預測市場若要從「社交玩具」轉型為「機構級避險工具」，必須解決一個問題：做市商是否願意提供深度報價，並能有效對沖庫存。 過去兩年來，Kalshi、Polymarket、Manifold 和 Augur 之間的深度差距，最終歸結為單一變數——即機構級做市商是否擁有將預測市場持倉對沖至外部衍生品的管道——而在該管道建立之前，市場深度便無法從「社交事件」層級躍升至「宏觀事件」層級。 SoonTech 的做市商激勵機制與庫存對沖方案涵蓋 LMSR / CLOB 混合模式、做市商激勵機制、庫存風險、跨市場對沖、結算連結及合規日誌——協助預測市場營運商吸引專業做市商，並控制事件驅動的尾部風險，使預測市場從「零售深度」轉型為「具備可簽署服務水準協議（SLA）的機構級對沖工具」。

1. 產業背景

預測市場做市的三個世代：

1. 第一代（2016–2020）——LMSR 主導：Augur、Gnosis、Foresight 採用羅賓·漢森（Robin Hanson）的「對數市場評分規則」（LMSR）——b 參數決定市場深度，在長尾事件上表現最佳，但在高頻事件上資本效率較低。
2. 第二代（2020–2023）—— CLOB 取代 LMSR：Polymarket 遷移至訂單簿，Kalshi 基於 CLOB 上線，專業做市商進場，但稀疏事件仍導致報價稀少且點差寬大。
3. 第三代（2023–至今）——LMSR／CLOB 混合模式：LMSR 作為稀疏事件的後備機制，CLOB 則驅動高頻事件的深度；基於 Solana／Polygon 的新一代預測市場在同一市場中同時運行這兩種機制，並由平台端自動切換。

在 SoonTech 的預測市場客戶中，庫存對沖能力已成為市場造市者（MM）決定是否加入的首要因素。 過去十二個月內，有三項結構性轉變尤為顯著：(1) 選舉、體育及宏觀領域的市場造市者（MM）現要求平台提供跨市場對沖管道——包括 BTC／ETH 期權、波動率產品，以及作為可組合對沖池的宏觀利率； (2) 激勵機制正從「標頭獎勵」轉向「報價佔比 + 成交貢獻」——當激勵機制具有透明度時，做市商才會留在該平台； (3) 合規監管機構（CFTC／MAS／VARA）現要求對下單、庫存、結算及獎勵事件進行記錄，並期望針對「預測市場 ↔ 衍生品」對沖交易實施「KYT（交易者盡職調查）＋稽核軌跡」。

2. 市場痛點

以下五項痛點反覆抑制機構級市場造市者擴大規模的意願：

• 在高頻率事件中，僅靠 LMSR 便成本高昂——當 b 為固定值時，深度呈線性增長，而資本則呈對數線性擴張，從而限制了規模。
• 僅靠 CLOB 模式在稀疏事件中流動性不足——長尾市場僅能獲得零星報價，做市商無法維持穩定的報價。
• 市場造市商的激勵機制不透明——若缺乏量化的報價佔比與成交貢獻數據，造市商無法預測回報，年度談判便淪為猜測。
• 缺乏庫存對沖機制——事件尾部風險（選舉結果、宏觀數據發布、體育賽事爆冷）極為嚴重；做市商拒絕承擔此風險，導致市場深度停滯不前。
• 缺乏合規日誌——結算變更、庫存調整及獎勵支付均未系統性記錄；KYT、SIEM 及稽核皆仰賴人工操作。

根本原因：預測市場歷來將問題歸咎於「零售深度不足」，並向市場造市者提供高額獎勵；然而，機構投資者真正關切的是庫存能否對沖、激勵機制是否透明可解釋，以及事件是否可稽核——這三項問題必須同時解決。

3. 數據與趨勢

機構級做市商的要求可歸納為八個維度：

表格上方呈現三條趨勢線。首先，預測 ↔ 衍生性金融商品避險的組合正趨於標準化——市場造市商（MMs）希望在單一風險系統中，將選舉與波動率、宏觀經濟與利率、體育賽事與相關性組合進行對應。 其次，市場製造商的激勵機制正從「補貼驅動」轉向「量化驅動」——報價佔比、成交貢獻度及對沖效率，這三項關鍵績效指標（KPI）是平台必須直接向市場製造商公開的。 第三，監管態勢正從「灰色地帶」轉向「分級許可」——美國商品期貨交易委員會（CFTC）於2024年批准 Kalshi 的選舉合約，加上新加坡金融管理局（MAS）與維爾京群島監管局（VARA）將預測市場定性為避險工具，使得合規紀錄成為進入市場的必要條件。

市場深度取決於市場造市商能否對庫存進行避險，而非造市商所獲得的頭條報酬——唯有當機構級造市商能將預測市場庫存與外部衍生性金融商品整合至單一風險框架中時，市場深度才會延伸至宏觀事件領域。

4. 案例分析：機構級做市商入市

匿名化情境：某量化基金希望在預測市場（選舉／體育／宏觀； 40 份合約），庫存上限為 5,000 萬美元，要求具備 LMSR／CLOB 自動切換功能、通往 BTC／ETH 期權的跨市場避險通道、透過保險基金提供尾部風險保障、每週結算報價份額與成交貢獻獎勵，以及完整的事件記錄。

• 步驟 1 — 做市商透過 SoonTech 的混合引擎在 CLOB 上報價；橫跨 40 個市場的雙向報價，最低報價 2,000 美元，最高 500,000 美元。
• 步驟 2 — 在交易稀疏時段（隔夜、長尾市場）自動切換至 LMSR；b 參數根據歷史成交量推算，以節省掛單成本。
• 步驟 3 — 庫存門檻（單一市場 20%／跨市場 50%／總計 100%）觸發跨市場避險 — 選舉對比波動率、宏觀對比利率、體育對比相關性組合 — 避險部位將回記至做市商保證金帳戶。
• 步驟 4 — 報價佔比（每分鐘報價時間）與成交貢獻（已成交名目金額）按 40:60 比例合併計算，作為支付給做市商錢包的每週獎勵；獎勵事件記錄將上傳至合規系統。
• 步驟 5 — 結算變更（延遲的選項行權通知、體育賽事結果覆議）將觸發結算連結流程；庫存與獎勵自動更新，爭議期間獎勵將被凍結，並於最終裁決後發放。
• 步驟 6 — 所有事件（報價／成交／避險／結算／獎勵）——包含時間戳記、市場造市者 ID、市場 ID、避險部位、結算狀態——將寫入合規日誌，並可一鍵匯出供內部稽核或監管機構查閱。

啟示：預測市場的做市並非關乎「更高獎勵」，而是將混合做市、對沖、量化激勵、結算連動與稽核，轉化為可承諾、可解釋且可稽核的做市商體驗——上線前的服務水準協議（SLA）、營運期間的對沖措施、 爭議期間的標準作業程序（SOP）——藉此將市場深度從「社交型」提升至「機構級」。

5. SoonTech 功能

本產品涵蓋七大模組——市場造市模型、量化激勵機制、庫存風險管理、跨市場避險、結算連結、合規日誌及爭議仲裁：

5.1 混合型市場造市引擎

• 根據報價密度、成交率及事件類別，實現 LMSR 與 CLOB 之間的無縫切換。
• 稀疏／高頻自動策略——LMSR b 與 CLOB 最低掛單量會動態調整。
• MM 引擎的 KPI 報告每日推送給市場造市商（MM）及操作人員。
• 同市場雙模式——單一事件中可同時存在 LMSR 與 CLOB。

5.2 市場造市者激勵機制

• 報價佔比 + 成交貢獻，按可配置的比例加權計算。
• 每週／每月獎勵結算，支付款項受多簽名 + 時間鎖保護。
• 獎勵事件會記錄每筆報價的時間戳記及配對結果。
• 反洗盤過濾器可偵測自營交易、快速取消模式及鏡像掛單。

5.3 庫存風險

• 按市場／跨市場／總庫存限額，可針對每家做市商／事件類別／合約系列進行設定。
• 尾部風險監控 — 各市場的即時 VaR／預期短缺值。
• 保險基金連結，針對極端事件設有預設的吸收比率。
• 閾值警示可透過 Webhook／FIX／電子郵件推送至市場造市商（MM）的風險系統。

5.4 跨市場避險

• BTC／ETH 期權、隱含波動率、宏觀利率及相關性籃子交易管道。
• 按事件類別彙整的避險報告，包含效率分析與滑點歸因。
• 避險事件日誌，包含交易對手、成交價格、交易量及時間戳記。
• 與合作夥伴的中心化交易所（CEX）／去中心化交易所（DEX）整合，以進行鏈上或鏈下執行。

5.5 結算連動

• 結算變更會自動更新庫存與獎勵，無需手動對帳。
• 爭議期間獎勵凍結，並可設定閾值與時限。
• 裁決後進行最終補償，所有過程均記錄在案。
• 與預言機（UMA、Chainlink、Pyth）整合，並具備可重播的結算功能。

5.6 合規日誌

• 統一資料流（報價／成交／對沖／結算／獎勵），保存期限 ≥5 年。
• 符合 CFTC / MAS / VARA / BNM 介面規範，並提供監管機構標準格式的匯出檔案。
• SIEM 匯出（Splunk／ELK／Datadog）以供直接導入。
• 針對跨市場避險現金流的 KYT／旅行規則資料拼接。

5.7 爭議仲裁

• 警示 → 凍結 → 補償的三步驟標準作業程序（SOP）。
• 在爭議期間，報價份額持續累積，以避免市場造市商（MMs）承受機會成本損失。
• 裁決重播涵蓋 Oracle 資料、結算合約及時間軸。
• 與律師事務所／仲裁機構建立合作夥伴關係，以進行獨立裁決。

6. 企業實施建議

針對預測市場營運商的八步驟部署方案：

1. 映射市場造市商模式——採用 LMSR 與 CLOB 混合模式，並設定明確的切換門檻。
2. 設計量化激勵機制 — 報價佔比 + 成交貢獻，並公開權重。
3. 與合作交易所（Deribit、CME、GMX）建立跨市場對沖管道，涵蓋期權、利率及波動率。
4. 部署三層級庫存風險管理機制及保險基金。
5. 規範結算銜接機制 — 糾紛 → 凍結 → 補償的循環流程，並與 Oracle 層綁定。
6. 存檔合規日誌 — 結算、庫存、獎勵、對沖 — 保存期限 ≥5 年。
7. 制定市場造市者（MM）入駐服務水準協議（SLA）——將報價佔比、成交貢獻度及對沖效率目標納入合約。
8. 建立爭議仲裁機制——包含凍結、補償及獨立裁決等層級。

供應商篩選清單

• 原生 LMSR / CLOB 混合架構。
• 量化 MM 激勵機制並具備防洗單機制。
• 跨市場對沖管道（期權／波動率／利率／相關性）。
• 三層級庫存風險管理 + 保險基金。
• 結算 → 庫存 → 獎勵循環。
• 統一合規日誌 + SIEM 匯出功能。
• 爭議仲裁標準作業程序（SOP）。
• 與監管機構介面對接。

7. 未來展望

2026–2028 年：

1. 機構原生流動性——機構市場造市商成為主要深度來源，零售資金流轉向輔助價格發現。
2. 標準化跨市場避險 — 預測 ↔ 選擇權 ↔ 期貨均由單一風險管理系統統籌管理。
3. 合規優先的做市模式 — 每筆報價、成交、避險及報酬皆有紀錄；CFTC／MAS／VARA／BNM 採行分級許可制度。
4. AI 輔助定價 — 模型透過稀疏事件進行初始報價的自舉，人機協作模式成為主流。

預測市場不再是「社交玩具」，而是成為具備機構級水準、可進行避險且符合合規要求的流動性產品——集交易入口、避險入口與合規入口於一體。

常見問題

Q1：LMSR 與 CLOB —— 各自適用於哪些情境？

A1：LMSR 適用於稀疏／長尾事件；CLOB 適用於高頻率事件（選舉、體育賽事、宏觀經濟）。SoonTech 的混合引擎會根據報價密度、成交率及事件類別自動切換。

Q2：如何防止激勵機制中的虛假交易？

A2：透過反虛假交易過濾器，區分「有效報價佔比」與「成交貢獻」——系統會偵測自營交易、快速取消模式及鏡像掛單，並將其從獎勵中剔除。

Q3：支援哪些跨市場對沖管道？

A3：BTC／ETH 期權、隱含波動率產品、宏觀利率產品、相關性組合——做市商可根據事件類別選擇組合。

Q4：如何設定庫存限額？

A4：起始設定為「單一市場 20% / 跨市場 50% / 總計 100%」，並根據做市商（MM）的風險承受能力進行微調；保險基金通常會預留總庫存的 5%–10% 作為應對極端事件的備用金。

Q5：爭議期間如何處理獎勵？

A5：爭議期間獎勵將被凍結；最終補償將依據仲裁結果執行，且報價份額仍會持續累積，因此市場製造商在爭議期間不會因機會成本而受到懲罰。

Q6：如何衡量預測與衍生品對沖的效率？

A6：SoonTech 提供三項指標——對沖後殘差變異數／對沖前變異數、對沖滑點、對沖成本——並按事件類別和交易對手進行趨勢分析。

Q7：合規日誌是否符合 CFTC／MAS／VARA 的格式要求？

A7：事件流（報價／成交／避險／結算／獎勵）可匯出為 CFTC 第 45 部分報告、MAS TR／DPT 申報文件、VARA 市場行為報告，以及 BNM 資本市場查詢資料。

結論

從「社交玩具」轉型為「機構級對沖工具」的關鍵在於做市與對沖。 SoonTech 的做市商激勵機制與庫存對沖產品，將混合型做市商、量化激勵、跨市場對沖、庫存風險、結算銜接、合規日誌及爭議仲裁整合為機構級流動性設計——將預測市場的深度從零售層級延伸至機構層級。

🌐 與 SoonTech 攜手打造安全且可擴展的 Web3 平台。

探索我們針對白標加密貨幣交易所、預測市場、MPC 錢包、配對引擎、流動性整合及合規性的解決方案。