Прогнозні ринки зустрічаються з AI-агентами: нова революція у ціноутворенні ймовірностей подій

Передбачуваний ринок у 2025 році зазнав поворотного моменту. Обсяг торгів у 2024 році становив близько 900 мільйонів доларів, але за рік він стрімко зріс понад 40 разів і перевищив 40 мільярдів доларів, зростання понад 400%. Це не ізольовані коливання даних, а результат злиття кількох факторів: зростаючий попит через невизначеність, викликану макро-політичними подіями, зрілість інфраструктури та моделей торгів, а також розм’якшення регуляторного середовища в США — перемога Kalshi у суді та повернення Polymarket у США ознаменували початок нової епохи.

На такому фоні Prediction Market Agent — це не майбутня спекуляція, а швидко розвиваючася реальність. У цій статті ми прагнемо зрозуміти ключову логіку, архітектурні потреби, стратегії та пошук бізнес-моделей у цій новій галузі — це визначатиме важливий напрямок інтеграції криптовалют і ШІ.

Справжня ідентичність Prediction Market: від інструменту азартних ігор до глобального рівня консенсусу

Prediction Market часто неправильно сприймається. Зовні він схожий на азартну гру з нульовою сумою; за суттю — це механізм агрегації інформації. В анонімному середовищі, під впливом реальних капіталів, розкидана інформація швидко консолідується у цінові сигнали, зважені волею капіталу, що значно знижує шум і фальшиві оцінки.

Магія цього механізму полягає у його зовнішніх ефектах: коли фінансові інституції, такі як CME або Bloomberg, починають безпосередньо використовувати ціни Prediction Market як метадані для прийняття рішень, він перетворюється з “ігри” у “глобальний рівень консенсусу” — реальний відбиток ймовірностей подій у реальному часі, більш оперативний і кількісний.

До кінця 2025 року сформувалися дві домінуючі платформи — Polymarket і Kalshi. За даними Forbes, загальний обсяг торгів у 2025 році склав близько 4,4 мільярдів доларів, з них Polymarket — приблизно 2,15 мільярда, Kalshi — близько 1,71 мільярда. На початку 2026 року обсяг торгів Kalshi (259 мільярдів доларів за тиждень) перевищив Polymarket (183 мільярди), і їхня частка ринку наблизилася до 50%. Це зумовлено судовою перемогою Kalshi у справі щодо їхніх виборчих контрактів, першим досвідом у спортивних прогнозах та більш ясним регуляторним прогнозом.

Розвиток цих платформ вже демонструє диференціацію: Polymarket використовує гібридну архітектуру CLOB і децентралізовану механізм розрахунку (“офлайн-матчинг, онлайн-розрахунок”), створюючи глобальний недовірений високоліквідний ринок; Kalshi глибоко інтегрується з традиційною фінансовою системою, через API підключає роздрібних брокерів і залучає маркет-мейкерів з Уолл-стріт, але їхній продукт підлягає традиційним регуляторним обмеженням.

Майбутня конкуренція на ринку ще формується. Одні гравці йдуть шляхом традиційної фінансової відповідності — наприклад, Interactive Brokers × ForecastEx або FanDuel × CME Group, використовуючи канали та ліцензії для створення переваги; інші — нативні блокчейн-учасники, такі як Opinion.trade, Limitless, Myriad, швидко зростають через токеномінг, короткострокові контракти і медіа-розповсюдження, але їхня довгострокова життєздатність і управління ризиками ще потребують перевірки.

Чому Prediction Market потребує AI-агента: ефективності, а не прогнозування

Це ключове когнітивне виправлення: цінність Prediction Market Agent полягає не у тому, щоб “ШІ дав кращий прогноз”, а у масштабуванні обробки інформації та виконання.

Prediction Market — це місце агрегації інформації — ціна відображає колективну оцінку ймовірності події. Реальні неефективності виникають через три рівні: асиметрію інформації, фрагментацію ліквідності та обмеження уваги. Вірний фокус для AI-агента — кероване управління ймовірнісними активами: перетворювати новини, регуляторний текст, дані з блокчейну у перевірені цінові відхилення і швидко, дисципліновано, з низькими витратами реалізовувати стратегії, використовуючи арбітраж між платформами і портфельне управління ризиками для вилучення структурних можливостей.

Такий агент має бути побудований за чотирьохшаровою архітектурою:

• Інформаційний рівень: збір новин, соцмереж, даних з блокчейну і офіційних джерел
• Аналізний рівень: за допомогою LLM і ML виявляти цінові помилки і обчислювати переваги (Edge)
• Стратегічний рівень: через формули Kelly, поетапне нарощування позицій і управління ризиками перетворювати переваги у позиції
• Виконавчий рівень: автоматичне розміщення ордерів, оптимізація проскальзування і газу, арбітражні операції — створюючи високоефективний автоматизований цикл

Однак комерційна життєздатність такої архітектури залежить від трьох умов: ясності правил розрахунку, достатності ліквідності і структурованості інформації. Не всі Prediction Market підходять для автоматизації.

Не всі ринки гідні агента: жорстка правда про вибір активів

Не всі Prediction Market варто брати до уваги. Вибір активів має оцінюватися за п’ятьма вимірами:

Ясність розрахунків. Чіткість правил, однозначність джерел даних. Для явних стандартів — вибори, референдуми — підходять; для соціальних трендів — ні.

Якість ліквідності. Глибина ринку, спред, обсяг — визначають, чи зможете входити і виходити з мінімальними витратами.

Ризик внутрішньої інформації. Наскільки високий рівень асиметрії? У деяких спортивних прогнозах може бути багато інсайду, що ускладнює створення альфі для звичайних учасників.

Тимчасова структура. Тривалість контракту, ширина вікна прийняття рішень — визначає, де переваги мають AI, а де — люди.

Профіль трейдерів. Людські переваги — широкі часові рамки (дні/тижні), потреба у спеціальних знаннях, здатність обробляти розмиту інформацію. AI — швидкість, обробка даних, короткі цикли (секунди/хвилини), високочастотний арбітраж, автоматичне маркетмейкінг.

Що не підходить? Ринки з переважанням інсайду або випадкові/маніпульовані — там ніхто не заробить.

Управління позиціями: від формули Kelly до градацій довіри

Формула Kelly — класична модель управління капіталом у повторюваних іграх. Її мета — не максимізувати однократний дохід, а забезпечити максимальний довгостроковий складний приріст капіталу. Вона широко застосовується у квантових інвестиціях, професійному беттингу, покері і управлінні активами.

Стандартна форма: f* = (p·b - q) / b, де f* — оптимальна частка капіталу, b — чистий коефіцієнт виграшу, p — ймовірність перемоги, q=1-p.

У Prediction Market це можна спростити до: f* = (p - ціна ринку) / (1 - ціна ринку), де p — суб’єктивна ймовірність, а ціна — імпліцитна ймовірність.

Теоретично — ідеально, на практиці — розбиття. Трейдери важко тримають точні й стабільні оцінки ймовірностей, тому переважно використовують більш правила — зменшують залежність від точності оцінки:

• Система фіксованих одиниць. Капітал ділиться на фіксовані частки (наприклад, 1%), і залежно від рівня довіри інвестується відповідна кількість одиниць, автоматично обмежуючи ризик однієї операції. Це найпростіший і найнадійніший метод.

• Фіксований множник. Постійна ставка відносно капіталу, що підсилює дисципліну і стабільність, підходить для ризик-обережних.

• Градаційна довіра. Визначення дискретних рівнів позицій із фіксованими верхніми межами — зменшує складність рішень і запобігає ілюзії високої точності за формулою Kelly.

• Обертання ризику. Виходячи з максимально допустимих збитків, обчислює розмір позиції, базуючись на ризикових обмеженнях, а не на очікуваних доходах.

Для Prediction Market агентів пріоритетом є простота, стабільність і можливість швидко застосовувати правила. Важливо мати чіткі, зрозумілі параметри і високу толерантність до помилок у судженнях. У таких умовах комбінація градацій довіри і фіксованих лімітів — найкращий універсальний підхід.

П’ять стратегій і їх автоматизація: ранжування за придатністю

Екосистема стратегій Prediction Market поділяється на дві великі групи: детерміністські арбітражні стратегії (чітко закодовані правила) і спекулятивні (залежні від інтерпретації інформації і трендів), а також — маркетмейкінг і хеджування.

Детерміністські арбітражі: основа агента

Розв’язання розв’язків (Resolution Arbitrage). Коли результат події майже визначений, але ринок ще не повністю ціноутворений — з’являється можливість арбітражу. Основна вигода — від затримки інформації і швидкості виконання. Чіткі правила, низький ризик, повністю автоматизовані — це ядро, яке найкраще підходить для агента.

Арбітраж за сумою ймовірностей (Dutch Book). Коли сума цін на взаємовиключні події (наприклад, кандидат А переможе, кандидат В переможе, інші) відхиляється від ймовірнісних правил (∑P≠1), можна сформувати безризикову прибуткову стратегію, комбінуючи позиції. Це — класика автоматизації, оскільки базується лише на правилах і цінових співвідношеннях. У Prediction Market, наприклад, якщо ціна контракту “перемога А” + “перемога В” + “інше” не дорівнює 1, — виникає можливість арбітражу. Агент може моніторити ціни у реальному часі і автоматично виконувати операції.

Міжплатформний арбітраж. Використання цінових розбіжностей між різними ринками для однієї й тієї ж події. Ризик низький, але вимагає дуже низької затримки і паралельного моніторингу. Підходить для агентів із високою інфраструктурою, але конкуренція зменшує прибутковість.

Комбінований арбітраж. Використання цінових нерівностей між пов’язаними контрактами. Логіка проста, можливості — обмежені. Можна автоматизувати, але складність правил — середня.

Спекулятивні стратегії: доповнення, а не основа

Інформаційне трейдування. Виходить із чітких подій або структурованих даних (офіційні релізи, оголошення, вікна прийняття рішень). Якщо джерело ясне і тригери визначені — агент може швидко і дисципліновано діяти. Але при потребі розуміння семантики або контексту — потрібна участь людини.

Сигнали і слідкування. Реплікація поведінки успішних акаунтів або фондів. Правила прості і автоматизовані. Ризик — зниження ефективності сигналу і маніпуляції. Добре підходить як допоміжна стратегія.

Неконструктивні/шумові стратегії. Залежність від емоцій, випадковості або участі — без стабільних переваг, з високим ризиком. Не підходять для системної автоматизації.

Високочастотна мікроструктура. Вимагає дуже коротких циклів, низької затримки і значних капіталовкладень. Теоретично — підходить, але через конкуренцію і низьку ліквідність у Prediction Market — ефективність обмежена. Можливо, лише для дуже великих гравців.

Управління ризиками і хеджування. Не для отримання прибутку, а для зниження ризиків. Чіткі правила, цілі — стабільність.

Загалом, для Prediction Market агентів підходять стратегії із чіткими правилами, що легко кодуються і не залежать від суб’єктивних оцінок. Арбітраж — основне джерело доходу, сигнали і структуровані дані — додаткові, а шумові і емоційні — виключаються.

Текущий стан екосистеми: три рівні від базової інфраструктури до повних агентів

Ринок Prediction Market ще перебуває у стадії ранніх досліджень. З’явилися різноманітні спроби — від базових рамок до просунутих інструментів, але ще немає стандартизованих продуктів, що охоплюють усі ключові аспекти: генерацію стратегій, ефективність виконання, управління ризиками і бізнес-цикл.

Перший рівень: базова інфраструктура

Офіційний агент Polymarket. Стандартна архітектура, що вирішує проблему “з’єднання і взаємодії”. Вона інкапсулює отримання даних, побудову ордерів і базові виклики LLM — відповідає на питання “як через код розміщувати ордери”, але не охоплює ядро — генерацію стратегій, калібрування ймовірностей, динамічне управління позиціями і бек-тестування. Це — більше рекомендація від Polymarket, ніж готовий продукт для Alpha. Агентам потрібно будувати на цій основі повноцінний інструментарій.

Інструменти Gnosis. Надання повного доступу до читання і запису на Omen/AIOmen і Manifold, але лише для Polymarket — бар’єри екосистеми. Це — базова платформа для розробки агентів у Gnosis, але обмежена.

Обидві платформи — Polymarket і Gnosis — є єдиними, що офіційно інтегрували “розробку агентів” у свої рамки. Інші, наприклад Kalshi, пропонують API і SDK, але розробнику потрібно самостійно додавати стратегії, управління ризиками, виконання і моніторинг.

Другий рівень: автономні торгові агенти

Olas Predict. Найдосконаліша екосистема Prediction Market-агентів. Основний продукт — Omenstrat, побудований на Gnosis Omen, з використанням FPMM і децентралізованих арбітражних механізмів. Підтримує часті малі операції, але обмежений ліквідністю одного ринку. В основному — залежить від універсальних LLM, без реального доступу до даних у реальному часі і системного управління ризиками. В історії — низька точність у різних категоріях. У лютому 2026 року запущено Polystrat — розширення для Polymarket, що дозволяє користувачам описувати стратегії природною мовою, а агент автоматично виявляє й виконує операції з ймовірнісними відхиленнями у ринках із термінами до 4 днів. Використовує локальне виконання Pearl, самостійне управління Safe і закодовані обмеження — перша в світі комерційна автономна стратегія для Polymarket.

UnifAI. Стратегія “придбати контракти з високою ймовірністю (>95%) і близькими до завершення” — орієнтована на “хвостові” ризики, з цільовою маржею 3-5%. Дані показують 95% успіху, але прибутковість сильно залежить від категорії і частоти виконання.

NOYA.ai. Прагне побудувати повний цикл “дослідження — оцінка — виконання — моніторинг”. Архітектура — рівні інтелекту, абстракції і виконання. Vaults вже запущені; Prediction Market Agent — у розробці, ще не працює у мережі, тестується концепція.

Третій рівень: аналітичні інструменти

Поточні аналітичні інструменти Prediction Market ще не є повноцінними агентами, але — це важливий рівень для архітектури агентів. Вони забезпечують інформацію і аналіз, але виконання, управління позиціями і ризиками — на плечах трейдера. Це — ранні прототипи “стратегічних підписок”, “сигнальних сервісів” і “досліджень”, що є першим кроком до повноцінних агентів.

Інструменти. Polyseer (структуроване дослідження з багатьма агентами), Oddpool (сканер арбітражів і аналітика), Polymarket Analytics, Hashdive, Polyfactual, Predly, Polysights, PolyRadar, Alphascope — кожен із них пропонує різні функції для аналізу, виявлення аномалій, оцінки настроїв і цінових помилок.

Відстеження китів і попередження. Stand, Whale Tracker Livid.

Інструменти арбітражу. ArbBets, PolyScalping, Eventarb, Prediction Hunt.

Об’єднані торгові платформи. Verso, Matchr, TradeFox — для професійних трейдерів і інституцій.

Бізнес-моделі: три рівні пирога

Ідеальна бізнес-модель Prediction Market Agent — це багаторівнева структура:

• Інфраструктурний рівень. Збір даних, бібліотеки Smart Money, платформи для виконання і бек-тестування. Монетизація — B2B, незалежна від точності прогнозів.

• Стратегічний рівень. Спільнота і сторонні розробники створюють і поширюють стратегії, що можна використовувати через API або через децентралізовані механізми, отримуючи частку від використання.

• Рівень агентів/Vault. Агент управляє капіталом під довірою, отримуючи плату за управління і за результати.

Продукти за моделлю:

• Гейміфікація і розваги. Інтуїтивний інтерфейс, що залучає нових користувачів, — ідеальний для залучення масової аудиторії, але потребує підключення до платних сервісів або автоматичних систем.

• Підписка і сигнали. Безкоштовно або за підпискою — стабільний дохід, але обмежена довгострокова перспектива через копіювання стратегій і обмеження довіри.

• Vault-управління. Масштабовані рішення для управління активами, але з високими регуляторними бар’єрами і ризиками централізації.

Загалом, багаторівнева модель — більш стабільна і довгостроково життєздатна, ніж залежність від однієї альфи.

Наступний перехрестя: глибше чи розпорошено

Prediction Market Agent — на перехресті розвитку. З’явилися різні рівні інструментів і платформ, але ще немає повністю стандартизованих рішень, що охоплюють усі аспекти: автоматизацію стратегій, ефективність виконання, управління ризиками і бізнес-цикл.

Чотири ключові спостереження:

1. Встановлення і концентрація базового ринку. Polymarket і Kalshi вже сформували домінуючі позиції, їхня ліквідність і асортимент достатні для масштабної роботи агентів. Створення екосистеми навколо цих центрів має підґрунтя.

2. Реальна роль агента. Це не “розумніше людини”, а “швидше, дисциплінованіше і краще управляє ризиками між ринками”. Це визначає межі стратегій: арбітраж, структуровані дані — основне джерело доходу, а емоційний шум — виключається.

3. Управління ризиками понад пошук альфи. Важливіше системи управління позиціями і ризиками, ніж максимізація однієї операції. Недбале ігнорування ризиків призведе до великих втрат у кризових ситуаціях.

4. Необхідність сталих бізнес-моделей. Залежність від чистого альфи зменшується з часом. Інфраструктура і багаторівнева модель дозволяють зменшити цю залежність і забезпечити довгострокову цінність.

Загалом, успіх у поєднанні AI і Prediction Market — не у найкращому прогнозі, а у найкращому виконанні, управлінні ризиками і агрегації інформації. Це змагання за цінову ефективність і структурованість ринків, а не просто за точність прогнозів.