量化分析預測市場，愛幻想的人為什麼會成為韭菜？
群體的準確性較少依賴於理性行為者，而更多依賴於一種「收割錯誤」的機制
我們記錄了一種系統性的財富轉移：衝動的「吃單者」（Takers）為肯定性結果支付結構性溢價，而「掛單者」（Makers）僅透過向這種偏向性的資金流賣出合約，便捕獲了「樂觀稅」（Optimism Tax）。這種效應在體育和娛樂等高參與度類別中最為強烈，而在金融等低參與度類別中，市場則接近完美有效。
市場類別之間的差異
不同類別的掛單-吃單差距揭示了參與者篩選如何塑造市場效率。
- 金融（0.17 pp）：作為對照組，證明預測市場可以接近有效。例如「標普500指數能否收於6000點以上？」類似問題吸引的是以概率和期望值思考的參與者，他們很可能也是期權交易者或宏觀經濟數據關注者。知情參與的門檻很高，普通投注者沒有優勢，而且他們很可能也意識到了這一點，因此會選擇退出。
- 政治（1.02 pp）：雖然涉及強烈的情感因素，但其預測效率仍存在一定程度的不足。政治博彩者密切關注民調，並已透過選舉週期不斷調整自身判斷。這一差距大於金融類，但遠小於娛樂類，表明政治參與雖然帶有強烈的情感色彩，但並不會完全削弱概率推理能力。
- 體育（2.23 pp）：是預測市場中佔比最高的類別。儘管差距不大，但考慮到該類別72%的交易量份額，這一差距仍然意義重大。體育博彩玩家表現出一些有據可查的偏好，包括主隊忠誠度、近因效應以及對明星球員的情感依戀。球迷投注自己支持的球隊贏得冠軍，並非在計算預期收益，而是在購買希望。
- 加密貨幣（2.69 pp）：吸引的參與者深受散戶「價格上漲」心態的影響，這部分人群與meme交易者和NFT投機者重合。例如「比特幣會達到10萬美元嗎？」類似問題，更傾向於基於敘事而非概率估計的投注。
- 娛樂、媒體和世界大事（4.79–7.32 pp）：這些領域存在最大的認知差距，並具有一個共同特徵：人們對自身專業知識的認知門檻極低。任何關註名人八卦的人都覺得自己有資格預測頒獎典禮的結果；任何閱讀新聞標題的人都覺得自己瞭解地緣政治。這導致參與者群體將熟悉程度與判斷力混為一談。
市場效率的關鍵因素
我們的研究表明，市場效率取決於兩個因素：知情參與的技術門檻以及市場隱含的問題引發情感推理的程度。
當市場門檻高且框架客觀冷靜時，市場效率接近理想狀態；當門檻低且框架鼓勵敘事時，樂觀效應達到頂峰。
結論
預測市場的承諾在於它能將多樣化的資訊聚合成單一、準確的概率。
然而，我們對Kalshi平臺的分析表明，這一信號常被由人類心理和市場微觀結構驅動的系統性財富轉移所扭曲。
市場分裂為兩個截然不同的人群：一個系統性地為低概率、肯定性結果支付過高價格的吃單者階層，以及一個透過被動提供流動性來提取這種溢價的掛單者階層。
當話題枯燥且定量化（如金融）時，市場是有效的。當話題允許希望介入（如體育、娛樂）時，市場便轉化為一種將財富從樂觀者手中轉移到精算者手中的機制。