从结算摩擦到跨平台基础设施，寻找下一轮产业 Alpha
本文是 Heretic Research 第 03 期研究报告的完整版。研究覆盖截至 2026 年 7 月 15 日的 282,191 个已结算预测市场，回答一个问题：平台竞争已经集中到流量、牌照和流动性，下一轮产业增量会出现在哪里。
结论落在结果层——规则比较、证据验证、结果确认与支付触发这四项能力被标准化、跨平台复用之后形成的第二利润池。文中数据均为时点数据，来源与测算口径随文标注。
TL;DR
- 预测市场前端正在变得拥挤，下一轮增量可能来自后台基础设施。 平台竞争已经集中到流量、牌照和流动性；但每个新增市场仍需要解释规则、验证证据、确认结果并完成支付。这些重复建设的能力，正在具备被标准化并服务多个平台的条件。
- 规则和结算的不确定性，正在创造Alpha。 HR的回归模型显示， 0.487% 的争议市场承载了 8.64% 的成交，跨平台相似合约仍存在持续价差；但浅盘口和执行成本限制了可投入资金。更可扩张的机会，是把规则比较、证据验证、结果确认和支付触发做成可重复调用的产品。
- 结果层已进入商业化。 当前可观察年收入约为 1,500 万—3,700 万美元；若覆盖现有全部市场，对应约 6,400 万—1.61 亿美元；当变现率达到成熟项目水平，产业年收入上限约为 4.56 亿美元。
- 产业机会正在形成，结果层仍处在最适合提前研究和埋伏的阶段。 平台股权已经计入较高的前端增长预期，HYPE 和 ICE 对结果层的价值承接仍然有限；真正值得跟踪的，是哪些早期项目开始获得跨平台调用，并把调用转化为可归属、可续费的收入。理想标的尚未完全成形，也意味着这部分产业价值还没有被充分定价。
交易规则差的人只赚微利，定义结果的人分食未来。
前言｜预测市场被忽略的第二概率：结果由谁裁决，价格就由谁重写
预测市场通常把一份 Yes 合约的价格直接读成事件发生概率。这种读法漏掉了预测市场最有价值的变量：事实发生以后，规则是否承认它，最终决定了合约是否被支付。
一份合约因此同时包含两个概率：
- 事实发生的概率
- 事实按规则被承认为Yes的概率
当规则明确、证据一致时，两者接近；当截止时间、信息源、证据标准或终审出现分歧时，两者背离。这个差值并非是一个技术上的bug，相反它会改变现金流，本身可以算作一项资产。
因此，本文将重点讨论这个尚未被共识看见的预测市场的“隐形之手”，并用 3 个定义来深度拆解：解释权决定事实能否被规则承认，规则差是这种承认偏差进入价格后的交易 Alpha，结果层则把规则比较、证据验证、结果确认和支付触发封装为跨平台接口。
三者是一条因果链：解释权是因，规则差是结果，结果层是解释权的商业化形态。
因此，谁决定事实能否被预测市场的规则承认，就是被忽略的第二个概率，在交易端表现为规则差，在产业端则推动规则比较、证据验证、结果确认和支付触发被封装成共用接口。
同一个规则差由此分出两处利润归属。其中归结果层的那一处，就是本报告标题所说的第二利润池——它是按产业口径测算的利润分布，目前还没有任何主体单独披露。
而综合数据证据与产业研究，本报告识别出一个尚未被市场充分定价的增长机会： 能够跨平台复制并形成持续收入的结果层，将成为预测市场下一阶段的主要产业增量。
01｜0.487% 的市场进入争议，对应 8.64% 的成交：小概率背后的大资金
按预测市场的件数衡量，争议是低频运营问题。因此这个口径会系统性低估规则差的经济价值：占比虽小，但决定“规则差”经济价值的，是暴露在争议中的资金规模。
截至 2026 年 7 月 15 日，本报告从闭市、最终名义成交额不低于 1,000 美元且保留 UMA 状态轨迹的市场中，得到 282,191 个争议率与回归分析样本。UMA 是 Polymarket 使用的链上争议仲裁机制。在这组样本里，进入过争议的市场仅占 0.487% ，却承载了 8.64% 的最终名义成交额。
规则差集中在最昂贵的市场上。
1.1 成交规模越高，争议风险越集中
按最终名义成交额分层，样本争议率逐档单调上升，从最低一档的 0.26% 升到最高一档的 30.14% 。
据此，本报告采用回归建模，回归结果显示，在控制市场年份、品类和存续时间等因素后，成交规模与争议仍 呈显著正相关 ：单市场成交额每增加 10 倍，市场进入争议的相对倾向约升至原来的2.27倍。这说明争议明显集中在高价值市场，但由于成交额可能包含争议发生后的交易，该结果只能证明相关性，不能判断究竟是高成交导致争议，还是争议带来更多成交。但无论是哪种，它都已经成为大额资金反复遇到的成本。
1.2 高价值交易要求解释权从后台移到前台
当单一事件只决定几千美元时，模糊规则可以由运营人员临时处理；当单一事件决定的是数千万美元时，规则模糊则会同时改变资金支付、做市头寸和平台信誉。
高价值交易因此要求四件事在下单前就可见：规则能否比较，证据能否验证，结果能否确认，支付能否触发。缺少其中任何一项，做市商都会通过更宽价差、更小头寸或更高资本占用为不确定性收费。而这些成本最终会转嫁给交易者，并表现为更高的成交成本、更低的可执行规模和更差的资金效率。
因此， 0.487%的争议率之所以重要，正是因为它压住的资金远多于它在件数上的占比。当规则差集中在最昂贵的市场，真正需要追问的就是谁拥有改变支付结果的权力。
02｜解释权的集中：少数钱包掌握争议的终审投票权
预测市场的原始条款不可能覆盖全部事实。条款覆盖不到的地方，结果确认就从规则执行变成解释权：谁终审，谁就能重写现金流。这是规则差的第一个来源： 解释权归属 ，即一个平台内部由谁说了算；归属越集中，规则承认的概率越难预测。
2.1 Strategy 案：事实发生，不等于合约承认
Polymarket 的相关合约规定，只要 Strategy 在 2026 年 5 月 31 日晚 11:59（美东时间）前出售比特币，市场就应结算为 Yes。Strategy 后续披露，5 月 26 日至 31 日出售了 32 枚 BTC 。
市场最终结算为 No。争议的关键不是“是否出售”，而是“出售必须在截止前发生，还是必须在截止前被公开确认”。原规则按事件发生时间书写，6 月 1 日后的补充说明则把公开确认时间纳入判断。Galaxy Research 对规则文本和补充说明的复盘显示，交易者面对的是两个不同的规则承认标准。
这不是“发生争议所以价格波动”，而是一次可辨认的规则口径冲击：事实披露把 Yes 推上去，一份补充说明又把它按了回去。事实没有改变，改变的是事实被规则承认的概率。解释权直接决定现金流。这一次改写现金流的，是那份补充说明和随后的投票程序。
2.2 开放参与没有消除权力集中
这套投票程序对所有人开放。Polymarket 的争议进入 UMA 投票，任何持币者理论上都能参与，但实际决定权由持币量分配。
Bloomberg 对链上投票的调查显示，在三年内参与过争议投票的 6,400 多个地址中，仅 9 个钱包 就贡献了约一半投票权。另一项被媒体转述的《华尔街日报》调查发现，在 300 多起争议中，至少有一名投票者同时持有相关市场头寸。
这里无需证明操纵与否，利益冲突本身就已经构成风险：少数钱包既可能持有相关市场头寸，又能够参与决定最终结算结果。一旦交易利益与结果裁决集中在同一批参与者手中，市场就必须把这种潜在影响计入价格。要判断这种影响有多大，首先需要看进入争议程序的成本和门槛。
2.3 大额头寸提高介入争议程序的经济激励
进入争议程序的门槛并不高。Polymarket 的争议说明显示，争议者通常只需匹配提议者的保证金，常见金额为 750 美元。对持有大额头寸的人而言，这笔成本可能远小于争议结果所影响的资金。
假设某交易者持有一笔价值 10 万美元的 Yes 头寸。如果市场被提议结算为 No，这笔头寸可能几乎全部归零。此时，即使交易者认为争议成功的概率只有 10%，花费 750 美元把案件送入争议程序，仍可能是一笔合理的选择。
先忽略研究、Gas 等额外成本。若争议成功，交易者可以挽回 10 万美元头寸，并获得败方保证金的一半，即 375 美元；若争议失败，则损失自己缴纳的 750 美元。其期望收益约为：
10% ×（100,000 + 375）− 90% × 750 = 9,362.5 美元
在这个例子中，即使成功概率不高，潜在挽回金额与保证金之间的差距仍足以形成很强的争议激励。头寸越大，交易者愿意启动争议程序所需的最低成功概率就越低。
因此，争议的期望收益公式为：
争议期望收益 = q ×（V + 0.5B）−（1−q）×B − C
其中，V 是争议成功后能够挽回的头寸现金流，B 是争议保证金，C 是研究、Gas 和机会成本，q 是有利解释最终被接受的估计概率。
由此可得，发起争议的盈亏平衡条件为：
q >（B + C）÷（V + 1.5B）
这意味着，头寸价值越大，启动争议所需的最低成功概率越低。750 美元不能决定最终投票结果，却足以让一项有利解释进入决定现金流的程序。
03｜规则差已经进入价格，策略容量止步于盘口深度
前文我们已经洞悉解释权在谁手里，接下来我们将会看到各家的解释标准彼此亦不相同。这是规则差的第二个来源： 解释标准差异 。同一个第二概率，前者让它不可预测，后者让它在平台之间不相等。
规则差已经事实上成为了可交易的价格偏差。预测市场交易者除了判断事件会不会发生之外，还要先确认两份看似相同的合约是否采用相同的截止时间、信息来源和结算标准，以及它们是否会在同一种情形下支付。只有结算条件完全一致，两边的价差才可能是套利； 如果规则不同，交易者实际押注的就是市场是否错误定价了这些规则差异。
3.1 跨平台定价证据：语义等价，价格仍不相同
2026 年一项覆盖十个主要平台、超过 10 万个事件的跨平台研究，对自然语言描述、结果确认语义和时间范围逐项做了人工验证后发现，部分事件同时在多个平台挂牌，而语义等价的市场之间仍存在平均 2%—4% 的持续、可执行价格偏差。该研究把这种现象定义为“语义不可替代”：缺少统一的事件标识与结果确认标准，价格就无法完全收敛。
更接近当前盘口的一组观察给出相同方向。2026 年 7 月 1 日至 7 日，在两边均有交易的 BTC 年末 12 万美元合约中，Kalshi 的 Yes 价格整周高于 Polymarket 约 2.08 个百分点。Polymarket–Kalshi 同题匹配观察把“规则和平台结构会进入价格”从概念变成了可见价差。
市场不是没有为第二个概率定价，而是还没有形成统一的定价语言。对交易者而言，这正是 Alpha 的来源。
3.2 同一结算条件赚价差，不同结算条件赚判断差
预测市场有一类经典套利交易，即跨平台套利。但跨平台交易首先要判断，两份看似相同的合约是否真的会在同一种情形下支付。
假设平台 A 和平台 B 都有“比特币年底是否超过 12 万美元”的市场。平台 A 的 Yes 价格是 0.54 美元，平台 B 的 No 价格是 0.43 美元，两边合计只需 0.97 美元。
如果两份合约采用完全相同的截止时间、价格来源和结算标准，那么无论最终结果如何，其中一边都会支付 1 美元。扣除费用、滑点和资金成本后，只要总成本仍低于 1 美元，交易者就可以锁定价差。
但如果平台 A 以 12 月 31 日 23:59 UTC 的指数价格为准，平台 B 以美东时间收盘价为准，两份合约就可能出现不同的结算结果。此时，0.97 美元买下两边并不等于无风险套利，交易者实际上是在判断市场是否低估了两套规则产生不同结果的可能性。
因此，跨平台交易可以分成两类：
- 结算条件完全一致 ：交易者赚的是价格错位，只要全部成本低于最终支付金额，就可以锁定收益。
- 结算条件存在差异 ：交易者赚的是规则判断，收益取决于自己对截止时间、信息来源和结算标准的理解是否比市场更准确。
对于第二类交易，真正需要估计的不是事件本身会不会发生，而是这份合约最终被规则认定为 Yes 的概率。
例如，一份 Yes 合约价格为 0.54 美元，费用、滑点和资金成本合计为 0.015 美元，那么交易者至少需要认为它有 55.5% 的概率最终结算为 Yes，这笔交易才具有正期望值。
盈亏平衡的规则承认概率 = 市场价格 + 单份合约全部成本
如果交易者估计最终结算为 Yes 的概率是 60%，高于 55.5% 的盈亏平衡线，那么每份合约的预期期望利润约为 0.045 美元；如果估计只有 53%，即使交易者认为事件本身大概率会发生，这笔交易仍不值得做。
所以，看似同一个预测事件并不意味着两份合约可以直接套利。交易者必须先判断它们是否采用相同的结算条件；条件相同，赚的是价差，条件不同，赚的是对规则的理解差。
3.3 价差真实可套利，但策略容量受限于盘口深度
前文已说明了如何识别并构建一个规则差交易，但一个策略能否承接大额资金，还要回答两个更现实的问题：这些价差是否真的能被兑现，以及每次机会究竟能投入多少资金量。
第一，价差并非纸面上的理论机会，而是已经形成了策略市场。对 2024 年 4 月至 2025 年 4 月已结算市场的链上研究显示，市场内再平衡和跨市场组合交易累计产生了约 4,000 万美元的已实现套利利润 。这说明预测市场中的错价可以被系统性识别，并最终转化为实际收益。
第二，价差虽然存在，实际可执行规模却非常有限。一项覆盖 173 场 NBA 比赛的研究重建了超过 7,500 万个订单簿快照，共识别出 290 个组合套利片段。这些机会的单次盘口毛收益率中位数仅约 1.01%；且其中 76.9% 受到盘口深度限制，受限机会平均只能执行 14.8 份合约。另一类单市场异常的可执行机会更少，中位持续时间只有 3.6 秒。
这就意味着，如果某次套利的毛收益率约为 1%，理论上每投入 100 美元可以赚约 1 美元；但盘口上只能成交约 15 份、每份成本接近 1 美元， 那么这次机会实际只能投入约 15 美元，毛利润可能只有约 0.15 美元 。收益率看起来可观，但可部署的资金非常有限，而且机会可能在几秒内消失。
因此，规则差交易是一门依赖研究与执行能力的生意，而不是可以无限扩容的市场红利。合约研究、语义匹配、真实盘口识别和多腿执行决定交易者能否抓住机会；盘口深度和机会持续时间则决定这项策略最多能承接多少资金。
交易者赚取的是一次性的错价，每次都必须重新寻找和执行。真正能够随预测市场整体成交增长而扩张的，可能不是亲自交易这些摩擦，而是为降低规则不确定性、改善结果确认和减少人工裁量持续收费的基础设施。
04｜更大的 Alpha 不在盘口：把解释权变成一套产品
看到这里的读者应该会有一个疑问，预测市场的盘口为什么普遍较浅？一个重要原因是结算规则存在不确定性。做市商无法准确判断某个事实最终会如何被平台认定，因此会扩大买卖价差、减少报价规模，以补偿潜在风险。
这种不确定性催生了两种不同的生意。交易者寻找并利用规则差造成的错价，但收益受单个市场的盘口深度和机会持续时间限制；而结果层则试图降低规则与结算的不确定性，把规则比较、证据验证、结果确认和支付触发做成可重复调用的服务，并向多个市场和平台收费。
两者都源于同一种市场摩擦：交易者靠摩擦存在赚钱，结果层靠减少摩擦赚钱。
而结果层要做到这一点，首先需要把“结果如何被确认”拆开来看。不同事件的确认难度并不相同：价格、时间和链上状态等事实可以由机器直接读取；证据分散但规则相对明确的事件，可以由 AI 协助检索和整理；规则模糊、金额较大或证据冲突的事件，仍需要人类承担最终判断。
结果层的产品化，正是从这种分工开始。每一种确认工作被标准化，就会多出一项可以被平台采购和调用的能力。
4.1 确定性结果正在被标准化
结果层首先从最明确、最容易验证的事件开始产品化，例如某个时间点的比特币价格、一个链上地址是否完成转账，或某项状态是否在截止时间前出现。这类结果的共同特点是：只要事先写清楚数据来源、读取时间和判断条件，系统就可以直接读取数据、判定 Yes 或 No，并触发支付。
以“比特币在指定时间是否高于某个价格”为例，市场只需要提前确定采用哪一个价格源、在哪一刻读取，以及价格达到什么条件算 Yes。截止时间到达后，系统自动读取数据并完成结算，不需要再临时解释规则。
Hyperliquid 的 HIP-4 正是在把这套流程做成标准化产品。它将二元结果合约接入统一交易系统，使规则设定、交易、结果确认和支付可以在同一套基础设施中完成，并让整套模板被下一批事件复用。这种标准产品已经被需求端验证；Chainlink 驱动的 Polymarket 短周期加密市场累计成交已超过 34 亿美元 。
受监管平台也在采用相同思路。Kalshi 的部分黄金、原油和农产品市场使用 Pyth 提供的外部价格数据作为结果依据，说明结果确认可以从平台内部流程，转化为由专业数据供应商提供、被多个市场重复调用的服务。
确定性结果之所以重要，不只是因为它更容易自动化，而是因为它最先证明了结果确认可以被拆成标准接口，并成为结果层的一项基础产品。
4.2 AI 的价值是压缩证据成本
确定性结果可以直接读取数据，但更多预测市场面对的是另一类问题：规则已经写明，相关证据却分散在公告、新闻、监管文件或不同信息源中，甚至彼此存在冲突。此时，真正耗费时间的往往不是最后作出判断，而是找到材料、筛选有效证据，并把判断依据整理清楚。
AI 最适合承担的正是这部分工作。它可以加快信息检索、归纳不同来源、识别证据冲突，并生成一份供最终判断使用的证据包。但它能否直接替代结果裁决，还要看实际测试表现。
免责声明：本文仅用于信息交流，不构成投资建议。数字资产具有高风险，请自行判断。
← 返回最新