「預測市場很準」與「預測市場有可交易的錯價」不是矛盾的兩句話——準確度是關於平均，edge 是關於分布的某個角落。 這篇處理兩件事：錯價的結構性來源，以及 2025–2026 年互相矛盾的實證證據。
先講最重要的一件事：關於長尾偏誤，兩份 2025–2026 年的研究結論相反，而這個矛盾沒有解決。 任何在這個問題上給你單一答案的文章，都是選擇性引用。
實證現況：一個未解決的矛盾
證據 A：找不到普遍的長尾偏誤
Reichenbach & Walther（2025 年 12 月）分析了 Polymarket 超過 1.24 億筆交易，結論是：
- 市場層級上有過度交易預設選項與「Yes」邊的傾向。
- 但沒有發現普遍的長尾偏誤（general longshot bias）。
- 整體而言市場價格緊貼實現機率，且略優於博彩公司的賠率。
- 頂尖交易者持有大量極端長尾部位，看起來是在利用錯價，而不是承受偏誤；熟練交易者的行為把市場推向效率。
證據 B：找得到經典的長尾偏誤
Polymarket-v1 資料庫研究（2026）報告的模式與賽馬市場的經典結果一致：低機率結果（長尾）被高估、負期望報酬；高機率結果（熱門）被略微低估。 具體地，25¢ 以下的市場系統性偏貴。
這個矛盾怎麼讀
三種可能，我認為都沒被排除：
- 樣本與加權方式不同。 一份用交易筆數加權、一份用市場數加權，會得到不同答案——因為長尾市場的筆數多但金額小。
- 時間段不同。 若熟練交易者確實在把市場推向效率（證據 A 的說法），那麼偏誤應該隨時間衰減，兩份研究可能量到不同階段。
- 類別混合不同。 體育、政治、加密的參與者結構完全不同，混在一起算會互相抵銷。
實務結論：不要把「長尾被高估」當成可以直接下注的先驗。 但要注意 手續費結構 的方向：買長尾的費率是本金的 φ(1−p)（加密類 5¢ 合約是 6.65%），賣長尾是 φp（0.35%）。即使長尾偏誤不存在，費率結構本身也已經讓「賣長尾」在成本上大幅優於「買長尾」。 這是一個不依賴偏誤是否存在的、機制必然的不對稱。
五個結構性錯價來源
以下每一個都標了它是否被獨立證據支持。
一、到期前的校準崩壞（有證據）
一份 2026 年的預印本用 Kalshi 上 約 2,300 萬筆 moneyline 成交（2026 年 3–5 月，NBA 1,300 萬、MLB 710 萬、NHL 280 萬）發現：
- 中段合約期間的校準幾乎完美（扭曲參數 ≈ 1.0）。
- 但在最後 10 分鐘，扭曲參數升到 1.27–1.31。
- 校準曲線在收盤前變成階梯狀而非平滑，形態符合持有輸方部位的交易者的「保險需求」——他們買進對面來對沖既有虧損。
λ > 1 的意思是價格被過度極端化：真實 90% 的一方會被推到 94–95¢。
這是我看到的最乾淨的一個可交易偏誤，因為它有明確的行為機制（避險需求）、明確的時間窗（到期前數分鐘）、明確的方向（賣贏面、買輸面），而且做市方向執行 → 零手續費。它是 到期扭曲做市 的基礎。
重要限制：這是 Kalshi 的資料，不是 Polymarket。 兩者的參與者結構與費率結構不同，不能直接假設可移轉。移轉性驗證的方法寫在該篇。
二、組合合約的加價（有證據）
同一份研究分析了 12,639 筆跨場次 parlay 成交，發現相對於各腿價格乘積的系統性加價：5 腿約 1.03 倍，10 腿約 1.22 倍，換算約每腿 3% 的膨脹。
關鍵在於：各腿單獨的校準是好的，但組合起來被加價。 這代表加價是市場層級的加成，不是各腿偏誤的複利。
推論（原創）：這是一個「合成 vs 拆解」的一價定律破口。如果同一個結構在 Polymarket 上以「多條件同時成立」的市場形式存在，那麼買進各腿、賣出組合是一個結構性套利。難點在於各腿之間的相關性——parlay 的正確定價不是乘積（除非獨立），所以「加價」的一部分可能是真實的相關性補償。要驗證必須估相關性，這是 LP 套利 那篇處理的問題。
三、語義非同質性（有證據，量化程度弱）
一份 2026 年的預印本提出**「語義非同質性」**：經濟上等價、但文字描述不同的合約，會以不同價格成交，違反一價定律。機制是措辭與呈現方式影響感知價值，儘管賠付結構相同。
這篇論文的量化細節不易從公開版本中完整抽取，但定性主張本身在機制上是可信的，且與另一份「用 agentic AI 做預測市場的分群與關係發現」的研究方向一致——後者的存在本身就說明市場之間的語義關係不是平台自動維護的，需要外部推斷。
這是 條款—標題背離掃描 與 邏輯蘊含圖 兩個原創策略的直接理論基礎。
四、注意力分配不均（機制必然）
Polymarket 上同時有數千個活躍市場，而參與者的注意力是高度集中的：世界盃、美國大選、聯準會決策吸走絕大多數的量。
必然的後果：長尾市場的價格由極少數參與者決定。這不是「偏誤」，是取樣誤差——一個由三個人定價的市場，價格的變異數必然很大。
可操作的推論：錯價幅度應該與市場的參與者數／深度成反比。 這給出一個明確的篩選維度——不是找「錯得多的市場」，是找「參與者少的市場」，因為後者可觀測、前者不可觀測。這條原則貫穿 冷啟動做市。
五、預言機噪音（機制必然）
見 UMA 結算：公平價是 P(E)(1−α−β) + α，天花板 1−β、地板 α。
只要 α, β > 0，極端價格區就存在系統性錯價，而且方向是確定的：99¢ 以上的合約系統性偏貴，1¢ 以下的合約系統性偏便宜。
有趣的是：這個推論的方向與「長尾偏誤」的方向在 NO 邊上一致、在 YES 邊上相反。也就是說，如果你在極端價格區觀察到「長尾被高估」，你無法區分那是行為偏誤還是預言機噪音的正確定價。這是證據 A 與證據 B 矛盾的一個未被討論的可能解釋，我把它列為原創假說。
資金成本：一個容易被漏掉的項
預測市場的合約不付息，且資金被鎖到結算。一個 6 個月後到期、公平價 95¢ 的合約，即使定價完全正確，持有到期的年化報酬也只有約 10.8%（(1/0.95)^2 − 1）。
推論：極高價合約的「正確」價格必須把資金成本折現進去。 若無風險利率是 4%，一個 6 個月後必然發生的事件，公平價不是 1.00 而是約 0.98。
這解釋了一部分「高機率合約被低估」的觀察——它可能根本不是低估，是正確地反映了資金成本。任何宣稱在 95¢+ 區間找到 edge 的策略，都必須先扣掉這一項，否則它量到的是利率而不是 edge。
錯價來源總表
| 來源 | 證據等級 | 方向 | 可自動化偵測 | 對應策略 |
|---|---|---|---|---|
| 到期前校準扭曲 | 有證據（Kalshi 資料） | 過度極端化 | 高（時間窗明確） | 到期做市 |
| 組合合約加價 | 有證據 | 組合偏貴 | 高 | LP 套利 |
| 語義非同質性 | 有證據（量化弱） | 不定 | 中（需 LLM） | 條款掃描 |
| 注意力分配 | 機制必然 | 不定、變異大 | 高（深度可觀測） | 冷啟動做市 |
| 預言機噪音 | 機制必然 | 極端價區偏誤 | 中（需估 α,β） | 混淆矩陣 |
| 資金成本 | 機制必然 | 高價合約「假低估」 | 高 | 這是要扣掉的項，不是 edge |
| 長尾偏誤 | 證據矛盾 | 未定 | — | 不建議直接押注 |
一個方法論上的警告
上面五個來源裡，只有前三個是「別人可能沒發現」的類型；後兩個是機制必然、任何人都能推導的。這帶出一個判斷 edge 是否持久的標準：
edge 的持久性，取決於利用它需要的成本結構，而不是取決於它有多隱蔽。
預言機噪音是公開的、所有人都能算的，但利用它需要建立並維護一個 (α, β) 的分層估計——那是持續的工程投入，不是一次性的洞察。這種 edge 比「發現一個沒人知道的模式」更持久，因為複製它需要複製整條產線。
這是本專欄選擇策略的隱含標準：優先設計那些「知道了也不容易抄」的策略。 見 難自動化 → 自動化。
這篇的重點
- 長尾偏誤的實證是矛盾的，不要當先驗使用。
- 但費率結構本身已經讓「賣長尾」大幅優於「買長尾」，這不依賴偏誤存在。
- 到期前 10 分鐘的校準扭曲（λ ≈ 1.27–1.31）是目前最乾淨的可交易偏誤，但資料來自 Kalshi，移轉性待驗。
- 注意力分配不均是機制必然的，且「參與者少」可觀測而「錯價大」不可觀測——所以要用前者篩選。
- 預言機噪音在極端價格區產生確定方向的錯價，且可能是長尾偏誤實證矛盾的一個未被討論的解釋（原創假說）。
- 資金成本必須先扣掉，否則你會把利率當成 edge。
下一步：最優解框架。