预测市场作为一种独特的交易平台，为参与者提供了基于现实世界事件预期结果进行合约交易的机会。无论是政治选举、体育赛事还是经济趋势，这些市场的参与者通过自由交易形成价格，而这些价格恰恰反映了事件发生的可能性。这种机制巧妙地将大众的预测能力转化为可量化的概率工具。
与传统金融市场不同，预测市场的交易直接围绕事件本身展开，而非间接投资相关资产。这种设计不仅满足了多元化的投机需求，更重要的是通过价格机制汇集了市场参与者对事件发生概率的集体判断。这种集体智慧往往能产生比个体判断更为准确的预测结果。
作为金融市场的一种特殊形式，预测市场需要建立有效的价格形成机制来激励交易，从而获取更多参与者的判断信息。本文将深入探讨预测市场背后的价格机制原理及其运作方式。
预测市场价格反映事件概率的机制
与传统博彩业中庄家设定赔率的模式形成鲜明对比，预测市场采用开放、去中心化的运作方式。在这种机制下，市场价格完全由参与者通过交易自发形成，充分体现了集体智慧对事件概率的评估。
以一场即将举行的德国对阵西班牙的足球赛为例，预测市场可以创建相应的交易场景，发行”德国胜”和”西班牙胜”两种结果代币。如果初始阶段两种代币价格相当，表明市场认为两队获胜概率相当。随着比赛临近，若德国主力球员受伤，市场参与者可能会更倾向于购买”西班牙胜”代币，导致其价格上涨，反映出西班牙获胜概率的提升。同样，比赛中德国队的出色表现也会引发”德国胜”代币需求的增加和价格上涨。最终，当代币价格接近100%时，市场的预测往往与实际结果高度吻合。
比赛结果揭晓后，获胜方代币持有者将按比例分享流动性池中的收益，而失败方的代币价值归零。这种基于供需关系的动态价格调整机制，使预测市场能够实时、高效地反映未来事件的可能性。
预测市场的价格形成机制
预测市场主要依靠两种价格形成机制：订单簿连续双向拍卖（CDA）和自动做市商（AMM）。目前，大多数去中心化预测市场仍采用订单簿模式提供流动性，这与结果代币的特殊性质密切相关。
结果代币的价值会随着现实事件的发展剧烈波动，在结果确定后，预测错误的代币价值将归零。这种特性使得传统AMM机制面临较大风险。为解决这一问题，预测市场引入了专门设计的对数市场评分规则（LMSR），在保证流动性的同时有效控制风险。
订单簿连续双向拍卖机制
作为金融市场中最常见的价格机制，订单簿连续双向拍卖（CDA）在预测市场中也得到广泛应用。该机制通过订单簿记录所有未成交的买卖挂单，当买卖价格匹配时自动执行交易。虽然这种机制设计简洁明了，但在参与者较少的预测市场中，往往会出现流动性不足的问题，导致买卖价差过大，影响市场效率。
对数市场评分规则
与CDA不同，对数市场评分规则（LMSR）通过引入中央自动做市商作为所有交易者的对手方。这种专为预测市场设计的AMM机制不依赖流动性池，特别适合低流动性市场。LMSR利用对数评分规则生成报价，既能提供充足流动性，又能有效控制价格波动幅度。
下表展示了LMSR与传统AMM的主要区别。
（以下是同一张图的英文版）
理解LMSR需要先了解常见的AMM机制。大多数AMM采用恒定乘积公式x⋅y=k，其中x和y表示流动性池中两种代币的数量，k为常量。这种机制下，任何交易的报价都由池中代币比例决定。
（图片来源：https://news.marsbit.co/20210730110529248019.html）
相比之下，LMSR的定价机制更为复杂。其公式如下：
其中qA表示结果A的持有量，b为市场制造者设定的效率参数，n为可能结果的总数。
此外，LMSR还定义了成本函数来计算交易总成本：
这个包含对数函数的成本函数能够减缓价格随交易量增加而上升的速度，既保证了价格调整的精确性，又将做市商的潜在损失控制在合理范围内。
预测市场AMM的创新改进
知名加密投资公司Paradigm最近提出了pm-AMM模型，旨在为预测市场建立统一的价格机制。该模型通过高斯分布假设优化了结果代币的定价，能够更好地适应价格剧烈波动的情况。
（图片来源：https://www.paradigm.xyz/2024/11/pm-amm）
pm-AMM针对结果代币的特殊性进行了多项优化。首先，它假设代币价格波动服从高斯分布，使流动性在市场接近结果时自动集中在更可能的结果附近。其次，该模型采用动态流动性调整机制，根据事件临近程度自动调节流动性规模。此外，pm-AMM还引入了损失与再平衡权衡（LVR）概念，在保持流动性的同时降低套利损失。
以德国对阵西班牙的足球赛为例，当市场预期从西班牙转向德国时，pm-AMM能够快速调整流动性分布，显著降低做市商的风险。这种创新不仅提升了预测市场的效率，也为债券、期权等其他金融产品提供了新的定价思路。
Paradigm的pm-AMM模型代表了预测市场AMM机制的重要突破。通过专业化设计和多项创新，该模型有望推动去中心化金融领域的发展，使预测市场更好地服务于决策过程。
如需深入了解pm-AMM模型的设计理念和技术细节，可参考文末列出的相关资料。
参考资料：
作者： Mumu 译者： Panie 审校： Edward、SimonLiu、Elisa 译文审校： Ashely、Joyce * 投资有风险，入市须谨慎。本文不作为 Gate 提供的投资理财建议或其他任何类型的建议。 * 在未提及 Gate 的情况下，复制、传播或抄袭本文将违反《版权法》，Gate 有权追究其法律责任。
声明：文章不代表CHAINTT观点及立场，不构成本平台任何投资建议。投资决策需建立在独立思考之上，本文内容仅供参考，风险 自担！转载请注明出处：https://www.chaintt.cn/17679.html
