预测市场智能体：概率资产管理的未来

引言：Crypto与AI融合趋势中的新机遇

作者：Jacob Zhao @IOSG

在过往 Crypto AI 系列研报中我们持续强调的观点：当前加密领域最具实际应用价值的场景，主要集中在稳定币支付与DeFi，而 Agent 是 AI 产业面向用户的关键界面。因此，在 Crypto 与 AI 融合的趋势中，最具价值的两条路径分别是：短期内基于现有成熟DeFi 协议（借贷、流动性挖矿等基础策略，以及 Swap、Pendle PT、资金费率套利等高级策略）的AgentFi，以及中长期围绕稳定币结算、并依托 ACP/AP2/x402/ERC-8004 等协议的Agent Payment。

预测市场的崛起：从90亿美元到400亿美元

预测市场在 2025 年已成为不容忽视的行业新趋势，其年度总交易量从 2024 年的约 90 亿美元激增至 2025 年的超过 400 亿美元，实现超过 400% 的年同比增长。这一显著增长由多重因素共同推动：宏观政治事件带来不确定性需求，基础设施与交易模式的成熟，以及监管环境出现破冰（Kalshi 胜诉与 Polymarket 回归美国）。

预测市场智能体（Prediction Market Agent）在 2026 年初呈现早期雏形，有望在未来一年成为智能体领域的新兴产品形态。

预测市场：从下注工具到“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与经济激励的结合：在匿名、真金白银下注的环境中，分散信息被快速整合为按资金意愿加权的价格信号，从而显著降低噪音与虚假判断。

▲预测市场名义交易量趋势图数据来源：Dune Analytics (Query ID: 5753743)

双寡头格局：Polymarket与Kalshi的竞争

截至 2025 年底，预测市场已基本形成 Polymarket 与 Kalshi  双寡头主导的格局。据《福布斯》统计，2025 年总交易量约达440 亿美元，其中 Polymarket 贡献约215 亿美元，Kalshi 约为171 亿美元。2026 年 2 月周数据显示 Kalshi 交易量（$25.9B）已超过 Polymarket（$18.3B），接近 50% 市场份额，Kalshi 凭借此前选举合约案的法律胜诉、在美国体育预测市场的合规先发优势，以及相对明确的监管预期，实现了快速扩张。目前，二者的发展路径已呈现清晰分化：

• Polymarket 采用“链下撮合、链上结算”的混合 CLOB 架构与去中心化结算机制，构建起全球化、非托管的高流动性市场，合规重返美国后形成“在岸+离岸”双轨运营结构；

• Kalshi 融入传统金融体系，通过 API 接入主流零售券商，吸引华尔街做市商深度参与宏观与数据型合约交易，产品受制于传统监管流程，长尾需求与突发事件相对滞后。

预测市场智能体的架构设计

当下预测市场智能体（Prediction Market Agent）正在进入早期实践阶段，其价值不在于“AI 预测更准”，而在于放大预测市场中的信息处理与执行效率。预测市场本质是信息聚合机制，价格反映对事件概率的集体判断；现实中的市场低效源于信息不对称、流动性与注意力约束。预测市场智能体 的合理定位是可执行的概率资产管理（Executable Probabilistic Portfolio Management）：将新闻、规则文本与链上数据转化为可验证的定价偏差，以更快、更纪律化、低成本的方式执行策略，并通过跨平台套利与组合风控捕获结构性机会。

理想的预测市场智能体可抽象为四层架构：

• 信息层汇集新闻、社交、链上与官方数据；

• 分析层以 LLM 与 ML 识别错价并计算 Edge；

• 策略层通过凯利公式、分批建仓与风控将 Edge 转化为仓位；

• 执行层完成多市场下单、滑点与 Gas 优化与套利执行，形成高效自动化闭环。

预测市场智能体的策略框架

不同于传统交易环境，预测市场在结算机制、流动性与信息分布上具有显著差异，并非所有市场与策略都适合自动化执行。预测市场智能体的核心在于是否被部署于规则清晰、可编码且符合其结构性优势的场景中。下文将从标的选择、仓位管理与策略结构三个层面展开分析。

总结与展望

当前，预测市场智能体（Prediction Market Agent）正处于发展的早期探索阶段。

1. 市场基础与本质演进：Polymarket 与 Kalshi 已形成双寡头结构，围绕其构建智能体具备充分的流动性与场景基础。预测市场与赌博的核心区别在于正外部性，通过真实交易聚合分散信息，对现实事件进行公共定价，逐步演化为“全球真相层”。

2. 核心定位：预测市场智能体应定位为可执行的概率资产管理工具，其核心任务是将新闻、规则文本与链上数据转化为可验证的定价偏差，并以更高纪律性、更低成本和跨市场能力执行策略。理想架构可抽象为信息、分析、策略与执行四层，但其实际可交易性高度依赖于结算的清晰度、流动性的质量以及信息的结构化程度。

3. 策略选择与风控逻辑：从策略层面看，确定性套利（包括结算套利、概率守恒套利及跨平台价差交易）最适合由智能体自动化执行，而方向性投机仅可作为补充。在仓位管理上，应优先考虑可执行性与容错性，阶梯法结合固定仓位上限最适合。

4. 商业模式与前景：商业化主要分为三层：基建层以数据执行基础设施获取稳定 B2B 收入，策略层通过第三方策略调用或分成变现，Agent/Vault 层在链上透明风控约束下参与实盘并收取管理费与绩效费。对应形态包括娱乐化入口、策略订阅/信号（当前最可行）及高门槛的 Vault 托管，“基建 + 策略生态 + 业绩参与”为更可持续路径。

尽管预测市场智能体（Prediction Market Agents）生态中已涌现出从底层框架到上层工具的多样化尝试，但在策略生成、执行效率、风险控制与商业闭环等关键维度上，目前尚未出现成熟、可复制的标准化产品，我们期待未来预测市场智能体的迭代与进化。