On Manipulation in Prediction Markets When Participants Influence Outcomes Directly
预测市场通常被用作汇总未来事件信息的机制，例如，候选人是否会赢得选举。该事件通常被假定为外源性的。在现实中，参与者可能会影响结果，因此（1）运行预测市场可能会改变参与者在产生结果的过程中的激励（例如，代理人可能希望改变他们在选举中的投票），以及（2）简单的结果，如正确评分规则的短视激励兼容性，不再适用于预测市场本身。我们介绍了一个模型，这种游戏，代理商首先在预测市场的交易，然后采取行动，影响市场的结果。我们的两阶段两玩家模型，尽管它很简单，但它抓住了现实世界预测市场的两个方面：（1）代理人可能直接影响结果，（2）一些有助于决定结果的代理人可能不参与预测市场。我们发现，这个游戏有两种不同类型的完美贝叶斯均衡，我们称之为LPP和HPP，这取决于信念参数的值：在LPP域中，均衡价格揭示了预期的市场结果的参与者的私人信息的条件，而HPP均衡是串通-参与者有效地协调在一个不知情和不真实的方式。
2014-07-01 cs.GT
Trade-based Asset Model using Dynamic Junction Tree for Combinatorial Prediction Markets
预测市场已经证明了它们在汇集集体专业知识方面的价值。组合预测市场不仅允许对基本事件进行预测，还允许对事件的条件和/或布尔组合进行预测。我们描述了一个基于交易的组合预测市场资产管理系统，称为动态资产集群（DAC），提高了时间和空间效率的方法，它保持并行连接树的资产和概率。基本数据结构是资产块，它简洁地表示用户进行的一组交易。用户的资产模型由一组代表用户整个交易历史的资产块组成。从资产块动态创建连接树，以计算用户的最小和预期资产。
2014-06-30 cs.GT
Crowdsourced Outcome Determination in Prediction Markets
Duke University（杜克大学）；Microsoft Research（微软研究院）
预测市场是一个有用的手段，聚集有关未来事件的信息。为了发挥作用，市场需要一个可信的实体，最终将验证真实的结果。受最近引入的去中心化预测市场的启发，我们引入了一种机制，该机制允许由一组仲裁者的投票决定结果，这些仲裁者本身可能持有市场的股份。尽管存在潜在的利益冲突，我们得出的条件下，我们可以激励仲裁者使用从市场费用筹集的资金来实现同行预测机制，如实投票。最后，我们研究了什么参数值可以用于我们的机制在现实世界中的实现。
2016-12-14 cs.AI cs.GT
Smooth Quadratic Prediction Markets
Department of Computer Science University of Colorado Boulder（计算机科学系科罗拉多大学博尔德分校）
本文提出平滑二次预测市场，通过修改 DCFMM 定价机制激励智能体集体实现一般最陡梯度下降，在保持无套利、信息纳入等公理保证的同时改善 AD 证券的最坏情况损失，并分析了预算受限与仅买入约束下的交易行为及自适应流动性方法。
2025-05-07 cs.GT cs.LG
A Decomposition of Forecast Error in Prediction Markets
我们分析预测市场预测的误差来源，以限制证券价格与其估计的真实价格之间的差异。我们考虑基于成本函数的预测市场，其中自动做市商根据交易历史调整证券价格。我们将预测误差分解为三个部分：抽样误差，因为交易者只拥有对地面真相的嘈杂估计而产生;做市商偏见，由于使用特定的做市商（即，成本函数），以促进贸易;和收敛误差，产生的，因为在任何时候，市场价格可能仍然在不断变化。我们的目标是明确这些误差分量之间的权衡，受设计决策的影响，如成本函数的函数形式和市场的流动性。我们考虑一个特定的模型，在该模型中，交易者具有指数效用和指数家族信念，代表对地面真实的噪声估计。在这种情况下，抽样误差随着交易者数量的增加而消失，但其他两个组成部分之间存在权衡。我们提供了做市商偏差和收敛误差的上界和下界，并通过数值模拟证明这些界是紧的。我们的研究结果产生了新的见解，如何设置市场的流动性参数的问题，并到执行一致的价格在证券的预测效益。
2018-02-21 cs.GT
Price Updating in Combinatorial Prediction Markets with Bayesian Networks
Yahoo! Research（雅虎研究院）；Duke University（杜克大学）
为了克服基于对数市场评分规则（LMSR-based）的组合预测市场中计算/更新价格的#P-困难，Chen等人。[5]最近使用一个简单的贝叶斯网络来表示锦标赛组合预测市场中证券的价格，并表明两种类型的流行证券是结构保持的。在本文中，我们显着扩展这一想法，采用贝叶斯网络在一般的组合预测市场。我们揭示了一个非常自然的连接基于LMSR的组合预测市场和概率信念聚合，这导致了一个完整的表征所有结构保持证券可分解的网络结构。值得注意的是，Chen等人[5]的主要结果是我们特征的推论。然后，我们证明，为了一个非常基本的证券集是结构保持，贝叶斯网络的图必须是可分解的。我们还讨论了一些近似技术的证券结构不保持。
2012-02-14 cs.AI cs.GT
Multi-period Trading Prediction Markets with Connections to Machine Learning
The University of Edinburgh（爱丁堡大学）
我们提出了一个新的预测市场模型，在该模型中，我们使用风险措施来模拟代理人，并引入一个做市商来描述交易过程。这种对建模工具的特定选择给我们带来了数学上的方便。分析表明，整个市场有效地接近一个全球目标，尽管市场的设计，每个代理人只关心自己的目标。此外，市场动态为优化全球目标提供了一个合理的算法。因此，机器学习和我们的市场之间建立了密切的联系，这样我们就可以1）通过将机器学习方法应用于全球目标来分析市场，2）通过建立和运行某些市场来解决机器学习问题。
2014-03-04 cs.GT cs.LG q-fin.TR
Adaptive Liquidity in Prediction Markets via Online Learning
University of Colorado Boulder（科罗拉多大学博尔德分校）
本文提出了一种将流动性选择视为在线学习问题的方法，通过可学习的权重混合成本函数市场，实现自适应市场，保留无套利、有界最坏损失、表达性和正收益。
2026-05-10 cs.GT
Using Prediction Markets to Incentivize and Measure Collective Knowledge Production
我们提出了一个机制设计，耦合在线协作软件和预测市场，它允许追踪个人激励，行动的根源，以及这些行为如何影响集体智慧的知识生产作为一种公共产品。我们发现，激励机制有效地吸引用户没有进一步的治理结构，并没有排挤内在的动机。此外，它还实现了一个强大而强大的创造性破坏过程，有助于快速过滤掉不相关的知识。虽然还处于早期阶段，这种机制设计不仅可以为知识生产组织设计带来见解，而且有可能阐明集体智慧出现的根本机制。
2014-06-30 cs.GT
Combinatorial Modelling and Learning with Prediction Markets
The University of Edinburgh（爱丁堡大学）
以适当的方式组合模型以实现高性能是当今机器学习领域中常见的。虽然已经建立了大量的组合模型，但很少有人注意到不同模型中的公共部分及其联系。因此，一种通用的建模技术值得研究，以深入理解模型组合，并为创建新的模型提供指导。预测市场显示出成为这样一个通用的，灵活的组合模型的希望。本文通过对几种流行的组合模型和预测市场模型的回顾，说明市场模型如何推广不同的组合结构，以及如何在特定条件下实现这些流行的组合模型。此外，在不同的市场模型中，Storkey的\emph{Machine Learning Markets}提供了比其他模型更基本、更通用的建模机制，在理论研究和应用上都有很大的吸引力。
2012-01-18 cs.AI cs.GT q-fin.TR
An Axiomatic Study of Scoring Rule Markets
在预测是未来随机变量的概率或期望的情况下，预测市场得到了很好的研究。在2008年，Lambert等人提出了一种推广，我们称之为“评分规则市场”（SRM），其中交易者预测随机变量的任意统计值，前提是这些统计值可以通过评分规则得出。令人惊讶的是，尽管最近对预测市场的研究很活跃，但还没有对更一般的SRM的性质进行任何调查。为了开展这项研究，我们提出以下问题：在什么意义上，供应链管理是“市场”？我们根据几个公理对SRM进行分类，这些公理捕捉了市场潜在的理想品质，例如自由交换商品（合同）的能力。并不是所有的SRM都满足我们的公理：一旦在任何市场上购买了一份合约来预测某个变量的中位数，就不一定有任何方法可以将该合约卖回，即使是在非常弱的意义上。我们的主要结果是一个特征，表明轻微的推广成本函数为基础的市场是唯一的市场，以满足我们所有的公理有限结果的随机变量。尽管如此，我们发现，几个SRM满足我们的公理较弱的版本，包括一个新的基于份额的市场机制的期望值的比率。
2017-09-28 cs.GT
The Possibilities and Limitations of Private Prediction Markets
California Institute of Technology（加州理工学院）；Microsoft Research（微软研究院）
我们考虑私人预测市场的设计，金融市场的设计，以引起对不确定事件的预测，而不透露太多的信息，市场参与者的行动或信念。我们的目标是设计一种市场机制，在这种机制中，参与者的交易或赌注以一种导致准确预测的方式影响市场行为，但没有一个参与者对其他人能够观察到的东西有太大的影响力。我们使用差分隐私的工具来研究这种机制的可能性和局限性。我们首先设计了一个私人的一次性投注机制，投注者指定一个信念的可能性，未来的事件和相应的货币赌注。赌注在投注者之间重新分配，以更高的奖励那些准确预测的人。我们提供了一类投注机制，保证满足真实性，预算平衡的期望，和其他理想的属性，同时还保证ε-联合差分隐私的投注者的报告的信念，并分析之间的权衡可实现的隐私水平和投注者的支付她自己的报告的敏感性。然后，我们问它是否有可能获得隐私的动态预测市场，集中我们的注意力在流行的成本函数框架，其中证券与未来事件的支付是由自动做市商购买和出售。我们表明，在一般条件下，这是不可能的，这样的做市商，同时实现有界的最坏情况下的损失和隐私-差分隐私，而不允许的隐私保证下降非常迅速的交易数量的增长，使这样的市场不切实际的设置中，隐私的价值。最后，我们提出了几种可能绕过这个下限的途径。
2016-02-24 cs.AI cs.GT
Budget Constraints in Prediction Markets
Microsoft Research（微软研究院）；University of Hong Kong（香港大学）
我们给出了一个详细的特征预算约束下的最优交易的预测市场的成本函数为基础的自动做市商。我们研究了个体交易者的预算约束如何影响他们影响市场价格的能力。作为我们的特征的一个具体应用，我们给出了一个我们称之为预算可加性的属性的充分条件：两个具有预算B和B'的交易者，以及相同的信念，其组合影响等于一个具有预算B+ B'的交易者。这样一来，即使单个交易者不能对市场产生太大的影响，一群志同道合的交易者也可以达到同样的预期效果。当与结果相关的收益向量的集合与证券相对应的坐标是独立的时，我们得到了广泛使用的对数市场评分规则的推广是预算可加的，但二次市场评分规则不是。我们的研究结果可以用来判断，以了解如果一个特定的做市商是受预算约束或不，和处方，作为一个配方，以构建市场。
2015-10-07 cs.AI cs.GT
A General Theory of Liquidity Provisioning for Prediction Markets
University of Colorado Boulder（科罗拉多大学博尔德分校）；Boston College（波士顿学院）
研究预测市场流动性供应，提出通用框架，允许LP提交或更新任意成本函数，涵盖多种做市商概念且等价，恢复现有协议，指出三种或更多证券时流动性为矩阵值函数，交易费用设计复杂。
2026-07-08 cs.GT
Multi-outcome and Multidimensional Market Scoring Rules
汉森的市场评分规则使我们能够设计一个预测市场，即使我们有一个非流动性的市场，有限数量的非流动性约束的代理人，仍然提供有用的信息。每个代理都可以将市场的当前价格“移动”到他们的预测。虽然这种运动仍然发生在多结果或多维市场，我们表明，没有市场评分规则，在合理的条件下，总是移动的价格直接向代理人的信念。我们提出了一个修改后的版本的市场评分规则的限制交易者，并表明它确实有财产，从任何起始位置，最佳的贸易由限制交易者将导致市场走向交易者的真正信念。这种机制还保留了市场评分规则的几个有吸引力的战略属性。
2012-02-08 cs.GT
Self-Resolving Prediction Markets for Unverifiable Outcomes
针对结果不可验证的预测市场，本文以掌握完整预测历史的最后一名代理人为参考，用负交叉熵支付并设计随机终止的自结算机制，证明如实报告构成PBE。
2025-02-18 cs.GT econ.TH
Securities Based Decision Markets
决策市场是一种机制，根据对结果的预测，从一系列行动中选择一个。基于评分规则的决策市场已被证明提供类似于适当激励预测市场的激励兼容性。然而，与预测市场相比，目前还不清楚如何实施决策市场，以便通过证券交易进行预测。我们在这里提出了这样一个基于证券的实现，并表明它提供了相同的预期收益作为相应的评分规则为基础的决策市场。然而，已实现收益的分布可能会有所不同。我们的分析扩展了基于预测的决策知识，并为直观和易于使用的决策市场实施提供了新的见解。
2021-11-15 cs.GT
Arbitrage-Free Combinatorial Market Making via Integer Programming
Carnegie Mellon University（卡内基梅隆大学）；Microsoft Research（微软研究院）
我们提出了一个新的组合做市商，经营仲裁免费组合预测市场指定的整数规划。虽然无仲裁定价的问题，同时保持对做市商提供的补贴的约束，在最坏的情况下是P-硬的，我们认为，典型的情况下可能是适合现代整数规划（IP）求解器。在我们的方法的关键是弗兰克-沃尔夫（条件梯度）算法，用于实现Bregman投影对齐做市商的成本函数，使用IP求解器作为一个预言。我们证明了我们的方法的易处理性和提高的准确性，对现实世界的预测市场数据从组合投注放在2010年NCAA男子一级篮球锦标赛，其中的结果空间的大小为2^63。据我们所知，这是第一次实施和实证评估的无仲裁组合预测市场的规模。
2016-06-10 cs.AI cs.GT
Incentives in Two-sided Matching Markets with Prediction-enhanced Preference-formation
University at Buffalo（布法罗大学）
双边配对市场长期存在，在缺乏监管的交易所的情况下配对代理人。一个常见的例子是学校选择，其中一个匹配机制使用学生和学校的偏好来分配学生到学校。在这种情况下，形成偏好既困难又关键。先前的工作已经提出了各种预测机制，帮助代理人对他们的偏好做出决定。虽然这些匹配和预测机制经常一起部署，但它们几乎总是被单独分析。目前的工作表明，在两者的交叉点上存在着一种以前未被探索过的战略行为类型：代理人返回市场（例如，学校）可以通过与它们的匹配进行短期非最优交互来攻击未来预测。在这里，我们首先介绍这种类型的战略行为，我们称之为“对抗性互动攻击”。接下来，我们构建了一个正式的经济模型，该模型捕捉了旨在帮助代理的预测机制和用于配对它们的匹配机制之间的反馈回路。这个经济模型允许我们分析对抗性交互攻击。最后，以学校选择为例，我们建立了一个模拟，表明随着预测的信任和准确性的增加，学校通过发起对抗性交互攻击获得的收益越来越多。我们还表明，这种攻击增加了学生群体的不平等。
2021-09-16 cs.GT cs.LG
Price as Focal Point: Prediction Markets,Conditional Reflexivity, and the Politics of Common Knowledge
Devnull FZCO
本文探讨预测市场作为协调机制的功能，通过2024年美国大选数据，提出信号可信度指数评估价格变动的影响力，揭示表面相似事件在精英协调中的不同影响。
2026-04-27 cs.CY cs.GT econ.GN
When do prophets profit in prediction markets?
University of Chicago（芝加哥大学）；Kalshi Research（卡尔希研究公司）；New York University, Shanghai（纽约大学上海分校）
研究预测市场中预言家获利问题，通过建立预测准确性与盈利能力的等价关系，给出依赖预测和市场价格的适当投注策略，实证表明此策略能将准确性转化为利润，在Kalshi实时部署获高回报率。
2026-09-24 cs.AI cs.CE cs.GT
