當新聞被定價 真相被市場化——預測市場將如何革新「新聞行業」

作者：Shigeru & Cynic

導讀：在信息氾濫的時代，真假新聞難辨，公眾的信任正面臨挑戰。預測市場作為一種集體智慧和市場機制相結合的工具，正逐步改變新聞驗證的方式。通過實時「定價」新聞事件，它能為我們提供更加精準和動態的真相判斷。本文將探討預測市場如何幫助新聞行業驗證事實、減少假新聞，併爲信息的真實性提供新的信任機制。

在信息爆炸的時代，我們每天都被無數「看似重要」的新聞淹沒。但真正的問題是——哪一條是真的？哪一條值得相信？

新聞業曾是社會信任的中樞，如今卻陷入「注意力的泥沼」：算法推送讓情緒戰勝理性，點擊量壓過真相。事實查覈網站（Fact-check）疲於奔命，AI生成的假新聞卻以秒為單位擴散。

2024年麻省理工學院的一項研究指出：虛假新聞在社交媒體上傳播的速度，是真實新聞的6倍。「真相」無法被及時驗證，它的價值也就崩塌了。

而預測市場（Prediction Market）——這個原本屬於金融投機領域的工具——正在被重新定義。它通過價格聚合羣體智慧，為「什麼是真實」賦予一個實時、動態、可量化的答案。在這樣的邏輯下，新聞不再只是被閲讀的內容，而是被「定價」的信號。

羣體智能：預測市場如何接近真相

羣體智能的概念源於歷史上的經典思想實驗和真實實驗，揭示了集體判斷往往優於個體智慧的原理。

早在1906年，英國統計學家弗朗西斯·高爾頓進行了一個著名的思想實驗：在一次鄉村集市上，他邀請近800人猜測一頭牛的重量。參與者背景多樣，包括農民、屠夫和普通民眾。儘管個體猜測誤差較大，但所有猜測的平均值僅與真實重量相差1磅，這被稱為「牛重量實驗」，首次展示了羣體智慧的潛力。

1988年啟動的愛荷華電子市場（Iowa Electronic Markets）進一步驗證了這一理念：該平臺允許參與者通過小額交易預測美國總統選舉結果，其準確率屢次超過傳統民意調查，證明了市場機制能有效聚合分散信息。

羣體智能的原理在於多樣性、獨立性和信息聚合：多樣化的參與者帶來不同視角，避免單一偏見；獨立判斷防止從眾效應；通過市場價格機制（如下注和交易），個體信息被量化並整合，形成更接近真相的共識。這種機制延伸到當前的預測市場，如Polymarket和Augur，它們構建了正外部性——參與者因追求經濟收益而分享真實信息，市場價格成為公共信號，提升社會整體決策質量。例如，在新聞領域，這創造出正外部性：減少假新聞傳播、增強公眾信任，並激勵媒體提供更準確報道，形成一種社會效益大於個體成本的良性循環。

案例：2024年美國大選中的預測市場表現

在2024年美國大選中，Polymarket平臺上線了數千個相關合約，「特朗普將贏得大選？」的概率價格從年初的0.45逐步攀升至選舉前夕的0.62，聚合了全球數百萬參與者的分散信息和判斷。儘管傳統民調因採樣偏差而波動不定，市場價格卻穩定反映了集體智慧：多樣化的交易者（包括政治分析師、投資者和普通民眾）通過獨立下注整合了實時新聞、社交媒體信號和內部情報，最終準確預測了選舉結果。這不僅驗證了羣體智能的原理，還產生了正外部性——主流媒體如《紐約時報》和CNBC引用這些價格作為可靠指標，提升了公眾對選舉報道的信任，並減少了假新聞的影響，推動了更透明的信息生態。

信息經濟的交匯：新聞與預測市場為何天生相吸？

新聞的核心任務是傳播事實；預測市場的核心任務是預測事實的結果。

兩者看似不同，實則互為鏡像。新聞告訴公眾「可能發生什麼」； 預測市場告訴我們「大家認為會發生什麼」。

如果把新聞視為「敍事」，預測市場就是「共識的價格」。信息價格化（Information-as-Price） 是這里的關鍵邏輯。

在預測市場中，每個事件都有一個概率價格：比如「美聯儲將在12月降息」的合約價格為0.63，就意味着市場認為這件事有63%的概率會發生。

當這種價格機制被應用到新聞領域，新聞報道與市場預期形成互動閉環：

新聞發佈 → 市場交易 → 價格反饋 → 媒體修正 → 真相接近。

這意味着，信息不再是靜態的，而是一個不斷被「眾人下注」的真相演化過程。

案例：GameStop股票熱潮的預測信號

2021年GameStop股票熱潮期間，傳統媒體對散户是否能持續推高股價眾説紛紜。Manifold Markets上出現了合約：「GameStop股價將在下周突破500美元？」 市場價格穩定在0.25，表明交易者普遍認為上漲不可持續。幾天后，股價果然回落，驗證了市場預判。這表明，預測市場不僅能驗證新聞，還能為複雜事件提供前瞻性信號，補充了傳統報道的侷限。

「真相可交易」：事實查覈的市場化重構

想象一個場景：CNN 發佈一則快訊——「比特幣 ETF 批准已獲SEC內部確認」。新聞發出后，社交媒體炸了，但官方迟迟未迴應。

在傳統模式下，我們需要等待Fact-check機構、記者追訪，或官宣澄清。

但在預測市場中，幾分鍾內，一個新合約就會出現：「SEC將在48小時內批准比特幣ETF？」數千人蔘與交易。價格迅速從0.3上漲到0.8——這意味着，集體認為「這件事大概率是真的」。

而事實證明，次日清晨，SEC正式公告批准。這就是 Polymarket 在2024年1月的真實案例。

在信息極度不對稱的時刻，預測市場比新聞更早捕捉到「真相信號」。

Polymarket 與 Kalshi：新聞類別預測事件比例

另一個例子來自美國政壇：當2024年拜登健康狀況成為焦點時，Polymarket上出現了多個相關合約：「拜登將在2025年前辭職？」、「哈里斯將在2024年競選總統？」

這些價格波動成為公眾判斷新聞真偽的「實時温度計」。預測市場因此正在成為一種去中心化的Fact-check引擎：新聞真假不再依賴權威機構認證，而由分散的市場價格驗證。

更重要的是——這讓「揭假」成為一種經濟行為。人們不再只是憑正義感去闢謠，而是因為「説對真相」能賺錢。

案例：烏克蘭衝突中的信息戰

2022年俄烏衝突初期，一則關於「烏克蘭某城市已被佔領」的新聞引發全球關注。傳統媒體因信息封鎖難以覈實，而Polymarket上的合約「某城市將在72小時內被確認佔領？」價格僅為0.12，反映市場對該新聞的懷疑。幾天后，獨立記者證實該城市未被佔領，市場價格歸零。這個案例顯示，預測市場能在信息戰中為公眾提供快速、去中心化的真相驗證工具。

從被動閲讀到主動預測：預測新聞的誕生

新聞與預測市場結合后，一個全新的職業出現了：預測記者（Predictive Journalist）。他們不僅報道事實，也報道市場信號。

例如，在金融媒體 FT Alphaville 上，記者引用 Kalshi 的價格變化來輔助分析：「市場對英國央行11月降息的預期，從上周的42%上升到59%，説明投資者對經濟放緩的擔憂在加劇。」

類似的合作也在 Bloomberg Beta 內部測試：他們使用AI自動監測預測市場的合約價格，將這些變化整合進新聞編輯系統。當某個事件的市場預期突變時，系統會提醒編輯部：「這可能是一條新聞」。

在這樣的生態中，新聞與市場互為信號：新聞觸發交易，交易反過來製造新聞。

這種雙向機制讓新聞業第一次擁有了「預判能力」——不再僅僅報道已發生的事情，而是用數據揭示正在形成的未來。

案例：彭博社與Kalshi的實驗

2023年，彭博社與Kalshi合作測試了一套「預測新聞」系統。當Kalshi上關於「蘋果公司將發佈新款芯片」的合約價格從0.4激增至0.9時，系統自動向編輯部推送警報。記者迅速跟進，挖掘出蘋果供應商的訂單變化，率先發布了相關報道。這不僅提升了新聞時效性，也讓讀者通過市場價格提前感知事件可能性，標誌着預測新聞的雛形。

重構激勵：當讀者成為新聞參與者

傳統新聞的商業邏輯，是「注意力換廣告」；預測市場式新聞的邏輯，是「判斷換收益」。

在這種模型中，讀者不再是被動消費者，而是市場參與者。他們可以對新聞事件下注、表達判斷，並根據結果獲得或失去收益。

這讓信息生態出現了一個深刻轉變：點擊誘餌型新聞逐漸失去吸引力，因為它缺乏「可驗證的真相」；優質報道反而能帶來經濟價值，因為它提升了市場預測的準確度。

像 Manifold Markets、Insight Prediction 這樣的新型社區平臺，已經把新聞與預測結合起來：用户可以在新聞下方直接進行預測投票；AI系統會根據市場結果給記者「準確度評分」。

這意味着，「記者聲譽」第一次變得量化可見。新聞的價值不再取決於點擊量，而是取決於它是否能影響價格。

案例：Manifold Markets的社區實驗

Manifold Markets在2024年推出了一項功能，允許用户在新聞文章下直接創建預測合約。例如，一篇關於「歐盟將禁止某加密貨幣」的報道發佈后，用户創建了合約：「歐盟將在年底前禁止該加密貨幣？」 價格波動不僅吸引了更多讀者參與討論，還激勵記者提供更準確的后續報道。平臺數據顯示，高質量報道的預測合約交易量高出低質量報道3倍，證明了激勵機制的有效性。

現實的摩擦：監管、操縱與流動性

當然，理想背后仍有重重挑戰。  

監管邊界模糊。在美國，CFTC長期禁止政治與新聞事件相關的預測合約，認為這類交易「具有博彩屬性」。Kalshi 與 CFTC 的官司已持續近兩年，結果仍未確定。

輿論操縱風險。當新聞能影響價格，就可能有人通過製造假新聞操控市場。這使得「新聞即資產」模式必須配合AI驗證與聲譽懲罰機制。

流動性與用户規模。當前預測市場的參與人數有限，價格有時反映的只是「小眾共識」。

如何擴大用户羣、形成足夠深度的市場，是商業落地的關鍵。一些新興項目正在嘗試突破——如 Zeitgeist 正在設計基於聲譽積分的預測模型，Foresight Institute 在實驗AI「事實仲裁員」來防止價格操縱。

如何裁決：去中心化預測市場的達摩克利斯之劍

去中心化預測市場如Polymarket，通常依賴預言機（oracles）或社區治理機制來裁決事件結果，例如通過UMA協議（Optimistic Oracle）讓參與者提交證據，並在爭議期內允許挑戰。這種方式旨在實現無信任的真相驗證，但也暴露了顯著弊端：裁決往往主觀且易受爭議影響，導致延迟或不公。例如，在模糊事件中，預言機可能因證據不足而難以達成共識，造成市場結算拖延數周。對於裁決標準中未涵蓋的情況（如事件定義模糊或意外變故），平臺通常訴諸社區投票或外部仲裁（如DAO治理），但這引入了從眾偏見或少數派操縱的風險。真相的標準本質上是「可驗證的共識」——依賴預言機從可靠來源（如官方公告或鏈上數據）提取信息，但預言機本身並非絕對可靠：它們可能遭受女巫攻擊（Sybil attacks）或數據源篡改，導致「真相」被扭曲。爲了防止結果操縱，平臺採用經濟激勵（如質押代幣懲罰虛假報告）和多層驗證（如Chainlink的分散化預言機網絡），同時整合AI工具監測異常行為；然而，這些措施並非萬無一失，一旦操縱成功，整個市場的信譽將如達摩克利斯之劍般懸而未決，威脅到預測市場的核心價值。

案例：Polymarket的2024年選舉爭議

在2024年美國大選中，Polymarket一個關於「選舉舞弊指控將被證實？」的合約因證據主觀性引發爭議：預言機依賴媒體報道和法庭文件，但社區投票分歧導致結算延迟兩周，最終以「未證實」結案。這暴露了預言機在主觀事件中的可靠性問題，儘管經濟懲罰機制（扣除操縱者的質押）防止了大規模篡改，但也引發了參與者對「真相標準」的質疑，推動平臺優化為更robust的混合預言機系統。

AI、新聞與預測市場的未來融合

AI 的加入，將讓預測市場的作用被放大。未來，AI可以自動完成：

● 從新聞語料中提取可預測事件；  

● 實時追蹤事件結果、調整市場價格；  

● 識別輿論攻擊與假新聞擴散路徑。

這讓預測市場從「金融工具」變成「社會認知系統」。在這種系統中，價格不僅反映經濟信號，也反映社會信任的動態變化。

有人稱之為 「NewsFi」 —— 新聞金融化（News Finance）：新聞不再是「內容」，而是一種「可驗證的信息資產」。當信息被上鍊、被交易、被定價，真相終於有了自己的市場。

案例：Perplexity與預測市場的整合

2025年，Perplexity推出了一款AI工具，結合預測市場數據和新聞語料，自動生成「事件可信度評分」。例如，當一則關於「某公司破產」的新聞發佈時，AI通過分析Polymarket合約價格和新聞來源，給出「可信度75%」的評分，供用户參考。這一工具大幅提升了公眾對新聞的信任度，也推動了NewsFi的普及。

預測市場讓我們重新理解新聞業的核心命題——「真相的價格」。

未來的信息生態中，記者將與交易員一樣，既生產內容，也解讀價格；讀者既是觀眾，也是參與者；媒體平臺既是傳播場，也是交易場。這不僅是新聞業的技術變革，更是一場信任體系的革命。

預測市場告訴我們一個簡單而強大的真理：羣體的智慧，不只體現在觀點，而體現在價格。當價格成為真相的語言，新聞終於不再依靠權威説服世界。