預測市場：如何將分歧轉化為收益

過去討論預測市場時，大家更關心它準不準、交易量高不高、能不能成為新的資訊市場。但當預測市場作為一門生意時，核心問題就變了：預測市場的盈利模式是什麼？

在商業世界裡，交易量高，並不等同於平台賺錢。 一個盤口可以聲量巨大，用戶也可以頻繁買賣，但如果大部分成交無法切入收費口徑，或者活躍度純粹靠補貼和積分維繫，那麼交易量就只是好看的数据，而不是健康的收入。

對於預測市場而言，真正考驗商業內功的，不是「開了多少盤口」，也不是「某個事件有多火」，而是平台能否無縫地將三件事串聯起來：

產生真實交易的衝動；

維持足夠深的訂單簿流動性；

將主動吃單的交易需求（Taker）轉化為 Fees（手續費）。

這也是為什麼，預測市場的商業模式絕非簡單的「開盤收稅」。表面上它只是一個個 YES / NO 的對賭遊戲，但真正支撐起平台收入底座的，是背後的交易結構、流動性機制、費率傾斜以及用戶行為。

尤其是當頭部平台 Polymarket 開始系統性引入 Taker Fee 之後，預測市場的敘事已經從「資訊工具」開始進入「收入驗證」階段。

本文將從商業視角出發，深度拆解預測市場的底層底牌：

預測市場平台如何賺錢？

為什麼掛單 / 吃單的博弈結構決定了平台的生死？

從 @Polymarket、Kalshi、@opinionlabsxyz 到 @predictdotfun，主流平台的費率設計有何本質區別？

為何交易量最高的賽道，反而不是最賺錢的賽道？

💡核心結論：預測市場賣的不是答案，而是分歧。

價格越接近 50 / 50，說明市場分歧越大，交易衝動越強，平台越容易從主動成交中轉化手續費收入；價格越接近 0 或 100，結果越趨於確定，雖然資訊價值仍在，但對應的費用權重會明顯下降。

因此，預測市場真正的商業壁壘，不是將「事件」轉變為盤口，而是將「分歧」轉變為交易，再將交易穩健地轉化為收入。

要拆解預測市場的現金流，首先要釐清其收入的四個核心驅動力。它們相互交織，共同構成了平台從流量到變現的閉環。

1️⃣ 交易手續費 – 直接收入來源

大多數預測市場會向主動成交的一方收費，也就是 taker。因為 taker 消耗流動性，而 maker 提供流動性。

這意味著，預測市場並非所有交易都會產生收入。真正能為平台貢獻費用的，往往是那些用戶願意主動成交、願意為速度和確定性付費的交易。

2️⃣ Liquidity – The Foundation of Continuous Trading

預測市場最困難的不是開盤口，而是讓盤口有深度。

如果一個盤口沒人掛單，用戶想買買不到，想賣賣不掉，那麼這個市場即使有話題，也很难形成有效價格。

因此，許多平台會降低掛單成本，甚至為掛單提供激勵。

這不是直接的「收入來源」，但它決定了交易費能否長期存在。

沒有流動性，就沒有持續交易，手續費收入自然也無法穩定。

3️⃣ 資訊價值 – 心智佔領

預測市場與普通交易平台的不同之處在於，它不僅是交易工具，也會產生資訊。

當一個盤口擁有足夠的交易量和流動性後，其價格會成為一種概率信號。媒體會引用它，KOL 會解讀它，交易員會觀察它，普通用戶也會用它來判斷市場情緒。

這部分不一定会直接轉化為手續費，但它能為平台帶來關注度、用戶心智和外部傳播。從長期來看，這些資訊價值將反過來增強交易需求。

4️⃣ 用戶運營與折扣體系 – 將活躍度轉化為收入

除了基礎交易費，不同平台也會透過折扣、邀請、活動、積分和返利來提升交易頻率。這部分措施不一定直接帶來收入，但會影響平台的長期變現能力。例如，Opinion 提供了用戶折扣、交易折扣和邀請折扣；Predict.fun 採用更簡單的基礎收費和折扣機制；Polymarket 則側重於不同賽道的差異化費率和 Maker rebate。折扣和激勵的本質，並非單純的補貼，而是透過讓出部分利潤來換取用戶留存，再逐步將活躍度轉化為收入。

綜觀幾家主流預測市場的費用設計，行業的戰略方向高度趨同：鼓勵掛單提供流動性，將主動成交轉化為收入。但在戰術執行上，各大平台因定位不同，呈現出明顯的策略分化。

1️⃣ Polymarket：按賽道精細定價

Polymarket 的吃單收費邏輯將「賽道差異化」和「分歧度定價」結合到了極致。其官方核心公式為：

費用 = C × 費率 × p × (1 - p)

其中，C 是成交份額數量，p 是成交價格，feeRate 則由市場賽道決定。

該機制包含兩個核心變數：

賽道細分：根據目前經過驗證的費率標準，Crypto 賽道的 feeRate 為 0.07，Sports 為 0.03，Politics / Finance / Tech 為 0.04，Culture / Weather 為 0.05，部分 Geopolitics 市場為 0。換句話說，Polymarket 並非對所有市場統一收費，而是根據不同賽道的交易頻率、敏感度和用戶付費意願，採用差異化費率。

分歧度定價：完美契合 p × (1 - p) 的數學曲線。價格越接近 50/50（市場分歧最大），手續費越高；結果越確定（接近 0 或 100），手續費越低。

https://docs.polymarket.com/trading/fees

2️⃣ Kalshi：更接近合規交易所模式

Kalshi 的費用設計在合規框架下更接近傳統金融衍生品交易所，其常規吃單費率公式同樣與價格分歧度掛鉤：

費用 = 向上取整(0.07 × C × P × (1 - P))

其中 C 是合約數量，P 是合約價格，並且費用會向上取整到美分。這個結構和 Polymarket 的 C × feeRate × p × (1-p) 很接近。

Kalshi 的費用結構與 Polymarket 類似：其交易費亦與合約價格相關，越接近 50¢，費用越高；越接近 1¢ / 99¢，費用越低。Kalshi 的 fee schedule 顯示，100 份合約的 taker fee 大致在 $0.07～$1.75 區間變化。

但 Kalshi 和 Polymarket 的一个重要區別是：Kalshi 的部分市場也會有 Maker fee，而且只有當這些掛單最終成交時才收費，取消掛單不收費。這表明 Kalshi 的費用結構更接近合規交易所：不是簡單的 Maker 永久免費，而是根據不同市場設置更複雜的雙邊費用規則。

https://kalshi.com/docs/kalshi-fee-schedule.pdf

3️⃣ 意見：更強調折扣和用戶分層

Opinion 引入了極為複雜的「多維折扣體系」，其有效費率公式為：

有效手續費率 = topic_rate × price × (1 − price) × (1 − user_discount) × (1 − transaction_discount) × (1 − user_referral_discount)

In other words, the fee for Opinion is not only determined by the market price and topic_rate, but also affected by factors such as user discounts, trading discounts, and referral discounts.

Opinion 也設定了 $5 最小訂單和 $0.25 最低手續費，以避免小額交易產生過低費用。

這說明 Opinion 的費用設計更偏向用戶運營：

topic_rate 用於區分不同市場

user_discount 用於用戶分層

因此，與 Polymarket 的「賽道差異化定價」相比，Opinion 更像是將手續費當作一個運營工具：一邊透過折扣體系引導用戶交易、留存與拉新，另一邊透過 Maker 免費降低掛單門檻，維持市場流動性。

https://docs.opinion.trade/trade-on-opinion.trade/fees

4️⃣ Predict.fun：簡約的統一費率

Predict.fun 的費用結構相對更簡單，適合降低用戶理解成本。

根據其目前公開的說法，其費用計算公式為：

原始手續費 = 基礎手續費 % × min(價格, 1 − 價格) × 股數

Base Fee 目前為 2%。實際費率會隨成交價格變化：在 50% 以下時，費率基本固定為 2%；超過 50%，價格越接近 1，實際費率越低。

此外，Predict.fun 還支援 fee discount，折扣後手續費會進一步下降。

這種設計的特點是更加直觀：用戶無需先判斷盤口屬於哪一側，只需要關注成交價格本身即可理解費用變化。

https://docs.predict.fun/the-basics/predict-fees-and-limits#limits

可以看見，預測市場平台的共同點是：都在試圖將主動成交行為轉化為收入。

這也說明，預測市場的商業化並非只有一種路徑。它們最終都在回答同一個問題：用戶願不願意為交易付費？

雖然各家玩法百花齊放，但要驗證預測市場的真實變現效率，Polymarket 仍然是目前最適合觀察的平台樣本。

主要原因有 2 個：

它的收費路徑最清晰：從 Crypto 試水，到 Sports 擴展，再到更多類別幾乎全面收費

它的數據也更完整：官方 feeRate、7D / 30D Fees 都可用來進一步拆解收入結構

因此，接下來我們以 Polymarket 為例，回答一個更具體的問題：交易量最高的賽道，真的也是最賺錢的嗎？

3.1 從免費到收費：Polymarket 的商業化時間線

2026 年 1 月：Crypto 成為首個收費板塊

Polymarket 重返美國用戶，率先在 Crypto 板塊引入 Taker Fee。加密盤口結算週期短、價格波動大、交易行為類似二級短線，用戶對變現速度的追求遠大於對摩擦成本的敏感度，是絕佳的收費試驗田。

2026 年 2 月 18 日：Sports 成為第二個收費板塊

接著，2026 年 2 月 18 日，Sports 板塊成為第二個收費板塊。體育盤口具備天然的高頻、短週期特徵，能提供持續的交易場景。因此 Sports 是收費的自然延續。

因此，Polymarket 先對 Crypto、Sports 收費，其實是先以兩個用戶接受度更高的板塊驗證收入模型。

2026 年 3 月 30 日：費用將擴展至更多板塊

2026 年 3 月 30 日，Polymarket 將 taker fee 擴展至 Politics、Finance、Economics、Culture、Weather、Tech、Mentions、Other/General 等更多類別，收費類別擴展至 10 個。

全面收費後，Polymarket 並非對所有板塊收取相同費用，而是採用了更細緻的費率結構。這一步可視為 Polymarket 商業化的關鍵節點，Polymarket 開始將收費模式擴展至更廣泛的市場。

全面收費的成效極其矚目。根據最新數據，Polymarket 已展現出強大的吸金能力：7D Fees 達 $9.27M，30D Fees 達 $36.3M。其 7 日收入已躋身全網 Crypto 項目前六，正式邁入收入型項目梯队。

3.2 核心賽道單型與價格分佈拆解

為盡可能準確地計算 Polymarket 各個板塊的真實收入，我們根據 2021 年至 2026 年 2 月的 Polymarket 交易數據，對五個主要賽道的費用進行估算 1。

從市價單佔比來看，五個賽道差異明顯：

Crypto 的 Market 占比最高，達到 75%，這極其符合加密資產「瞬息萬變」的特徵，用戶更傾向於直接用市價單鎖定損益；Weather 賽道因受實時突發氣象數據驅動，用戶同樣極度看重反應速度。

其次，手續費的多少嚴重取決於盤口的成交價格區間。

原因是，進入收費標準的交易，並不會產生相同的費用。Polymarket 的手續費與 p × (1 - p) 相關，價格越接近 50/50，市場分歧越大，費用權重越高；價格越接近 0% 或 100%，結果越接近確定，費用權重越低。

從五個主要賽道的數據來看，大部分成交都集中在 30～50，尤其是 40～50 區間：

這組數據表明，Polymarket 的主要成交並非發生在結果已接近確定的區間，而是集中在市場仍存在明顯分歧的位置。

3.3 收入測算：誰是利潤奶牛？

我們根據各賽道的市場成交額，結合對應的 feeRate，並按照不同價格區間的 p × (1-p) 權重，粗略估算 Polymarket 在五個賽道中的費用收入。同時考慮到上線收費後，部分對費率敏感的用戶會從 taker 轉向 limit 掛單。尤其是從事尾盤交易、低賠率套利或短線頻繁交易的用戶，會更謹慎地計算報酬率。

因此，我們可以在原始估算的基礎上，再做一版更保守的假設：假設收費後，各賽道市價單成交額下降 20%。

調整後的公式變為：

調整後估算費用 ≈ Market 成交額 × 80% × feeRate × (1 - p)

根據 7D 總交易量和各賽道交易量佔比，我們估算五個主要賽道的 7D 市價單交易額。

先前已計算出各賽道的市價單成交額，接下來再結合各賽道的 feeRate 和價格區間權重，估算費用。為使計算更穩妥，我們採用區間中位數作為近似價格：

（註：由於統計口徑、歷史單型佔比滯後性及賽道動態變化，此測算模型旨在還原各賽道的貢獻比例，總和與系統實際結算的總 Fees 存在合理誤差）

What does the data indicate?

1️⃣ Crypto 是當前利潤貢獻最高的賽道，7D 評估費用約為 439 萬美元，是「利潤奶牛」。

這點較為反直覺，因為從交易量占比來看，Sport 才是第一大賽道，7D 交易量約為 4.01 億美元，高於 Crypto 的 1.74 億美元。但從費用結果來看，Crypto 反而排在第一，主要原因有兩個：

市價單佔比更高：Market 佔比約為 75%，明顯高於 Sport 的 60%。Polymarket 主要對市價單收費，因此 Crypto 有更多交易會進入收費口徑。

feeRate 最高：feeRate 為 0.07，而 Sport 僅為 0.03。即使兩者市價單成交額相同，Crypto 單位交易額產生的費用也會明顯更高。

2️⃣ Sport 是第二大費用來源，7D 評估費用約為 331 萬美元，是「交易量基礎盤」。

Sport 的優勢在於交易量足夠大。它的 7D 交易量約為 4.01 億美元，在五個賽道中排名第 1 名。但它的短板也很明顯：feeRate 最低，只有 0.03。

3️⃣ 如果 Politics 和 Trump 合併為政治類盤口，7D 評估費用約為 314 萬美元，已非常接近 Sport 板塊，是脈衝式的流量漏斗。

政治類盤口的特點是事件驅動性強。它不像 Sport 那樣每天都有穩定比賽，也不像 Crypto 那樣價格持續波動，但一旦遇到選舉、民調、政策變化、候選人表態，就容易出現集中交易。因此，政治類盤口雖然交易節奏不一定穩定，但在熱點週期裡費用貢獻非常可觀。

4️⃣Weather 的 7D 評估費用約為 40 萬美元，在五個賽道中最低。

因此，Polymarket 的收入結構可簡要概括為：Crypto 負責平台收入，Sport 負責交易量，Politics / Trump 負責熱點事件爆發，為平台獲客。

Polymarket 的成功閉環，為整個預測市場賽道帶來了重構的啟示：

1️⃣ 評估指標的全面更迭

過去觀察預測市場，都專注於交易量與熱門話題。進入商業化時代，衡量勝負的指標將徹底轉變為：真實 Fees、Taker 占比、訂單簿深度以及買賣價差（Spread）。純粹靠左手倒右手刷出來的交易量，在收費機制下將難以持續。

2️⃣ 不同的事件類型對應不同的收入角色

未來的預測市場平台不會指望靠某一種盤口吃天下，而是走向精細化分工。

Crypto 類市場更接近金融交易，價格變化的速度快、反饋週期短，用戶對成交速度更敏感，因此更容易形成高收入效率。

Sports 更像穩定流水，比賽頻繁、結果明確、交易場景持續存在，所以適合貢獻日常交易量。

政治／特朗普 類市場更偏向事件驅動，平時不一定穩定，但一旦進入選舉、民調、政策變動等關鍵節點，就容易集中放量。

像 Weather 這樣的市場說明，只要事件足夠標準化、結果足夠清晰，即使規模暫時不大，也有機會形成自己的交易場景。

3️⃣ 收費機制將反向促進盤口品質

在免費階段，平台可以開設眾多交易對；收費之後，用戶和做市商都會開始精打細算，收費機制反而會篩選出市場品質。

一個好的預測市場，不僅需要話題有趣，還要能夠同時滿足幾個條件：

結果清晰，便於結算

資訊更新頻繁，可能導致價格變動

市場分歧足夠大，用戶有交易動機

流動性足夠好，用戶願意主動成交

結果不易被操控

4️⃣ The barrier to prediction markets lies in "continuous pricing power"

開一個 YES / NO 盤口並不難，難的是讓這個盤口持續有人掛單、有人吃單、有人更新價格、有人願意承擔風險。只有當一個盤口有足夠深度和交易頻率，它的價格才有參考意義，平台也才可能從中獲得收入。

因此，預測市場真正的壁壘，不是「誰能更快發現熱點」，而是：把熱點變成可交易市場 👉 讓市場長期有流動性 👉 讓價格成為外部世界願意引用的信號。

能夠講宏大敘事的項目多如牛毛，但能把敘事落地成真金白銀收入的鳳毛麟角。

Polymarket 曾是整個賽道中最具光環的流量代表，而當它完成從「流量敘事」到「系統性吸金」的轉身，它想向全行業證明一件事：

預測市場的終極價值，絕不僅限於「預測未來有多準」，而在於它成功將現實世界的不確定性，轉化為一個可標準化定價、可高頻交易且能持續賺錢的超級市場。

過去，預測市場證明了它能贏得海量流量；現在，它正證明自己是一門無與倫比的優質生意。

1 計算方法：分離各賽道的市價單與限價單比例，再根據不同成交價格區間，估算 p × (1 - p) 對費用的影響，最後結合各賽道對應的手續費率，計算每個賽道大致貢獻了多少費用。

原文作者：Changan、Amelia，Biteye 內容團隊