预测市场合约在上市时揭示了什么？交易量与争议风险的可预测性

预测市场（Prediction Market）的核心价值在于用市场价格汇聚分散信息，但一个更基础的问题常被忽略：仅凭合约上市时的文本和元数据，我们能否预判一个市场的命运——它会有多大交易量，结算时是否会被争议？一项基于 Polymarket 近 80 万个已结算市场的实证研究给出了细致且有保留的答案。

研究设计与核心发现

该研究使用了 2023 年 1 月至 2026 年 5 月间 Polymarket 上 802,863 个已结算市场的近乎全量数据，并且只采用上市时刻可获得的信息：市场标题与描述、指定的结算来源、合约元数据。这种"信息隔离"设计很关键——它模拟了真实场景中投资者或平台在合约上线瞬间能掌握的全部信息，避免了使用后期数据造成的乐观偏差。

结果显示，合约信息对交易量有相当强的预测力，对数交易量的样本外 R² 达到 0.747。更难得的是，这一预测力大部分是可解释的：市场主题贡献最大，在仅含合约特征的 0.220 基线 R² 之上再增加 0.289；措辞与结算规则设计的增量较小但可测量，合计 +0.027；而神经网络文本模型在可解释特征之外几乎没有额外贡献。换句话说，一个市场的"出身"——它问的是什么、怎么问、由谁裁定——已经决定了它的大部分热度。

样本外 R²（out-of-sample R²） 是衡量回归模型预测能力的核心指标，指模型在训练时未曾见过的数据上的决定系数。与样本内 R² 不同，它不受过拟合影响，更能反映模型的真实泛化能力。其计算方式为 1 减去测试集上的残差平方和与总平方和之比，取值范围通常为负无穷到 1，越接近 1 表示预测越准确。在交易量预测这类右偏分布的数据中，研究者常对交易量取对数，使分布更接近正态并压缩极端值的影响，因此文中报告的是对数交易量的样本外 R²。0.747 意味着模型能解释测试集中约 75% 的对数交易量变异，在仅使用上市时信息的约束下属于相当高的水平。

平台变迁如何击穿模型

这项研究最有价值的发现，或许是预测性能的脆弱性。作者指出，当平台进入一个上市格式发生变化的时期后，模型的同期准确率无法延续：预测一个市场能否达到 1,000 美元交易量的 AUC 从同期的 0.940 下降到用过去季度训练、后续季度测试时的 0.577。这一跌幅接近随机猜测与完美预测的中点，意味着模型在分布漂移面前基本失效。

损失并非均匀分布。测试集中 76.9% 的市场其提问形式在训练数据中未曾出现，而在熟悉的提问形式上模型仍能达到 0.778。进一步分解表明，损失更多来自合约特征与需求之间关系的改变，而非文本到特征映射的过时。这提示平台设计者与研究者：合约格式的变更不只是界面调整，它会重塑市场参与者的行为函数。

AUC（Area Under the ROC Curve） 是评估二分类模型排序能力的常用指标，等于随机抽取一个正样本和一个负样本时，模型给正样本打分高于负样本的概率。AUC 为 0.5 相当于随机猜测，1.0 表示完美排序。文中“预测市场能否达到 1,000 美元交易量”是一个二分类问题，AUC 从 0.940 降至 0.577，说明模型在新格式市场中的排序能力已接近随机水平。需要注意的是，AUC 只衡量排序质量，不反映预测概率的校准程度；在高阈值场景下，还需结合精确率、召回率等指标综合判断。

分布漂移（distribution shift） 指模型部署后，输入数据或输入与输出之间的关系发生变化，导致训练时的规律在新数据上失效。文中平台上市格式变更属于典型的“概念漂移”与“协变量漂移”混合场景：提问形式变化改变了文本特征的分布，同时合约特征与交易需求之间的映射关系也被重塑。这解释了为何模型在同期测试中表现优异，却在跨期测试中大幅退化，也说明持续监控和重训练是预测模型运维的必要环节。

争议风险：可排序，难点名

对于结算争议，上市时特征的排序能力显著优于随机，AUC 达到 0.78。然而在 0.31% 的极低基础发生率下，精确率远不足以支撑逐案预测，平均精确率仅 0.012。作者对此的表述很克制：这些分数适合对市场群体进行排序，而非预测单个市场是否会被争议。

这一结论对平台运营有直接含义。争议预测模型不应被当作"争议预警器"逐案使用，而更适合作为资源分配工具——例如在大量新上市市场中识别高风险分组，将人工审核力量向这些分组倾斜。0.31% 的基础率也意味着，任何逐案预警都会产生大量假阳性，损害用户信任。

基础发生率（base rate） 指在目标人群中正类事件发生的先验概率。本文中争议市场仅占 0.31%，属于典型的极不平衡分类问题。在这种设定下，即使模型有较高的 AUC，精确率（被模型判为正类的样本中真正为正的比例）也会被大量假阳性拉低。平均精确率（Average Precision）综合考虑了不同阈值下的精确率与召回率，对不平衡数据比 AUC 更敏感，0.012 的平均精确率意味着模型标记出的“高风险”市场中绝大多数并不会真的发生争议。因此，这类模型的价值在于提升排序效率——将有限的人工审核资源集中在风险相对更高的分组，而非对单个市场给出确定性判断。

对预测市场生态的启示

将三项发现放在一起，可以看到一条清晰的实践线索。合约设计——尤其是主题选择与问题措辞——是交易量的主要驱动力，且这种驱动力可以通过可解释特征捕捉，无需依赖黑箱文本模型。但预测关系会随平台格式变更而失效，模型需要持续重估而非一次训练长期使用。争议风险则更适合群体层面的排序应用。

对于构建预测市场产品的团队，这意味着上市前的合约文本值得投入更多设计精力；对于研究社区，这项工作提醒我们，分布漂移下的样本外表现才是模型价值的真实检验，而可解释性在预测力相当时具有不可替代的运营价值。

（研究基于单一平台的全量数据，结论向其他预测市场的迁移性仍需进一步验证。）