กลไกการกำหนดราคาของตลาดพยากรณ์

บทความนี้สำรวจกลไกการกำหนดราคาหลักของตลาดพยากรณ์ ซึ่งรวมถึง Continuous Double Auction (CDA) และ Logarithmic Market Scoring Rule (LMSR) โดยการวิเคราะห์ว่าพวกเขาปรับตัวไปสู่การสะท้อนความน่าจะเป็นของเหตุการณ์ด้วยการลึกลงไปในความเป็นเหลือและตรรกะในการกำหนดราคา มันเปิดเผยถึงความได้เปรียบที่เฉพาะเจาะจงของตลาดพยากรณ์ในการทำนายความน่าจะเป็น บทความนี้ยังนำเสนอโมเดลล่าสุดของ Paradigm ชื่อ pm-AMM

ตลาดทำนายเป็นประเภทหนึ่งของแพลตฟอร์มการซื้อขายที่อนุญาตให้ผู้เข้าร่วมซื้อขายสัญญาขึ้นอยู่กับผลลัพธ์ที่คาดหวังของเหตุการณ์ในโลกจริง เช่นการเลือกตั้งทางการเมือง การแข่งขันกีฬา หรือแนวโน้มทางเศรษฐกิจ ราคาที่เกิดขึ้นผ่านการซื้อขายอิสระระหว่างผู้เข้าร่วมประกอบด้วยความน่าจะเป็นของเหตุการณ์ที่เกิดขึ้น อย่างง่ายดาย ตลาดทำนายเปลี่ยนแปลงความสามารถในการทำนายรวมกันเป็นเครื่องมือสำหรับการวัดความน่าจะเป็น

ไม่เหมือนกับตลาดการเงินดั้งเดิม ตลาดการพยากรณ์เกี่ยวกับเหตุการณ์เองโดยตรง ไม่ใช่การลงทุนเชิงอ้อมถึงสินทรัพย์ที่เกี่ยวข้อง กลไกนี้ตอบสนองความต้องการในการพยากรณ์ที่หลากหลายและรวบรวมความเชื่อร่วมกันของผู้เข้าร่วมตลาดในเรื่องความน่าจะเป็นของเหตุการณ์ผ่านการกำหนดราคา

อย่างไรก็ตาม, ตลาดการพยากรณ์ยังเป็นตลาดทางการเงินที่ต้องการกลไกการกำหนดราคาที่เหมาะสมเพื่อส่งเสริมการซื้อขาย, ดึงดูดความคิดเห็นจากผู้เข้าร่วมมากขึ้นและรวบรวมข้อมูลนี้เพื่อสร้างการพยากรณ์ความน่าจะเป็นล่าสุด บทความนี้จะแนะนำกลไกการกำหนดราคาที่อยู่เบื้องหลังตลาดการพยากรณ์

ทำไมราคาในตลาดคาดการณ์สามารถสะท้อนความน่าจะเป็นของเหตุการณ์ได้?

ไม่เหมือนกับอุตสาหกรรมการพนันที่เดิมที่ผู้เล่นเดิมพันกับเจ้ามือพนัน ตลาดพยากรณ์เป็นกลไกที่เปิดและกระจายอยู่ที่ไม่มีเจ้ามือ ในการพนัน อัตราการชนะถูกกำหนดและปรับเปลี่ยนได้โดยเจ้ามือพนัน ในตลาดพยากรณ์ ราคาเกิดขึ้นโดยธรรมชาติผ่านการซื้อขายระหว่างผู้เข้าร่วม แสดงให้เห็นถึงการประเมินความเป็นไปได้ของเหตุการณ์โดยประชากรที่มีสติปัญญารวบรวม

สมมติฐานในสถานการณ์การพยากรณ์ไบนารี: เดือนหน้าจะมีการแข่งขันฟุตบอลระหว่างเยอรมันและสเปน ผู้คนสามารถสร้างตลาดการซื้อขายบนแพลตฟอร์มการพยากรณ์และออกสองโทเค็นผลลัพธ์ที่แทน "เยอรมันชนะ" และ "สเปนชนะ" หากราคาเริ่มต้นของทั้งสองโทเค็นเท่ากัน จะแสดงให้เห็นว่าตลาดเชื่อว่าทั้งสองทีมมีโอกาสชนะเท่า ๆ กัน

เมื่อการแข่งขันใกล้เข้ามาหากผู้เล่นชาวเยอรมันคนสําคัญได้รับบาดเจ็บผู้ค้าจํานวนมากขึ้นอาจทํานายความน่าจะเป็นที่สูงขึ้นที่สเปนจะชนะและซื้อโทเค็น "สเปนชนะ" การเปลี่ยนแปลงของอุปสงค์และอุปทานสําหรับโทเค็นจะปรับราคาแบบเรียลไทม์ ซึ่งสะท้อนให้เห็นถึงความเป็นไปได้ที่เพิ่มขึ้นของชัยชนะของสเปน ในทํานองเดียวกันในระหว่างการแข่งขันหากเยอรมนีทําคะแนนติดต่อกันความต้องการโทเค็น" เยอรมนีชนะ" จะเพิ่มขึ้นและราคาของพวกเขาจะเพิ่มขึ้นจนกว่าการแข่งขันจะสิ้นสุดลงเมื่อความน่าจะเป็นมาบรรจบกับผลลัพธ์จริง - 100%

เมื่อผลการแข่งขันถูกกำหนด (เช่น เยอรมนีชนะ) มูลค่าของโทเค็น “สเปนชนะ” จะลดลงเป็นศูนย์ และผู้ถือโทเค็น “เยอรมนีชนะ” จะแบ่งปันกำไรจากพูลของความเคลื่อนไหวทั้งหมดตามส่วนของพวกเขา กลไกการปรับราคาแบบไดนามิกนี้ที่พิจารณาจากการซื้อขายทำให้ตลาดทำนายสามารถสะท้อนความน่าจะเป็นของเหตุการณ์ในอนาคตอย่างยืดหยุ่นและมีประสิทธิภาพ

Common Pricing Mechanisms in Prediction Markets

การดำเนินการของตลาดทำนายมักพึงพอใจในทั่วไปตามกลไกการกำหนดราคาสองประการที่สำคัญ: Continuous Double Auction (CDA) และ Automated Market Maker (AMM)

ตลาดพยากรณ์แบบกระจายที่สุดบนบล็อกเชนยังใช้ order books เพื่อให้ความเหมาะสมในการให้ความสามารถในการซื้อขาย ไม่เช่นเดียวกับ AMM ที่มีการใช้งานอย่างแพร่หลายในตลาดแบบกระจายที่ไม่ใช่แลกเปลี่ยน (DEX) นี่อาจเป็นเพราะลักษณะเฉพาะของตัวโทเค็นผลลัพธ์: มูลค่าของมันสามารถเปลี่ยนแปลงได้อย่างมีนัยสำคัญกับเหตุการณ์ในโลกจริงและลดลงเป็นศูนย์หากการพยากรณ์ไม่ถูกต้องหลังจากเหตุการณ์สิ้นสุดลง โดยเนื่องจากมูลค่าของตัวโทเค็นผลลัพธ์ไปยังผลลัพธ์ของเหตุการณ์เกิดขึ้น ความเสียหายที่เป็นไปได้สำหรับ AMM จะได้รับผลกระทบอย่างมากนัก ซึ่งมีความเสี่ยงสูง

เพื่อแก้ไขท้ายนี้ ตลาดพยากรณ์ได้นำเข้ากลไกการตลาดทำนายที่ออกแบบมาเฉพาะ กึ่งอัตโนมัติ กึ่งทำนายผลตลาดลอการิทึมมิกส์ รีเกิล (LMSR) เพื่อสมดุลความเป็น Likuiditi และความเสี่ยงของตลาด รองรับการดำเนินการที่เสถียรของตลาดพยากรณ์

การประมูลคู่ต่อเนื่อง (CDA)

การประมูลคู่ต่อเนื่อง (CDA) เป็นกลไกการกำหนดราคาที่สำคัญที่สุดในตลาดทางการเงินและได้รับการนำมาใช้กันอย่างกว้างขวางในตลาดพยายามทำนาย หลักการพื้นฐานของมันเกี่ยวข้องกับการบันทึกคำสั่งที่ไม่ตรงกันทั้งหมดในสมุดคำสั่ง โดยการสั่งซื้อและขายจะเรียงกันด้านตรงข้าม นักซื้อขายสามารถส่งคำสั่งจำกัดไปยังสมุดคำสั่งและเมื่อราคาเสนอซื้อสูงสุดตรงกับราคาขายต่ำสุด การทำธุรกรรมก็ถูกเรียกและดำเนินการ

กลไกนี้ได้รับความนิยมเนื่องจากการออกแบบที่เรียบง่ายและชัดเจน อย่างไรก็ตาม ในตลาดพยากรณ์ที่มีจำนวนผู้เข้าร่วมจำกัด CDA อาจเผชิญกับปัญหาความไม่สามารถจ่ายเงินได้ สภาวะน้ำหนักตลาดต่ำโดยทั่วไปจะส่งผลให้ราคาแบบซื้อขายกว้าง ทำให้การกำหนดราคายากและลดประสิทธิภาพของตลาด ในกรณีเช่นนี้ ตลาดพยากรณ์การค้นพบราคาและการพยากรณ์ความเป็นไปได้อาจลำบากในการดำเนินงานอย่างมีประสิทธิภาพ

กฎการตลาดที่ใช้การคำนวณลอการิทึม (LMSR)

ซึ่งแตกต่างจาก CDA LMSR แนะนําผู้ดูแลสภาพคล่องอัตโนมัติส่วนกลางเป็นคู่สัญญากับผู้ค้าทั้งหมด Logarithmic Market Scoring Rule (LMSR) เป็นกลไกผู้ดูแลสภาพคล่องอัตโนมัติ (AMM) ที่ออกแบบมาโดยเฉพาะสําหรับตลาดการคาดการณ์ หนึ่งในคุณสมบัติที่สําคัญคือไม่ต้องพึ่งพากลุ่มสภาพคล่องทําให้เหมาะสําหรับตลาดที่มีสภาพคล่องต่ํารวมถึงตลาดคาดการณ์ LMSR ใช้กฎการให้คะแนนลอการิทึมเพื่อสร้างราคาเพื่อป้องกันความผันผวนของราคาที่มากเกินไปได้อย่างมีประสิทธิภาพ วิธีนี้ให้สภาพคล่องที่เพียงพอในขณะที่รักษาความสูญเสียที่อาจเกิดขึ้นของผู้ดูแลสภาพคล่องให้อยู่ในช่วงที่ควบคุมได้

ตารางด้านล่างแสดงความแตกต่างหลัก ๆ ระหว่าง LMSR และ AMMs แบบดั้งเดิม

เพื่อเข้าใจความเป็นเอกลักษณ์ของ LMSR นั้น จะเป็นประโยชน์ที่จะต้องทบทวนกลไก AMM ที่เป็นที่รู้จักโดยทั่วไปก่อน ส่วนใหญ่ AMM ใช้สูตรผลลัพธ์คงที่:

x⋅y=k

ในสูตรนี้ x และ y แทนปริมาณของสองโทเค็นในสระเงินสดและ k เป็นค่าคงที่ ตัวอย่างเช่นในสระเงินสด ETH/DAI ที่มีสถานะเริ่มต้นคือ 100 ETH และ 10,000 DAI k = 1,000,000 เพื่อให้ k เป็นค่าคงที่ เมื่อผู้ซื้อฝาก ETH เข้าสู่สระเงินสด ปริมาณของ DAI ที่สอดคล้องกันจะต้องลดลง ในที่สุด อ้างอิงสำหรับการซื้อขายใด ๆ ที่กำหนดไว้ภายใต้สูตรผลคูณคงที่และอัตราส่วนโทเค็นในสระเงินสด กราฟด้านล่างนี้เป็นการประมาณความสัมพันธ์การแลกเปลี่ยนระหว่างสองประเภทของสินทรัพย์ภายใต้โมเดลนี้


แหล่งที่มา:news.marsbit.co

ในทางตรงกันข้าม กลไกการตั้งราคาของ LMSR ซับซ้อนมากยิ่งขึ้น สูตรของมันคือดังนี้:

qA: ปริมาณของผลลัพธ์ A (จำนวนหุ้นที่ซื้อไว้สำหรับผลลัพธ์นั้น)

b: พารามิเตอร์ “ความเป็นเหลือ” ที่ตั้งโดยผู้ทำตลาด ซึ่งมีผลต่อความไวต่อการเปลี่ยนแปลงของราคาต่อปริมาณการซื้อขาย

n: จำนวนทั้งหมดของผลลัพธ์ที่เป็นไปได้

นอกจากนี้ LMSR กำหนดฟังก์ชันต้นทุนในการคำนวณต้นทุนรวมของการซื้อขาย:

ฟังก์ชันนี้ช่วยให้ผู้สร้างตลาดเข้าใจถึงความเสี่ยงของการสูญเสียที่อาจเกิดขึ้นเมื่อให้สินค้าให้สมดุลกัน ฟังก์ชันลอการิทึมที่รวมอยู่ที่นี่หมายถึงว่าเมื่อจำนวนสัญญาที่เลือกคาดการณ์ใดๆ เพิ่มขึ้น ราคาของผลลัพธ์นั้นจะเพิ่มขึ้นในอัตราการลดลง กลไกนี้จะทำให้การปรับราคาแม่นยำมากขึ้นและ จำกัดความเสี่ยงของผู้สร้างตลาด รับประกันความมั่นคงในระยะยาวของตลาด

ปรับปรุงเพิ่มเติมในการทำความเข้าใจ AMM ในตลาดทำนาย

ตลาดทำนาย AMMs ได้เห็นการปรับปรุงต่าง ๆ โดย Paradigm ซึ่งเป็นบริษัทลงทุนคริปโตที่มีชื่อเสียงได้เสนอแนะโมเดลราคาล่าสุดของตัวเอง pm-AMM Paradigm มีเป้าหมายที่จะพัฒนาโมเดลนี้เป็นกรอบการทำนายที่เป็นร่วมกันสำหรับตลาดทำนาย บริษัทได้เปรียบเทียบ pm-AMM กับ AMM อื่น ๆ และแนะนำว่าอาจใช้งานได้กับประเภทสินทรัพย์อื่น ๆ เช่นพันธบัตร ตัวเลือก และสินทรัพย์อนุพันธ์อื่น ๆ


แหล่งที่มา:paradigm.xyz

  1. การปรับปรุงสำหรับ Outcome Tokens
    pm-AMM ถูกออกแบบมาเพื่อจัดการกับโทเค็นผลลัพธ์ ซึ่งมีมูลค่าเป็น 1 หากเหตุการณ์เกิดขึ้นและเป็น 0 หากไม่เกิดเหตุการณ์ โมเดล AMM ดั้งเดิมมักเผชิญกับปัญหาความไม่สม่ำเสมอของ Likuiditi สำหรับโทเค็นเช่นนี้ โดยการนำเสนอโมเดลการกระจายกาวซี่แนน pm-AMM จะจับความสัมพันธ์ระหว่างราคาโทเค็นกับความน่าจะเป็นของเหตุการณ์ ซึ่งจะให้ Likuiditi ที่เสถียรและสม่ำเสมอกว่า

การแจกแจงกาวเสียงที่รู้จักในนามของการแจกแจงปกติถูกสันนิษฐานว่าจะควบคุมการเปลี่ยนแปลงราคาของโทเค็นผลลัพธ์ในแต่ละตลาดทำนาย (เช่น 'เหตุการณ์เกิดขึ้น' และ 'เหตุการณ์ไม่เกิดขึ้น') สันนิษฐานนี้ช่วยให้เงินทุนสะสมรอบรูปมากขึ้นในผลที่เป็นไปได้มากขึ้นเมื่อเหตุการณ์เข้าสู่การแก้ไข (เช่น ราคาใกล้เคียง 0 หรือ 1) หลีกเลี่ยงปัญหาเช่นขาดแคลนเงินทุนหรือการลื่นไหลเกินไปในสถานการณ์สุดขั้วในขณะที่ลดความเสียหายสำหรับผู้สร้างตลาด

กลับไปที่ตัวอย่างก่อนหน้านี้ของการแข่งขันฟุตบอลระหว่างเยอรมนีและสเปนผู้เข้าร่วมตลาดส่วนใหญ่อาจทํานายชัยชนะของสเปนในขั้นต้นซึ่งนําไปสู่ราคาโทเค็นที่สูงขึ้นสําหรับชัยชนะของสเปน อย่างไรก็ตามหากเยอรมนีเริ่มทําผลงานได้อย่างแข็งแกร่งในระหว่างการแข่งขันความคาดหวังของตลาดอาจเปลี่ยนไปอย่างรวดเร็วเพื่อสนับสนุนเยอรมนี AMM แบบดั้งเดิมอาจตอบสนองอย่างเชื่องช้าทําให้ผู้ดูแลสภาพคล่องถือโทเค็นชัยชนะของสเปนจํานวนมากซึ่งในที่สุดก็สูญเสียมูลค่าทั้งหมด ในทางตรงกันข้าม PM-AMM ใช้แบบจําลองเกาส์เพื่อปรับสภาพคล่องอย่างรวดเร็วโดยมุ่งเน้นที่ผลลัพธ์ที่มีแนวโน้มมากขึ้นซึ่งจะช่วยลดการสูญเสียผู้ดูแลสภาพคล่องและเพิ่มประสิทธิภาพและความน่าเชื่อถือของตลาด

  1. การปรับความสะดวกในการเรียกเก็บเงิน
    pm-AMM ใช้กลไกการปรับความสะดวกสบายของ Likelihood ที่เปลี่ยนแปลงระดับ Likelihood เมื่อเหตุการณ์เข้าใกล้การแก้ไขของมัน นี่หมายความว่า Likelihood ลดลงเมื่อตลาดทำนายเข้าสู่การหมดอายุ ลดความเสี่ยงของการสูญเสียสำหรับผู้ให้ Likelihood ที่เนื่องจากการค้าประสงค์ออก กลไกนี้จะให้ความสะดวกสบายเข้ากับความผันผวนของตลาด รักษาระดับคงตัวในช่วงเวลาที่รุนแรง

  2. กรอบการทำงาน AMM ที่เป็นสมบูรณ์
    pm-AMM ของ Paradigm มีเป้าหมายที่จะสร้างเฟรมเวิร์ก AMM ที่รวมกันที่เกินไปนอกเหนือจากตลาดทำนายไปสู่คลาสสินทรัพย์อื่น ๆ เช่น พันธบัตร ตัวเลือก และสินค้าอนุพันธ์ ความหลากหลายนี้เพิ่มประสิทธิภาพของ pm-AMM ในการใช้งานกับผลิตภัณฑ์ทางการเงินต่างๆ เพิ่มความยืดหยุ่นและประโยชน์

  3. การขาดทุนสู่การปรับสมดุล (LVR)
    pm-AMM นำเสนอแนวคิดของการสูญเสีย vs. การ Rebalancing (LVR) ซึ่งประเมินความเสี่ยงของการสูญเสียที่ AMM อาจเผชิญหน้าจากกิจกรรมอาร์บิทราจ โดยการปรับแต่งโครงสร้าง AMM เพื่อลด LVR pm-AMM ทำให้มี Likuiditi ที่แข็งแรงในขณะลดความเสี่ยงของการสูญเสียที่อาจเกิดขึ้น ซึ่งส่งผลให้ผู้ให้ Likuiditi สามารถได้รับผลตอบแทนที่ดีขึ้น

  4. ประสบการณ์ผู้ใช้ที่ปรับปรุง
    โดยการปรับปรุงกระบวนการซื้อขายและการค้นหาราคา pm-AMM นำเสนอประสบการณ์ที่ใช้งานง่ายมากขึ้น ผู้ใช้สามารถเข้าใจและเข้าใจได้เองเกี่ยวกับแนวโน้มของตลาด ด้วยการดำเนินการที่ถูกต้องโดยอัตโนมัติผ่านสัญญาอัจฉริยะ ให้กำจัดความล่าช้าและความไม่แน่นอนที่เกิดจากการแทรกแซงด้วยมือ

pm-AMM ของ Paradigm ปรับปรุงกลไก AMM แบบ traditional อย่างมีนัยยะในตลาดทำนาย ผ่านนวัสาการสร้างสรรค์เช่น การจัดการเพื่อ outcome tokens,การปรับความสามารถในการสร้างสภาวะของเงินทุน,การออกแบบกรอบที่เป็นไปได้และการนำเสนอ LVR, pm-AMM ช่วยเสริมประสิทธิภาพและความมั่นคงของตลาดทำนายในขณะเดียวกันเปิดโอกาสให้ใช้งานได้ในผลิตภัณฑ์การเงินอื่น ๆ ขั้นพัฒนานี้จะเป็นแรงบันดาลใจให้กับการพัฒนาการเงินดิจิทัล (DeFi),เปิดโอกาสให้ตลาดทำนายสะท้อนอารมณ์ของสาธารณะและสนับสนุนกระบวนการตัดสินใจได้ดียิ่ขึ้น

เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับหลักการออกแบบและการจำลอง pm-AMM โปรดอ้างอิงบทความที่เชื่อมโยงด้านล่าง



อ้างอิง:

  1. การวิจัยล่าสุดของ Paradigm: ตลาดผู้สร้างตลาดอัตโนมัติรวมสำหรับตลาดพยากรณ์ - pm-AMM
  2. pm-AMM: สมมติ AMM สำหรับตลาดทำนาย
ผู้เขียน: Mumu
นักแปล: Panie
ผู้ตรวจทาน: Edward、SimonLiu、Elisa
ผู้ตรวจสอบการแปล: Ashely、Joyce
* ข้อมูลนี้ไม่ได้มีวัตถุประสงค์เป็นคำแนะนำทางการเงินหรือคำแนะนำอื่นใดที่ Gate.io เสนอหรือรับรอง
* บทความนี้ไม่สามารถทำซ้ำ ส่งต่อ หรือคัดลอกโดยไม่อ้างอิงถึง Gate.io การฝ่าฝืนเป็นการละเมิดพระราชบัญญัติลิขสิทธิ์และอาจถูกดำเนินการทางกฎหมาย

กลไกการกำหนดราคาของตลาดพยากรณ์

ขั้นสูง1/5/2025, 3:06:42 PM
บทความนี้สำรวจกลไกการกำหนดราคาหลักของตลาดพยากรณ์ ซึ่งรวมถึง Continuous Double Auction (CDA) และ Logarithmic Market Scoring Rule (LMSR) โดยการวิเคราะห์ว่าพวกเขาปรับตัวไปสู่การสะท้อนความน่าจะเป็นของเหตุการณ์ด้วยการลึกลงไปในความเป็นเหลือและตรรกะในการกำหนดราคา มันเปิดเผยถึงความได้เปรียบที่เฉพาะเจาะจงของตลาดพยากรณ์ในการทำนายความน่าจะเป็น บทความนี้ยังนำเสนอโมเดลล่าสุดของ Paradigm ชื่อ pm-AMM

ตลาดทำนายเป็นประเภทหนึ่งของแพลตฟอร์มการซื้อขายที่อนุญาตให้ผู้เข้าร่วมซื้อขายสัญญาขึ้นอยู่กับผลลัพธ์ที่คาดหวังของเหตุการณ์ในโลกจริง เช่นการเลือกตั้งทางการเมือง การแข่งขันกีฬา หรือแนวโน้มทางเศรษฐกิจ ราคาที่เกิดขึ้นผ่านการซื้อขายอิสระระหว่างผู้เข้าร่วมประกอบด้วยความน่าจะเป็นของเหตุการณ์ที่เกิดขึ้น อย่างง่ายดาย ตลาดทำนายเปลี่ยนแปลงความสามารถในการทำนายรวมกันเป็นเครื่องมือสำหรับการวัดความน่าจะเป็น

ไม่เหมือนกับตลาดการเงินดั้งเดิม ตลาดการพยากรณ์เกี่ยวกับเหตุการณ์เองโดยตรง ไม่ใช่การลงทุนเชิงอ้อมถึงสินทรัพย์ที่เกี่ยวข้อง กลไกนี้ตอบสนองความต้องการในการพยากรณ์ที่หลากหลายและรวบรวมความเชื่อร่วมกันของผู้เข้าร่วมตลาดในเรื่องความน่าจะเป็นของเหตุการณ์ผ่านการกำหนดราคา

อย่างไรก็ตาม, ตลาดการพยากรณ์ยังเป็นตลาดทางการเงินที่ต้องการกลไกการกำหนดราคาที่เหมาะสมเพื่อส่งเสริมการซื้อขาย, ดึงดูดความคิดเห็นจากผู้เข้าร่วมมากขึ้นและรวบรวมข้อมูลนี้เพื่อสร้างการพยากรณ์ความน่าจะเป็นล่าสุด บทความนี้จะแนะนำกลไกการกำหนดราคาที่อยู่เบื้องหลังตลาดการพยากรณ์

ทำไมราคาในตลาดคาดการณ์สามารถสะท้อนความน่าจะเป็นของเหตุการณ์ได้?

ไม่เหมือนกับอุตสาหกรรมการพนันที่เดิมที่ผู้เล่นเดิมพันกับเจ้ามือพนัน ตลาดพยากรณ์เป็นกลไกที่เปิดและกระจายอยู่ที่ไม่มีเจ้ามือ ในการพนัน อัตราการชนะถูกกำหนดและปรับเปลี่ยนได้โดยเจ้ามือพนัน ในตลาดพยากรณ์ ราคาเกิดขึ้นโดยธรรมชาติผ่านการซื้อขายระหว่างผู้เข้าร่วม แสดงให้เห็นถึงการประเมินความเป็นไปได้ของเหตุการณ์โดยประชากรที่มีสติปัญญารวบรวม

สมมติฐานในสถานการณ์การพยากรณ์ไบนารี: เดือนหน้าจะมีการแข่งขันฟุตบอลระหว่างเยอรมันและสเปน ผู้คนสามารถสร้างตลาดการซื้อขายบนแพลตฟอร์มการพยากรณ์และออกสองโทเค็นผลลัพธ์ที่แทน "เยอรมันชนะ" และ "สเปนชนะ" หากราคาเริ่มต้นของทั้งสองโทเค็นเท่ากัน จะแสดงให้เห็นว่าตลาดเชื่อว่าทั้งสองทีมมีโอกาสชนะเท่า ๆ กัน

เมื่อการแข่งขันใกล้เข้ามาหากผู้เล่นชาวเยอรมันคนสําคัญได้รับบาดเจ็บผู้ค้าจํานวนมากขึ้นอาจทํานายความน่าจะเป็นที่สูงขึ้นที่สเปนจะชนะและซื้อโทเค็น "สเปนชนะ" การเปลี่ยนแปลงของอุปสงค์และอุปทานสําหรับโทเค็นจะปรับราคาแบบเรียลไทม์ ซึ่งสะท้อนให้เห็นถึงความเป็นไปได้ที่เพิ่มขึ้นของชัยชนะของสเปน ในทํานองเดียวกันในระหว่างการแข่งขันหากเยอรมนีทําคะแนนติดต่อกันความต้องการโทเค็น" เยอรมนีชนะ" จะเพิ่มขึ้นและราคาของพวกเขาจะเพิ่มขึ้นจนกว่าการแข่งขันจะสิ้นสุดลงเมื่อความน่าจะเป็นมาบรรจบกับผลลัพธ์จริง - 100%

เมื่อผลการแข่งขันถูกกำหนด (เช่น เยอรมนีชนะ) มูลค่าของโทเค็น “สเปนชนะ” จะลดลงเป็นศูนย์ และผู้ถือโทเค็น “เยอรมนีชนะ” จะแบ่งปันกำไรจากพูลของความเคลื่อนไหวทั้งหมดตามส่วนของพวกเขา กลไกการปรับราคาแบบไดนามิกนี้ที่พิจารณาจากการซื้อขายทำให้ตลาดทำนายสามารถสะท้อนความน่าจะเป็นของเหตุการณ์ในอนาคตอย่างยืดหยุ่นและมีประสิทธิภาพ

Common Pricing Mechanisms in Prediction Markets

การดำเนินการของตลาดทำนายมักพึงพอใจในทั่วไปตามกลไกการกำหนดราคาสองประการที่สำคัญ: Continuous Double Auction (CDA) และ Automated Market Maker (AMM)

ตลาดพยากรณ์แบบกระจายที่สุดบนบล็อกเชนยังใช้ order books เพื่อให้ความเหมาะสมในการให้ความสามารถในการซื้อขาย ไม่เช่นเดียวกับ AMM ที่มีการใช้งานอย่างแพร่หลายในตลาดแบบกระจายที่ไม่ใช่แลกเปลี่ยน (DEX) นี่อาจเป็นเพราะลักษณะเฉพาะของตัวโทเค็นผลลัพธ์: มูลค่าของมันสามารถเปลี่ยนแปลงได้อย่างมีนัยสำคัญกับเหตุการณ์ในโลกจริงและลดลงเป็นศูนย์หากการพยากรณ์ไม่ถูกต้องหลังจากเหตุการณ์สิ้นสุดลง โดยเนื่องจากมูลค่าของตัวโทเค็นผลลัพธ์ไปยังผลลัพธ์ของเหตุการณ์เกิดขึ้น ความเสียหายที่เป็นไปได้สำหรับ AMM จะได้รับผลกระทบอย่างมากนัก ซึ่งมีความเสี่ยงสูง

เพื่อแก้ไขท้ายนี้ ตลาดพยากรณ์ได้นำเข้ากลไกการตลาดทำนายที่ออกแบบมาเฉพาะ กึ่งอัตโนมัติ กึ่งทำนายผลตลาดลอการิทึมมิกส์ รีเกิล (LMSR) เพื่อสมดุลความเป็น Likuiditi และความเสี่ยงของตลาด รองรับการดำเนินการที่เสถียรของตลาดพยากรณ์

การประมูลคู่ต่อเนื่อง (CDA)

การประมูลคู่ต่อเนื่อง (CDA) เป็นกลไกการกำหนดราคาที่สำคัญที่สุดในตลาดทางการเงินและได้รับการนำมาใช้กันอย่างกว้างขวางในตลาดพยายามทำนาย หลักการพื้นฐานของมันเกี่ยวข้องกับการบันทึกคำสั่งที่ไม่ตรงกันทั้งหมดในสมุดคำสั่ง โดยการสั่งซื้อและขายจะเรียงกันด้านตรงข้าม นักซื้อขายสามารถส่งคำสั่งจำกัดไปยังสมุดคำสั่งและเมื่อราคาเสนอซื้อสูงสุดตรงกับราคาขายต่ำสุด การทำธุรกรรมก็ถูกเรียกและดำเนินการ

กลไกนี้ได้รับความนิยมเนื่องจากการออกแบบที่เรียบง่ายและชัดเจน อย่างไรก็ตาม ในตลาดพยากรณ์ที่มีจำนวนผู้เข้าร่วมจำกัด CDA อาจเผชิญกับปัญหาความไม่สามารถจ่ายเงินได้ สภาวะน้ำหนักตลาดต่ำโดยทั่วไปจะส่งผลให้ราคาแบบซื้อขายกว้าง ทำให้การกำหนดราคายากและลดประสิทธิภาพของตลาด ในกรณีเช่นนี้ ตลาดพยากรณ์การค้นพบราคาและการพยากรณ์ความเป็นไปได้อาจลำบากในการดำเนินงานอย่างมีประสิทธิภาพ

กฎการตลาดที่ใช้การคำนวณลอการิทึม (LMSR)

ซึ่งแตกต่างจาก CDA LMSR แนะนําผู้ดูแลสภาพคล่องอัตโนมัติส่วนกลางเป็นคู่สัญญากับผู้ค้าทั้งหมด Logarithmic Market Scoring Rule (LMSR) เป็นกลไกผู้ดูแลสภาพคล่องอัตโนมัติ (AMM) ที่ออกแบบมาโดยเฉพาะสําหรับตลาดการคาดการณ์ หนึ่งในคุณสมบัติที่สําคัญคือไม่ต้องพึ่งพากลุ่มสภาพคล่องทําให้เหมาะสําหรับตลาดที่มีสภาพคล่องต่ํารวมถึงตลาดคาดการณ์ LMSR ใช้กฎการให้คะแนนลอการิทึมเพื่อสร้างราคาเพื่อป้องกันความผันผวนของราคาที่มากเกินไปได้อย่างมีประสิทธิภาพ วิธีนี้ให้สภาพคล่องที่เพียงพอในขณะที่รักษาความสูญเสียที่อาจเกิดขึ้นของผู้ดูแลสภาพคล่องให้อยู่ในช่วงที่ควบคุมได้

ตารางด้านล่างแสดงความแตกต่างหลัก ๆ ระหว่าง LMSR และ AMMs แบบดั้งเดิม

เพื่อเข้าใจความเป็นเอกลักษณ์ของ LMSR นั้น จะเป็นประโยชน์ที่จะต้องทบทวนกลไก AMM ที่เป็นที่รู้จักโดยทั่วไปก่อน ส่วนใหญ่ AMM ใช้สูตรผลลัพธ์คงที่:

x⋅y=k

ในสูตรนี้ x และ y แทนปริมาณของสองโทเค็นในสระเงินสดและ k เป็นค่าคงที่ ตัวอย่างเช่นในสระเงินสด ETH/DAI ที่มีสถานะเริ่มต้นคือ 100 ETH และ 10,000 DAI k = 1,000,000 เพื่อให้ k เป็นค่าคงที่ เมื่อผู้ซื้อฝาก ETH เข้าสู่สระเงินสด ปริมาณของ DAI ที่สอดคล้องกันจะต้องลดลง ในที่สุด อ้างอิงสำหรับการซื้อขายใด ๆ ที่กำหนดไว้ภายใต้สูตรผลคูณคงที่และอัตราส่วนโทเค็นในสระเงินสด กราฟด้านล่างนี้เป็นการประมาณความสัมพันธ์การแลกเปลี่ยนระหว่างสองประเภทของสินทรัพย์ภายใต้โมเดลนี้


แหล่งที่มา:news.marsbit.co

ในทางตรงกันข้าม กลไกการตั้งราคาของ LMSR ซับซ้อนมากยิ่งขึ้น สูตรของมันคือดังนี้:

qA: ปริมาณของผลลัพธ์ A (จำนวนหุ้นที่ซื้อไว้สำหรับผลลัพธ์นั้น)

b: พารามิเตอร์ “ความเป็นเหลือ” ที่ตั้งโดยผู้ทำตลาด ซึ่งมีผลต่อความไวต่อการเปลี่ยนแปลงของราคาต่อปริมาณการซื้อขาย

n: จำนวนทั้งหมดของผลลัพธ์ที่เป็นไปได้

นอกจากนี้ LMSR กำหนดฟังก์ชันต้นทุนในการคำนวณต้นทุนรวมของการซื้อขาย:

ฟังก์ชันนี้ช่วยให้ผู้สร้างตลาดเข้าใจถึงความเสี่ยงของการสูญเสียที่อาจเกิดขึ้นเมื่อให้สินค้าให้สมดุลกัน ฟังก์ชันลอการิทึมที่รวมอยู่ที่นี่หมายถึงว่าเมื่อจำนวนสัญญาที่เลือกคาดการณ์ใดๆ เพิ่มขึ้น ราคาของผลลัพธ์นั้นจะเพิ่มขึ้นในอัตราการลดลง กลไกนี้จะทำให้การปรับราคาแม่นยำมากขึ้นและ จำกัดความเสี่ยงของผู้สร้างตลาด รับประกันความมั่นคงในระยะยาวของตลาด

ปรับปรุงเพิ่มเติมในการทำความเข้าใจ AMM ในตลาดทำนาย

ตลาดทำนาย AMMs ได้เห็นการปรับปรุงต่าง ๆ โดย Paradigm ซึ่งเป็นบริษัทลงทุนคริปโตที่มีชื่อเสียงได้เสนอแนะโมเดลราคาล่าสุดของตัวเอง pm-AMM Paradigm มีเป้าหมายที่จะพัฒนาโมเดลนี้เป็นกรอบการทำนายที่เป็นร่วมกันสำหรับตลาดทำนาย บริษัทได้เปรียบเทียบ pm-AMM กับ AMM อื่น ๆ และแนะนำว่าอาจใช้งานได้กับประเภทสินทรัพย์อื่น ๆ เช่นพันธบัตร ตัวเลือก และสินทรัพย์อนุพันธ์อื่น ๆ


แหล่งที่มา:paradigm.xyz

  1. การปรับปรุงสำหรับ Outcome Tokens
    pm-AMM ถูกออกแบบมาเพื่อจัดการกับโทเค็นผลลัพธ์ ซึ่งมีมูลค่าเป็น 1 หากเหตุการณ์เกิดขึ้นและเป็น 0 หากไม่เกิดเหตุการณ์ โมเดล AMM ดั้งเดิมมักเผชิญกับปัญหาความไม่สม่ำเสมอของ Likuiditi สำหรับโทเค็นเช่นนี้ โดยการนำเสนอโมเดลการกระจายกาวซี่แนน pm-AMM จะจับความสัมพันธ์ระหว่างราคาโทเค็นกับความน่าจะเป็นของเหตุการณ์ ซึ่งจะให้ Likuiditi ที่เสถียรและสม่ำเสมอกว่า

การแจกแจงกาวเสียงที่รู้จักในนามของการแจกแจงปกติถูกสันนิษฐานว่าจะควบคุมการเปลี่ยนแปลงราคาของโทเค็นผลลัพธ์ในแต่ละตลาดทำนาย (เช่น 'เหตุการณ์เกิดขึ้น' และ 'เหตุการณ์ไม่เกิดขึ้น') สันนิษฐานนี้ช่วยให้เงินทุนสะสมรอบรูปมากขึ้นในผลที่เป็นไปได้มากขึ้นเมื่อเหตุการณ์เข้าสู่การแก้ไข (เช่น ราคาใกล้เคียง 0 หรือ 1) หลีกเลี่ยงปัญหาเช่นขาดแคลนเงินทุนหรือการลื่นไหลเกินไปในสถานการณ์สุดขั้วในขณะที่ลดความเสียหายสำหรับผู้สร้างตลาด

กลับไปที่ตัวอย่างก่อนหน้านี้ของการแข่งขันฟุตบอลระหว่างเยอรมนีและสเปนผู้เข้าร่วมตลาดส่วนใหญ่อาจทํานายชัยชนะของสเปนในขั้นต้นซึ่งนําไปสู่ราคาโทเค็นที่สูงขึ้นสําหรับชัยชนะของสเปน อย่างไรก็ตามหากเยอรมนีเริ่มทําผลงานได้อย่างแข็งแกร่งในระหว่างการแข่งขันความคาดหวังของตลาดอาจเปลี่ยนไปอย่างรวดเร็วเพื่อสนับสนุนเยอรมนี AMM แบบดั้งเดิมอาจตอบสนองอย่างเชื่องช้าทําให้ผู้ดูแลสภาพคล่องถือโทเค็นชัยชนะของสเปนจํานวนมากซึ่งในที่สุดก็สูญเสียมูลค่าทั้งหมด ในทางตรงกันข้าม PM-AMM ใช้แบบจําลองเกาส์เพื่อปรับสภาพคล่องอย่างรวดเร็วโดยมุ่งเน้นที่ผลลัพธ์ที่มีแนวโน้มมากขึ้นซึ่งจะช่วยลดการสูญเสียผู้ดูแลสภาพคล่องและเพิ่มประสิทธิภาพและความน่าเชื่อถือของตลาด

  1. การปรับความสะดวกในการเรียกเก็บเงิน
    pm-AMM ใช้กลไกการปรับความสะดวกสบายของ Likelihood ที่เปลี่ยนแปลงระดับ Likelihood เมื่อเหตุการณ์เข้าใกล้การแก้ไขของมัน นี่หมายความว่า Likelihood ลดลงเมื่อตลาดทำนายเข้าสู่การหมดอายุ ลดความเสี่ยงของการสูญเสียสำหรับผู้ให้ Likelihood ที่เนื่องจากการค้าประสงค์ออก กลไกนี้จะให้ความสะดวกสบายเข้ากับความผันผวนของตลาด รักษาระดับคงตัวในช่วงเวลาที่รุนแรง

  2. กรอบการทำงาน AMM ที่เป็นสมบูรณ์
    pm-AMM ของ Paradigm มีเป้าหมายที่จะสร้างเฟรมเวิร์ก AMM ที่รวมกันที่เกินไปนอกเหนือจากตลาดทำนายไปสู่คลาสสินทรัพย์อื่น ๆ เช่น พันธบัตร ตัวเลือก และสินค้าอนุพันธ์ ความหลากหลายนี้เพิ่มประสิทธิภาพของ pm-AMM ในการใช้งานกับผลิตภัณฑ์ทางการเงินต่างๆ เพิ่มความยืดหยุ่นและประโยชน์

  3. การขาดทุนสู่การปรับสมดุล (LVR)
    pm-AMM นำเสนอแนวคิดของการสูญเสีย vs. การ Rebalancing (LVR) ซึ่งประเมินความเสี่ยงของการสูญเสียที่ AMM อาจเผชิญหน้าจากกิจกรรมอาร์บิทราจ โดยการปรับแต่งโครงสร้าง AMM เพื่อลด LVR pm-AMM ทำให้มี Likuiditi ที่แข็งแรงในขณะลดความเสี่ยงของการสูญเสียที่อาจเกิดขึ้น ซึ่งส่งผลให้ผู้ให้ Likuiditi สามารถได้รับผลตอบแทนที่ดีขึ้น

  4. ประสบการณ์ผู้ใช้ที่ปรับปรุง
    โดยการปรับปรุงกระบวนการซื้อขายและการค้นหาราคา pm-AMM นำเสนอประสบการณ์ที่ใช้งานง่ายมากขึ้น ผู้ใช้สามารถเข้าใจและเข้าใจได้เองเกี่ยวกับแนวโน้มของตลาด ด้วยการดำเนินการที่ถูกต้องโดยอัตโนมัติผ่านสัญญาอัจฉริยะ ให้กำจัดความล่าช้าและความไม่แน่นอนที่เกิดจากการแทรกแซงด้วยมือ

pm-AMM ของ Paradigm ปรับปรุงกลไก AMM แบบ traditional อย่างมีนัยยะในตลาดทำนาย ผ่านนวัสาการสร้างสรรค์เช่น การจัดการเพื่อ outcome tokens,การปรับความสามารถในการสร้างสภาวะของเงินทุน,การออกแบบกรอบที่เป็นไปได้และการนำเสนอ LVR, pm-AMM ช่วยเสริมประสิทธิภาพและความมั่นคงของตลาดทำนายในขณะเดียวกันเปิดโอกาสให้ใช้งานได้ในผลิตภัณฑ์การเงินอื่น ๆ ขั้นพัฒนานี้จะเป็นแรงบันดาลใจให้กับการพัฒนาการเงินดิจิทัล (DeFi),เปิดโอกาสให้ตลาดทำนายสะท้อนอารมณ์ของสาธารณะและสนับสนุนกระบวนการตัดสินใจได้ดียิ่ขึ้น

เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับหลักการออกแบบและการจำลอง pm-AMM โปรดอ้างอิงบทความที่เชื่อมโยงด้านล่าง



อ้างอิง:

  1. การวิจัยล่าสุดของ Paradigm: ตลาดผู้สร้างตลาดอัตโนมัติรวมสำหรับตลาดพยากรณ์ - pm-AMM
  2. pm-AMM: สมมติ AMM สำหรับตลาดทำนาย
ผู้เขียน: Mumu
นักแปล: Panie
ผู้ตรวจทาน: Edward、SimonLiu、Elisa
ผู้ตรวจสอบการแปล: Ashely、Joyce
* ข้อมูลนี้ไม่ได้มีวัตถุประสงค์เป็นคำแนะนำทางการเงินหรือคำแนะนำอื่นใดที่ Gate.io เสนอหรือรับรอง
* บทความนี้ไม่สามารถทำซ้ำ ส่งต่อ หรือคัดลอกโดยไม่อ้างอิงถึง Gate.io การฝ่าฝืนเป็นการละเมิดพระราชบัญญัติลิขสิทธิ์และอาจถูกดำเนินการทางกฎหมาย
เริ่มตอนนี้
สมัครและรับรางวัล
$100