一句话先懂：好的预测市场研究不是证明“我看对了”，而是把证据转换成一个可检验的概率，并只在市场价格明显偏离它时承担风险。
基本面分析在预测市场里研究什么
股票基本面研究公司收入、利润和竞争力；预测市场的“基本面”是决定现实事件是否发生的事实与过程。
不同类别对应不同证据：
- 体育：伤停、首发、赛程、球队数据与天气；
- 政治：民调、选举制度、立法程序与官方公告；
- 加密：链上数据、监管文件、项目公告与资金流；
- 经济：政府统计、央行表态、市场共识和发布日期；
- 天气：测量站、数值模型、实况与历史偏差；
- 电竞：版本、阵容、地图池、BP 和赛事格式。
基本面分析最终必须输出数字。如果结论只有“我比较看好 Yes”，你还无法判断 42¢、58¢ 或 81¢ 哪个价格值得买。
第零步：选择你真正有优势的领域
预测市场奖励深度，不奖励什么都懂一点。
持续优势更可能来自：
- 你的职业知识；
- 长期跟踪的一项运动或联赛；
- 熟悉的政策流程；
- 能直接阅读的本地语言信息；
- 自己积累的历史数据库。
如果你对某个市场只能在搜索引擎上临时读三篇文章，市场里长期研究该领域的人通常比你更有优势。最好的起点不是当天最热门的市场，而是你已经比普通参与者多知道一层的领域。
第一步：把市场问题重新写一遍
先不研究新闻，用自己的话完整写出：
什么事件？
在什么截止时间前？
以哪个来源为准？
哪些情况算 Yes？
哪些情况算 No？
延期、模糊或相等时怎样处理？
如果无法准确复述 Rules，你后面的概率分析可能回答了另一个问题。
例如“某法案会通过”和“某法案会在 9 月 30 日前由总统签署”不是同一件事。你可以正确判断最终会通过，却因为时间边界错过而输掉市场。
第二步：先找基础概率
基础概率是类似事件在历史上发生的频率，它能阻止你被一个醒目的新闻标题带走。
例如研究“某类监管申请能否在期限前获批”，可以先问：
- 过去同类申请的批准率；
- 从提交到决定的典型时长；
- 当前阶段历史上有多少最终成功；
- 期限内完成的比例，而不只是最终完成的比例。
基础概率不是最终答案，而是证据调整前的起点。
第三步：建立三到五个关键驱动因素
不要把所有新闻放在同一层级。找出真正改变结果的少数变量，并为它们设定方向和权重。
一个政策市场可以这样拆：
| 驱动因素 | 当前证据 | 对概率的影响 |
|---|---|---|
| 是否进入正式表决 | 议程已排期 | 明显上调 |
| 关键票数 | 仍有少数摇摆票 | 小幅下调 |
| 截止时间 | 只剩两周 | 明显下调 |
| 行政签署意愿 | 已公开支持 | 上调 |
| Rules 对“通过”的定义 | 必须正式签署 | 降低相对宽松口径概率 |
每条新消息都应归入某个驱动因素。无法归类、也不改变概率的新闻，通常只是噪声。
第四步：建立证据优先级
更可靠的顺序通常是：
- Rules 指定的一手结算来源；
- 政府、联盟、公司、战队等官方原始文件；
- 可复核的数据库与统计；
- 有长期记录的专业记者或研究者；
- 主流媒体转述；
- 社交媒体聚合账号、截图和传言。
速度快不等于可靠。社交媒体适合发现线索，不适合单独完成验证。重大仓位至少需要两条相互独立的可靠来源。
第五步：先估概率，再看市场价格
如果先看到 Yes 为 62¢，你的“独立估计”很容易落在 60%—65% 附近。这是锚定效应。
更好的流程：
- 暂时遮住市场价格；
- 写下基础概率；
- 根据每个驱动因素调整；
- 给出中心值与合理区间；
- 再打开 Bid、Ask 与深度。
例如：
基础概率：45%
正式排期：+10%
关键票仍不足：-6%
期限较短：-5%
行政支持：+4%
中心估计：48%
合理区间：40%—56%
合理区间比单一数字更诚实。市场 Ask 如果是 46¢，虽然低于中心估计 48%，却仍完全落在你的不确定区间内，不一定构成交易机会。
用情景树处理连续条件
有些事件必须经过多个步骤。直接拍一个 70% 容易高估，情景树能迫使你逐层思考。
假设某政策在截止日前需要：
- 进入表决，概率 70%；
- 在进入表决后通过，条件概率 65%；
- 通过后在截止日前签署，条件概率 90%。
则主路径概率约为：
0.70 × 0.65 × 0.90 = 40.95%
如果没有其他替代路径，公平概率约 41%，而不是看到“已经有 70% 机会进入表决”就把 Yes 估成 70%。
从概率到期望值
对一份买入价为 p、你估计真实胜率为 q 的 Yes 份额，忽略成本时：
每份毛期望优势 = q - p
假设：
- 你的概率
q = 62%； - 最佳 Ask
p = 54¢； - 预计费用与滑点合计 2¢／份。
则：
毛优势 = 62¢ - 54¢ = 8¢
净优势约 = 8¢ - 2¢ = 6¢／份
但还要考虑估计误差。如果你的合理区间是 50%—70%，用中心值 62% 计算出的 8¢ 并没有看起来那么可靠。
一个实用原则是：用保守概率而不是中心概率做最后决策，并额外要求安全边际。
为什么“有优势”仍可能连续亏损
如果你在真实胜率 60% 的市场买入，十笔中只赢三笔并不罕见。正期望不保证短样本盈利。
因此必须区分：
- 结果风险：这一次 Yes 仍可能失败；
- 模型风险：你的 60% 可能根本估错；
- 执行风险：实际成交价和费用比预想差；
- 规则风险：你理解的事件与正式结算不一致；
- 相关风险：多个仓位由同一新闻或变量驱动。
仓位管理的作用不是让亏损消失，而是让错误和正常波动都不会让账户失去继续执行的能力。
凯利公式能用吗
对于买入价格为 p、真实胜率估计为 q 的二元份额，忽略费用时，完整凯利仓位比例可写为：
f* = (q - p) ÷ (1 - p)
如果 q = 0.62、p = 0.54：
f* = (0.62 - 0.54) ÷ 0.46 ≈ 17.4%
这意味着在你的概率完全准确、可重复且无费用的理想世界里，完整凯利会给出很激进的仓位。现实中这些条件几乎不成立：概率有误差、市场相关、流动性有限、规则会变。
因此：
- 未验证模型不应直接用完整凯利；
- 有长期校准记录的人也通常只考虑半凯利或四分之一凯利；
- 成本应先从优势中扣除；
- 同一事件的多个相关仓位要合并计算；
- 无法量化概率时，固定小风险比伪精确公式更可靠。
凯利公式不是鼓励放大仓位，而是提醒你：仓位应该由优势和赔率共同决定，而不是由“信心很强”决定。
记录校准度，而不只是盈亏
把所有预测按概率分组：
| 你的预测区间 | 长期应发生的频率 |
|---|---|
| 50%—59% | 约一半多一点 |
| 60%—69% | 约三分之二 |
| 70%—79% | 约四分之三 |
| 80%—89% | 大多数发生，但仍会失败 |
如果你标成 70%—79% 的事件最终只发生 55%，说明你系统性过度自信。若发生 90%，可能说明你的概率给得过于保守，或样本仍太小。
每笔日志至少记录：
- 市场与完整 Rules；
- 你的中心概率和区间；
- 三条最重要证据；
- 最强反方论据；
- 入场 Bid／Ask、成交均价和费用；
- 仓位大小与退出条件；
- 结算后是事件判断错、概率错、价格错，还是执行错。
强制写一段反方论证
确认偏见会让你只收集支持 Yes 的证据。入场前写：
如果 No 最终正确，最可能是哪三条路径？
如果你无法替另一边提出有力理由，通常不是 Yes 稳了，而是研究不完整。
可以设置“推翻条件”：出现什么新证据时，你会把概率从 62% 降到 50%？若答案是“没有任何消息能改变我”，那不是高信念，而是无法更新。
什么时候最好的交易是不交易
- Rules 有多种解释；
- 结果依赖非公开决策，公开信息无法形成优势；
- 你的概率区间与市场价格大幅重叠；
- 净优势只有一两个百分点；
- 深度太薄，实际均价破坏优势；
- 多个现有仓位已经暴露于同一风险；
- 你因为刚亏损而急于寻找下一笔；
- 你无法写出对方为什么可能正确。
“没有交易”也是研究结果。预测市场不会因为你花了三个小时分析，就有义务给你便宜价格。
一套可重复的最终流程
- 精确复述 Rules；
- 选择与你专长匹配的市场；
- 找基础概率；
- 列三到五个关键驱动因素；
- 先用一手来源收集正反证据；
- 建情景树或概率区间；
- 在看价格前写下中心概率；
- 打开订单簿，计算费用后的净优势；
- 用保守概率和安全边际决定是否交易；
- 按模型可信度、相关暴露和流动性确定仓位；
- 记录结果并检查校准度。
最后记住
基本面分析不是寻找一条“必胜消息”，而是持续完成同一套转换：
规则 → 证据 → 情景 → 概率 → 价格 → 成本 → 仓位 → 复盘。
当你能把每一步写清楚，预测市场才从观点表达变成可检验的交易过程。