)를 결정합니다. 하지만 이 매개변수의 설계 자체는 역설에 직면합니다.
- b 값이 너무 크다 → 가격 변화가 느리고 실제 확률을 표현하기 어렵다.
- b 값이 너무 작음 → 가격이 극도로 민감하고 쉽게 조작되어 가격 거품이 형성될 수 있습니다.
더 심각한 점은 시장이 시작되기 전에 b를 설정해야 하지만, 초기 단계에서는 시장의 거래량과 변동성이 얼마나 될지 판단하는 것이 거의 불가능하다는 것입니다. 이로 인해 b는 시스템을 안정화하는 닻이 되기보다는 구조적 리스크 요인이 됩니다.
4. 핵심문제 요약: 기존 메커니즘의 3대 결함
1. 가격은 실제 확률을 표현할 수 없습니다.
CLOB+CTF에서는 주문 구조와 유동성 공급 및 수요로 인해 이벤트가 발생할 실제 확률과 가격이 쉽게 달라질 수 있습니다.
LSMR에서 가격은 단지 함수 출력의 결과일 뿐이며, 사용자가 주관적 확률과 승산 사이의 관계를 매핑하기 어렵습니다.
2. 이 메커니즘은 중재에 의해 쉽게 지배되며 합리적인 집단 신호를 형성하기 어렵습니다.
아비트라지 논리는 원래 가격 합리성을 유지하기 위한 보조적 메커니즘이지만, 이 두 체계에서 아비트라지는 주요 거래 동기가 되어 시장 구조를 지배하고 인지적 집계를 방해합니다.
3. 사용자 경험이 부족하고 거래 확실성이 부족합니다.
오더북 깊이 문제이든, 로그 함수로 인한 슬리피지 점프 문제이든, 사용자들은 거래에 참여할 때 명확한 기대치와 통제 가능한 비용으로 거래 경험을 얻는 데 어려움을 겪습니다. 이는 "비전문가에게 공개된" 예측 시장 메커니즘에 치명적인 한계점입니다.
Investopedia를 통한 오더북 깊이 다이어그램
5. 새로운 메커니즘으로의 방향: 메커니즘은 단순히 거래를 수행하는 것이 아니라 신념을 표현해야 합니다.
예측 시장의 본질은 사회적 인지와 경제적 인센티브가 융합된 메커니즘인 신념을 자본화하는 것입니다. 따라서 이상적인 시장 메커니즘은 다음 세 가지 사항을 충족해야 합니다.
1. 가격이 명확하고 확률적 의미가 명확하므로 사용자는 가격 뒤에 숨은 의미를 이해할 수 있습니다.
2. 가격과 청산 구조가 폐쇄되어 참가자의 예상 수익이 실제 수익과 일치하도록 보장합니다.
3. 복잡한 분할이나 매개변수 제어 없이도 안정적으로 실행할 수 있으며, 메커니즘 자체에 조작 방지 및 자체 균형 조절 기능이 있습니다.
이러한 목표는 바로 APMM(자동 예측 시장 제작자)과 같은 새로운 메커니즘이 달성하려고 하는 것입니다. 그들은 이전 메커니즘의 경험을 활용하고 실제 거래 행동의 핵심적인 문제점에도 대응합니다.
6. 결론: 메커니즘 진화의 근원은 단순히 공학이 아니라 인지 생태학의 적응입니다.
CLOB+CTF와 LSMR의 메커니즘 문제는 충분히 "스마트"하지 않기 때문이 아니라, "인간이 미래를 판단하는 방법"이라는 문제를 다룰 때 기술의 캡슐화와 형태의 우아함에 지나치게 의존하고, 사용자의 실제 행동, 심리, 인지 경로를 무시하기 때문입니다.
시장 메커니즘은 궁극적으로 기능과 자산이 아닌, 불확실성 속에서 사람들의 의사 결정과 표현을 위한 문명적 도구입니다.
