预测市场的定价机制演变：从自动做市商到订单簿

预测市场本质上是一个关于未来事件概率的交易场所。用户可以通过买入某个选项来表达对特定事件的判断。

由于对概率事件的交易不同于常见的资产交易，预测市场的定价和流动性机制也有其独特之处。以某知名预测市场平台为例，其定价机制从最初到现在经历了巨大变化，最初采用的是一种称为对数市场评分规则(LMSR)的自动做市商机制，现在则升级为链下订单簿模式。

了解LMSR的特点可以帮助我们理解该平台早期的定价机制，以及其他采用LMSR的协议的考量，同时也能理解该平台最终转向订单簿的原因。

LMSR的特点及优缺点

LMSR是一种为预测市场设计的定价机制，它允许用户根据判断买入某个选项的"份额"，市场会根据总需求自动调整价格。LMSR的最大特点是不依赖对手方也能完成交易，即使是第一个交易者，系统也能定价成交。这让预测市场拥有类似某些去中心化交易所的"永续流动性"。

LMSR本质上是一个成本函数模型，根据各选项当前持有的"份额"计算价格。这种机制确保价格能反映出市场对不同事件结果的预期概率。

LMSR的核心公式为:

C(q) = b * ln(Σe^(qi/b))

其中C是成本函数，b是流动性参数，qi是第i个选项的当前已购买份额。

LMSR最重要的特性是所有结果的价格之和恒等于1。当用户购买某个选项时，该选项的价格上升，其他选项价格下降，维持总和为1。

LMSR中的价格是成本函数的边际导数，即再买入一单位某选项时需支付的边际成本。这意味着某选项的购买量越大，其价格就会逐渐上升，最终价格会趋近于反映每个选项发生的市场主观概率。

流动性参数b的大小决定了价格曲线的平缓程度，也就是市场的流动性或"厚度"。b值越大，曲线越平缓，市场能吸收更大的交易量而不会产生剧烈价格波动。

LMSR的机制权衡与范式迁移

LMSR的根本设计目标是信息聚合，而非做市商盈利。它为预测市场解决了早期缺乏交易对手方时的流动性供给问题。

LMSR的优势在于提供无条件的流动性和可控的做市风险。它确保市场在任何时间点都存在交易对手方。同时，做市商的最大损失是可预测且有界的，由b和市场结果数量n共同决定。

然而，LMSR也存在内在缺陷：

1. b参数困境导致静态流动性：b值在市场创建时设定后通常保持不变，无法根据实际情况自适应调整。

2. 做市商处于补贴角色：LMSR模型理论上的数学期望是亏损的，不适用于追求利润的做市商模型。

3. 链上实现时Gas成本高：LMSR涉及的对数和指数运算比常见的四则运算消耗更多Gas。

这些因素导致某些平台最终放弃LMSR，转向订单簿模式。这一转变基于以下考量：

1. 提高资本效率：订单簿允许将流动性集中在最活跃的价格区间。

2. 优化交易体验：成熟的订单簿市场能提供更低滑点的交易执行。

3. 吸引专业流动性：订单簿是专业交易者最熟悉的市场模型。

当前主流预测市场的定价与流动性机制

目前主流预测市场平台采用链上结算与链下订单簿的混合模式：

• 链下订单簿：用户的限价单提交与撮合在链下完成，操作即时且无Gas成本。
• 链上结算：订单成功撮合后，最终的资产交割在链上通过智能合约执行。

这种模式在保留订单簿灵活性的同时，确保了交易结果的最终性。

在价格锚定方面，采用了份额对铸造与套利循环的机制：

1. 核心基础是完整份额对的铸造与赎回，建立"1 YES份额 + 1 NO份额 = $1"的价值锚定。

2. YES份额和NO份额作为独立资产在各自订单簿上自由交易。

3. 套利者通过"铸造-卖出"或"买入-赎回"操作，确保YES与NO份额价格之和始终向$1收敛。

这套机制利用市场参与者的逐利行为来维护系统价格稳定性。

预测市场与去中心化交易所结合的可能性

随着预测市场用户规模的增长，其与去中心化交易所(DEX)结合的潜力日益凸显：

1. 为DEX生态提供原生风险对冲工具：预测市场的事件合约可直接用于对冲DEX用户的链上头寸风险。

2. 作为DEX集中流动性管理的先行指标：预测市场的实时赔率可用于动态调整DEX中LP的头寸区间。

3. 催生新型结构化金融产品：将DEX核心指标与预测市场事件结果挂钩，设计条件化的收益分配模型。

预测市场正在演变为加密行业的"风险定价层"与"信息预言机"。其与DEX等基础协议的深度融合，将成为推动DeFi生态走向更高效、成熟和韧性的关键因素。