從AMM到訂單簿：探索預測市場定價機制的演變

預測市場本質上是一個"未來事件概率交易所"，用戶通過買入特定選項來表達對事件的判斷。由於預測事件的特殊性，其定價和流動性機制與常見的交易模式有所不同。早期預測平台採用的定價機制經歷了重大變革，從最初的AMM機制發展到現在的訂單簿模式。

對數市場評分規則(LMSR)

LMSR是一種爲預測市場設計的定價機制，允許用戶根據判斷買入某個選項的"份額"，市場則根據總需求自動調整價格。其最大特點是不依賴對手方也能完成交易，即使是首個交易者，系統也能提供定價和成交。這讓預測市場擁有類似永續流動性的特性。

LMSR實質上是一個成本函數模型，根據用戶當前持有的各選項"份額"計算價格。這種機制確保價格能反映市場對不同事件結果的預期概率。

LMSR的核心公式

LMSR的成本函數C根據市場中所有可能結果的已售出份額數量計算。其中，C(...)表示做市商維持當前所有結果份額分布的總成本，n爲市場中可能結果的總數，qi表示第i個選項的當前已購買份額，b是一個流動性參數，C(q)表示使市場從當前狀態變動至q的成本。

LMSR的一個重要特性是所有結果的價格之和恆等於1。當用戶購買某個選項的份額時，該選項的價格上升，同時其他選項的價格下降，以維持價格總和爲1。

定價原理

LMSR中，價格是成本函數的邊際導數。即第i個選項的價格pi是再買入一單位該選項時需支付的邊際成本。這意味着某個選項的購買量越大，其價格就會逐漸上升，最終價格會趨近於反映每個選項發生的市場主觀概率。

流動性參數b的大小直接決定了成本函數曲線的平緩程度，也就是市場的流動性或"厚度"。高流動性（大b值）時曲線較平緩，即使大量購買也不會導致價格劇烈波動。低流動性（小b值）時曲線陡峭，少量購買就可能引起價格急劇變化。

LMSR機制的權衡與預測平台的範式遷移

LMSR的根本設計目標是信息聚合，而非做市商盈利。它通過自動化數學模型解決了預測市場早期缺乏交易對手方的"冷啓動"問題。

LMSR的優勢與局限

LMSR的核心貢獻在於確保市場任何時間點都存在交易對手方，解決了傳統訂單簿在早期市場中因流動性稀薄而無法成交的困境。同時，做市商的最大損失是可預測且有界的，由流動性參數b和市場結果數量n共同決定。

然而，LMSR也存在結構性缺陷：

1. 流動性參數b在市場創建時設定後通常保持不變，導致市場無法根據實際情況自適應調整深度與敏感度。

2. LMSR模型在理論上的數學期望是虧損的，做市商的損失被視爲獲取市場集體智慧的"信息費用"。這決定了它本質上是一個由發起方補貼交易的系統，不適用於追求利潤的做市商模型。

3. LMSR在鏈上實現時，涉及的復雜計算會消耗更多Gas，增加了交易摩擦。

預測平台放棄LMSR的邏輯

隨着平台用戶與資金規模越過臨界點，LMSR的設計從優勢轉變爲發展桎梏。向訂單簿模式遷移基於以下考量：

1. 資本效率：訂單簿允許做市商與用戶將流動性精準集中在市場最活躍的價格區間，提高資本效率。

2. 交易體驗：成熟的訂單簿市場能通過密集的對手盤深度吸收大額訂單，提供更低滑點的交易執行。

3. 吸引專業流動性：訂單簿是專業交易者與做市機構最熟悉的市場模型，有利於吸引專業級市場深度。

當前預測市場的定價與流動性機制

現代預測平台採用鏈上結算與鏈下訂單簿的混合模式，兼顧去中心化結算的安全性與中心化交易的流暢體驗。

混合架構

• 鏈下訂單簿：用戶的限價單提交與撮合在鏈下完成，操作即時且無Gas成本。用戶可直觀看到由所有限價單構成的市場深度。

• 鏈上結算：訂單成功撮合後，最終資產交割在鏈上通過智能合約執行，確保交易結果的最終性與資產歸屬的不可篡改性。

價格錨定機制

預測市場核心在於確保不同結果的概率總和恆等於100%。現代平台通過精巧的底層資產設計與套利機制，利用市場自身的修正力量確保價格總和向"$1"收斂：

1. 完整份額對的鑄造與贖回：參與者可存入"$1"獲得1個YES份額和1個NO份額，或將1對YES+NO份額贖回"$1"，建立底層價值錨定。

2. 獨立訂單簿交易：YES份額和NO份額作爲獨立資產在各自訂單簿上自由交易。

3. 市場化套利修正：當YES與NO份額價格之和偏離"$1"時，套利者通過"鑄造-賣出"或"買入-贖回"操作獲利，同時驅動價格回歸平衡。

這種機制讓市場參與者的逐利行爲成爲維護系統價格穩定性的決定性力量。

預測市場與DEX結合的可能性

隨着預測平台用戶規模的爆發式增長，其與加密協議之間的互動將產生新的可能性，特別是與DEX的結合前景：

1. 風險對沖工具：預測市場的事件合約可作爲DEX參與者的原生高效風險對沖工具，將風險管理從被動承受轉變爲主動配置。

2. 流動性管理指標：預測市場價格數據可作爲DEX集中流動性管理的高價值先行指標，用於動態調整LP的頭寸區間。

3. 結構化金融產品：將DEX核心指標與預測市場事件結果掛鉤，可設計出全新的條件化收益分配模型，構建更直接的利益共同體。

預測平台正在演變爲面向整個加密行業的"風險定價層"與"信息預言機"。隨着用戶流量的持續滲透，其與DEX等基礎協議的融合將成爲DeFi生態走向更高效、更成熟、更具韌性的關鍵因素。