預測市場中的效率。 通常在金融市場中，交易的最終目標是直接從資產的最終價值或價格中獲利。假設你以30美元的價格購買一家運輸公司的股票，然後以90美元的價格出售，你的收益是3倍，這非常好，但這項活動的最終形式是帶著你的利潤離開。 你可以說，運輸公司的股票在短時間內上漲300%，這在某種程度上提供了運輸行業正在上升的資訊——但這幾乎就是全部，至少在抽象層面上是這樣。 然而，在預測市場中，賠率的價格並不是這些市場中的最終管道。如果你有一位候選人以70%的概率贏得選舉——當然，從利潤的角度來看，這意味著每美元有30美分的風險，這對於大規模交易來說相當不錯。但管道中的下一步是，這位候選人贏得選舉直接轉化為其他行業的什麼？ 如果這位假設的候選人以降低運輸成本、增加基礎設施以及降低食品價格為其競選基礎。那麼我們在運輸、建設和食品這三個行業中有了合理的對沖焦點，這可以在選舉結束前進行合理的對沖。 根據你的研究，你可以找出最好的方法來接觸這些行業的市場以獲取直接利潤。 這裡的根本點是——預測市場的賠率，雖然允許獲利的空間，但在估算資產類別管道的最終階段的條件方面扮演著更重要的角色。 這就引出了問題，如果算法/高級機器人接管預測市場的交易量，這會是淨正面還是負面？ 這絕對是正面的，因為資訊的供應現在更有效地被表現出來，賠率也變得更加有用/可靠。 當然，這對於那些僅僅交易這些市場的人來說並不是好消息，因為他們可能會被這些算法超越或夾擊，但即便如此，你也可以說這伴隨著市場流動性更深，這對於交易者來說總是好事。