撰文：Ryan Yoon，Tiger Research
编译：Chopper，Foresight News
我们之前两篇文章分别介绍了预测市场的 定义、运行机制 ，以及 亚洲预测市场面临的监管缺口 。我们得出的核心结论是：预测市场的核心价值是产出数据，而不只是一个交易场所。
主要财经媒体和市场基础设施提供商已开始采用预测市场数据，这表明了这些数据的价值。谷歌财经、CNBC 、CNN 和华尔街日报已开始显示预测市场概率，而纽约证券交易所的母公司洲际交易所 (ICE) 和债券交易平台 Tradeweb 现在也向机构客户分发预测市场数据。
预测市场数据的采用进程，2025 年 11 月 — 2026 年 6 月
美联储一份工作论文同样将预测市场数据视作宏观预期基准，用于利率决议、通胀、失业率、GDP 增速等指标研判。美联储一位经济学家评价 Kalshi 这类预测市场：「高频、持续更新，具备丰富分布信息，对研究者和政策制定者都极具参考价值。」 预测市场正在被视作数据源，而非博彩网站。
行业已经认可预测市场的数据价值并投入实际使用。本文将围绕三个问题，拆解这类数据的实际效用：
- 预测市场的成交价为什么能成为有价值的数据？
- 预测市场数据被应用在哪些场景？
- 当下的预测市场能否产出合格的高质量数据？
预测市场的价格何以成为高价值数据？
正如此前文章所述，预测市场最基础的标的是二元合约：事件发生则兑付 1 美元，不发生则兑付 0 美元。举个例子，「明日降雨」 合约成交价 0.62 美元，代表市场参与者判断这件事发生概率为 62%。
所以预测市场价格（0.62 美元），可以直观转化为未来事件的发生概率（62%）。下面四项底层特性解释为什么这些价格能被全球金融机构、媒体纳入真实决策参考，而不只是博彩赔率。
让价格成为有价值数据的四大特征
利益绑定保障了可信度
很多人把预测市场交易简单等同于赌博，但投入自有资金意味着交易者真正利益绑定。
利益绑定，就是交易者需要为自己的判断承担风险、承担后果。随口发表观点没有任何成本，可一旦预测出错，交易者会真金白银亏损。因此交易者只会把经过核实的信息、真实的判断反映到报价里。
当大量资金博弈下的判断汇聚在一起，只要市场流动性充足，预测市场价格就会形成可信度很高的概率数据。
持续实时更新
传统民调、专家调研，只定格调查那一刻的观点，很难快速捕捉突发变化。比如在央行利率决议前，如果突发经济冲击或者重磅声明，几天前完成的民调、按月更新的专家调研完全无法反映新变化。
与之相反，一旦有新信息进入市场，预测市场价格会立刻变动。新闻、突发事态、监管公告出现，交易者就会调整头寸，带动价格持续变化。
预测市场的概率不是定格在过去的静态数字，而是随事态同步变化的实时数据。
覆盖全部结果，输出完整概率分布
传统指标大多只给出一个均值或者最可能的数值，把多方观点压缩成单一数字，丢失大量信息。比如央行降息预期调研，专家问卷往往只给出 「降息 0.25 个百分点」 这一个结果，无法体现委员表态变化带来的不同情景。
而预测市场可以输出全部结果对应的概率分布，不是只给出单一结论。举例：维持利率不变 20%、降息 0.25 个百分点 70%、降息 0.5 个百分点 10%，并且这套概率是连续的时间序列。
它不仅能测算最有可能的基准情景，还可以捕捉尾部风险 —— 也就是发生概率低、但一旦落地冲击巨大的情景。因此预测市场不止提供单点预期，完整的概率分布可以帮助评估市场整体波动与潜在风险。
事后可核验
学术圈与全球金融市场信任预测市场数据，最重要的一点：结果事后可以得到充分验证。
普通专家预测、民调虽然也能事后复盘，但评判标准存在很大解释空间，机构往往只会挑选对自己有利的历史记录对外引用。而预测市场数据是清晰量化的概率记录，到期结算结果只有 0 或 1 两种，评判标准完全数学化，不存在主观解读空间。
任何人都可以透明对照历史价格和真实结果核验准确率。这份客观、无法篡改的历史记录，让数据从业者和机构可以严谨评估它过往表现，这也是它能够作为核心决策指标的可靠基础。
预测市场数据的应用场景
预测市场进入大众视野的时间不算久，但最早可以追溯至上世纪 80 年代的爱荷华电子市场（IEM）。很长一段时间里，它最知名的用途是大选预测；而近年来应用场景快速拓宽，价值进一步凸显。
大选预测：比民调更早、更准
爱荷华电子市场（IEM）是第一个证明预测市场潜力的案例。研究对比了 1988 至 2004 年五届美国总统大选、共计 964 份民调，74% 的场景中，IEM 的预测结果准确度高于民调。
EM 预测与民调在美国总统大选里的对比
这种优势并非只在大选前夕才显现。针对 1988–2000 年大选的分析显示：大选前一周，IEM 对得票率的预测误差均值 1.5 个百分点，低于盖洛普最后一轮民调 2.1 个百分点的误差；即便距离大选还有 150 天，平均误差也仅约 5 个百分点。
不过两组数据不能直接等同对比：民调回答的是 「如果今天投票，结果会如何」，是当下快照；预测市场价格预判的是 「大选当日最终结果」，属于远期预期。
也有研究指出，经过剩余选举时间修正后的民调，准确度会超过预测市场；但另一项针对 2008 年大选的分析表明：对预测市场本身存在的偏差校正后，在竞选早期、胶着选情里，预测市场表现优于修正后的民调。
总结来说，预测市场比未经调整的原始民调更准，和经过精细校准的民调水平相当；额外价值在于，距离大选还有数月时，它就能每日持续更新预测。
宏观经济：实时读取市场预期
利率、通胀、就业这类宏观指标，在正式公布前掌握市场真实预期非常关键。
传统方式依靠专家问卷或是传统金融产品价格。问卷几周才更新一次，时效性不足；期货价格只给出单一预期值，期权隐含分布也仅覆盖利率、整体通胀等少数指标。而预测市场可以通过不同结果对应的合约价格，直接生成实时概率分布。
这套量化价值早在 2002–2005 年的经济衍生品市场就得到验证。针对非农就业、零售销售、初请失业金等经济数据的二元期权研究发现：市场隐含预期准确度等于甚至优于专家调研均值，市场给出的概率分布和事件真实发生频率高度匹配。
衍生品市场预测 vs 专家调研预测（2002–2005）
美联储近期的工作论文将 Kalshi 预测市场的预测结果和主流基准做了对比：FOMC 会议前一天，Kalshi 对联邦基金利率的中位数、众数预测完全命中，表现显著优于联邦基金利率期货。与彭博共识相比，Kalshi 对总体 CPI 通胀的预测准确率显著更高，而对核心 CPI 通胀和失业率的预测准确率则与彭博共识在统计学上相近。这些发现表明，预测市场在某些方面可以优于某些基准，而在另一些方面则表现相当。
研究还提到更广阔的落地价值：GDP 增速、核心通胀、失业率、非农就业等关键宏观指标，过去缺少具备流动性的衍生品指标。预测市场补上了这个缺口，实时输出市场化预期和详细概率分布，成为研究者、政策制定者的参考基准。
概括来说，在整体 CPI 这类指标上，预测市场准确度超过传统指标；利率决议预测至少于传统工具持平，同时可以输出传统金融市场无法覆盖的宏观预期实时概率分布，具备很强的实用价值。
公共卫生：流感预警提前 2–4 周
美国疾病控制与预防中心（CDC）每周发布官方流感统计数据，因此在追踪流感实际传播情况方面存在时间滞后。
为解决这个问题，爱荷华大学研究者搭建流感预测试点市场，由医护人员参与交易。市场汇总医护从业者自愿上报的临床信息，可以提前 2–4 周预判爱荷华州流感活动强度。
这类预测可以辅助诊疗安排、防疫措施与公共政策制定。这个案例证明预测市场能够助力公共卫生快速响应，不过该试点仅限爱荷华州。
企业与情报机构：绕开汇报层级，获取一线信息
在常规企业架构里，负面消息、不确定的预期，在层层向上汇报的过程中容易被淡化、美化。而企业内部预测市场，让员工直接对营收、新品上线时间、招聘目标等内部事件下注，猜对即可获得奖励。它绕开僵化的汇报流程，快速把一线真实判断、信息汇集到价格当中。
- 惠普：一个内部销售预测市场有 20–26 名活跃交易者，8 组可比案例里，6 次预测准确度高于管理层官方预期，并且 8 次全部正确识别官方预期的偏差方向。
- 英特尔：2006 至 2013 年运行的 979 个内部预测市场，超过半数准确度高于公司官方预测。
- 福特：2011 年，依靠内部功能预测市场的交易信号，公司决定不在后续车型搭载福特品牌自行车支架、车载吸尘器。
- 谷歌：高管在全员会议上提到，一项高管岗位招聘目标连续六个季度没有达成，而内部预测市场早就预判到这个结果。
- 西门子：一份软件项目的传统进度表显示可以按期交付，但内部预测市场预警项目会延期 2–3 周，最终项目确实晚了 13 天才完工。
预测市场在地缘、国家安全研判上同样有用。美国情报高级研究计划局（IARPA）2011–2015 年举办地缘预测大赛，对比预测市场和预测调研（预测者问卷），两期实验、2400 多名参与者，一共 261 个事件：预测市场准确度高于问卷简单均值，但不及一套经过历史准确率加权、统计校正的团队调研。
企业场景中，多次案例证明预测市场可以捕捉正式汇报、官方预测漏掉的信息。情报竞赛里，预测市场优于问卷简单平均，但弱于加权优化后的团队调研。同时惠普、西门子这类案例，交易者仅 20–60 人，样本偏小，这是明显局限。
如今的预测市场能否产出高质量数据？
当下正在运行的预测市场，能不能产出这类有价值的数据？我们基于链上预测平台 Limitless 截至 2026 年 10 月的公开 API 数据，分析市场类型与预测准确度。
丰富的交易品类
分析时，平台一共 556 个正在进行的市场标的，早已不止简单的体育、娱乐事件，还覆盖政策、宏观指标，比如各大央行利率决议、大选、地缘变量、科技公司 IPO、季度财报等。
预测市场标的从少数事件拓展到全品类宏观、政策变量。前面验证的准确度、时效性、可核验特性，不再局限于个别领域，正在延伸至全球经济、政策决策场景。
传统金融、民调很难量化的不确定性、未来波动，现在可以转化为可信的概率数据，供交易者、政策制定者作为决策参考。
预测准确度
为验证市场价格是否贴合事件真实发生概率，我们选取 2681 个已经结算的标的（其中约 85% 是体育类市场），对比结算前一天的合约价格和最终真实结果。
结算前一日的合约定价对比事件真实发生概率
10 档价格区间里，有 9 档的真实发生频率和市场定价差距控制在 4 个百分点以内。例如，结算前一天定价 70%–80% 区间的 165 份合约，最终真实兑现比例 74.5%；定价 90% 以上的 113 份合约，兑现比例 97.3%。
唯一误差明显的区间是 50%–60%（真实兑现率 48.8%），主要原因是该区间内约三分之一标的（大多是体育赛事）直到结算前一天，仍然停留在上线初始 50% 的定价，流动性很差。
剔除这类流动性不足、关注度低的体育标的，预测市场价格可以高精度反映事件真实发生概率。
对新信息的响应能力
时效性是准确度的支撑。我们跟踪美联储利率决议相关合约的价格时序，验证市场能否快速消化新信息。
美联储利率决议标的，每当新经济数据、政策消息发布，概率立刻调整。8 月中旬，维持利率不变的概率约 70%；8 月末至 9 月初，随着重磅指标出炉，该概率跌破 50%；9 月 11 日通胀数据公布后，降息维持概率跌到 20% 左右；决议前一天进一步跌至 10% 区间。与之对应，加息 0.25 个百分点的概率在决议当日上升至 86%–89%，和 CME FedWatch 联邦基金利率期货隐含的约 90% 预期基本接近。Limitless 上其他主要央行决议标的，同样具备这种实时响应特征。
Limitless 平台 2026 年 9 月美联储议息事件市场：不同结果的概率走势
所以当下链上预测平台，已经满足高质量数据需要的时效性、准确度。这些案例证明，预测市场价格可以实时吸收新增信息，持续输出高精度概率数据。
预测市场真的具备实际价值吗？
预测市场的核心价值不在于投机交易、赚取收益。长期学术研究，叠加本文实证分析可以看到：在大选、宏观指标、企业预期等场景，预测市场输出的概率数据，准确度、时效性超过传统调研、专家预测，或是形成有效补充。全球财经媒体、核心交易基础设施接入预测市场数据，正是依托这份现实效用。
在亚洲多国以及其他地区，预测市场通常依旧被视作赌博。但本次分析可以看到，Limitless 这类平台已经上线区域重大政策、经济事件标的，包括韩国央行、日本央行利率决议，只是这类标的交易流动性仍然偏弱。
想要让这类数据在包括亚洲在内的全球范围成为值得信赖的决策基础设施，需要做好三件事：
- 第一，通过机制设计降低价格扭曲、防范操纵。提升重大宏观、政治事件市场的流动性，扩大理性交易者基数，避免少量资金、投机者扭曲价格。
- 第二，主动开展监管沟通，扭转政策层面对预测市场的固有认知。持续和亚洲主要经济体监管机构对接，搭建合作框架，推动监管把预测市场视作汇集民间集体信息的宏观监测辅助工具，而不是单纯的管控、封禁对象。
- 第三，保持数据透明开放，培育独立研究生态。定期公开准确度指标、时序数据集，扶持 Limitless Research 这类专业分析机构的研究，让科研机构、媒体、政策部门可以便捷获取数据，依靠客观证据建立信任。
预测市场平台正处在转折点，从单纯交易场所迭代成下一代数据基础设施。如果可以持续透明输出、核验覆盖全球（包括亚洲）政策与经济事件的实时概率数据，它会成为不确定性环境下，客观、实用的决策工具。
