ตลาดการคาดการณ์ (Prediction Market) แปลงผลลัพธ์ของเหตุการณ์ในโลกจริงให้เป็นสัญญาที่สามารถซื้อขายได้ — “ผู้สมัครจากพรรคประชาธิปไตยจะชนะการเลือกตั้งประธานาธิบดีสหรัฐฯ ปี 2026”, “ราคาปิดของ BTC ณ สิ้นเดือนจะอยู่เหนือ $120,000”, “ผู้เล่นคนหนึ่งจะทำประตูได้มากกว่า 2.5 ลูกในนัดนี้” ผู้ใช้สามารถซื้อและขายหุ้นแบบ "ใช่/ไม่" หรือหุ้นที่มีผลลัพธ์หลายทาง เพื่อกำหนดราคาความน่าจะเป็นของเหตุการณ์ และได้รับหลักประกันหนึ่งหน่วย (โดยทั่วไปคือ USDC, USDB หรือสแตเบิลคอยน์ของแพลตฟอร์ม) เมื่อผลลัพธ์เป็นไปตามที่คาดการณ์

กลไกการซื้อขายของตลาดคาดการณ์นั้นแตกต่างอย่างพื้นฐานจากกลไกการซื้อขายของ DEX แบบสปอต DEX แบบสปอตทำการซื้อขายสินทรัพย์สองชนิดที่แต่ละชนิดมี "มูลค่าอิสระ" ในขณะที่ในตลาดคาดการณ์ หุ้นผลลัพธ์ทั้งหมดรวมกันจะมีมูลค่ารวมเท่ากับหนึ่งหน่วยของหลักประกันพอดี ซึ่งหมายความว่าผู้สร้างตลาด (market maker) ไม่ได้เผชิญกับราคาสัมพัทธ์ระหว่างสองประเภทสินทรัพย์ แต่เป็นการแจกแจงความน่าจะเป็นที่มูลค่ารวมคงที่ ความแตกต่างพื้นฐานนี้ก่อให้เกิดกลุ่มฟังก์ชันการกำหนดราคาเฉพาะทาง ได้แก่ LMSR (Logarithmic Market Scoring Rule) และรูปแบบต่าง ๆ ของมัน เช่น LS-LMSR, AMM แบบผลลัพธ์หลายทางที่มีผลคูณคงที่/ค่าเฉลี่ยคงที่, และโมเดลไฮบริดแบบสมุดคำสั่ง + AMM

สำหรับทีมที่ต้องการสร้างตลาดการคาดการณ์ การเลือกและนำ AMM ไปใช้จะกำหนดโดยตรงถึงสามสิ่ง:

1. คุณภาพของการค้นพบราคา: ราคาสามารถปรับตัวเข้าหาความน่าจะเป็นที่แท้จริงได้อย่างรวดเร็วและมั่นคงหรือไม่ โดยไม่ถูกควบคุมโดยคำสั่งซื้อขายขนาดใหญ่เพียงไม่กี่คำสั่ง;
2. สภาพคล่องและความลื่นไถล: ว่าการเดิมพันขนาดเล็กมีต้นทุนต่ำหรือไม่ คำสั่งซื้อขายขนาดใหญ่สามารถดำเนินการได้หรือไม่ และทุนในการทำตลาดถูกใช้อย่างมีประสิทธิภาพเพียงใด;
3. ความเสี่ยงต่อแพลตฟอร์มและผู้ให้สภาพคล่อง (LPs): เมื่อเหตุการณ์สิ้นสุดลง ผู้สร้างตลาดจะขาดทุนหรือไม่? ตลาดที่ไม่ถูกต้องและผลการตัดสินที่มีข้อพิพาทจะได้รับการจัดการอย่างไร?

บทความนี้เริ่มต้นจากพื้นฐานทางคณิตศาสตร์ของตลาดการคาดการณ์ และทบทวนอย่างเป็นระบบเกี่ยวกับ LMSR และรูปแบบต่าง ๆ ของมัน รวมถึงโมเดลรวมสำหรับเหตุการณ์ที่มีผลลัพธ์หลายทาง การแบ่งและรวมหุ้น การจัดหาสภาพคล่อง ค่าธรรมเนียม การแก้ไขโดยออราเคิล การควบคุมความเสี่ยง และขอบเขตการอาร์บิทราจ เมื่อรวมกับแนวทางปฏิบัติของโปรโตคอลหลัก เช่น Polymarket, Augur และ Manifold บทความนี้นำเสนอการออกแบบครบวงจรของ SoonTech สำหรับการนำโซลูชัน AMM ของตลาดการคาดการณ์มาใช้จริง ไม่ว่าคุณจะเป็นผู้จัดการผลิตภัณฑ์ วิศวกรสัญญาอัจฉริยะ ผู้สร้างตลาด หรือหัวหน้าฝ่ายควบคุมความเสี่ยงที่กำลังพัฒนาตลาดการคาดการณ์ หรือเป็นทีมที่ต้องการผสานความสามารถของตลาดการคาดการณ์เข้ากับแอปพลิเคชันของคุณเอง หลังจากอ่านบทความนี้ คุณจะได้รับกรอบงานที่ครบถ้วนซึ่งสามารถนำไปใช้โดยตรงในการออกแบบและตรวจสอบ

1. โครงสร้างทางการเงินของตลาดการคาดการณ์

1.1 สัญญาหนึ่ง = ชุดผลลัพธ์ที่สมบูรณ์หนึ่งชุด

โครงสร้างทางการเงินหลักของตลาดการคาดการณ์คือ "ชุดผลลัพธ์ครบถ้วน" สำหรับเหตุการณ์ที่มีผลลัพธ์ที่เป็นไปได้ N ผลลัพธ์ ผู้ใช้จะฝากหลักประกัน 1 USDC และสามารถสร้างหุ้น N หุ้นได้ — หุ้นละ 1 หุ้นสำหรับแต่ละผลลัพธ์ ดังนั้น 1 USDC จะสอดคล้องกับ outcome_0(1) + outcome_1(1) + … + outcome_{N-1}(1) เมื่อเหตุการณ์ถูกตัดสินแล้ว ผลลัพธ์หนึ่งเดียว (หรือหลายผลลัพธ์ตามน้ำหนักที่กำหนด) จะถูกตัดสินเป็น "ผู้ชนะ" หุ้นผู้ชนะแต่ละหุ้นสามารถแลกคืนเป็น 1 USDC ได้ ส่วนหุ้นที่แพ้มีมูลค่า 0 ซึ่งหมายความว่า:

• ในทุกช่วงเวลา ผลรวมของราคาหุ้นผลลัพธ์ทั้งหมดจะเท่ากับ 1 USDC เสมอ;
• ราคาของแต่ละผลลัพธ์สามารถตีความได้ว่าเป็นความน่าจะเป็นที่ตลาดบ่งชี้;
• การซื้อสัญญา "Yes" หนึ่งสัญญา เท่ากับการจ่าย p USDC และได้รับ 1 USDC หากชนะ ซึ่งให้กำไรสุทธิ (1−p) USDC.

โครงสร้างนี้แตกต่างจาก Parimutuel (ระบบเดิมพันแบบรวมที่ใช้ในการแข่งม้า): ในระบบ Parimutuel อัตราต่อรองจะถูกกำหนดเพียงในวินาทีสุดท้าย ส่วนในตลาดการคาดการณ์ ราคาจะเคลื่อนไหวอย่างต่อเนื่อง และผู้ถือสัญญาสามารถปิดสัญญาได้ตามราคาตลาดได้ทุกเมื่อเพื่อรับรู้กำไรและขาดทุน

1.2 ตลาดแบบไบนารี vs. ตลาดแบบหลายผลลัพธ์

• ตลาดแบบทวิภาค: ใช่ / ไม่, ผลลัพธ์สองแบบ, ราคาอยู่ในช่วง [0,1], รวมเป็น 1. นี่เป็นรูปแบบที่พบบ่อยที่สุด เหมาะกับเหตุการณ์แบบ "จะเกิดขึ้นหรือไม่"
• ตลาดหลายผลลัพธ์ / ตลาดแบบหมวดหมู่: N ผลลัพธ์ที่กันเองไม่ทับซ้อนกัน เช่น "ใครจะชนะการเลือกตั้งประธานาธิบดีสหรัฐฯ" (พรรคเดโมแครต, พรรครีพับลิกัน, พรรคที่สาม, ...) ราคาของผลลัพธ์ทั้งหมดรวมกันได้ 1.
• ตลาดสเกลาร์: ผลลัพธ์เป็นค่าต่อเนื่อง (เช่น “ราคาปิดของ BTC ณ สิ้นเดือน”) โดยทั่วไปจะถูกแบ่งออกเป็นชุดผลลัพธ์ย่อย หรือกำหนดราคาด้วย LMSR บนราคาต่อเนื่อง
• ตลาดผู้ชนะหลายราย: ผลลัพธ์มากกว่าหนึ่งอย่างสามารถชนะได้พร้อมกัน เช่น "พรรคการเมืองหนึ่งจะชนะทั้งสองสภาของรัฐสภาหรือไม่" อาจชนะทั้งสองสภาพร้อมกัน สิ่งนี้ต้องการการออกแบบพิเศษ — คุณไม่สามารถสมมติว่า "มีผู้ชนะเพียงหนึ่งรายเท่านั้น" ได้อีกต่อไป

รูปแบบต่าง ๆ สามารถรวมเป็นหนึ่งเดียวทางคณิตศาสตร์ได้: มองเหตุการณ์เป็น "เวกเตอร์ผลลัพธ์" และกำหนดน้ำหนักการจ่ายรางวัล w_i ∈ [0,1] ให้กับแต่ละผลลัพธ์เมื่อถึงเวลาตัดสิน โดยที่ Σ w_i = 1. ตลาดแบบสองทางมี w_i = 1 เพียงค่าเดียว; ส่วนตลาดแบบผู้ชนะหลายคนอาจมี w_i หลายค่าในรูปแบบเศษส่วน

1.3 ตลาดการคาดการณ์ vs. Spot DEX

ความเสี่ยงของผู้สร้างตลาด

การสูญเสียไม่จำกัด (การเคลื่อนไหวของราคาในทิศทางเดียว)

การสูญเสียมีขีดจำกัด (การสูญเสียสูงสุด = พารามิเตอร์สภาพคล่อง b)

Oracle

ราคาสปอต (สำหรับการประเมินมูลค่า)

ผลลัพธ์ของเหตุการณ์ (กำหนดการไถ่ถอนสุดท้าย)

ความแตกต่างที่สำคัญที่สุดอยู่ที่แถวสุดท้าย: การสูญเสียในกรณีที่เลวร้ายที่สุดของผู้สร้างตลาดการคาดการณ์มีขีดจำกัด เนื่องจากมีสองการดำเนินการที่ไม่มีความเสี่ยง—การสร้างชุดครบถ้วนและการไถ่ถอน—ซึ่งทำหน้าที่เป็นจุดยึดธรรมชาติสำหรับการสร้างตลาดและการหาส่วนต่างราคา

2. LMSR: ฟังก์ชันการกำหนดราคาแบบมาตรฐานของตลาดการคาดการณ์

2.1 การกำหนดฟังก์ชัน

LMSR ถูกเสนอโดย Robin Hanson ในช่วงต้นทศวรรษ 2000 และปัจจุบันเป็นสูตรสร้างตลาดที่ใช้กันอย่างแพร่หลายที่สุดในตลาดการคาดการณ์ สำหรับเหตุการณ์ที่มี N ผลลัพธ์ ให้ q_i เป็นจำนวนหุ้นของแต่ละผลลัพธ์ i ฟังก์ชันต้นทุนที่ผู้สร้างตลาดใช้สำหรับการกำหนดราคาคือ C(q) = b · ln( Σ exp(q_i / b) ), โดยที่ b เป็นจำนวนบวกที่เรียกว่า "พารามิเตอร์สภาพคล่อง" ต้นทุนการซื้อหุ้นจำนวน Δq_i ของผลลัพธ์ i คือ cost = C(q + Δq_i) − C(q); การขาย (Δq_i ที่เป็นค่าลบ) จะให้รายได้ที่สอดคล้องกัน ราคาทันที (ราคาส่วนเพิ่ม) ของแต่ละผลลัพธ์คือ p_i = ∂C/∂q_i = exp(q_i/b) / Σ_j exp(q_j/b). คุณสามารถตรวจสอบได้ว่า Σ p_i = 1 และ p_i ∈ (0,1) ซึ่งสอดคล้องกับการตีความในเชิงความน่าจะเป็นโดยธรรมชาติ

2.2 ความหมายของพารามิเตอร์ b

b เป็นพารามิเตอร์ที่สำคัญที่สุดใน LMSR มันกำหนดสองสิ่งพร้อมกัน:

• ความไวต่อราคา: ยิ่งค่า b ใหญ่เท่าไร เส้นโค้งราคาก็ยิ่งราบเรียบมากขึ้น ผลกระทบต่อราคาจากคำสั่งซื้อเดียวกันก็ยิ่งน้อยลง และค่าสลิปเปจก็ยิ่งต่ำลง;
• ความสูญเสียสูงสุดของผู้สร้างตลาด: เมื่อซื้อหุ้นทั้งหมดจนถึงขีดสุด (บาง q_i มีค่าใหญ่กว่าตัวอื่นมาก) ความสูญเสียสูงสุดของผู้สร้างตลาดจะอยู่ที่ประมาณ b·ln(N)

กล่าวอีกนัยหนึ่ง การจัดหาสภาพคล่องที่ลึกขึ้นจำเป็นต้องรับความเสี่ยงจากความสูญเสียสูงสุดที่อาจเกิดขึ้นได้ ซึ่งนี่เป็นความสมดุลพื้นฐาน: ค่า b ไม่สามารถเพิ่มได้โดยไม่มีข้อจำกัด แต่ต้องสอดคล้องกับขีดจำกัดสูงสุดของหลักประกันที่ผู้สร้างตลาดยินดีจะจัดสรร

สำหรับตลาดไบนารีมาตรฐาน เพื่อสนับสนุนช่วงราคา 0.01–0.99 หลักประกันที่จำเป็นมีค่าประมาณ b·ln(2) ดังนั้น b จึงมักถูกเรียกโดยตรงว่า "เงินทุน" หรือ "สภาพคล่องเริ่มต้น"

2.3 พฤติกรรมที่เข้าใจได้ง่ายของ LMSR

• เมื่อ q_i ทั้งหมดเท่ากัน p_i ทั้งหมดจะเท่ากัน (การแจกแจงก่อนแบบสม่ำเสมอ 1/N);
• การซื้อผลลัพธ์หนึ่งจะทำให้ราคาของมันเพิ่มขึ้นและกดราคาของผลลัพธ์อื่น ๆ ลง; เนื่องจากลักษณะแบบเอ็กซ์โพเนนเชียลของ softmax ราคาจึงไม่เคยถึง 0 หรือ 1 อย่างแท้จริง;
• ต้นทุนการซื้อจะเพิ่มขึ้นแบบเอ็กซ์โพเนนเชียลตามปริมาณที่ซื้อไปแล้ว ซึ่งโดยธรรมชาติจะยับยั้ง "การซื้ออย่างไม่จำกัด" และป้องกันไม่ให้ราคาถูกผลักดันไปสู่ระดับสุดขั้วได้ง่าย;
• เมื่อ LP ลงทุนและกำหนด b แล้ว ผู้สร้างตลาดจะเสนอราคาอัตโนมัติตามสูตร โดยไม่จำเป็นต้องมีสมุดคำสั่งซื้อ

2.4 ข้อได้เปรียบและปัญหาของ LMSR

ข้อดี:

• ราคาจะเสมอเป็น Σ p_i = 1 และสามารถตีความได้โดยตรงว่าเป็นความน่าจะเป็น;
• การสูญเสียสูงสุดมีขีดจำกัด ซึ่งเอื้อต่อการควบคุมความเสี่ยง;
• ให้สภาพคล่องไม่จำกัด (คำสั่งซื้อขายทุกขนาดสามารถถูกจับคู่ได้ โดยเพียงผลกระทบต่อราคาจะเพิ่มขึ้น);
• สูตรคำนวณเรียบง่ายและการนำไปใช้บนเชนเป็นไปได้ (ต้องใช้ฟังก์ชัน exp และ ln ซึ่งสามารถนำไปใช้ผ่านตารางค้นหา / ไลบรารีทางคณิตศาสตร์ เช่น ABDK)

ปัญหา:

• การกระจายสภาพคล่องที่ไม่เท่ากัน: รอบค่าความน่าจะเป็น 0.5 และรอบ 0.01 "ความไวของราคาต่อทุน" แตกต่างกันอย่างมาก แต่ b เป็นพารามิเตอร์เดียว; สิ่งนี้ทำให้ตลาดมีสภาพคล่องต่ำเกินไปเมื่อค่าความน่าจะเป็นอยู่ในระดับสุดขั้ว หรือทำให้ทุนถูกใช้ไปอย่างสิ้นเปลือง;
• การลื่นไถลใกล้ 0 และ 1: เมื่อผลลัพธ์มีความแน่นอนสูงมาก (p = 0.99) แม้คำสั่งซื้อขนาดเล็กก็ยังสามารถผลักดันราคาขึ้นถึง 0.995 ได้ ซึ่งก่อให้เกิดต้นทุนส่วนเพิ่มที่ไม่สมมาตร;
• การออกแบบค่าธรรมเนียมและแรงจูงใจของผู้ให้บริการสภาพคล่อง (LP): ผู้ให้บริการสภาพคล่องจัดหาทุน แต่รายได้ของพวกเขามาจากค่าธรรมเนียมและส่วนต่างราคา ซึ่งอาจไม่เพียงพอที่จะครอบคลุมการขาดทุนจากการสร้างสภาพคล่องในตลาดที่มีหางยาวและปริมาณการซื้อขายต่ำ;
• ค่าใช้จ่ายในการคำนวณในส่วนขยายที่มีผลลัพธ์หลายแบบ: ทุกการซื้อขายต้องคำนวณ exp สำหรับผลลัพธ์ทั้งหมด N แบบ โดยค่าใช้จ่าย gas จะเพิ่มขึ้นแบบเส้นตรงตาม N.

ปัญหาเหล่านี้ได้ก่อให้เกิดหลายรูปแบบที่แตกต่างกัน

3. รูปแบบ LMSR และแบบจำลองรวมสำหรับเหตุการณ์หลายผลลัพธ์

3.1 LS-LMSR (LMSR ที่ไวต่อสภาพคล่อง)

แนวคิดหลักของ LS-LMSR คือการทำให้ b เปลี่ยนแปลงอย่างไดนามิกตามทุนที่ถูกจัดสรร: เมื่อมี LP เข้าร่วมมากขึ้น b จะเพิ่มขึ้นโดยอัตโนมัติและเส้นโค้งราคาจะแบนลง; เมื่อทุนถูกถอนออก b จะลดลง วิธีนี้ช่วยหลีกเลี่ยงปัญหา "ทุนถูกทิ้งไปเมื่อราคาถึงระดับสุดขั้ว" ที่เกิดขึ้นเมื่อค่า b เป็นค่าคงที่ และ merupakanวิธีแก้ปัญหาที่โปรโตคอลต่าง ๆ เช่น Augur ได้นำมาใช้

ในการนำไปใช้จริง มักจะมีการนำ "ค่าธรรมเนียมการสวอป" และ "คะแนนสภาพคล่อง" มาใช้:

• เมื่อ LP ฝากทุน จะมีการสร้างหุ้นเพิ่มเติมตามค่า b ปัจจุบัน;
• b จะถูกอัปเดตตามกฎเกณฑ์ที่กำหนดเมื่อทุนรวมเปลี่ยนแปลง (เช่น b = k · total_funds);
• เมื่อ LP ถอนทุน การไถ่ถอนจะดำเนินการตามสัดส่วน

รายละเอียดทางคณิตศาสตร์ของ LS-LMSR ซับซ้อนกว่า LMSR โดยเฉพาะอย่างยิ่งความจำเป็นในการรับประกันว่า LP ไม่สามารถทำการอาร์บิทราจได้ผ่านวิธีการ "ฝาก–ถอน" แต่มันช่วยปรับปรุงประสิทธิภาพการจัดสรรสภาพคล่องได้อย่างมีนัยสำคัญ

3.2 AMM แบบผลคูณคงที่หลายผลลัพธ์ (สไตล์ CPMM)

อีกวิธีหนึ่งคือการขยายรูปแบบ x*y=k แบบ Uniswap ให้ครอบคลุมผลลัพธ์ N แบบ โดยกำหนด "ผลคูณส่วนแบ่ง" เป็น Π_i q_i = k แต่การใช้สูตรนี้อย่างไม่ระมัดระวังจะละเมิดสมการอนุรักษ์ Σ p_i = 1. ในการออกแบบจริง มักใช้วิธีการ "สมดุลเสมือน + การปรับมาตรฐานส่วนแบ่ง" โดยมองราคาของผลลัพธ์ทั้งหมดเป็นจุดบนซิมเพล็กซ์ความน่าจะเป็น ใช้ค่าเฉลี่ยเรขาคณิตหรือฟังก์ชันฮาร์โมนิกในการกำหนดราคา และใช้การดำเนินการอาร์บิทราจแบบชุดสมบูรณ์ (mint/redeem) เพื่อรักษาราคาให้คงที่

ในบางสถานการณ์ที่มีผลลัพธ์หลายทาง วิธีนี้อาจประหยัดค่า gas มากกว่า (ไม่จำเป็นต้องใช้ exp) แต่คุณสมบัติทางคณิตศาสตร์ไม่ชัดเจนเท่า LMSR มีโอกาสเกิดช่องว่างในการอาร์บิทราจมากขึ้น และจำเป็นต้องมีการทดสอบคุณสมบัติไม่แปรผันอย่างเคร่งครัด

3.3 Maniswap / พารามิเตอร์สภาพคล่องเชิงลบ

โปรโตคอลเช่น Polymatch / Manifold ได้เสนอให้ตั้งค่า b เป็นค่าลบหรือฟังก์ชันแบบแบ่งช่วง เพื่อสร้างความหนาแน่นของสภาพคล่องที่แตกต่างกันในช่วงราคาต่าง ๆ รูปแบบดังกล่าวสามารถ "ลดการลื่นไถลให้ใกล้ 0/1 ในขณะที่รักษาให้แน่นในช่วงกลาง" ซึ่งเหมาะกับตลาดเดิมพันความน่าจะเป็นความถี่สูง (กีฬา, eSports) แต่การพิสูจน์ทางคณิตศาสตร์และการนำไปใช้ในสัญญาจะซับซ้อนมากขึ้น

3.4 ราคาเชิงลบและสภาพคล่องเชิงลบ

การออกแบบขั้นสูงบางประเภทอนุญาตให้ "สภาพคล่องเชิงลบ" ปรากฏในช่วงราคาบางช่วง คือ ผู้สร้างตลาดขายหุ้นที่อยู่นอกเงิน (out-of-the-money) อย่างเชิงรุก ซึ่งโดยพื้นฐานแล้วคล้ายกับการขายออปชัน สิ่งนี้ต้องการให้ผู้สร้างตลาดมีหลักประกันที่เพียงพอและความสามารถในการควบคุมความเสี่ยง และโดยทั่วไปจะเปิดให้เฉพาะผู้สร้างตลาดมืออาชีพเท่านั้น

3.5 แบบจำลอง "เวกเตอร์ผลลัพธ์ + น้ำหนักการแก้ไข" แบบรวม

ไม่ว่าจะใช้ฟังก์ชันการกำหนดราคาใดก็ตาม คำแนะนำทางวิศวกรรมคือให้ใช้โมเดลข้อมูลแบบรวม:

• แต่ละเหตุการณ์มี outcomes[], แต่ละผลลัพธ์มี q (จำนวนหุ้นปัจจุบัน);
• เมื่อกำหนดความละเอียด, resolution_weights[] จะเขียนว่า, โดยที่ Σ w_i = 1;
• แต่ละส่วน outcome_i จะถูกแลกเป็น w_i USDC;
• AMM มีหน้าที่เพียงในการกำหนดราคาตาม q ก่อนการตัดสิน และทำการชำระตาม w หลังการตัดสิน

การนามธรรมนี้รวมตลาดแบบไบนารี ตลาดหลายผลลัพธ์ ตลาดหลายผู้ชนะ และตลาดสเกลาร์ไว้ในสัญญาเดียวกัน:

• ตลาดแบบไบนารี: w = [0,1] หรือ [1,0];
• หลายผลลัพธ์: มีเพียง w_i = 1 เท่านั้น;
• หลายผู้ชนะ: มี w_i = 1/k หลายตัว (ตามสัดส่วน);
• แบบสเกลาร์: น้ำหนักถูกแจกจ่ายแบบเชิงเส้นตามค่าที่ได้

4. การสร้าง (Minting), การแบ่ง (Split), การรวม (Merge) และการไถ่ถอน (Redemption) ของหุ้น

4.1 จุดยึดการอาร์บิทราจของชุดข้อมูลครบถ้วน

เหตุผลพื้นฐานที่ทำให้ตลาดการคาดการณ์สามารถกำหนดราคาได้อย่างเสถียร คือการมีอยู่ของสองการดำเนินการที่ไม่มีความเสี่ยง:

1. Mint (สร้างชุดสมบูรณ์): ใช้ 1 USDC เพื่อสร้างหุ้นหนึ่งหุ้นสำหรับแต่ละผลลัพธ์;
2. Merge / Settle (รวมและไถ่ถอน): ส่งคืนหุ้นหนึ่งหน่วยของแต่ละผลลัพธ์และไถ่ถอน 1 USDC.

หากผลรวมของราคาตลาดมากกว่า 1 ผู้หาโอกาสจะสร้างชุดครบถ้วน ขายผลลัพธ์แต่ละอย่างแยกกันเข้าสู่ตลาด และล็อกกำไรไว้; หากผลรวมของราคาน้อยกว่า 1 ผู้หาโอกาสจะซื้อหุ้นหนึ่งหน่วยของแต่ละผลลัพธ์ในตลาด แล้วรวมเพื่อไถ่ถอน 1 USDC. สิ่งนี้รับประกันว่า Σ p_i ≈ 1 (โดยมีช่วงที่ไม่มีโอกาสอาร์บิทราจหลังหักค่าธรรมเนียม)

การดำเนินการทั้งสองนี้ต้องถูกจัดให้เป็นส่วนสำคัญในสัญญา และต้องใช้สมุดบัญชีส่วนแบ่งเดียวกันกับ AMM

4.2 Split และ Merge

ในสถานการณ์ที่มีผลลัพธ์หลายแบบ ผู้ใช้อาจไม่ต้องการซื้อชุดผลลัพธ์ทั้งหมด แต่ต้องการแบ่งผลลัพธ์ "พรรคเดโมแครตชนะ" ออกเป็นผลลัพธ์ย่อยที่ละเอียดขึ้น (เช่น "ผู้สมัครคนใดคนหนึ่งชนะ" และ "ผู้สมัครจากพรรคเดโมแครตคนอื่นชนะ") นี่คือโครงสร้างลำดับชั้นของเหตุการณ์:

• เหตุการณ์หลัก: พรรคเดโมแครต vs. พรรครีพับลิกัน vs. พรรคอื่น;
• เหตุการณ์ลูก: หากพรรคเดโมแครตชนะแล้ว ผู้ชนะคือใครกันแน่?

เหตุการณ์หลักและเหตุการณ์ลูกสามารถแบ่งและรวมกันได้ตามความน่าจะเป็นแบบมีเงื่อนไข ซึ่งทำให้แพลตฟอร์มสามารถสร้างต้นไม้เหตุการณ์ที่ซับซ้อนใด ๆ ได้จากชุดตลาดขนาดเล็กที่มีผลลัพธ์หลายแบบ โดยไม่ต้องต้องระบุผลลัพธ์หลายสิบหรือหลายร้อยรายการในตลาดเดียว (เพราะหากทำเช่นนั้นจะทำให้ค่าใช้จ่ายก๊าซของ LMSR พุ่งสูงขึ้นอย่างมาก)

4.3 การโอนในตลาดรอง

ส่วนแบ่งเป็นโทเคน ERC-1155 หรือ ERC-20 (หนึ่งโทเคนต่อผลลัพธ์หนึ่ง) และสามารถโอนได้ในตลาดใดก็ได้ AMM เป็นเพียงแหล่งสภาพคล่องหลักเท่านั้น และไม่ห้ามการซื้อขายนอกตลาด (OTC) หรือคำสั่งจำกัด (limit orders) ซึ่งเปิดโอกาสให้สามารถบูรณาการกับ OpenSea, Blur และ DEX ที่ใช้สมุดคำสั่ง (order-book) ในอนาคตได้

4.4 การตัดสินผลและการไถ่ถอน

หลังจากเหตุการณ์สิ้นสุดลง ออราเคิลจะบันทึก resolution_weights และผู้ถือหุ้นจะไถ่ถอนหลักประกันตามน้ำหนัก จุดสำคัญในการออกแบบ:

• การไถ่ถอนต้องเปิดให้ดำเนินการได้ตลอดเวลา; แม้ระบบออราเคิลจะล่าช้า ผู้ถือโทเคนก็สามารถรับเงินคืนได้ในที่สุด;
• ต้องสนับสนุน "การแก้ไขส่วนหนึ่ง" (การไถ่ถอนตามสัดส่วนในสถานการณ์ที่มีผู้ชนะหลายคน);
• หยุดการไถ่ถอนชั่วคราวในช่วงเวลาที่มีการโต้แย้ง; เปิดการไถ่ถอนอีกครั้งหลังจากข้อโต้แย้งได้รับการแก้ไข;
• ตลาดที่ไม่ถูกต้อง (Invalid Market) จะได้รับการจัดการโดย "การไถ่ถอนผลลัพธ์ทั้งหมดอย่างเท่าเทียม" หรือ "การคืนเงินสำหรับทุกตำแหน่ง" — ดูรายละเอียดในส่วน 8

5. การจัดหาสภาพคล่องและโมเดลผู้สร้างตลาด

5.1 ผู้จัดหาสภาพคล่องเริ่มต้น

แหล่งที่มาของสภาพคล่องในตลาดการคาดการณ์สามารถแบ่งออกเป็นสามประเภทหลัก:

1. ผู้สร้างตลาดของแพลตฟอร์ม/โปรโตคอล: แพลตฟอร์มเองที่ลงทุนทุน ตั้งค่า b และรับประกันสภาพคล่องพื้นฐาน;
2. ผู้ให้สภาพคล่อง (LP) ของฝ่ายที่สาม: ฝากทุนลงในสระ AMM, รับค่าธรรมเนียม และรับภาระขาดทุนจากการเป็นผู้สร้างตลาด;
3. ผู้สร้างตลาดมืออาชีพ: ใช้สินทรัพย์และโมเดลของตนเองเพื่อเสนอราคาในสมุดคำสั่ง หรือฉีดสภาพคล่องผ่านอินเทอร์เฟซผู้สร้างตลาดเฉพาะทาง

ทั้งสามโมเดลสามารถทำงานร่วมกันได้ แต่โปรดทราบว่า: ภายใต้ LMSR, LP PnL = รายได้จากค่าธรรมเนียม ± PnL ของสต็อกที่เกิดจากความเคลื่อนไหวของราคา เมื่อมีข้อมูลใหม่ปรากฏขึ้นและราคาเคลื่อนไหวอย่างรุนแรง ผู้สร้างสภาพคล่อง (LP) ที่เข้าร่วมก่อนอาจสูญเสียเงิน สิ่งนี้คล้ายกับ "การสูญเสียชั่วคราว" (impermanent loss) ใน Uniswap V2 แต่เนื่องจากมีระยะเวลาหมดอายุและขีดจำกัดการสูญเสียสูงสุด โครงสร้างความเสี่ยงจึงวัดได้ง่ายขึ้น

5.2 ส่วนแบ่งและผลตอบแทนของผู้ให้สภาพคล่อง

ผู้ให้สภาพคล่อง (LP) ฝาก USDC และได้รับโทเค็น LP (ERC-20) ซึ่งให้สิทธิ์แก่พวกเขาในการ:

• ส่วนแบ่งจากค่าธรรมเนียมของทุกการซื้อขาย;
• กำไรและขาดทุนรวม (PnL) ของสต็อกของผู้สร้างตลาด (ตามสัดส่วนส่วนแบ่ง);
• การไถ่ถอนหลักประกันเมื่อเหตุการณ์ได้รับการแก้ไขตามสัดส่วนส่วนแบ่ง

จุดออกแบบที่ควรระวัง:

• เมื่อ LP เข้าร่วมระหว่างเหตุการณ์ที่กำลังดำเนินอยู่ ต้องคำนวณมูลค่าการฝากที่ยุติธรรมโดยใช้ค่า q และ b ปัจจุบัน มิฉะนั้น LP ที่เข้าร่วมก่อนจะถูกเจือจาง;
• เมื่อ LP ถอนตัว คุณจะล็อกไว้จนกว่าเหตุการณ์จะสิ้นสุด หรืออนุญาตให้ถอนตัวทันที? การถอนตัวทันทีต้องการ "reverse mint/burn" เพื่อปรับ b ในสัญญา ซึ่งมีความซับซ้อนมากขึ้น;
• การแจกจ่ายค่าธรรมเนียมระหว่าง LP หลายรายต้องจัดสรรตามสัดส่วนทุน × เวลาที่อยู่ในพูล มิฉะนั้น LP ที่เข้าร่วมภายหลังจะได้ประโยชน์โดยไม่ลงทุน

5.3 หนังสือคำสั่งแบบไฮบริด + AMM

ตลาดคาดการณ์แบบ AMM บริสุทธิ์ยังคงแสดงการลื่นไถลที่ชัดเจนสำหรับคำสั่งซื้อขายขนาดใหญ่ นักเทรดมืออาชีพและผู้สร้างตลาดคุ้นเคยกับระบบสมุดคำสั่งมากกว่า: พวกเขาพร้อมที่จะวางคำสั่งจำกัด (limit orders) และรับส่วนต่างราคา (spread) แทนที่จะจ่ายค่าธรรมเนียม AMM ดังนั้น ตลาดคาดการณ์แบบ CEX (และบางตลาดแบบ DEX เช่น CLOB ของ Polymarket) จึงใช้สถาปัตยกรรมแบบไฮบริด:

• AMM ทำหน้าที่เป็น "แหล่งสภาพคล่องสุดท้าย" ที่เสนอราคาอยู่เสมอ;
• สมุดคำสั่งมีลำดับความสำคัญในการจับคู่คำสั่งจำกัดของผู้สร้างตลาดมืออาชีพ;
• คำสั่งของผู้ใช้จะได้รับการจับคู่จากสมุดคำสั่งก่อน; ส่วนที่เหลือที่ยังไม่ถูกจับคู่จะผ่าน AMM;
• การอาร์บิทราจช่วยรักษาให้ราคาของ AMM และจุดกึ่งกลางของสมุดคำสั่งสอดคล้องกัน

สถาปัตยกรรมแบบไฮบริดช่วยปรับปรุงประสบการณ์การซื้อขายคำสั่งขนาดใหญ่ได้อย่างมีนัยสำคัญ แต่ความซับซ้อนทางวิศวกรรมก็เพิ่มขึ้นด้วย — ซึ่งต้องการระบบจับคู่คำสั่ง (matching engine), การควบคุมความเสี่ยง, ระบบมาร์จิ้น และการจัดการความสูญเสีย เมื่อ SoonTech สร้างตลาดการคาดการณ์สำหรับลูกค้า เรามักจะเสนอทั้งสองโหมดและนำระบบขึ้นออนไลน์เป็นขั้นตอนตามโปรไฟล์ของผู้ใช้

5.4 ค่า b แบบไดนามิกและสภาพคล่องแบบปรับตัว

ระบบขั้นสูงยิ่งขึ้นจะปรับค่า b แบบไดนามิกตามปัจจัยต่อไปนี้:

• เหตุการณ์ใกล้หมดอายุ: เมื่อใกล้ถึงการตัดสิน ข้อมูลจะครบถ้วนมากขึ้น ความผันผวนของราคาควรลดลง และค่า b สามารถปรับให้แคบลงเพื่อลดความเสี่ยงของ LP;
• ปริมาณการซื้อขาย: ตลาดที่มีปริมาณการซื้อขายสูงจะเพิ่มค่า b เพื่อลดการลื่นราคา;
• ความมั่นใจของ Oracle: หากภาพข่าวมีความไม่แน่นอนสูง สามารถถอนสภาพคล่องออกเป็นขั้นตอนได้;
• ทุน LP: ปรับอัตโนมัติตามเงินฝากของ LP (LS-LMSR)

แต่การปรับค่า b แบบไดนามิกต้องปฏิบัติตามกฎบนเชนที่ชัดเจน และไม่สามารถถูกปรับเปลี่ยนตามอำเภอใจโดยฝ่ายปฏิบัติการได้ มิฉะนั้นจะเกิดปัญหาความเชื่อมั่นว่า "วาฬกำลังปรับค่า b"

6. แบบจำลองค่าธรรมเนียมและแรงจูงใจ

6.1 วิธีคิดค่าธรรมเนียม

ประเภทค่าธรรมเนียมทั่วไปในตลาดการคาดการณ์:

• ค่าธรรมเนียมการซื้อขาย: คิดเป็นจุดฐาน (basis points) ของมูลค่าการซื้อขาย เช่น 0%–2%;
• ค่าธรรมเนียมการไถ่ถอน: ค่าธรรมเนียมเล็กน้อยที่เรียกเก็บเมื่อมีการตัดสินเพื่อครอบคลุมค่าใช้จ่ายของออราเคิล;
• ค่าธรรมเนียมกำไร / ค่าธรรมเนียมผู้สร้างตลาด: 1%–5% ที่หักจากส่วนแบ่งกำไรเมื่อมีการไถ่ถอน และจ่ายให้กับผู้สร้างตลาด / โปรโตคอล;
• ค่าธรรมเนียมเพิ่ม/ถอนสภาพคล่อง: เพื่อลดการเข้า-ออกของ LP ในระยะสั้น;
• ค่าธรรมเนียมการป้องกันตลาดไม่ถูกต้อง: ส่วนเล็ก ๆ ของทุกการซื้อขายจะถูกส่งเข้า "กองทุนประกันตลาดไม่ถูกต้อง" เพื่อชดเชยผู้ให้สภาพคล่อง (LP) เมื่อตลาดถูกตัดสินว่าไม่ถูกต้อง

โครงสร้างค่าธรรมเนียมต้องหลีกเลี่ยงปัญหาหนึ่ง: หากเก็บทั้งค่าธรรมเนียมการซื้อขายและค่าธรรมเนียมกำไร ช่วงราคาที่ไม่มีโอกาสอาร์บิทราจ (no-arb band) ของผู้ทำอาร์บิทราจจะกว้างขึ้น และผลรวมของราคา (Σp_i) อาจเบี่ยงเบนจาก 1 อย่างต่อเนื่อง ซึ่งส่งผลเสียต่อประสบการณ์ของผู้ใช้ ในขั้นตอนการออกแบบ ช่วงค่าที่อนุญาตของ Σp_i ต้องถูกกำหนดไว้อย่างชัดเจนด้วยสูตรทางคณิตศาสตร์

6.2 แรงจูงใจสำหรับผู้สร้างตลาด (Market Creator)

แพลตฟอร์มตลาดคาดการณ์แบบ UGC (เช่น Polymarket, Augur) อนุญาตให้ใครก็ตามสามารถสร้างเหตุการณ์ได้ กลไกการจูงใจที่พบบ่อย ได้แก่:

• ผู้สร้างเหตุการณ์จะได้รับส่วนแบ่ง (เช่น 10%–50%) จากค่าธรรมเนียมของตลาดนั้น;
• ผู้สร้างต้องวางเงินประกัน (bond); หากตลาดถูกตัดสินว่าไม่ชัดเจนหรือไม่ถูกต้อง เงินประกันจะถูกตัด;
• ตลาดที่มีคุณภาพสูงและปริมาณสูงสามารถได้รับรางวัลเพิ่มเติมจากโปรโตคอล

กลไกนี้ต้องสร้างสมดุลระหว่าง "การส่งเสริมการสร้างอย่างเปิดกว้าง" กับ "การป้องกันสแปม / ตลาดที่ถูกบิดเบือน" โดยพารามิเตอร์ของพันธบัตรและกระบวนการอุทธรณ์เป็นปัจจัยสำคัญ

6.3 การขุดสภาพคล่องและแรงจูงใจของโปรโตคอล

โปรโตคอลสามารถใช้รางวัลโทเคนให้กับผู้ให้สภาพคล่อง (LP) ที่เข้าร่วมตั้งแต่เนิ่นๆ และผู้ซื้อขายที่กระตือรือร้น เพื่อสร้างสภาพคล่องและปริมาณการซื้อขาย แต่โปรดทราบ:

• รางวัลควรอิงจาก "ปริมาณการซื้อขายจริง" และ "ระยะเวลาที่ LP อยู่ในพูล" ไม่ใช่เพียงขนาดเงินฝาก เพื่อป้องกันการฟาร์มแล้วเทขาย;
• การปล่อยรางวัลควรสอดคล้องกับวงจรของกิจกรรม เพื่อหลีกเลี่ยงการล่มสลายทันทีหลังกิจกรรมสิ้นสุด ซึ่งอาจทำให้ LP ถอนตัวออกไป

7. การแก้ไขปัญหา Oracle: แนวป้องกันที่แท้จริงของตลาดการคาดการณ์

7.1 กระบวนการตัดสิน

มูลค่าสุดท้ายของสินทรัพย์ในตลาดการคาดการณ์ถูกกำหนดโดยผลลัพธ์ของการตัดสินอย่างสมบูรณ์; ออราเคิลคือจุดที่อ่อนไหวที่สุดในห่วงโซ่ความเชื่อถือ กระบวนการตัดสินที่สมบูรณ์มักประกอบด้วย:

1. การปิดตลาด: ในเวลาที่กำหนดไว้ล่วงหน้า การซื้อขายจะหยุดลง;
2. ระยะเสนอผล: ใครก็ตามสามารถเสนอผลลัพธ์ได้ โดยทั่วไปต้องวางพันธบัตรเป็นหลักประกัน;
3. ขั้นตอนการท้าทาย: หากใครไม่เห็นด้วยกับผลลัพธ์ที่เสนอ สามารถวางโทเคนเพิ่มเติมเพื่อยื่นคำท้าทาย;
4. การยกระดับข้อพิพาท: ข้อพิพาทถูกยกระดับไปยังกลไกการตัดสินระดับสูง (เช่น UMA fork ของ Augur, UMA optimistic oracle ของ Polymarket ร่วมกับสภา multisig);
5. การแก้ไขขั้นสุดท้าย: ผลลัพธ์จะถูกบันทึกบนเชน และผู้ถือหุ้นสามารถรับคืนหุ้นได้

7.2 ออราเคิลแบบมองโลกในแง่ดี (Optimistic Oracle) และ "Truth by Default"

ออราเคิลเชิงบวก เช่น UMA ใช้โมเดล "เสนอผลก่อน รอ 1–2 ชั่วโมงสำหรับช่วงเวลาท้าทาย และถือว่าผ่านหากไม่มีการท้าทาย" วิธีนี้มีประสิทธิภาพเพียงพอสำหรับตลาดส่วนใหญ่ และไม่จำเป็นต้องลงคะแนนทุกครั้ง เฉพาะเมื่อเกิดข้อพิพาทเท่านั้น จึงจะเข้าสู่กระบวนการแก้ไขข้อพิพาทที่มีค่าใช้จ่ายสูงจริง

7.3 การแก้ไขข้อขัดแย้งจากหลายแหล่งข้อมูลและความซ้ำซ้อน

เพื่อหลีกเลี่ยงการล้มเหลวของแหล่งข้อมูลเดียว ในตลาดที่มีมูลค่าสูง แนะนำให้:

• เชื่อมต่อผู้ให้บริการข้อมูลหลายแห่งพร้อมกัน (Associated Press, Reuters, ประกาศอย่างเป็นทางการ, Chainlink, UMA);
• สำหรับเหตุการณ์ที่วัดได้ (ผลการแข่งขันกีฬา, ราคาคริปโต) ให้รวมข้อมูลจาก API หลายแหล่งโดยตรงและคำนวณค่ามัธยฐานตามกฎที่กำหนดไว้ล่วงหน้า;
• สำหรับเหตุการณ์เชิงอัตวิสัย (การเมือง, บันเทิง) ให้ใช้การลงคะแนนเสียงจากหลายบุคคล + กลไกการแก้ไขข้อพิพาท

7.4 ความสามารถในการตรวจสอบแหล่งข้อมูลการตัดสินใจ

วิธีการที่ทันสมัยยิ่งขึ้นต้องการให้ผลลัพธ์มาพร้อมกับหลักฐานที่สามารถตรวจสอบได้: ลายเซ็น API, หลักฐานที่ตรวจสอบได้จากหน้าเว็บอย่างเป็นทางการ และลายเซ็นดิจิทัลจากองค์กรข่าว สิ่งนี้ช่วยลดข้อพิพาทเรื่อง "ใครเป็นผู้ตัดสินใจ" แต่ระดับความซับซ้อนของโครงสร้างพื้นฐานนั้นสูง

8. ตลาดที่ไม่ถูกต้องและการจัดการข้อพิพาท

8.1 ตลาดที่ไม่ถูกต้องคืออะไร

ตลาดอาจถูกตัดสินว่าไม่ถูกต้อง (Invalid) ด้วยเหตุผลดังต่อไปนี้:

• คำอธิบายเหตุการณ์ไม่ชัดเจน และสามารถตีความได้หลายทางที่สมเหตุสมผล;
• แหล่งข้อมูลขัดแย้งกัน และไม่สามารถกำหนดผลลัพธ์ได้;
• เหตุการณ์นั้นไม่เคยเกิดขึ้นจริง (เช่น การแข่งขันที่กำหนดไว้ถูกยกเลิก);
• การแทรกแซงตลาด การซื้อขายโดยใช้ข้อมูลภายใน หรือการละเมิดกฎ;
• ผู้สร้างตลาดเกิดข้อผิดพลาดในการออกแบบ ทำให้ไม่สามารถตัดสินผลลัพธ์ได้อย่างเป็นกลาง

8.2 การจัดการทุนในตลาดที่ไม่ถูกต้อง

วิธีการทั่วไป:

• การคืนเงินตามสัดส่วนที่เท่ากันสำหรับทุกผลลัพธ์: หุ้นผลลัพธ์_i แต่ละหุ้นจะได้รับการคืนเงิน 1/N USDC วิธีนี้ถือว่า "เป็นกลาง" ต่อผู้ถือหุ้นทุกคน — ไม่ว่าคุณจะซื้อในราคาใด คุณก็จะได้รับเงินคืนเท่ากับต้นทุนของหุ้นหนึ่งหุ้นในที่สุด แต่วิธีนี้ทำให้ผู้ที่ซื้อในราคาต่ำสูญเสียกำไรที่อาจเกิดขึ้น และให้ประโยชน์แก่ผู้ที่ซื้อในราคาสูง;
• คืนเงินทุกการซื้อขาย + ย้อนกลับตำแหน่ง: การย้อนกลับบนเชนไปยังก่อนที่เหตุการณ์จะเริ่มขึ้นนั้นแทบจะเป็นไปไม่ได้เมื่อมีการซื้อขายเกิดขึ้นจำนวนมาก;
• ชดเชยตามราคาตลาดก่อนเกิดข้อพิพาท: ใช้กองทุนแก้ไขข้อพิพาทเพื่อซื้อคืนตำแหน่งตามราคาสุดท้ายก่อนเกิดข้อพิพาท วิธีนี้มีความละเอียดมากขึ้นแต่ก็ซับซ้อนกว่า

แนะนำให้ตั้งค่าเริ่มต้นเป็น "การชดเชยตามสัดส่วนเท่ากัน" และใช้ "กองทุนประกันตลาดที่ไม่ถูกต้อง" ที่ได้รับเงินทุนจากส่วนเล็ก ๆ ของทุกการซื้อขาย เพื่อชดเชยเพิ่มเติมในกรณีพิเศษ

8.3 เงินประกันข้อพิพาทและต้นทุนการโจมตี

กลไกการโต้แย้งต้องทำให้ทั้ง "ข้อเสนอที่ผิด" และ "การท้าทายที่มีเจตนาร้าย" มีค่าใช้จ่ายสูง:

• ผู้เสนอต้องวางเงินประกัน; จะได้รับคืน + รางวัลหากถูกต้อง, ถูกหักเงินหากผิด;
• ผู้ท้าทายต้องวางเงินประกันด้วย; ได้รับรางวัลหากสำเร็จ, ถูกหักเงินประกันหากล้มเหลว;
• เมื่อยกระดับการโต้แย้งไปยังระดับที่สูงขึ้น เงินประกันจะเพิ่มขึ้นตามตัวคูณ ทำให้ต้นทุนการโจมตีเพิ่มขึ้นแบบทวีคูณ

"กลไกการแยกสาขา (fork mechanism)" ของ Augur เป็นเครื่องมือขั้นสูงสุด: หากข้อพิพาทไม่สามารถแก้ไขได้ โปรโตคอลทั้งหมดจะแยกออกเป็นหลายเวอร์ชัน และให้ตลาดลงคะแนนด้วยพฤติกรรมของตนเอง นี่เป็นกระบวนการที่หนักหน่วง แต่รับประกันความถูกต้องขั้นสูงสุด

9. การควบคุมความเสี่ยง การปฏิบัติตามกฎระเบียบ และการป้องกันการบิดเบือน

9.1 เทคนิคการแทรกแซงตลาดที่พบบ่อย

• การปั๊ม/ดัมป์ในปริมาณใหญ่: เมื่อเหตุการณ์ใกล้จะเกิดขึ้นและสภาพคล่องต่ำ ให้ใช้คำสั่งซื้อขายในปริมาณใหญ่เพื่อผลักดันราคาให้ถึงระดับสุดขั้ว เพื่อทำให้ความคิดเห็นของสาธารณชนหรือนักเทรดรายอื่นเข้าใจผิด;
• การซื้อขายโดยใช้ข้อมูลภายใน: ผู้เข้าร่วมทราบผลลัพธ์ล่วงหน้า (เช่น การตัดสินใจถอนตัวของนักการเมือง หรือผลกำไรของบริษัท) และสร้างตำแหน่งก่อนที่ข้อมูลจะถูกเปิดเผยต่อสาธารณะ;
• การควบคุมผลลัพธ์: การให้สินบนหรือการโจมตีระบบออราเคิล (oracle) และแหล่งข้อมูล;
• การซื้อขายด้วยบัญชีหลายบัญชี: สร้างปริมาณการซื้อขายและราคาปลอมเพื่อรับรางวัลจากสภาพคล่อง;
• การโจมตี 51% / การโจมตีระบบการกำกับดูแล: ในกลไกการตัดสินใจแบบกระจายศูนย์ ใช้โทเค็นจำนวนมากเพื่อลงคะแนนและควบคุมผลลัพธ์

9.2 เครื่องมือควบคุมความเสี่ยง

• ขีดจำกัดตำแหน่ง: ตำแหน่งสูงสุดต่อที่อยู่ในตลาดเดียว, ขีดจำกัดตำแหน่งรวมในตลาดเดียว;
• ขีดจำกัดช่วงราคา: หยุดการซื้อขาย / ทำงานกลไกตัดวงจรเมื่อการเคลื่อนไหวของราคาในระยะสั้นเกินค่าขีดจำกัด;
• KYC / การบล็อกตามพื้นที่ทางภูมิศาสตร์: จำกัดการเข้าถึงในเขตอำนาจบางแห่ง (เช่น สหรัฐอเมริกา, สหราชอาณาจักร) เพื่อหลีกเลี่ยงปัญหาที่เกี่ยวข้องกับกฎหมายหลักทรัพย์ / กฎหมายการพนัน;
• การตรวจสอบธุรกรรม: การตรวจจับความผิดปกติแบบผสมผสานทั้งบนเชนและนอกเชน เพื่อระบุการใช้งานหลายบัญชี การซื้อขายหลอก (wash-trading) และกิจกรรมของผู้มีข้อมูลภายใน;
• การเปิดเผยตำแหน่งขนาดใหญ่: ที่อยู่ที่มีตำแหน่งเกินเปอร์เซ็นต์ที่กำหนดจะถูกเปิดเผยต่อสาธารณะ คล้ายกับ 13F;
• พันธบัตร / ขีดจำกัดการสูญเสีย: กำหนดขีดจำกัดการสูญเสียสูงสุดที่ผู้ให้สภาพคล่อง (LP) และผู้สร้างตลาดสามารถรับได้;
• ช่วงพัก: หยุดชั่วคราวสั้นๆ ก่อนและหลังข่าวสำคัญ เพื่อป้องกันการบิดเบือนราคาแบบทันทีทันใด

9.3 กฎหมายและการปฏิบัติตามกฎระเบียบ

ตลาดการคาดการณ์ในหลายเขตอำนาจศาลเกี่ยวข้องกับ:

• กฎหมายการพนัน: ขึ้นอยู่กับว่าตลาดนั้นขึ้นอยู่กับ "โชค" หรือไม่ มีเงินเดิมพันหรือไม่ และมีการยกเว้น "เพื่อวัตถุประสงค์การบันเทิง" หรือไม่;
• กฎหมายหลักทรัพย์ / กฎระเบียบเกี่ยวกับอนุพันธ์: สัญญาเหตุการณ์บางประเภทอาจถูกพิจารณาว่าเป็นสัญญาแลกเปลี่ยน (swaps) หรือออปชันแบบไบนารี (binary options);
• การกำกับดูแลสัญญาเหตุการณ์: คณะกรรมการการซื้อขายสินค้าโภคภัณฑ์และสัญญาซื้อขายล่วงหน้าของสหรัฐอเมริกา (CFTC) มีข้อจำกัดที่ชัดเจนต่อสัญญาเหตุการณ์ เช่น การเลือกตั้งทางการเมือง;
• AML: จำเป็นต้องมีการตรวจสอบตัวตน (KYC), การติดตามธุรกรรม และการรายงานธุรกรรมที่น่าสงสัย

เครือข่าย / รูปแบบการปรับใช้ที่แตกต่างกันต้องเผชิญกับหน่วยงานกำกับดูแลที่แตกต่างกัน: Polymarket ได้เคยถอดรายชื่อตลาดบางแห่งออกและนำระบบการบล็อกตามตำแหน่งทางภูมิศาสตร์ (geoblocking) มาใช้เพื่อตอบสนองต่อกฎระเบียบของสหรัฐอเมริกา ก่อนออกแบบผลิตภัณฑ์ ที่ปรึกษากฎหมายท้องถิ่นต้องให้ความเห็น และโปรโตคอลต้องสนับสนุนระบบการบล็อกตามตำแหน่งทางภูมิศาสตร์และเครื่องมือตรวจสอบการปฏิบัติตามกฎระเบียบที่สามารถตรวจสอบได้

10. Frontend, ประสบการณ์ผู้ใช้ และความสามารถในการประกอบ

10.1 การซ่อนความน่าจะเป็นภายในประสบการณ์ผู้ใช้

ผู้ใช้ทั่วไปไม่เข้าใจว่า 0.63 หมายถึงอะไร แต่พวกเขาเข้าใจ "ความน่าจะเป็น 63%" และ "เดิมพัน 1 USDC เพื่อชนะกลับ 1.59 USDC" Frontend ต้องแสดงข้อมูลต่อไปนี้พร้อมกัน:

• ความน่าจะเป็นโดยนัย (ร้อยละ);
• อัตราต่อรอง (1/p หรืออัตราต่อรองแบบทศนิยม);
• ผลตอบแทนที่อาจได้รับ (ใช้ X, ได้ Y);
• การเปรียบเทียบกับราคาของผู้ใช้คนอื่น / แพลตฟอร์มอื่น

สำหรับตลาดกีฬา ให้แสดงตารางการแข่งขัน ข้อมูล และประวัติการพบกันระหว่างทีมด้วย เพื่อลดต้นทุนการตัดสินใจของผู้ใช้

10.2 ประสบการณ์การซื้อขาย

• เดิมพันเร็ว: ปุ่มจำนวนเงินที่กำหนดไว้ล่วงหน้า (1/10/100 USDC), แถบเลื่อน;
• คำสั่งจำกัด: ผู้ใช้ระดับมืออาชีพต้องการ "ซื้อ Yes ที่ราคาต่ำกว่า 0.42";
• ตำแหน่งขาย: ให้ผู้ใช้ล็อกกำไรหรือหยุดการถือครองก่อนการตัดสินผล;
• พอร์ตโฟลิโอหลายรายการ: ซื้อผลลัพธ์หลายอย่างพร้อมกันเพื่อสร้างโครงสร้าง เช่น "ชนะในผลลัพธ์กลาง" หรือ "ชนะหากผลลัพธ์ใด ๆ เกิดขึ้น";
• Mobile-first: ผู้ใช้ตลาดการคาดการณ์ส่วนใหญ่มาจากโซเชียลมีเดีย ดังนั้นประสบการณ์บนมือถือจึงมีความสำคัญอย่างยิ่ง

10.3 ความสามารถในการรวมระบบ

• หุ้นเป็น ERC-1155 / ERC-20 และสามารถเข้าสู่ระบบนิเวศ DeFi ได้:
• ใช้เป็นหลักประกันในการกู้ยืม (สำหรับเหตุการณ์ระดับบลูชิป);
• ถูกจัดทำดัชนีโดย AMM หรือสมุดคำสั่งอื่น ๆ;
• บรรจุเป็นผลิตภัณฑ์ที่มีโครงสร้าง (เช่น "ETF แบบตะกร้าสำหรับเหตุการณ์ทางการเมือง");
• เชื่อมต่อกับเครือข่ายอื่น ๆ

การกำหนดให้หุ้นเป็นโทเคนมาตรฐานตั้งแต่ขั้นตอนการออกแบบสัญญา เป็นกุญแจสำคัญในการรับประโยชน์จากระบบนิเวศ

11. หลักการสำคัญในการพัฒนาทางวิศวกรรม

11.1 ไลบรารีทางคณิตศาสตร์

Solidity ไม่มีตัวเลขทศนิยมแบบลอยตัวในตัว; ค่า exp / ln ที่ LMSR ต้องการมักถูกนำไปใช้ในรูปแบบต่อไปนี้:

• ABDK Math 64.64 (จุดคงที่);
• PRBMath (จุดคงที่, พร้อม SD59 / UD60);
• ตารางค้นหาที่คอมไพล์ล่วงหน้า (ตาราง sigmoid ใช้ได้สำหรับตลาดแบบไบนารี);
• บน L2 (Arbitrum Stylus, Optimism, Base), ให้ใช้ Rust / C++ ในการพัฒนาเพื่อลดค่าใช้จ่าย gas อย่างมีนัยสำคัญ

ไม่ว่าคุณจะเลือกวิธีใด การทดสอบ fuzz อย่างครบถ้วนเป็นสิ่งจำเป็น: ภายใต้ค่า q ที่สุดขั้ว ให้ตรวจสอบว่านิยามคงที่ Σ p_i = 1 (ภายในขอบเขตข้อผิดพลาด) ว่าความสูญเสียสูงสุดไม่เกิน b·ln(N) และว่า Mint/Merge เป็น no-arbitrage เสมอ

11.2 โครงสร้างสัญญา

รูปแบบโมดูลาร์ที่แนะนำ:

• EventFactory: สร้างเหตุการณ์ และกำหนดพารามิเตอร์;
• Market / Condition: สถานะ, q, b, และผลลัพธ์ของเหตุการณ์เดียว;
• AMM / MarketMaker: ตรรกะการกำหนดราคาและการซื้อขาย (LMSR หรือรูปแบบอื่น);
• CompleteSets: สร้าง / รวมชุดสมบูรณ์;
• LPVault: การจัดหาสภาพคล่อง, โทเค็น LP, การแจกจ่ายค่าธรรมเนียม;
• OracleAdapter: การบูรณาการ UMA, Chainlink และ API;
• Dispute / Governance: การโต้แย้งและการส่งเรื่องขึ้นระดับสูง;
• ShareToken (ERC-1155): โทเค็นหุ้น

การแยกตรรกะ AMM ออกจากหุ้นและกระบวนการแก้ไขปัญหา ทำให้คุณสามารถอัปเกรดอัลกอริทึมการสร้างตลาดได้โดยไม่มีการหยุดให้บริการ

11.3 การเพิ่มประสิทธิภาพการใช้ Gas

• เมื่อ N ของผลลัพธ์หลายตัวมีค่าสูง การคำนวณ exp จะใช้ทรัพยากรมาก; ให้คำนวณ Σ exp ไว้ล่วงหน้าและเก็บไว้ในแคช แล้วอัปเดตเฉพาะส่วนที่เกี่ยวข้องกับผลลัพธ์ที่ซื้อในแต่ละครั้ง โดยคำนวณราคาใหม่แบบเพิ่มทีละน้อย;
• สำหรับตลาดแบบทวิภาค (N = 2) LMSR สามารถลดทอนเป็นฟังก์ชันซิกมอยด์ได้ และไม่จำเป็นต้องใช้ลูป;
• ใช้การโอนแบบกลุ่ม (batch transfers) ตามมาตรฐาน ERC-1155 เพื่อประหยัดค่า gas;
• ในการปรับใช้บน L2, ค่า gas ไม่ใช่จุดคอขวดหลัก แต่ค่าใช้จ่าย calldata ยังคงต้องได้รับการพิจารณา

11.4 การจัดทำดัชนีและข้อมูล

โครงสร้างข้อมูลบนเชนของตลาดการคาดการณ์มีความซับซ้อน (เงื่อนไข, ส่วนแบ่ง, ตำแหน่ง, การแก้ไข) ดังนั้นคุณต้องสร้างตัวจัดทำดัชนีของคุณเองด้วย Subgraph / Ponder / Envio เพื่อให้:

• รายชื่อตลาดและการกรองข้อมูล;
• ตำแหน่งและประวัติของผู้ใช้;
• กราฟ K-line ของราคา;
• อัตราผลตอบแทนต่อปี (APY) ของ LP;
• แดชบอร์ดปริมาณการซื้อขายและสภาพคล่อง

12. การเปรียบเทียบแนวปฏิบัติของโปรโตคอลหลัก

แมนิโฟลด์

แบบ LMSR ที่พัฒนาขึ้นภายในองค์กร

หลากหลาย

กีฬา / ข่าวสารปัจจุบัน

โทเค็นเงื่อนไข Gnosis

กรอบงานโทเคนตามเงื่อนไข ที่สามารถรวมกับ AMM ใดก็ได้

สามารถติดตั้งได้

เหมาะสำหรับใช้เป็นโครงสร้างพื้นฐาน

Drift / Predict

AMM แบบไฮบริด + หนังสือคำสั่ง

ภายใน + หลายแหล่ง

สไตล์ L1 / app-chain

ข้อสังเกตหลายประการ:

• LMSR แบบบริสุทธิ์ให้ประสบการณ์ผู้ใช้ (UX) ที่แย่กว่าสมุดคำสั่ง แต่มีความกระจายศูนย์มากขึ้นและไม่ต้องการผู้สร้างตลาด;
• ตลาดขนาดใหญ่ที่ได้รับความสนใจสูง (การเลือกตั้งสหรัฐฯ, ฟุตบอลโลก) มักมีผู้สร้างตลาดมืออาชีพที่จัดหาสภาพคล่องให้กับสมุดคำสั่งซื้อ;
• การเลือกกลไกการแก้ไขปัญหามีความสำคัญมากกว่าสูตรการสร้างสภาพคล่อง — แม้แต่ AMM ที่ดูดีที่สุดก็ไม่สามารถแก้ไขการตัดสินใจที่ผิดพลาดได้

13. โซลูชันการนำ AMM สำหรับตลาดการคาดการณ์ของ SoonTech

13.1 ภาพรวมโมดูล

ชุดโซลูชันตลาดการคาดการณ์ของ SoonTech ประกอบด้วย:

1. Event & Condition Engine: แบบจำลองแบบรวมสำหรับผลลัพธ์แบบไบนารี / ผลลัพธ์หลายแบบ / ผู้ชนะหลายคน / ค่าสเกลาร์ พร้อมการแบ่งเหตุการณ์แบบพ่อ-ลูก;
2. AMM Core: ตัวเลือก LMSR + LS-LMSR + CPMM ที่สามารถเปลี่ยนได้ตามประเภทเหตุการณ์;
3. CLOB Bridge: โมดูลสมุดคำสั่งซื้อแบบเลือกได้, การเข้าถึงสำหรับผู้สร้างตลาดมืออาชีพ, การแบ่งปันสภาพคล่องกับ AMM;
4. CompleteSets & ERC-1155 Shares: การสร้าง / การรวม / การโอน, สารสนเทศโทเคนมาตรฐาน;
5. LP Vault: ฝาก/ถอน LP, b แบบไดนามิก, การแบ่งค่าธรรมเนียม, การติดตามการสูญเสียชั่วคราว;
6. Oracle Hub: UMA, Chainlink, การรวม API ภายในองค์กร, การตรวจสอบจากหลายแหล่ง;
7. Dispute Framework: เสนอ–ท้าทาย–ยกระดับ พร้อมด้วยพันธบัตรและระบบตัดสิทธิ์;
8. Risk Engine: ขีดจำกัดตำแหน่ง, ระบบตัดวงจรราคา, การบล็อกตามพื้นที่ทางภูมิศาสตร์, การตรวจจับการซื้อขายที่น่าสงสัย;
9. Front-end / Mobile SDK: การแสดงผลความน่าจะเป็น / อัตราต่อรอง / ผลตอบแทน, การเดิมพันด้วยคลิกเดียว, คำสั่งจำกัด, พอร์ตโฟลิโอหลายชุด;
10. Analytics & Indexer: ตลาด, K-line, LP APY, แดชบอร์ดบนเชน.

13.2 สถานการณ์การใช้งานทั่วไป

สถานการณ์ 1: ตลาดการคาดการณ์กีฬาและอีสปอร์ตสำหรับเอเชียตะวันออกเฉียงใต้

ลูกค้าต้องการเปิดตัวตลาดการคาดการณ์ฟุตบอล บาสเกตบอล และอีสปอร์ตในอินโดนีเซีย เวียดนาม และฟิลิปปินส์ เราใช้ LMSR เป็นแหล่งสภาพคล่องพื้นฐาน, เพิ่มสมุดคำสั่งจากผู้สร้างตลาดของบุคคลที่สามสำหรับเหตุการณ์ยอดนิยม, ใช้การรวมข้อมูลกีฬาจากหลายแหล่งผ่าน API พร้อมการตรวจสอบด้วยมือเพื่อแก้ไขปัญหา, และสนับสนุนการชำระเงินท้องถิ่นและการฝากด้วยสแตเบิลคอยน์บนมือถือ สามเดือนหลังการเปิดตัว ปริมาณการซื้อขายรายเดือนเกิน 80 ล้านดอลลาร์ โดยอัตราการโต้แย้งต่ำกว่า 0.3%

สถานการณ์ที่ 2: ตลาดเหตุการณ์ทางการเมืองและเศรษฐกิจมหภาคที่ฝังอยู่ใน CEX

ลูกค้าเป็น CEX ขนาดกลางที่ต้องการเพิ่มสัญญาเหตุการณ์ เช่น "ราคา BTC ณ สิ้นเดือน" และ "การลดอัตราดอกเบี้ยของ Fed" ในแอปที่มีอยู่ เราใช้สถาปัตยกรรมแบบไฮบริด CLOB + AMM; ออราเคิล (Oracle) ให้ความสำคัญกับ Chainlink และประกาศอย่างเป็นทางการ; สัญญาเหตุการณ์ถูกเชื่อมต่อเข้ากับระบบมาร์จิ้นแบบรวมของ CEX เพื่อให้ผู้ใช้สามารถใช้ตำแหน่งสัญญาที่มีอยู่เป็นหลักประกันได้

สถานการณ์ที่ 3: แพลตฟอร์มตลาดการคาดการณ์แบบ UGC

ลูกค้าต้องการแพลตฟอร์มที่ "ใครก็ได้สามารถสร้างตลาดได้" เราได้นำระบบ Event Factory + Creator bond + UMA Optimistic Oracle มาใช้อย่างครบถ้วน และดำเนินการสร้างกระบวนการตรวจสอบตลาด การรายงาน และการอุทธรณ์ ส่วนหน้าการจับคู่สนับสนุนการสร้างตลาดตามแม่แบบ (กีฬา การเมือง คริปโต ความบันเทิง) เพื่อลดความยากในการสร้างตลาด

13.3 กำหนดการส่งมอบ

• สัปดาห์ที่ 1–2: วิจัยธุรกิจ, กำหนดประเภทตลาดเป้าหมาย, โปรไฟล์ผู้ใช้, และขอบเขตการปฏิบัติตามกฎระเบียบ;
• สัปดาห์ที่ 3–6: การพัฒนาสัญญา (LMSR + CompleteSets + LPVault + Oracle Adapter), การทดสอบ;
• สัปดาห์ที่ 7–8: การตรวจสอบ, testnet + shadow mainnet, การบูรณาการ oracle;
• สัปดาห์ที่ 9: การบูรณาการส่วนหน้าและแอปพลิเคชัน, การกำหนดค่ากฎความเสี่ยง;
• สัปดาห์ที่ 10: เปิดตัว mainnet, การตรวจสอบขีดจำกัด + การตรวจสอบ multisig, บริการรับแจ้งเหตุ 24/7;
• หลังจากนั้น: หนังสือคำสั่งซื้อขาย, เหตุการณ์พ่อ-ลูก, การปรับใช้ข้ามเชน, การรับผู้สร้างตลาด (market-maker) เข้าระบบ

14. คำแนะนำสำหรับการนำระบบไปใช้ในองค์กร

14.1 ควรเริ่มต้นด้วยประเภทเหตุการณ์ใด

• แนะนำให้เริ่มด้วยเหตุการณ์ที่สามารถวัดได้และมีแหล่งข้อมูลที่ชัดเจน (ราคาคริปโต, ผลการแข่งขันกีฬา, ข้อมูลเศรษฐกิจมหภาค) ไม่ควรเริ่มด้วยเหตุการณ์ทางการเมืองที่มีลักษณะเชิงอัตวิสัย;
• รักษาวงจรเหตุการณ์ให้สั้น (1–7 วันเป็นดีที่สุด) เพื่อให้ผู้ใช้สามารถเข้าร่วมได้ซ้ำๆ และผลิตภัณฑ์สามารถปรับปรุงได้;
• ในระยะเริ่มต้น ให้จำกัดจำนวนตลาดที่เปิดพร้อมกันไว้ที่ 5–10 ตลาด รักษาสภาพคล่องให้กระจุกตัว และหลีกเลี่ยงสถานการณ์ที่ "ทุกตลาดมีสภาพคล่องต่ำ"

14.2 องค์ประกอบทีม

ทีมขั้นต่ำ: 1 PM, 2 วิศวกรสัญญาอัจฉริยะ, 1 backend / indexer, 1 frontend / mobile, 1 risk / data, 1 ops / market review. การเพิ่ม order book จำเป็นต้องมีวิศวกร matching เพิ่มอีก 1–2 คน; UGC และกลไกการแก้ไขข้อพิพาทจำเป็นต้องมีการตรวจสอบเนื้อหาและสนับสนุนด้านกฎหมาย

14.3 ตัวชี้วัดหลัก

• ปริมาณการซื้อขายและจำนวนผู้ใช้: DAU, ปริมาณการซื้อขายรายวัน, ปริมาณสูงสุดต่อตลาดเดียว;
• ตัวชี้วัดสภาพคล่อง: ส่วนต่างราคาซื้อ-ขาย, เส้นโค้งสลิปเปจ, ทุน LP;
• คุณภาพการแก้ไขข้อพิพาท: อัตราข้อพิพาท, อัตราการแก้ไขผิด, เวลาแก้ไขเฉลี่ย;
• ตัวชี้วัดความเสี่ยง: การพยายามแทรกแซงราคา, การบล็อกการซื้อขายที่ผิดปกติ, อัตราการปฏิบัติตามกฎระเบียบตามเขตอำนาจ;
• เศรษฐกิจ LP: ผลตอบแทนสุทธิของ LP, อัตราการรักษาผู้ใช้, อัตราส่วนการขาดทุนจากการสร้างตลาด / ค่าธรรมเนียม;
• ตัวชี้วัดทางธุรกิจ: รายได้จากค่าธรรมเนียม, ส่วนแบ่งของแพลตฟอร์ม, มูลค่าต่อผู้ใช้.

15. แนวโน้มในอนาคต

15.1 ตลาดการคาดการณ์และตลาดข้อมูล AI

เอเย่นต์ AI จะกลายเป็นผู้เข้าร่วมสำคัญในตลาดการคาดการณ์: พวกมันจะเก็บข้อมูลข่าวสาร สื่อสังคมออนไลน์ และข้อมูลบนเชนแบบเรียลไทม์ และทำการซื้อขายอย่างรวดเร็ว ก่อนที่ผลลัพธ์ของเหตุการณ์จะชัดเจน สิ่งนี้จะช่วยเพิ่มประสิทธิภาพของตลาด แต่ก็ก่อให้เกิดความกังวลเกี่ยวกับ "บอทที่เบียดขับนักลงทุนรายย่อย" การออกแบบระบบ เช่น การเปิดเผยข้อมูลแบบล่าช้า ค่าธรรมเนียมแบบขั้นบันได และตลาดเฉพาะสำหรับเอเยนต์ สามารถนำมาใช้เพื่อแก้ไขปัญหานี้ได้

15.2 สินทรัพย์ในโลกจริง (RWA) และการสร้างเป็นเหตุการณ์

การเปลี่ยนเหตุการณ์ RWA เช่น อัตราดอกเบี้ย อัตราแลกเปลี่ยน สินค้าโภคภัณฑ์ และคำขอชดเชยประกันภัย ให้กลายเป็นตลาดคาดการณ์เพื่อกำหนดราคา เป็นทิศทางที่กำลังเติบโต ซึ่งผสมผสานสัญญาซื้อขายล่วงหน้า/สัญญาออปชันของระบบการเงินแบบดั้งเดิมกับตลาดคาดการณ์ และยกระดับมาตรฐานด้านความสอดคล้องกับกฎระเบียบและการชำระบัญชี

15.3 การพัฒนาโครงสร้างพื้นฐานการตัดสินให้มืออาชีพ

เมื่อตลาดการคาดการณ์ขยายตัว การแก้ไขข้อมูลจาก oracle จะพัฒนาจาก "การยืนยันแบบมองโลกในแง่ดี" ไปสู่ "ข้อเท็จจริงที่ตรวจสอบได้": ลายเซ็นดิจิทัลจากองค์กรข่าว หลักฐานทางเข้ารหัสจาก API อย่างเป็นทางการ และ ZK-Coprocessors ที่จัดการข้อมูลซับซ้อน จะกลายเป็นส่วนหนึ่งของโครงสร้างพื้นฐานทั้งหมด

15.4 การแพร่กระจายของ L2 และ App-chains

ตลาดการคาดการณ์มีการซื้อขายบ่อยครั้งด้วยมูลค่าต่อธุรกรรมที่น้อย และเหมาะสมโดยธรรมชาติกับ L2 หรือ app-chains ที่มีปริมาณการประมวลผลสูงและค่า gas ต่ำ ใน 1–2 ปีข้างหน้า จะมีการปรากฏของโซ่คาดการณ์ที่ออกแบบมาโดยเฉพาะมากขึ้น หรือ app-chains สำหรับตลาดการคาดการณ์บน L2 ที่มีอยู่

15.5 ความชัดเจนด้านกฎระเบียบ

เขตอำนาจศาลต่าง ๆ เช่น สหรัฐอเมริกา สหราชอาณาจักร สหภาพยุโรป สิงคโปร์ และดูไบ กำลังค่อย ๆ ชี้แจงขอบเขตการกำกับดูแลของสัญญาเหตุการณ์อย่างชัดเจน กรอบการปฏิบัติตามกฎระเบียบที่ชัดเจนจะช่วยให้ทุนสถาบันและผู้สร้างตลาดแบบดั้งเดิมสามารถเข้ามาร่วมได้ และคาดว่าขนาดรวมของตลาดการคาดการณ์จะเติบโตขึ้นถึงระดับหนึ่งเท่าตัว

คำถามที่พบบ่อย

Q1: ความแตกต่างพื้นฐานระหว่าง LMSR และ AMM แบบ Uniswap คืออะไร?

A: LMSR กำหนดราคาจากชุดของความน่าจะเป็น — ราคาทั้งหมดรวมกันเป็น 1 เสมอ ส่วน Uniswap กำหนดราคาจากมูลค่าสัมพัทธ์ของสินทรัพย์สองชนิดที่อิสระจากกัน การสูญเสียสูงสุดของผู้สร้างตลาด LMSR มีขีดจำกัด (b·lnN); ส่วน LP ของ Uniswap มีความสูญเสียชั่วคราวที่ไม่มีขีดจำกัด ทั้งสองใช้แนวคิด AMM แต่การคำนวณทางคณิตศาสตร์และโปรไฟล์ความเสี่ยงแตกต่างกันอย่างมาก

Q2: ทำไมยังเกิดการลื่นไถล (slippage) เมื่อซื้อ แม้ว่าราคาจะแน่นอนมากแล้ว (เช่น 0.99)?

A: ฟังก์ชัน softmax ของ LMSR ยังคงมีความชันใกล้ p = 0.99 การดันราคาจาก 0.99 ไปยัง 0.995 อาจมีค่าใช้จ่ายสูงกว่าการดันจาก 0.5 ไปยัง 0.6 ปรากฏการณ์ "สภาพคล่องมีค่าใช้จ่ายสูงขึ้นเมื่อราคาอยู่ระดับสุดขั้ว" นี้ เป็นคำวิจารณ์ที่พบบ่อยต่อ LMSR; LS-LMSR และรูปแบบที่คล้ายกันถูกออกแบบมาเพื่อปรับปรุงจุดนี้

Q3: ผู้สร้างตลาด / LP จะขาดทุนหรือไม่?

A: ใช่ เมื่อตลาดปรับราคาอย่างเฉียบพลันจากข้อมูลใหม่ ผู้สร้างตลาดที่สร้างสต็อกไว้ก่อนหน้านี้อาจขาดทุน การขาดทุนสูงสุดถูกจำกัดไว้ที่ (b·lnN) แต่การขาดทุนจริงขึ้นอยู่กับเส้นทางราคา ผู้ให้บริการสภาพคล่อง (LP) ควรวางแผนชดเชยการขาดทุนดังกล่าวด้วยรายได้จากค่าธรรมเนียม และระมัดระวังในการจัดหาสภาพคล่องในช่วงเหตุการณ์ที่มีความผันผวนสูง

Q4: หากผมมีความมั่นใจในผลลัพธ์ ควรซื้อที่ราคาเท่าไร?

A: ซื้อ Yes เมื่อความน่าจะเป็นตามมุมมองส่วนตัวของคุณสูงกว่าราคาตลาด (p_market < p_you); ผลตอบแทนที่คาดการณ์ได้จะเป็นบวก แต่ต้องพิจารณาความเสี่ยงในการตัดสิน, ความคล่องตัว, ค่าธรรมเนียม และต้นทุนเวลาด้วย อย่าเสี่ยง 1% จากผลการตัดสินที่ผิดเพียงเพื่อชนะ 1% ที่ราคา 0.99

Q5: จะเกิดอะไรขึ้นหากตลาดถูกตัดสินว่าไม่ถูกต้อง?

A: วิธีปฏิบัติหลักคือทุกหุ้นจะได้รับการคืนเงินอย่างเท่ากันที่ 1/N พร้อมด้วยค่าชดเชยเพิ่มเติมจาก "กองทุนประกันตลาดไม่ถูกต้อง" ให้อ่านนโยบายตลาดไม่ถูกต้องของแพลตฟอร์มก่อนทำการซื้อขาย และหลีกเลี่ยงการเดิมพันในตลาดที่มีคำอธิบายไม่ชัดเจน

Q6: ต้องใช้เวลานานเท่าใดในการสร้างตลาดการคาดการณ์จากศูนย์?

A: ระบบ LMSR พื้นฐาน + ตลาดแบบไบนารี + oracle แบบง่ายสามารถเข้าสู่ testnet ได้ภายใน 3–4 สัปดาห์; ส่วนการรวมคุณสมบัติหลายผลลัพธ์, LP vault, สมุดคำสั่งแบบไฮบริด, กลไกการแก้ไขข้อพิพาท, frontend แบบเต็มรูปแบบ และการควบคุมความเสี่ยง มักใช้เวลา 3–4 เดือน แนะนำให้ปรับแต่งบนชุดเครื่องมือที่พัฒนาแล้ว (เช่น โซลูชันของ SoonTech) แทนที่จะเขียนขึ้นใหม่ตั้งแต่ต้น

สรุป

AMM ของตลาดการคาดการณ์ดูเหมือนเพียงสูตรการกำหนดราคาบนผิวเผิน แต่มันอยู่จุดตัดกันระหว่างวิศวกรรมการเงิน การแก้ไขปัญหาแบบกระจายศูนย์ ออราเคิล การควบคุมความเสี่ยง การปฏิบัติตามกฎระเบียบ และประสบการณ์ผู้ใช้ LMSR ได้กลายเป็นมาตรฐานของอุตสาหกรรมไม่เพียงเพราะสูตรคณิตศาสตร์ที่สง่างาม แต่ยังเพราะการสูญเสียสูงสุดมีขีดจำกัด ราคาของมันสอดคล้องกับการตีความเชิงความน่าจะเป็นอย่างเป็นธรรมชาติ และเข้ากันได้อย่างสมบูรณ์กับ "การอาร์บิทราจแบบชุดสมบูรณ์" แต่สิ่งที่กำหนดความสำเร็จหรือความล้มเหลวของผลิตภัณฑ์ตลาดการคาดการณ์อย่างแท้จริงนั้น มักไม่ใช่ฟังก์ชันการกำหนดราคาเอง — แต่เป็นความน่าเชื่อถือของกลไกการตัดสิน ความลึกของสภาพคล่อง ความเข้มงวดในการควบคุมความเสี่ยง และความราบรื่นของประสบการณ์ผู้ใช้

บทความนี้ได้วิเคราะห์อย่างเป็นระบบเกี่ยวกับพื้นที่การออกแบบทั้งหมดของ AMM สำหรับตลาดการคาดการณ์ ตั้งแต่โครงสร้างทางการเงิน, LMSR และรูปแบบต่าง ๆ ของมัน, ระบบหุ้น, การจัดหาสภาพคล่อง, แรงจูงใจจากค่าธรรมเนียม, การตัดสินจากออราเคิล, ตลาดที่ไม่ถูกต้อง, ความเสี่ยงและการปฏิบัติตามกฎระเบียบ, ประสบการณ์ผู้ใช้ด้านหน้า, การพัฒนาทางวิศวกรรม, ไปจนถึงการเปรียบเทียบโปรโตคอลหลักต่าง ๆ เมื่อการเลือกตั้งประธานาธิบดีสหรัฐฯ ปี 2026, ฟุตบอลโลก, ETF สกุลเงินดิจิทัล และเหตุการณ์อัตราดอกเบี้ยระดับมหภาคยังคงผลักดันตลาดการคาดการณ์เข้าสู่กระแสหลัก ภาคส่วนนี้จึงพร้อมสำหรับรอบใหม่ของการเติบโตอย่างรวดเร็วของผลิตภัณฑ์และโครงสร้างพื้นฐาน

ทีม SoonTech มีประสบการณ์ลึกซึ้งในหลายสายผลิตภัณฑ์ รวมถึงตลาดการคาดการณ์, CEX และ DEX AMM สำหรับตลาดการคาดการณ์เป็นหนึ่งในโมดูลที่โดดเด่นที่สุดของเรา ซึ่งได้ถูกนำไปใช้งานแล้วในกีฬาต่างๆ ในเอเชียตะวันออกเฉียงใต้, สัญญาเหตุการณ์บน CEX, แพลตฟอร์ม UGC และอื่นๆ อีกมากมาย หากทีมของคุณกำลังพัฒนาตลาดการคาดการณ์ กำลังเพิ่มสัญญาเหตุการณ์ลงในแพลตฟอร์มการซื้อขายที่มีอยู่ หรือกำลังมองหาวิธีที่จะฝังความสามารถในการคาดการณ์ลงในแอปพลิเคชันของคุณเอง เราพร้อมที่จะพูดคุยกับคุณอย่างยินดี โดยพิจารณาจากตลาดเป้าหมาย โปรไฟล์ผู้ใช้ และข้อกำหนดด้านการปฏิบัติตามกฎระเบียบ เราสามารถมอบโซลูชันครบวงจร ตั้งแต่การพัฒนาสัญญา การบูรณาการออราเคิล การออกแบบความเสี่ยง ไปจนถึงส่วนหน้าและแอปพลิเคชัน

ให้ภูมิปัญญาของมวลชนได้รับการกำหนดราคา ให้การค้นพบข้อมูลมีประสิทธิภาพมากขึ้น และให้ทุกคนที่มีมุมมองสามารถเข้าร่วมได้ — นี่คือมูลค่าในระยะยาวของตลาดการคาดการณ์ และเหตุผลที่เราไม่หยุดพัฒนาโครงสร้างพื้นฐานอย่างต่อเนื่อง

🌐 สร้างแพลตฟอร์ม Web3 ที่ปลอดภัยและสามารถขยายได้กับ SoonTech

ค้นพบโซลูชันของเราสำหรับตลาดคริปโตแบบ White Label, ตลาดการคาดการณ์, กระเป๋าเงิน MPC, ระบบจับคู่, การบูรณาการสภาพคล่อง และการปฏิบัติตามข้อกำหนด