预测市场盈利秘诀：如何将准确率化为利润

背景

预测市场（Prediction Markets）是一种通过交易合约来聚合群体信念的机制，合约价格反映某一不确定事件发生的概率。经典理论指出，如果使用自动化做市商（AMM），那么预测者的准确性（accuracy）与交易利润（profit）之间存在严格的等价关系——预测越准，盈利越多。然而，现实中最大的预测市场平台（如基于中央限价订单簿的交易所）却呈现相反的现象：信息充分的预测者经常亏损，而基于简单启发式策略（如“跟风”）的无知交易者反而能获利。这一矛盾引发了核心问题：预测准确性究竟能否稳定地转化为交易利润？如果可以，在何种条件下成立？本文（arXiv:cs.AI, 2026年7月）从理论和实证角度系统回答了这个问题。

核心内容

论文首先指出，经典等价关系只适用于特定的AMM设计（如LMSR），但主流预测市场（如Kalshi、PredictIt）均采用中央限价订单簿（CLOB）。在CLOB中，订单的匹配由买卖双方的价格优先和时间优先决定，交易者需要预测价格变动方向而非直接提供概率，导致信息准确性与利润之间的脱节。

为解决这一矛盾，作者建立了任意严格适当评分规则（strictly proper scoring rule）下预测准确性与盈利性之间的形式等价。具体来说，他们提出了一种“适当投注策略”（proper betting strategy），该策略仅依赖于两个输入：预测者的私有概率预测 $\mathbf{p}$ 和当前市场价格 $\mathbf{q}$。其核心思想是：当 $\mathbf{p}$ 在给定评分规则 $S$ 下优于 $\mathbf{q}$ 时（即 $S(\mathbf{p})$ 的期望值高于 $S(\mathbf{q})$），该策略能获得正的期望利润，前提是市场有足够的流动性。更关键的是，作者证明这种“适当投注”几乎是唯一具有这样稳健盈利保证的策略——任何其他不满足该形式的策略都无法在所有严格适当评分规则下持续保证盈利。

证明的关键在于将期望利润进行分解：经典AMM的利润分解只适用于线性价格更新规则，而作者给出了一个严格推广的分解形式，它适用于任意基于评分规则的市场机制（包括CLOB）。该分解不仅说明了为何准确性可以转化成利润，还解释了为何某些无准确性优势的策略（如简单趋势跟踪）有时也能获利：这类策略实际上是在利用评分规则的非线性特性或市场流动性结构，而非真正的预测能力。

实证部分使用数千个由AI模型生成的预测数据（覆盖多种预测任务），比较了多种投注策略。结果一致表明：只有“适当投注策略”能够可靠地将预测准确性转化为净利润，其他策略（如线性投注、固定比例投注）即使预测准确，也可能因市场滑点或交易对手行为而亏损。此外，论文还识别了一组“预测人格”（forecasting personas）——不同AI模型在概率校准、极端预测倾向、置信度等方面的系统差异。这些人格会显著影响最优适当策略的参数选择（如不同风险厌恶水平、对不同评分规则的反应）。

最终，论文报告了一项为期一个月的实时部署：在预测市场平台Kalshi上，使用基于适当投注策略的自动化交易系统，实现了**$+80.33%$ 的投资回报率（ROI）**，夏普比率达到 $3.35$，验证了该策略在真实市场中的有效性。

关键要点

• 理论突破：证明了在任意严格适当评分规则下，预测准确性（以评分函数衡量）与交易利润之间存在形式等价，且该等价关系适用于中央限价订单簿（CLOB），而非仅限于AMM。
• 核心策略：“适当投注”（proper betting）策略仅依赖预测者概率 $\mathbf{p}$ 和市场价格 $\mathbf{q}$，在 $\mathbf{p}$ 优于 $\mathbf{q}$ 时必能获得正期望利润（假设充分流动性）。
• 唯一性：该策略本质上是唯一能从准确性中稳健获利的策略；其他策略可能赚取无信息利润，但无法保证与预测能力一致的持续盈利。
• 统一框架：期望利润分解形式严格推广了经典AMM保证，揭示了信息利润与非信息利润的来源。
• 实证验证：在数千个AI模型预测上，只有适当投注策略稳定转化准确度为利润；不同AI模型具有不同的“预测人格”，最优适当策略参数需相应调整。
• 实战成果：在Kalshi上一个月的实时交易实现 ROI +80.33%，夏普比率3.35，强于绝大多数市场参与者。

意义与影响

1. 理论层面：统一了预测市场研究中的两种主流机制（AMM与CLOB），为理解“预测能力为何能变现”提供了严格的数学基础。该分解形式可推广至任意基于评分规则的市场设计，为新型做市算法（如基于评分规则的CLOB）提供了理论支撑。

2. 实践层面：为交易者提供了可操作的盈利策略——只需比较自身预测与市场价格在某个评分规则下的表现，即可判断是否存在套利机会。这降低了信息型交易的门槛，使得对预测有信心的个人或机构能够系统性地参与预测市场。

3. 预测市场设计：有助于平台优化市场微观结构。当前CLOB平台中，知情交易者往往因信息不对称而被模仿者或做市商套利，而适当投注策略提供了一种“无信息泄露”的参与方式，可能吸引更多高质量预测者入场，提升市场整体效率。

4. AI评估与部署：论文中“预测人格”的概念可应用于AI风险评估：不同AI模型在概率预测上的系统性偏差会影响实际交易利润，因此在实际部署前应评估模型在评分规则下的表现，并调整投注参数。这也为设计更稳健的AI交易代理提供了参考。

5. 学术贡献：该研究将机器学习评分规则理论、市场微观结构与行为经济学结合在一起，为跨学科研究开辟了新方向。未来可进一步探讨多资产、动态策略及有限流动性下的最优投注问题。