从AMM到订单簿：探索预测市场定价机制的演进

预测市场本质上是一个"未来事件概率交易所"，用户可通过买入某个选项来表达对事件的判断。由于对概率事件的买入不同于常见交易，预测平台最初使用的定价和流动性机制也和常见的AMM算法不同。

LMSR机制概述

LMSR是一种专为预测市场设计的定价机制，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。其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，系统也能提供定价和成交。

LMSR是一个成本函数模型，根据用户当前持有的各选项"份额"来计算价格。这种机制确保价格能反映市场对不同事件结果的预期概率。

LMSR的核心公式

LMSR的成本函数C根据市场中所有可能结果的已售出份额数量来计算：

C(...) = b * ln(Σe^(qi/b))

其中：

• C: 成本函数，表示做市商维持当前份额分布的总成本
• n: 市场中可能结果的总数
• qi：第i个选项的当前已购买份额
• b：流动性参数，越大表示市场越"稳定"

LMSR的一个重要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，维持价格总和为1。

LMSR的定价机制

LMSR中，价格是成本函数的边际导数。第i个选项的价格pi是再买入一单位该选项时需支付的边际成本：

pi = ∂C/∂qi = e^(qi/b) / Σe^(qj/b)

这意味着：

• 某个选项的购买量越大，其价格逐渐上升
• 最终价格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，即市场的流动性或"厚度"。高流动性（大b值）时，曲线较平缓，大额交易不会导致剧烈价格波动。低流动性（小b值）时，曲线陡峭，少量购买就会引起价格急剧变化。

LMSR机制的权衡与预测市场的范式迁移

LMSR机制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的优势与缺陷

优势：

1. 无条件的流动性供给：确保市场任何时点都存在交易对手方
2. 可控的做市风险：做市商的最大损失可预测且有界

缺陷：

1. 静态流动性：流动性参数b固定，无法根据市场变化自适应调整
2. 做市商补贴角色：理论上数学期望是亏损的，不适用于追求利润的做市模型
3. 链上实现时Gas消耗较高

从LMSR到订单簿的迁移

随着用户与资金规模增长，LMSR的局限性逐渐显现。向订单簿模式迁移基于以下考量：

1. 提高资本效率：订单簿允许流动性集中在最活跃价格区间
2. 优化交易体验：减少大额交易的滑点
3. 吸引专业流动性：订单簿更契合专业交易者与做市机构的需求

当前预测市场的定价与流动性机制

现代预测平台采用链上结算与链下订单簿的混合模式：

• 链下订单簿：用户提交限价单并在链下撮合，操作即时且无Gas成本
• 链上结算：订单成功撮合后，资产交割在链上通过智能合约执行

价格锚定机制基于份额对铸造与套利循环：

1. 核心基础：完整份额对的铸造与赎回，确立"1 YES份额 + 1 NO份额 = $1"的价值锚定
2. 价格发现：YES和NO份额在独立订单簿上自由交易
3. 价格约束：套利者通过"铸造-卖出"或"买入-赎回"操作，确保价格总和向$1收敛

这种设计让市场参与者的逐利行为成为维护系统价格稳定性的决定性力量。

预测市场与DEX结合的可能性

随着预测市场与社交平台的合作，其用户基数将进一步扩大，为与加密协议结合创造条件。预测市场与DEX的结合可能性包括：

1. 风险对冲工具：为DEX生态参与者提供原生且高效的风险对冲方案
2. 集中流动性管理指标：预测市场价格数据可作为DEX流动性管理的先行指标
3. 结构化金融产品：将DEX核心指标与预测市场事件结果挂钩，创造新型金融产品

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等基础协议的融合，将成为决定DeFi生态未来发展的关键因素。