從Black-Scholes到預測市場：一套完整的量化做市框架
本文提出了一套完整的量化做市框架，將1973年Black-Scholes公式延伸至預測市場，解決了傳統模型在概率空間建模時的系統性錯誤。
核心概念與結構
文章從1973年Black-Scholes模型出發，指出其核心洞察為「漂移不重要，波動率才重要」，並將此思想應用於預測市場。
Logit變換與跳躍擴散模型
預測市場的概率值位於0到1之間，此區間存在嚴重的數學不連續性。為解決此問題，文章引入logit變換：x = log(p/(1-p))，將0-1的概率映射至整條數軸，使傳統數學工具（如擴散模型）可直接應用。
信念波動率與跳躍項
在logit空間中，模型定義了兩個關鍵組成：信念波動率σ_b，代表概率在無重大新聞時的日常波動速度，是做市商設定價差的核心輸入；跳躍項則代表突發新聞導致的概率突變，與日常波動性質完全不同。
鞅約束與風險中性
模型強調「概率的最佳預測就是當前值」，即在無新資訊時，概率不應有系統性漂移。此「鞅」約束確保模型不產生系統性偏差，是其與其他模型（如GARCH）的根本區別。
做市商的Greeks與風險管理
模型定義了多項風險敏感度指標（Greeks）：Delta衡量方向風險，Gamma衡量曲率風險，Vega衡量波動率敏感度。其中p(1-p)被視為預測市場的「萬能因子」，同時作為Delta、不確定性指標與方差互換定價的核心。
衍生品層與風險對沖工具
文章提出五項衍生品工具，構成完整的風險對沖工具箱：
- 信念方差互換：對沖整體波動率風險。
- 走廊方差：僅在特定概率區間（如搖擺區）累積波動率，對沖該區間風險。
- 相關性互換：對沖多個相關市場同時波動的風險。
- 首次觸達票據：若價格在到期前觸達某水平即支付，作為極端價格附近的保險。
- 預測市場VIX：一個實時的p(1-p)加權不確定性指數，可作為數據產品快速推出。
數據校準與信號恢復
模型強調理論必須與真實數據結合。文章提出三步校準流程：
- Kalman濾波：從市場價格中提取真實信號，自動權衡模型預測與實際觀測的可信度。
- EM演算法：將價格變動分離為「日常擴散」與「新聞跳躍」，避免將跳躍誤當擴散。
- 信念波動率曲面：構建一個隨時間與概率位置變化的曲面，成為做市商的核心工具。
實驗驗證與性能對比
模型與四個現有方法進行對比：
- 隨機遊走：假設波動率不變，為最簡單的基準。
- 恆定波動率擴散：使用數據擬合的常數波動率，誤差較小但無法捕捉極端事件。
- Wright-Fisher / Jacobi模型：直接在概率空間建模，因未做logit變換導致嚴重錯誤。
- GARCH模型：傳統金融模型，無法區分擴散與跳躍，且無鞅約束。
實驗結果顯示，本文模型在均方誤差與平均絕對誤差上均為最佳，尤其在logit空間的均方誤差比其他模型低一個數量級以上，且在極端概率區域表現穩定。
關鍵發現與實務建議
實驗中最震撼的發現是：直接在概率空間建模會導致「災難性失敗」，其誤差在logit空間擴大15至19個數量級，會導致做市商在數秒內被套利者吃掉。
對實務者建議：
- 若為散戶交易員，應立即使用p(1-p)評估風險，並理解「波動率比方向更重要」。
- 若為做市商，應先將分析從概率空間轉至logit空間（x = log(p/(1-p))），並使用p(1-p)動態調整價差。
- 若為平臺開發者，應優先推出「預測市場VIX」數據產品，再逐步引入方差互換與相關性互換。
結語與未來展望
1973年，Black-Scholes將期權從賭博轉為金融工程；2025年，同樣的邏輯正在預測市場發生。本文提供了一套完整、可執行、且經過實驗驗證的量化做市框架，為預測市場的標準化與成熟化奠定基礎。
論文為公開資源，可於https://arxiv.org/abs/2510.15205取得。