作者： 0xjacobzhao | https://linktr.ee/0xjacobzhao
在我们之前的加密人工智能研究中，我们发现，虽然稳定币和去中心化金融（DeFi）能够提供即时的实用性，但代理（Agent）才是人工智能行业的关键用户界面。因此，我们定义了加密人工智能集成的两条主要价值路径：短期目标是专注于AgentFi ，它能够自动化成熟 DeFi 协议上的收益策略；中长期目标是发展代理支付（Agent Payment） ，通过 ACP、x402 和 ERC-8004 等新兴标准实现稳定币的自主结算。
预测市场已成为2025年不容忽视的新兴行业趋势，其年度交易总额将从2024年的约90亿美元飙升至2025年的超过400亿美元，同比增长超过400%。这一显著增长受多种因素驱动：宏观政治事件带来的不确定性对冲需求、基础设施和交易模式的成熟，以及监管环境的开放（Kalshi诉讼案的胜诉和Polymarket重返美国市场）。预测市场代理将于2026年初展示早期原型，并有望在未来一年内成为代理领域的一种新型产品。
一、预测市场：从博彩工具到“全球真相层”
预测市场是一种围绕未来事件结果进行交易的金融机制。合约价格本质上反映了市场对事件发生概率的集体判断。其有效性源于群体智慧和经济激励的结合：在匿名、真金白银的投注环境中，分散的信息会被迅速整合为价格信号，并根据参与者的财务意愿进行加权，从而显著降低噪音和错误判断。
到2025年底，预测市场基本形成由Polymarket和Kalshi两家公司主导的双寡头垄断格局。据《福布斯》报道，2025年总交易量约为440亿美元，其中Polymarket贡献约215亿美元，Kalshi贡献约171亿美元。2026年2月的周数据显示，Kalshi的交易量（259亿美元）已超过Polymarket（183亿美元），市场份额接近50%。Kalshi凭借此前在选举合同案中的胜诉、在美国体育预测市场的先发优势以及相对清晰的监管预期，实现了快速扩张。目前，两家公司的发展路径已明显分道扬镳：
- Polymarket采用混合型CLOB（中央限价订单簿）架构，结合“链下撮合、链上结算”和去中心化结算机制，构建了一个全球化、非托管、高流动性的市场，并在合规回归美国后形成了“境内+境外”双轨运营结构。
- Kalshi融入传统金融体系，通过API接入主流零售经纪商，吸引华尔街做市商深度参与宏观和数据驱动的合约交易。其产品受制于传统监管流程，导致在应对长期需求和突发事件方面存在滞后。
除了 Polymarket 和 Kalshi 之外，预测市场领域的其他竞争者主要沿着两条路径发展：
- 合规分销路径：将事件合约嵌入经纪商或大型平台的现有账户和清算系统，依靠渠道覆盖、合规资质和机构信任来构建优势（例如，盈透证券×ForecastEx的ForecastTrader，FanDuel×芝商所集团的FanDuel Predicts）。虽然合规性和资源优势显著，但产品和用户规模仍处于早期阶段。
- 加密原生链上路径：以Opinion.trade 、Limitless 和 Myriad 为代表，这些项目利用挖矿、短周期合约和媒体分发等杠杆点来实现交易量的快速增长。它们强调性能和资金效率，但其长期可持续性和风险控制的稳健性仍有待验证。
这两种途径——传统的金融合规准入和加密原生性能优势——共同构成了预测市场生态系统多元化的竞争格局。
预测市场表面上看似赌博，本质上也是零和博弈，但其核心区别在于是否具有正外部性：通过真金白银的交易聚合分散的信息，从而公开对现实世界事件进行定价，形成一个有价值的信号层。这一趋势正从博弈转向“全球真理层”——随着芝加哥商品交易所（CME）和彭博社等机构的互联互通，事件概率已成为金融和企业系统可直接调用的决策元数据，从而提供更及时、可量化、基于市场的真理。
从全球监管角度来看，预测市场的合规路径差异巨大。美国是唯一一个明确将预测市场纳入其金融衍生品监管框架的主要经济体。欧洲、英国、澳大利亚和新加坡的市场普遍将其视为赌博，并倾向于加强监管，而中国和印度则完全禁止预测市场。预测市场未来在全球的扩张仍取决于各国的监管框架。
二、预测市场代理的架构设计
预测市场代理目前正处于早期实践阶段。它们的价值不在于“人工智能更准确地预测”，而在于提升预测市场的信息处理和执行效率。预测市场本质上是信息聚合机制，其价格反映了对事件概率的集体判断；现实世界的市场低效源于信息不对称、流动性不足和注意力限制。预测市场代理的合理定位是可执行的概率投资组合管理：将新闻、规则文本和链上数据转化为可验证的价格偏差，以更快、更规范、更低成本的方式执行策略，并通过跨平台套利和投资组合风险控制来把握结构性机会。
理想的预测市场代理可以抽象为四层架构：
- 信息层：聚合新闻、社交媒体、链上数据和官方数据。
- 分析层：使用 LLM 和 ML 来识别定价错误并计算 Edge。
- 策略层：利用凯利准则、分批入场和风险控制，将优势转化为仓位。
- 执行层：完成多市场下单、滑点和 Gas 优化以及套利执行，形成高效的自动化闭环。
三、预测市场参与者的战略框架
与传统交易环境不同，预测市场在结算机制、流动性和信息分发方面存在显著差异。并非所有市场和策略都适合自动执行。预测市场代理的核心在于其是否部署在规则清晰、可编码且具有结构优势的场景中。以下分析涵盖目标选择、仓位管理和策略结构。
1. 预测市场目标选择
并非所有预测市场都具有交易价值。参与价值取决于：结算清晰度（规则是否清晰，数据来源是否唯一） 、流动性质量（市场深度、点差和交易量） 、内幕风险（信息不对称程度） 、时间结构（到期时间和事件节奏）以及交易者自身的信息优势和专业背景。只有当大多数方面都满足基本要求时，预测市场才具备参与的基础。参与者应根据自身优势和市场特征进行匹配：
- 人类核心优势：依赖领域专业知识、判断力和对模糊信息的整合能力，且时间窗口相对较宽（数天/数周）的市场。典型例子：政治选举、宏观趋势和公司里程碑事件。
- AI代理核心优势：适用于依赖数据处理、模式识别和快速执行，且决策窗口极短（秒/分钟）的市场。典型案例：高频加密货币价格、跨市场套利和自动做市。
- 不适宜的领域：受内幕消息主导的市场或纯粹随机/高度操纵的市场，对任何参与者都没有优势。
2. 预测市场中的仓位管理
凯利准则是重复博弈中最具代表性的资本管理理论。它的目标并非最大化单笔交易的收益，而是最大化资本的长期复合增长率。该准则基于胜率和赔率的估计值计算理论上的最优仓位比例，在预期收益为正的前提下提高资本增长效率。它被广泛应用于量化投资、职业博彩、扑克和资产管理等领域。
- 经典公式： f^* = (bp — q) / b
- 其中 f∗ 为最优投注比例，b 为净赔率，p 为胜率，q=1−p。
- 简化为 PM： f^* = (p — 市场价格) / (1 — 市场价格)
- 其中 p 为主观真实概率，market\_price 为市场隐含概率。
凯利公式的理论有效性高度依赖于对真实概率和赔率的准确估计。然而，在现实中，交易者很难持续准确地掌握真实概率。因此，职业赌徒和预测市场参与者在实践中倾向于采用基于规则的策略，这些策略更易于执行，且对概率估计的依赖性更低。
- 单位投资法：将资金分成固定单位（例如1%），并根据信心水平投资不同数量的单位。这种方法通过单位上限自动限制单笔投资的风险，是目前最常用的实用方法。
- 固定投注：每次投注使用固定比例的资金。强调纪律性和稳定性，适合风险规避型或信念较低的投注环境。
- 置信度层级：预设离散位置层级并设置绝对上限，以降低决策复杂性，避免 Kelly 模型的虚假精确性问题。
- 反向风险法：从最大可承受损失开始反向计算仓位规模。它根据风险约束而非盈利预期来界定仓位边界。
对于预测市场参与者而言，策略设计应优先考虑可执行性和稳定性，而非理论上的最优性。关键在于清晰的规则、简单的参数以及对判断误差的容忍度。在这些约束条件下，置信度分级法结合固定仓位上限是预测市场参与者最合适的通用仓位管理方案。该方法不依赖于精确的概率估计，而是根据信号强度将交易机会划分为有限的层级，并设定明确的上限来控制风险，即使在高置信度的情况下也能有效控制风险。
3. 预测市场的策略选择
从结构上看，策略主要分为两大类：确定性套利策略（以规则清晰、可规范化为特征）和投机性方向策略（依赖于信息解读和方向判断）。此外，还有做市策略和套期保值策略，主要面向资本和基础设施要求较高的专业机构。
确定性套利策略（套利）
- 解析套利：当事件结果基本确定，但市场尚未完全反映其价格时，就会发生解析套利。收益来源于信息同步和执行速度。规则清晰，风险低，且完全可编码——这是最适合代理执行的核心策略。
- 荷兰式套利（概率守恒）：利用结构性失衡，即一组互斥且穷尽事件的价格总和偏离概率守恒约束（$\sum P \neq 1$）。通过构建投资组合，它可以锁定无风险收益。该策略仅依赖于规则和价格关系，风险低，且可高度正则化。它是一种典型的确定性套利形式，适用于自动化代理执行。
- 跨平台套利：通过捕捉同一事件在不同市场间的价格差异来获利。风险低，但对延迟和并行监控的要求高。适合拥有基础设施优势的代理商，但竞争日益激烈，导致边际收益递减。
- 捆绑套利：利用相关合约之间的价格差异。逻辑清晰，但机会有限。代理人可以执行此操作，但需要一些工程设计来进行规则解析和投资组合约束。代理人的适用性中等。
投机性方向策略（投机性）
- 结构化信息驱动（信息交易）：以清晰的事件或结构化信息为中心，例如官方数据发布、公告或政策窗口。只要信息来源明确且触发条件可定义，智能体就能在监控和执行过程中发挥速度和纪律优势。然而，当信息需要进行语义判断或情景解读时，仍然需要人工干预。
- 信号跟踪：通过跟踪历史上表现优异的账户或资金行为来获利。规则相对简单且可自动化。核心风险在于信号衰减和被抢先交易/反向交易，因此需要过滤机制和严格的仓位管理。适合作为代理人的辅助策略。
- 非结构化/噪声驱动型：高度依赖于情绪、随机性或参与行为。缺乏稳定、可复现的优势，长期预期值不稳定。难以建模且风险极高；不适合系统化代理执行，也不建议作为长期策略。
高频价格与流动性策略（市场微观结构）：依赖于极短的决策窗口、连续报价或高频交易。对延迟、模型和资金的要求极高。虽然理论上适用于代理人，但预测市场中的流动性和竞争强度往往限制了其应用，因此仅适用于少数拥有显著基础设施优势的参与者。
风险控制与对冲：不直接以盈利为目的，而是用于降低整体风险敞口。规则和目标明确；作为基础风险控制模块长期运行。
摘要：适用于预测市场中代理执行的策略主要集中在规则清晰、可编码性强且主观判断要求较低的场景。确定性套利应是核心收益来源，结构化信息和信号跟踪策略作为补充。应系统性地排除高噪音和情绪化交易。代理的长期优势在于其纪律严明、执行迅速且风险控制能力强。
四、预测市场代理的商业模式和产品形式
预测市场代理商的理想商业模式设计在不同层面上都有探索空间：
- 基础设施层：提供多源实时数据聚合、智能资金地址库、统一的预测市场执行引擎和回测工具。通过收取B2B费用来获取与预测准确率无关的稳定收入。
- 策略层：引入社区和第三方策略，构建可复用、可评估的策略生态系统。通过期权调用、权重分配或执行利润分成来获取价值，从而降低对单一Alpha策略的依赖。
- 代理/金库层：代理人通过受托管理直接参与实时交易，依靠链上透明记录和严格的风险控制系统，根据能力赚取管理费和业绩费。
相应的产品形式可分为：
- 娱乐/游戏化模式：通过类似 Tinder 的直观互动降低参与门槛。拥有最强的用户增长和市场教育能力，使其成为突破小众市场的理想切入点，但需要引导用户购买订阅或执行产品才能实现盈利。
- 策略订阅/信号模式：不涉及资金托管，监管友好，权利和责任明确，且拥有相对稳定的SaaS收入结构。目前这是最可行的商业化路径。其局限性在于策略容易被复制，执行容易出现偏差。长期收入上限有限，但通过“信号+一键执行”的半自动化模式，可以显著提升用户体验和用户留存率。
- 金库托管模式：具有规模效应和执行效率优势，类似于资产管理产品。然而，它面临诸多结构性限制，例如资产管理牌照、信任门槛以及集中式技术风险。该商业模式高度依赖市场环境和持续盈利能力。除非拥有长期业绩记录和机构级认可，否则不应作为主要发展路径。
总体而言， “基础设施货币化+战略生态系统拓展+绩效分成”多元化的收入结构有助于降低对“人工智能持续跑赢市场”这一单一假设的依赖。即使随着市场成熟，超额收益（Alpha）趋于稳定，执行、风险控制和结算等基础能力仍能保持长期价值，从而构建更可持续的业务闭环。
五、预测市场代理的项目案例
目前，预测市场代理仍处于早期探索阶段。尽管市场已出现从底层框架到上层工具的各种尝试，但尚未形成在策略生成、执行效率、风险控制系统和业务闭环等方面都成熟的标准化产品。
我们将当前的生态系统格局分为三个层次：基础设施、自主代理和预测市场工具。
基础设施层
这个官方开发者框架规范了“连接与交互”，处理数据检索、订单构建和基本的LLM接口。然而，它主要是一个访问标准，而非一站式解决方案；它解决了“如何编写订单”的问题，但将策略生成、概率校准和风险管理等核心交易功能完全留给了开发者。
该工具集为 Gnosis 生态系统（Omen/Manifold）提供完整的读写支持，但仅对 Polymarket 提供读取权限，从而造成了明显的生态系统壁垒。它为 Gnosis 原生代理提供了坚实的基础，但在跨平台开发方面的实用性有限。
目前，Polymarket 和 Gnosis 是仅有的将“代理开发”明确产品化为官方框架的预测市场生态系统。其他预测市场，例如 Kalshi，仍然主要停留在 API 和 Python SDK 层面，需要开发者自行完善策略、风险控制、运维和监控等关键系统功能。
自主代理
目前市面上的“预测市场AI代理”大多仍处于早期阶段。虽然被冠以“代理”之名，但它们的实际能力距离可委托的自动化闭环交易还有相当大的差距。它们通常缺乏独立、系统化的风险控制层，也没有将仓位管理、止损、对冲和预期值约束等功能纳入决策过程。整体而言，这些产品化程度较低，尚未形成可长期运行的成熟系统。
Olas Predict 目前是产品化程度最高的预测市场代理生态系统。其核心产品“Omenstrat”基于 Gnosis 系统中的 Omen 平台构建，采用 FPMM 和去中心化套利机制。它支持小规模高频交易，但受限于 Omen 单一市场流动性不足。其“AI 预测”主要依赖于通用 LLM，缺乏实时数据和系统性风险控制，历史胜率在不同类别间差异显著。
2026年2月，Olas推出了“Polystrat”，将代理功能扩展至Polymarket平台——用户可以使用自然语言定义策略，代理会自动识别4天内结算的市场中的概率偏差并执行交易。该系统通过Pearl本地执行、自托管安全账户和硬编码限额来控制风险，使其成为Polymarket平台上首个面向消费者的自主交易代理。
为 Polymarket 提供自动化交易代理，其核心策略是尾部风险控制：扫描临近结算日且隐含概率大于 95% 的合约并买入，目标是捕获 3-5% 的价差。链上数据显示胜率接近 95%，但不同类别合约的收益差异显著。该策略高度依赖于执行频率和类别选择。
该项目旨在构建一个完整的“研究-判断-执行”闭环。其架构包含一个用于信号聚合的智能层和一个使用意图（Intent）来管理跨链复杂性的抽象层。目前，其全链金库（Omnichain Vaults）已交付；预测市场代理（Prediction Market Agent）仍在开发中，完整的主网闭环尚未形成。总体而言，该项目仍处于愿景验证阶段。
预测市场工具
目前的预测市场分析工具尚不足以构成完整的“预测市场代理”。它们的价值主要集中在代理架构的信息和分析层；交易执行、仓位管理和风险控制仍需交易者自行承担。产品形式更接近于“策略订阅/信号辅助/研究增强”，可以视为预测市场代理的早期原型。
基于对优秀预测市场工具的系统性回顾，我们选择了具有初步产品形式的代表性项目：
市场分析工具
- Polyseer ：一款面向研究的工具，采用多智能体架构（规划者/研究员/评论家/分析师/报告员）进行证据收集和贝叶斯聚合，以输出结构化报告。方法透明，开源。
- Oddpool ： “彭博预测市场终端”，聚合了 Polymarket、Kalshi、CME 等市场，并进行套利扫描。
- Polymarket Analytics ：面向 Polymarket 的全球数据分析平台，显示交易员、市场、持仓和交易量数据。
- Hashdive ：一款面向交易者的数据工具，使用智能评分来识别“聪明资金”。
- Polyfactual ：专注于通过 Chrome 扩展程序进行 AI 市场情报和情绪/风险分析。
- Predly ：一款人工智能定价错误检测平台，它将市场价格与基于 Polymarket 和 Kalshi 的人工智能计算概率进行比较。声称警报准确率高达 89%。
- Polysights ：涵盖 30 多个市场和链上指标，Insider Finder 可跟踪新钱包和大额单向投注。
- PolyRadar ：多模型并行分析，具有实时解释、时间线演变和置信度评分功能。
- Alphascope ：人工智能驱动的实时信号和研究摘要智能引擎（早期阶段）。
警报/鲸鱼追踪
- 立场：专注于巨鲸跟单交易和高胜率警报。
- 鲸鱼追踪器 Livid ：将鲸鱼位置变化产品化。
套利发现工具
- ArbBets ：人工智能驱动的工具，用于识别跨平台套利机会（Polymarket、Kalshi、体育博彩公司）。
- PolyScalping ：针对 Polymarket 的实时套利和短线交易分析（1 分钟扫描）。
- Eventarb ：轻量级跨平台套利计算器（Polymarket、Kalshi、Robinhood）。
- Prediction Hunt ：跨交易所聚合器，比较价格以进行套利（Polymarket、Kalshi、PredictIt）。
交易终端/聚合执行
- Verso ：机构级终端（YC 2024 年秋季），采用彭博风格的界面，涵盖 Polymarket 和 Kalshi 的 15,000 多个合约，并具备 AI 新闻情报功能。
- Matchr ：跨平台聚合器，覆盖 1500 多个市场，具有智能路由功能，可实现最佳价格匹配和计划的自动化收益策略。
- TradeFox ：由 Alliance DAO 和 CMT Digital 提供支持的专业聚合和主经纪商平台。提供高级订单执行（限价、止损、TWAP）、自托管和多平台智能路由。正在扩展至 Kalshi、Limitless 和 SxBet。
六、总结与展望
目前，预测市场代理尚处于早期探索发展阶段。
- 市场本质：在 Polymarket 和 Kalshi 双寡头垄断的支持下，预测市场与赌博不同，它充当“全球真理层”，通过真钱交易聚合信息。
- 核心定位：代理人作为可执行的概率投资组合管理工具发挥作用。他们将数据转化为可验证的价格偏差，优先考虑纪律性和执行速度。
- 策略与风险：确定性套利是自动化交易的最佳策略，投机仅作为补充。风险管理应优先考虑可执行性，并采用置信度分级和固定上限机制。
- 商业模式：最可持续的路径结合了基础设施（B2B 数据/执行费）、战略生态系统（第三方许可）和金库（基于绩效的资产管理）。
尽管生态系统中涌现出各种工具和框架，但尚未出现能够完整整合策略生成、执行效率和风险控制的成熟、标准化产品。我们期待预测市场代理的持续迭代和发展。
免责声明：本文借助 ChatGPT-5.2、Gemini 3 和 Claude Opus 4.5 等人工智能工具生成。尽管作者力求准确，但仍可能存在错误。请注意，加密资产的基本面往往与二级市场价格存在差异。本文内容仅供参考和研究之用，不构成任何投资建议或买卖代币的推荐。
将概率转化为资产：展望预测市场代理的未来，最初发表于 Medium 上的IOSG Ventures ，人们正在那里通过突出显示和回应这篇文章继续进行讨论。
