跳转至

第 7 章｜如何创建预测市场：从 0 到 1 的完整实战指南

预测市场不仅可以“参与”，也可以“创造”。 无论你是企业管理者、组织决策者、产品经理、DAO 管理者、创业者，或是单纯想搭建一个预测工具的人，本章将帮助你掌握预测市场的创建流程。

我们将从三个视角讲解：

  1. 如何创建一个成功的预测市场（新手适用）
  2. 如何设计“好问题”（决定准确性）
  3. 完整的技术架构（区块链/中心化两种模式）

希望本章让你第一次真正理解预测市场是如何“被造出来”的。

7.1 创建预测市场前必须思考的三大问题

在创建市场之前，你必须回答三个问题：

① 这个问题“可判定”吗？（Decidable）

预测市场最怕的问题是：

  • 模糊
  • 多义
  • 歧义
  • 没有官方数据源
  • 回答不唯一

例如： ❌「AI 是否会统治世界？」（无明确判断标准） ❌「某公司是否会成功？」（成功的定义是什么？）

正确做法是：

✔「2025 年 12 月 31 日前，美国劳工部是否公布 CPI > 3%？」 ✔「2026 年前，SpaceX 星舰是否成功进入地球轨道？」

关键是：

事件必须客观、可验证、可量化。

② 事件是否有“明确且公开”的数据源？

每个预测市场最终都需要一个客观数据源（source of truth）。

典型参考：

  • 政府公告
  • 官方数据（例如 BLS、FDA）
  • 科技公司新闻稿
  • 区块链链上数据
  • 证券市场数据
  • 大会/机构结果发布

如果数据源不清晰 → 市场会产生巨大争议。

③ 是否有足够的信息 / 兴趣 / 流动性？

一个好的市场应该满足：

  • 事件已被关注
  • 数据不透明（需要市场来聚合信息）
  • 有潜在参与者
  • 有人愿意就此下注

糟糕的市场常见问题：

  • 没人知道这个事件
  • 信息透明度极高（没必要预测）
  • 参与者太少（无法形成价格）

这就是为什么“热门事件 → 好预测市场”。

7.2 如何设计一个优秀的预测市场问题？（最关键一节）

设计市场问题是预测市场最核心的能力（甚至比技术还重要）。

一句话：

好问题决定市场活跃度、流动性与准确性。

以下是国际平台（Polymarket/Kalshi/Manifold）遵循的黄金法则。

① 精准（Precise）

必须具体到：

  • 时间
  • 数据源
  • 条件
  • 阈值
  • 判定方式

例子： ❌「苹果是否会发布新硬件？」 ✔「2025 年 12 月 31 日前，苹果是否发布任何带有 Vision Pro 品类的新硬件？」

② 不可歧义（Unambiguous）

应该避免：

  • 双重含义
  • 两种解释方式
  • 两个以上结果同时成立

例： ❌「AI 会变得很强吗？」 ✔「2026 年前，AI 是否通过 Video Turing Test 基准？」

反例补充： ❌「发布是否成功？」（成功标准不明确：上线？用户可用？通过验收？） ✔「在 2025/09/30 前，版本 v2.3 是否在正式环境上线，并通过验收测试报告中的全部 P1 用例？」

③ 有明确终止时间（Resolution Date）

每个预测市场必须标明：

  • 事件何时截止
  • 事件何时结算
  • 数据何时公布

不要创建“永远不会结束”的市场。

④ 结果二元化（Binary or Categorical）

事件应该明确是：

  • YES / NO
  • 或在多个选项中选择 1 个

例如：

✔「2025 年前 SpaceX 是否完成载人登月？」 ✔「谁会赢得 2026 台湾大选？」 ✔「2025 年 CPI 为多少区间？」

⑤ 可操作性（Actionable）

你希望参与者能够：

  • 做研究
  • 找数据
  • 形成观点
  • 通过交易表达判断

一个好的预测市场应该让用户感觉：

“我可以通过努力提高自己的胜率。”

7.3 常见的 7 种预测市场问题类型

你可以用这张表（电子书可以做成图）理解各种常见问题：

类型 示例 特点
事件型 SpaceX 是否发射成功？ 最流行，二元 YES/NO
数据型 CPI 是否高于 3%？ 明确、客观、可验证
趋势型 ETH TVL 是否突破 100B？ 适合链上预测
日期型 GPT-5 是否在 2026 前发布？ 非常常见
数量型 iPhone 销量是否超过 1000 万台？ 有金、银、铜级预测难度
竞赛型 谁会赢得选举？ 多选预测
组合型 如果 X 发生，Y 是否更可能发生？ 进阶问题，用于关系推断

7.4 技术架构：如何构建预测市场系统？

预测市场的技术架构包含四大部分： （无论链上/链下，这四个模块都成立）

① 前端界面（Frontend）

用户需要看到：

  • 事件信息
  • 市场价格
  • 盘口深度
  • 买/卖按钮
  • 价格走势图
  • 结算规则
  • 历史数据

前端越清晰，越容易吸引用户进入市场。

② 定价引擎（Pricing Engine）

定价方式决定：

  • 市场是否平稳
  • 价格是否合理
  • 交易体验是否顺畅
  • 是否容易被操纵

常见定价引擎：

  • CPMM（Uniswap 风格）
  • LMSR（专用于预测市场）
  • Multi-outcome AMM
  • Order book（传统 orderbook）

链上预测市场更偏向 AMM（自动做市）。

③ Oracle（预言机）

决定市场是否能安全结算。

预言机解决：

  • 判定逻辑
  • 抓取数据
  • 防欺诈
  • 防操纵

三种模式（在上一章已讲过）：

  • 中心化裁定
  • 去中心化裁定（DAO）
  • 数据预言机（Chainlink）

④ 智能合约系统（Smart Contracts）

如果你是链上预测市场创业者，需要：

  • ERC-20 代币
  • AMM 智能合约
  • 市场管理合约
  • 手续费机制
  • 结算机制
  • 流动性控制
  • 担保金系统

智能合约定义了整个市场的规则。

7.5 如何在企业/团队内部创建预测市场？（管理者必须看）

这是预测市场最现实的落地方式：

企业用预测市场来预测：

  • 产品发布时间
  • 销售预估
  • 项目完成时间
  • Bug 修复概率
  • 新功能成功率
  • 营销绩效
  • 供应链风险
  • 研发成功性

企业内部预测市场已有成功案例：

  • Google 使用预测市场预测产品交付时间
  • HP 用它预测打印机需求
  • 微软研究团队内部大量应用

如何在企业内部创建？（简单流程）

（详细落地步骤与场景请参见第 8 章）

① 选择有价值的预测问题

例如：

  • 某产品是否会按期发布？
  • 季度销售是否超过目标？
  • 客户是否会续约？

② 给员工提供虚拟“预测点数”

不需要真钱， 可以给员工：

  • 虚拟币
  • token
  • 内部积分

③ 激励参与

最常见激励：

  • 排行榜
  • 奖金/奖励
  • 部门荣誉
  • LKPI 奖励

④ 透明规则

必须明确：

  • 谁能参与
  • 如何预测
  • 如何结算
  • 信息来源

⑤ 管理层不能干预

预测市场要求“自由表达观点”， 否则员工会“预测管理层期望”，而不是预测现实。

⑥ 用结果辅助决策

企业内部预测市场往往能发现：

  • 项目风险
  • 进度延误
  • 市场反应
  • 团队共识差异

真实案例： Google 预测市场曾提前一个季度预测某功能无法按期发版。

7.6 常见错误（70% 的预测市场死于这几件事）

以下是平台运营者、企业管理者、产品经理最容易犯的致命错误：

  1. 设计错误问题（最常见） 模糊、多义、无数据源。

  2. 缺乏流动性 没人交易 → 没有价格 → 市场死掉。

  3. 市场太多导致没人参与 预测市场应“少而精”，不是越多越好。

  4. 偏见主导参与者结构 例如某个政治倾向的用户占多数，导致价格偏差。

  5. Oracle 争议 不明确规则 → 大规模争议 → 失去信任。

  6. 激励不足 没人想参与预测 → 市场不活跃。

7.7 本章总结：如何成功创建预测市场？

你现在应该理解：

  • 好的问题 = 成功预测市场最核心的基础
  • 技术架构包含：前端、定价、Oracle、智能合约
  • AMM 为链上预测市场提供无限流动性基础
  • Oracle 决定市场信任度
  • 企业内部预测市场能极大改善决策质量
  • 避免 70% 的预测市场失败因素

一句话总结：

预测市场的本质，不是平台，而是“规则 + 激励 + 信息流”三者的设计。