Рынки прогнозирования встречаются с ИИ-агентами: новая революция в ценообразовании вероятностей событий

预测ные рынки к 2025 году пережили поворотный момент. Объем торгов с примерно 900 миллионов долларов в 2024 году резко вырос за год более чем до 40 миллиардов долларов, рост превысил 400%. Это не единичное колебание данных, а результат слияния множества факторов: спроса, вызванного макро-политическими событиями и неопределенностью, зрелости инфраструктуры и торговых моделей, а также размораживания регуляторной среды в США — судебной победы Kalshi и возвращения Polymarket в США, что ознаменовало начало новой эпохи.

На таком фоне агентство предсказательных рынков (Prediction Market Agent) перестает быть будущей спекуляцией и становится быстро развивающейся реальностью. В статье предпринята попытка понять ключевую логику этого нового направления, требования к архитектуре, стратегии выбора и исследование бизнес-моделей — всё это сформирует важнейшее направление слияния криптовалют и ИИ.

Истинная сущность предсказательных рынков: от инструмента азартных игр к глобальному уровню консенсуса

Часто ошибочно воспринимаются предсказательные рынки. На поверхности они похожи на азартные игры с нулевой суммой; по сути, это механизм агрегирования информации. В анонимной среде, под воздействием реальных капиталов, рассеянная информация быстро интегрируется в ценовые сигналы, взвешенные волей капитала, значительно снижая шум и ложные оценки.

Мощь этого механизма заключается в его внешних эффектах: когда такие финансовые институты, как CME или Bloomberg, начинают напрямую использовать цены предсказательных рынков как метаданные для принятия решений, предсказательные рынки превращаются из “игры” в “глобальный уровень консенсуса” — реальное зеркало вероятности событий, оцениваемое в реальном времени, более своевременное и количественное.

К концу 2025 года сформировался дуополия Polymarket и Kalshi. Согласно данным Forbes, общий объем торгов в 2025 году составил около 4,4 миллиарда долларов, из которых Polymarket внес около 2,15 миллиарда, а Kalshi — около 1,71 миллиарда. В начале 2026 года недельный объем Kalshi (259 млрд долларов) превзошел Polymarket (183 млрд долларов), доля рынка приблизилась к 50%. Такое изменение обусловлено судебной победой Kalshi по контрактам на выборы в США, преимуществами в спортивных прогнозах и более ясными ожиданиями регуляции.

Пути развития двух платформ уже разошлись: Polymarket использует гибридную архитектуру CLOB и децентрализованный механизм расчетов (“офлайн-совпадение, онлайновое расчет”), создав глобальный недоверительный рынок с высокой ликвидностью; Kalshi глубоко интегрирована с традиционной финансовой системой, через API подключает розничных брокеров, привлекая маркет-мейкеров с Уолл-стрит, и работает в рамках традиционных регуляторных процедур.

Будущая конкуренция на рынке еще формируется. Одни участники идут по классическому пути соответствия финансовым нормативам — такие как Interactive Brokers×ForecastEx, FanDuel×CME Group, используя каналы распространения и регуляторные лицензии; другие — нативные блокчейн-игроки, такие как Opinion.trade, Limitless, Myriad, быстро растущие за счет системы начисления очков, короткосрочных контрактов и медийных распространений, однако их долгосрочная устойчивость и управление рисками требуют проверки.

Почему предсказательные рынки нуждаются в AI-агентах: эффективность, а не прогнозирование

Это важное когнитивное исправление: ценность Prediction Market Agent заключается не в “более точных прогнозах ИИ”, а в масштабировании обработки информации и исполнения.

По сути, предсказательные рынки — это площадки для агрегирования информации: цена отражает коллективное мнение о вероятности события. Основные неэффективности рынка связаны с тремя аспектами: асимметрией информации, фрагментацией ликвидности и ограничениями внимания. Правильное позиционирование AI-агента — управление вероятностными активами, пригодными к исполнению: преобразование новостей, регуляторных текстов, данных с блокчейна в проверяемые отклонения цен и их быстрое, дисциплинированное исполнение стратегий, использование арбитража между платформами и управления портфелем для выявления структурных возможностей.

Такая система должна иметь четырехуровневую архитектуру:

• Информационный уровень: сбор новостей, соцсетей, данных с блокчейна и официальных источников
• Аналитический уровень: с помощью LLM и ML выявлять ошибки в ценах и рассчитывать преимущества (Edge)
• Стратегический уровень: через формулы Kelly, поэтапное наращивание позиций и управление рисками превращать преимущества в позиции
• Исполнительный уровень: размещение ордеров, оптимизация проскальзывания и газа, арбитраж — автоматизированное исполнение в нескольких рынках, создавая эффективный цикл.

Реализуемость такой архитектуры полностью зависит от трех условий: ясности правил расчетов, достаточности ликвидности и структурированности информации. Не все предсказательные рынки подходят для автоматизации.

Не все рынки подходят для Agent: жесткая правда выбора активов

Не все предсказательные рынки достойны участия. Выбор активов требует оценки по пяти параметрам:

Ясность расчетов. Четкие правила, единый источник данных? Например, выборы — с ясными стандартами расчетов; социальные тренды — менее однозначны.

Качество ликвидности. Глубина рынка, спреды, объемы — определяют, сможете ли входить и выходить по разумной цене.

Риск инсайда. Насколько высока степень асимметрии информации? В некоторых спортивных рынках могут присутствовать инсайдерские сделки, что затрудняет создание альфы для обычных участников.

Временная структура. Какой срок у контракта? Какой диапазон решений? Это влияет на преимущества ИИ и человека.

Соответствие трейдеров. Человеку лучше подходят рынки с широким временным горизонтом (дни/недели), требующие профессиональных знаний и основанные на сборе нечеткой информации. ИИ — в рынках с очень коротким окном принятия решений (секунды/минуты), например, высокочастотный арбитраж криптовалют, межрынковый арбитраж, автоматическая маркет-мейкинг.

Что не подходит? Рынки, управляемые инсайдом или полностью случайные/манипулируемые — там невозможно зарабатывать.

Практика управления позициями: от формулы Kelly к градации доверия

Формула Kelly — классическая теория управления капиталом в повторных играх. Ее цель — не максимизация прибыли за одну сделку, а максимизация долгосрочного сложного роста капитала. Она широко применяется в квантовых инвестициях, профессиональном беттинге, покере и управлении активами.

Стандартная форма: f* = (p·b - q) / b, где f* — оптимальная доля капитала, b — чистый кэшаут, p — вероятность выигрыша, q=1-p.

В предсказательных рынках упрощается до: f* = (p - рыночная цена) / (1 - рыночная цена), где p — субъективная истинная вероятность, а рыночная цена — скрытая вероятность.

Теоретически идеально, на практике — разрушено. Трейдеры сложно постоянно поддерживать точные и устойчивые оценки вероятностей, профессиональные игроки и участники рынка склонны использовать более жесткие стратегии, менее зависящие от точных оценок:

• Система фиксированных единиц. Деление капитала на равные части (например, 1%), с разным вложением в зависимости от уверенности, автоматическое ограничение риска по единице. Самый практичный подход.

• Фиксированный множитель ставки (Flat Betting). Постоянный процент капитала на сделку, акцент на дисциплине и стабильности, подходит для риск-непримиримых.

• Градации доверия. Дискретные уровни позиций с жесткими лимитами, снижающие сложность решений и устраняющие иллюзию “прецизионности” по Kelly.

• Обратный риск. От максимально допустимых убытков — к размеру позиции, исходя из риска, а не ожидаемой прибыли, создавая стабильный риск-лимит.

Для Prediction Market Agent стратегия должна в первую очередь ориентироваться на реализуемость и стабильность, а не на теоретическую оптимальность. Важны ясность правил, простота параметров и высокая толерантность к ошибкам. В таких условиях комбинация градаций доверия и фиксированного лимита — универсальный подход к управлению позициями.

Пять типов стратегий и их автоматизация: порядок приоритетов

Экосистема стратегий предсказательных рынков делится на две большие категории: детерминированные арбитражные стратегии (ясные правила, легко кодируемые) и спекулятивные (зависят от интерпретации информации и трендов), а также — маркет-мейкинг и хеджирование, широко используемые в индустрии.

Детерминированный арбитраж: основной рацион Agent

Арбитраж по разрешению (Resolution Arbitrage). Когда результат события почти определен, но рынок еще не полностью закодировал цену, появляется возможность арбитража. Основной доход — за счет задержки информации и скорости исполнения. Правила ясны, риск низкий, полностью автоматизируемы — это ядро и наиболее подходящая стратегия для Agent.

Арбитраж по вероятностному равновесию для взаимоисключающих событий (Dutch Book Arbitrage). Когда сумма цен на взаимоисключающие и исчерпывающие события отклоняется от вероятностных ограничений (∑P≠1), можно сформировать безрисковую прибыль, комбинируя позиции. Эта стратегия базируется только на правилах и ценовых соотношениях, риск минимален, стандартизирована — классический пример автоматизации. В предсказательных рынках, например, при ценах на “Победу A”, “Победу B” и “Победу других” — сумма не равна 1, возникает такая возможность. Агент может в реальном времени отслеживать такие расхождения и автоматически их захватывать.

Межплатформенный арбитраж. Использование ценовых расхождений на разных рынках по одному и тому же событию. Риск низкий, но требует минимальной задержки и параллельного мониторинга. Подходит для инфраструктурных агентов, однако с ростом конкуренции прибыльность снижается.

Комбинационный арбитраж (Bundle Arbitrage). Использование ценовых расхождений между связанными контрактами. Логика ясна, но возможности ограничены. Агент может реализовать, хотя и с большей сложностью.

Спекулятивные стратегии: дополнение, а не основа

Информационный трейдинг. Вокруг четко определенных событий или структурированных данных (официальных публикаций, объявлений, окон решений). Когда источники ясны и условия для реакции — агент использует скорость и дисциплину; при необходимости интерпретации смыслов — требуется участие человека.

Следование сигналам. Репликация поведения успешных аккаунтов или фондов, автоматизация правил. Основной риск — деградация сигнала и манипуляции. Хорошо подходит как вспомогательная стратегия для агента.

Неконструктивные/шумовые стратегии. Основаны на эмоциях, случайных колебаниях или участии в массовых действиях. Не имеют стабильных преимуществ, долгосрочные доходы — нестабильны. Из-за сложности моделирования, высокого риска и отсутствия устойчивых алгоритмов — не рекомендуются для системного автоматического исполнения.

Высокочастотная микро-структурная торговля. Требует очень коротких решений, постоянных котировок и высокой скорости. Теоретически подходит для Agent, но в условиях ликвидности и конкуренции предсказательных рынков — редко эффективна, подходит лишь тем, у кого есть инфраструктурное преимущество.

Управление рисками и хеджирование. Не преследует прибыль напрямую, а снижает общий риск. Ясные правила, четкие цели, — важнейшие компоненты для стабильной работы.

Общая картина: для Prediction Market Agent наиболее подходят стратегии с ясными, кодируемыми правилами, минимальной субъективностью. Основной доход — арбитраж по разрешению и вероятностным соотношениям, дополнительно — отслеживание структурированных сигналов и ценовых ошибок. Стратегии с высоким уровнем шума и эмоций — исключены.

Текущая экосистема: трехуровневая дифференциация инфраструктуры и агентства

Prediction Market Agent находится в ранней стадии развития. На рынке появляются попытки от базовых платформ до продвинутых инструментов, однако отсутствуют стандартизированные решения, охватывающие все ключевые компоненты: генерацию стратегий, эффективность исполнения, управление рисками и полноценную бизнес-замкнутость.

Первый уровень: инфраструктурные рамки

Официальный агентский каркас Polymarket. Стандартный инженерный каркас, решающий проблему “подключения и взаимодействия”. Он инкапсулирует получение данных, формирование ордеров и базовые вызовы LLM — отвечает на вопрос “как через код размещать ордера”, — но оставляет за рамками ядро стратегии: генерацию, калибровку вероятностей, динамическое управление позициями и бэктестинг. Это скорее нормативная спецификация интеграции, чем готовый продукт с альфой. Агентам нужно строить на его базе полноценные системы исследования и риск-менеджмента.

Инструменты Gnosis Prediction Market (PMAT). Обеспечивают полный доступ к чтению и записи для Omen/AIOmen и Manifold, но только чтение Polymarket. Барьер входа — высокая. В рамках экосистемы Gnosis — базовая платформа для разработки агентских решений, ограниченная по применению к Polymarket, что снижает ценность для основной аудитории.

Polymarket и Gnosis — единственные платформы, официально включающие “разработку агентских решений” в свои стандарты. Другие, такие как Kalshi, предоставляют API и SDK, но требуют самостоятельной разработки стратегий, риск-менеджмента, исполнения и мониторинга.

Второй уровень: автономные торговые агенты

Olas Predict. Наиболее зрелая экосистема Prediction Market Agent. Основной продукт — Omenstrat, построенный на Gnosis Omen, использующий FPMM и децентрализованный арбитраж, поддерживающий частые мелкие операции, но ограниченный ликвидностью одного рынка. Его “ИИ-прогноз” — в основном универсальный LLM, без данных в реальном времени и системного риск-менеджмента, что ведет к значительным колебаниям точности. В феврале 2026 года запущен Polystrat — расширение возможностей для Polymarket: пользователь может на естественном языке задавать стратегии, агент автоматически выявляет рынки с вероятностными отклонениями в течение 4 дней и совершает сделки. Система использует локальную работу Pearl, самоуправляемые Safe и кодовые ограничения — первый коммерческий автономный агент для Polymarket.

Стратегия UnifAI Network для Polymarket. Фокусируется на “покупке контрактов с вероятностью >95% к моменту закрытия” с целью заработать на точке входа с 3-5% спредом. На блокчейне показатели успешности — около 95%, однако доходность сильно варьируется по категориям, зависит от частоты сделок и выбора сегментов.

NOYA.ai. Стремится объединить цикл “исследование — оценка — исполнение — мониторинг”. Архитектура включает уровни интеллекта, абстракции и исполнения. Внедрены Omnichain Vaults; Prediction Market Agent — в разработке, еще не завершена полноценная цепочка на мейннете, находится в стадии верификации концепции.

Третий уровень: аналитические инструменты

На текущий момент аналитические инструменты Prediction Market не образуют полноценного “агента”. Их ценность — в информационной и аналитической составляющей архитектуры. Исполнение, управление позициями и риск — остаются за трейдерами. Эти инструменты скорее напоминают “подписку на стратегии/сигналы/усиление исследований”, — ранние прототипы Prediction Market Agent.

Инструменты анализа: Polyseer (структурированное исследование с несколькими агентами), Oddpool (аналог Bloomberg Terminal для предсказательных рынков, мульти-платформенный арбитраж), Polymarket Analytics (глобальная платформа данных), Hashdive (распознавание “умных денег”), Polyfactual (анализ настроений и рисков с помощью ИИ), Predly (обнаружение ошибок в ценах, заявленная точность 89%), Polysights (более 30 метрик и аномалий), PolyRadar (мультимодельное объяснение и уровень доверия), Alphascope (мониторинг сигналов и вероятностных изменений).

Отслеживание китов и ранние предупреждения: Stand (отслеживание китов и сигналов о действиях с высокой уверенностью), Whale Tracker Livid (продукт по отслеживанию позиций китов).

Инструменты поиска арбитражных возможностей: ArbBets (поиск арбитражных ситуаций между Polymarket, Kalshi и спортивными ставками), PolyScalping (сканирование всего рынка за 60 секунд для арбитража и скальпинга), Eventarb (легкий расчет арбитража между платформами), Prediction Hunt (сравнение Polymarket, Kalshi и PredictIt в реальном времени).

Интегрированные торговые терминалы: Verso (поддержка YC Fall 2024, интерфейс Bloomberg, отслеживание 15 000+ контрактов, ИИ-анализ новостей), Matchr (мультиплатформенный агрегатор и маршрутизатор, 1500+ рынков, автоматическая маршрутизация и стратегии), TradeFox (поддержка Alliance DAO и CMT Digital, профессиональный агрегатор, Prime Brokerage, расширенные ордера и мультиплатформенная маршрутизация).

Три уровня бизнес-моделей Prediction Market Agent

Идеальная бизнес-модель Prediction Market Agent предполагает разные уровни доходов:

Инфраструктурный уровень. Мультиисточниковая обработка данных, базы Smart Money, единый движок исполнения предсказательных рынков, инструменты бэктестинга. Монетизация через B2B — стабильный доход, не связанный напрямую с точностью прогнозов.

Экосистема стратегий. Вовлечение сообщества и сторонних разработчиков, создание переиспользуемых и оценимых стратегий, дележка доходов за вызовы, веса или исполнение — снижение зависимости от одного альфы.

Уровень агентств/Vault. Агентство с доверительным управлением — прямое участие в исполнении, сбор управленческих и результативных комиссий, прозрачность через блокчейн и строгие риски.

Соответственно, продуктовые формы:

• Развлекательные/игровые. Интуитивный интерфейс, Tinder-стиль, низкий порог входа, рост пользователей и образовательный эффект — лучший канал привлечения новых. Монетизация — через подписки или интеграцию с продуктами исполнения.

• Подписка на стратегии/сигналы. Без хранения средств, регуляторная дружелюбность, четкое разделение ответственности; SaaS-модель. Ограничения — стратегии легко копируются, исполнение — с деградацией, долгосрочный доход — ограничен. Улучшение — автоматизация “сигнал + одна кнопка” — повышает качество опыта и удержание.

• Управляемые Vault. Масштабируемость и эффективность исполнения, похожие на управление активами. Но требуют лицензий, доверия и централизации. Не рекомендуется как основной путь, если не удастся создать долгосрочную историю и получить институциональную поддержку.

Общая идея: многоуровневая архитектура доходов — инфраструктура, стратегия и участие в результатах — более устойчива, чем зависимость от одной альфы. Даже при снижении альфы, базовые возможности исполнения, риск-менеджмента и расчетов сохранят долгосрочную ценность и обеспечат устойчивый цикл.

Следующий перекресток: углубление или рассеивание

Prediction Market Agent стоит на пороге важного выбора. Рынок уже демонстрирует многоуровневые попытки — от базовых платформ до продвинутых инструментов, — однако отсутствуют зрелые стандарты по автоматизации стратегий, оптимизации исполнения, систематизации управления рисками и полноценной бизнес-замкнутости.

Четыре ключевых наблюдения:

1. Установление и концентрация базовых рынков. Polymarket и Kalshi сформировали дуополии, их ликвидность и ассортимент позволяют масштабировать агентство. Создание экосистемы вокруг этих центров — логичный путь.

2. Истинное позиционирование агента. Не “умнее человека”, а “быстрее, дисциплинированнее, лучше управлять межрынковыми рисками”. Это определяет пределы стратегий: арбитраж по разрешению — основной источник дохода, информационные и сигнальные стратегии — дополнение, а эмоции и шум — исключены.

3. Управление рисками — приоритет выше поиска альфы. Систематизация исполнения, управление позициями, хеджирование, контроль расчетов — залог долгосрочной надежной работы. Перфекционизм в прибыли без учета рисков — путь к провалу при рыночных потрясениях.

4. Необходимость устойчивой бизнес-модели. Чистая зависимость от альфы — риск при зрелости рынка. Инфраструктура, стратегия и участие в результатах — создают более устойчивую структуру доходов, способную противостоять снижению альфы и обеспечивать долгосрочную ценность.

В итоге, победитель в слиянии ИИ и предсказательных рынков — не тот, кто лучше прогнозирует, а тот, кто лучше исполняет, управляет рисками и агрегирует информацию. Это соревнование за эффективность ценообразования и структурирование рынка, а не просто за точность предсказаний.

Заявление: В подготовке данной статьи использовались AI-инструменты ChatGPT-5.2, Gemini 3 и Claude Opus 4.5. Автор приложил усилия для проверки и подтверждения достоверности информации, однако возможны неточности. Особенно в области криптовалютных проектов — несоответствие фундаментальных данных и цен на вторичном рынке. Статья предназначена только для информационных целей и научных исследований, не является инвестиционной рекомендацией и не должна интерпретироваться как совет по покупке или продаже токенов.