这泼天的交易量，能沉淀成真实收入吗？

撰文：Changan、Amelia，Biteye 内容团队

过去讨论预测市场，大家更关心它准不准、交易量高不高、能不能成为新的信息市场。但当预测市场作为一个生意，核心问题就变了：预测市场的盈利模式是什么样的？

在商业世界里，交易量高，并不等同于平台赚钱。 一个盘口可以声量巨大，用户也可以频繁买卖，但如果大部分成交无法切入收费口径，或者活跃度纯粹靠补贴和积分维系，那么交易量就只是好看的数据，而不是健康的收入。

对预测市场而言，真正考验商业内功的，不是「开了多少盘口」，也不是「某个事件有多火」，而是平台能否无缝地将三件事串联起来：

1. 产生真实交易的冲动；
2. 维持足够深的订单薄流动性；
3. 将主动吃单的交易需求（Taker）转化为 Fees（手续费）。

这也是为什么，预测市场的商业模式绝非简单的「开盘收税」。表面上它只是一个个 YES / NO 的对赌游戏，但真正支撑起平台收入底座的，是背后的交易结构、流动性机制、费率倾斜以及用户行为。

尤其是当头部平台 Polymarket 开始系统性引入 Taker Fee 之后，预测市场的叙事已经从「信息工具」开始进入「收入验证」阶段。

本文将从商业视角出发，深度拆解预测市场的底层底牌：

• 预测市场平台靠什么赚钱？
• 为什么 Maker / Taker 的博弈结构决定了平台的生死？
• 从 @Polymarket、Kalshi、@opinionlabsxyz 到 @predictdotfun 主流平台的费率设计有何本质区别？
• 为什么交易量最高的赛道，反而不是最赚钱的赛道？

💡核心结论：预测市场卖的不是答案，而是分歧。

价格越接近 50 / 50，说明市场分歧越大，交易冲动越强，平台越容易从主动成交中转化手续费收入；价格越接近 0 或 100，结果越趋于确定，虽然信息价值还在，但对应的费用权重会明显下降。

因此，预测市场真正的商业壁垒，不是把「事件」变成盘口，而是把「分歧」变成交易，再把交易稳健地转化为收入。

一、预测市场怎么赚钱：不是开盘口，而是把分歧变成 Fees

要拆解预测市场的现金流，首先要厘清其收入的四个核心驱动力。它们相互交织，共同构成了平台从流量到变现的闭环。

1️⃣ 交易手续费 - 直接收入来源

多数预测市场会向主动成交的一方收费，也就是 Taker。因为 Taker 消耗流动性，而 Maker 提供流动性。

这意味着，预测市场不是所有交易都会产生收入。真正能给平台贡献费用的，往往是那些用户愿意主动成交、愿意为速度和确定性付费的交易。

2️⃣ 流动性 - 持续交易基石

预测市场最难的不是开盘口，而是让盘口有深度。

如果一个盘口没人挂单，用户想买买不到，想卖卖不掉，那么这个市场即使有话题，也很难形成有效价格。

所以很多平台会降低 Maker 成本，甚至给 Maker 激励。

这不是直接的「收入来源」，但它决定了交易费能不能长期存在。

没有流动性，就没有持续交易，手续费收入自然也无法稳定。

3️⃣ 信息价值 - 心智占领

预测市场和普通交易平台不一样的地方在于，它不只是交易工具，也会生产信息。

当一个盘口有足够交易量和流动性后，它的价格会变成一种概率信号。媒体会引用它，KOL 会解读它，交易员会观察它，普通用户也会用它判断市场情绪。

这部分不一定直接变成手续费，但它会给平台带来关注度、用户心智和外部传播。长期看，这些信息价值会反过来增强交易需求。

4️⃣ 用户运营和折扣体系 - 将活跃度转化为收入

除了基础交易费，不同平台也会通过折扣、邀请、活动、积分和返利来提升交易频率。这部分措施不一定直接带来收入，但会影响平台的长期变现能力。例如，Opinion 提供了用户折扣、交易折扣和邀请折扣；Predict.fun 采用更简单的基础收费和折扣机制；Polymarket 则侧重于不同赛道的差异化费率和 Maker rebate。折扣和激励的本质，并非单纯的补贴，而是通过出让部分利润来换取用户留存，再逐步将活跃度转化为收入。

二、主流预测市场平台费用结构横向对比

纵观几家主流预测市场的费用设计，行业的战略方向高度趋同：鼓励挂单提供流动性，把主动成交转化成收入。但在战术执行上，各大平台由于定位不同，呈现出明显的策略分化。

1️⃣ Polymarket：按赛道精细化定价

Polymarket 的 Taker 收费逻辑将「赛道差异化」和「分歧度定价」结合到了极致。其官方核心公式为：

fee = C × feeRate × p × (1 - p)

其中，C 是成交份额数量，p 是成交价格，feeRate 则由市场赛道决定。

该机制包含两个核心变量：

• 赛道精细化：按当前已验证费率口径，Crypto 赛道 feeRate 为 0.07，Sports 为 0.03，Politics / Finance / Tech 为 0.04，Culture / Weather 为 0.05，部分 Geopolitics 市场为 0。也就是说，Polymarket 并不是对所有市场统一收费，而是根据不同赛道的交易频率、敏感度和用户付费意愿，采用差异化费率。
• 分歧度定价：完美契合 p × (1 - p) 的数学曲线。价格越接近 50/50（市场分歧最大），手续费越高；结果越确定（接近 0 或 100），手续费越低。

https://docs.polymarket.com/trading/fees

2️⃣ Kalshi：更接近合规交易所模式

Kalshi 的费用设计在合规框架下更接近传统金融衍生品交易所，其常规 Taker 费率公式同样与价格分歧度挂钩：

fee = round up(0.07 × C × P × (1 - P))

其中 C 是合约数量，P 是合约价格，并且费用会向上取整到美分。这个结构和 Polymarket 的 C × feeRate × p × (1-p) 很接近。

Kalshi 的费用结构和 Polymarket 有相似点：它的交易费也和合约价格有关，越接近 50¢，费用越高；越接近 1¢ / 99¢，费用越低。Kalshi 的 fee schedule 显示，100 份合约的 taker fee 大致在 $0.07～$1.75 区间变化。

但 Kalshi 和 Polymarket 的一个重要区别是：Kalshi 部分市场也会有 Maker fee，而且只有当这些挂单最终成交时才收费，取消挂单不收费。这表明 Kalshi 的费用结构更接近合规交易所：不是简单的 Maker 永久免费，而是根据不同市场设置更复杂的双边费用规则。

https://kalshi.com/docs/kalshi-fee-schedule.pdf

3️⃣ Opinion：更强调折扣和用户分层

Opinion 引入了极为复杂的「多维折扣体系」，其有效费率公式为：

Effective fee rate = topic_rate × price × (1 − price)× (1 − user_discount)× (1 − transaction_discount)× (1 − user_referral_discount)

也就是说，Opinion 的费用不仅取决于市场价格和 topic_rate，还会受到用户折扣、交易折扣、邀请折扣等因素影响。

Opinion 还设置了 $5 最小订单和 $0.25 最低手续费，避免小额交易产生过低费用。

这说明 Opinion 的费用设计更偏向用户运营：

• topic_rate 用来区分不同市场
• user_discount 用来做用户分层

所以，相比 Polymarket 的「赛道差异化定价」，Opinion 更像是把手续费做成了一个运营工具：一边通过折扣体系引导用户交易、留存和拉新，另一边通过 Maker 免费降低挂单门槛，维持市场流动性。

https://docs.opinion.trade/trade-on-opinion.trade/fees

4️⃣ Predict.fun：极简主义的统一费率

Predict.fun 的费用结构相对更简单，适合降低用户理解成本。

按其当前公开口径，它的费用计算公式是：

Raw Fee = Base Fee % × min(Price, 1 − Price) × Shares

Base Fee 目前为 2%。实际费率会随着成交价格变化：在 50% 以下时，费率基本固定为 2%；超过 50% ，价格越接近 1，实际费率越低。

此外，Predict.fun 还支持 fee discount，折扣后手续费会进一步下降。

这种设计的特点是更加直观：用户无需先判断盘口属于哪一侧，只需要关注成交价格本身即可理解费用变化。

https://docs.predict.fun/the-basics/predict-fees-and-limits#limits

可以看到，预测市场平台的共同点是：都在试图把主动成交行为转化成收入。

这也说明，预测市场的商业化不是只有一种路径。它们最终都在回答同一个问题：用户愿不愿意为交易付费？

三、深度拆解 Polymarket ：交易量不等于真实收入

虽然各家玩法百花齐放，但要验证预测市场的真实变现效率，Polymarket 仍然是目前最适合观察的平台样本。

原因主要有 2 个：

• 它的收费路径最清晰：从 Crypto 试水，到 Sports 扩展，再到更多类别几乎全面收费
• 它的数据也更完整：官方 feeRate、7D / 30D Fees 都可以用来进一步拆收入结构

所以接下来，我们就以 Polymarket 为例，回答一个更具体的问题：交易量最高的赛道，真的也是最赚钱吗？

3.1 从免费到收费：Polymarket 的商业化时间线

2026 年 1 月：Crypto 成为首个收费板块

Polymarket 重返美国用户，率先在 Crypto 板块 引入 Taker Fee。加密盘口结算周期短、价格波动大、交易行为类似二级短线，用户对变现速度的追求远大于对摩擦成本的敏感度，是绝佳的收费试验田。

2026 年 2 月 18 日：Sports 成为第二个收费板块

紧接着，2026 年 2 月 18 日，Sports 板块成为第二个收费板块。体育盘口具备天然的高频、短周期特征，能提供持续的交易场景。因此 Sports 是收费的自然延续。

所以 Polymarket 先对 Crypto、Sports 收费，其实是在先拿两个用户接受度更高的板块验证收入模型。

2026 年 3 月 30 日：收费扩展到更多板块

2026 年 3 月 30 日，Polymarket 将 taker fee 扩展到 Politics、Finance、Economics、Culture、Weather、Tech、Mentions、Other/General 等更多类别，收费类别扩展到 10 个。

全面收费后，Polymarket 并不是简单对所有板块收同样的费用，而是采用了更细的费率结构。这一步可以视为 Polymarket 商业化的关键节点，Polymarket 开始把收费模式扩展到更广泛的市场。

全面收费的成效极其瞩目。根据最新数据，Polymarket 已经展现出了极大的吸金能力：7D Fees 达 $9.27M，30D Fees 达 $36.3M。其 7 日收入已冲进全网 Crypto 项目前六，正式跨入收入型项目梯队。

3.2 核心赛道单型与价格分布拆解

为了尽可能的计算出 Polymarket 各个板块的真实收入，我们根据 2021 年至 2026 年 2 月的 Polymarket 交易数据，对五个主要赛道的费用进行估算 1。

从市价单占比来看，五个赛道差异明显：

Crypto 的 Market 占比最高，达到 75%，这极其符合加密资产「瞬息万变」的特征，用户更倾向于直接用市价单锁定损益；Weather 赛道因受实时突发气象数据驱动，用户同样极度看重反应速度。

其次，手续费多寡严重依赖盘口的成交价格区间。

原因在于，进入收费口径的交易，并不会产生同样的费用。Polymarket 的手续费和 p × (1 - p) 有关，价格越接近 50/50，市场分歧越大，费用权重越高；价格越接近 0% 或 100%，结果越接近确定，费用权重越低。

从五个主要赛道的数据来看，大部分成交都集中在 30～50，尤其是 40～50 区间：

这组数据说明，Polymarket 的主要成交并不是发生在结果已经接近确定的区间，而是集中在市场仍然存在明显分歧的位置。

3.3 收入测算：谁是利润奶牛？

我们用各赛道 Market 成交额，结合对应 feeRate，再按照不同价格区间的 p × (1-p) 权重，粗略估算 Polymarket 在五个赛道中的费用收入。同时考虑到上线收费后，部分对费率敏感的用户会从 Taker 转向 Limit 挂单。尤其是做尾盘交易、低赔率套利或短线频繁交易的用户，会更谨慎地计算回报率。

因此，我们可以在原始估算基础上，再做一版更保守的假设：假设收费后，各赛道市价单成交额下降 20%。

调整后的公式变成：

调整后估算费用 ≈ Market 成交额 × 80% × feeRate × (1 - p)

根据 7D 总交易量和各赛道交易量占比，我们估算五个主要赛道的 7D 市价单交易额。

前面已经算出各赛道的市价单成交额，接下来再结合各赛道的 feeRate 和价格区间权重，估算费用。为了让计算更稳妥，我们采用区间中位数作为近似价格：

( 注：由于统计口径、历史单型占比滞后性及赛道动态变化，此测算模型旨在还原各赛道的贡献比例，总和与系统实际结算的总 Fees 存在合理误差 )

数据说明了什么？

1️⃣Crypto 是当前利润贡献最高的赛道，7D 估算费用约为 439 万美元，是「利润奶牛」。

这点比较反直觉，因为从交易量占比看，Sport 才是第一大赛道，7D 交易量约为 4.01 亿美元，高于 Crypto 的 1.74 亿美元。但费用结果里，Crypto 反而排在第一，主要原因有两个：

市价单占比更高：Market 占比约为 75%，明显高于 Sport 的 60%。Polymarket 主要对市价单收费，所以 Crypto 有更多交易会进入收费口径。

feeRate 最高：feeRate 是 0.07，而 Sport 只有 0.03。即使两者市价单成交额相同，Crypto 单位交易额产生的费用也会明显更高。

2️⃣Sport 是第二大费用来源，7D 估算费用约为 331 万美元，是「交易量基础盘」。

Sport 的优势在于交易量足够大。它的 7D 交易量约为 4.01 亿美元，在五个赛道中排名第一。但它的短板也很明显：feeRate 最低，只有 0.03。

3️⃣Politics 和 Trump 如果合并成政治类盘口，7D 估算费用约为 314 万美元，已经非常接近 Sport 板块，是脉冲式的流量漏斗。

政治类盘口的特点是事件驱动强。它不像 Sport 那样每天都有稳定比赛，也不像 Crypto 那样价格持续波动，但一旦遇到选举、民调、政策变化、候选人表态，就容易出现集中交易。因此，政治类盘口虽然交易节奏不一定稳定，但在热点周期里费用贡献非常可观。

4️⃣Weather 的 7D 估算费用约为 40 万美元，在五个赛道里最低。

所以，Polymarket 的收入结构可以简单概括为：Crypto 负责平台收入，Sport 负责交易量，Politics / Trump 负责热点事件爆发，为平台获客。

四、从 Polymarket 看预测市场赛道的四个终局判断

Polymarket 的成功闭环，为整个预测市场赛道带来了重构的启示：

1️⃣ 评估指标的全面更迭

过去看预测市场，都盯着交易量与热门话题。进入商业化时代，衡量胜负的指标将彻底转变为：真实 Fees、Taker 占比、订单簿深度以及买卖价差（Spread）。 纯粹靠左手倒右手刷出来的交易量，在收费机制下将难以持续。

2️⃣ 不同事件类型，对应不同的收入角色

未来的预测市场平台不会指望靠某一种盘口吃天下，而是走向精细化分工。

Crypto 这类市场更接近金融交易，价格变化快、反馈周期短，用户对成交速度更敏感，所以更容易形成高收入效率。

Sports 更像稳定流水，比赛频繁、结果明确、交易场景持续存在，所以适合贡献日常交易量。

Politics / Trump 这类市场则更偏事件爆发，平时不一定稳定，但一旦进入选举、民调、政策变化等关键节点，就容易集中放量。

Weather 这类市场说明，只要事件足够标准化、结果足够清晰，即使规模暂时不大，也有机会形成自己的交易场景。

3️⃣ 收费机制会反向倒逼盘口质量

免费阶段，平台可以开很多盘口；收费之后，用户和做市商都会开始精打细算，收费机制会反过来筛选市场质量。

一个好的预测市场，不仅需要话题有趣，还要能够同时满足几个条件：

• 结果清晰，方便结算
• 信息更新频繁，能带来价格变化
• 市场分歧足够大，用户有交易动机
• 流动性足够好，用户愿意主动成交
• 结果不易被操控

4️⃣ 预测市场的壁垒在于「持续定价权」

开一个 YES / NO 盘口不难，难的是让这个盘口持续有人挂单、有人吃单、有人更新价格、有人愿意承担风险。只有当一个盘口有足够深度和交易频率，它的价格才有参考意义，平台也才可能从中获得收入。

所以预测市场真正的壁垒，不是「谁能更快发现热点」，而是：把热点变成可交易市场👉让市场长期有流动性👉让价格成为外部世界愿意引用的信号。

五、写在最后

能够讲宏大叙事的项目多如牛毛，但能把叙事落地成真金白银收入的凤毛麟角。

Polymarket 曾经是整个赛道里最具光环的流量代表，而当它完成从「流量叙事」到「系统性吸金」的转身，它想向全行业证明一件事：

预测市场的终极价值，绝不仅限于「预测未来有多准」，而在于它成功把现实世界的不确定性，变成了一个可以标准化定价、可以高频交易、且能持续赚钱的超级市场。

过去，预测市场证明了它能赢得泼天流量；现在，它正在证明自己是一门无可匹敌的好生意。

1 测算方法：拆出每个赛道的市价单和限价单比例，再按照不同成交价格区间，估算 p × (1 - p) 对费用的影响，最后结合各赛道对应的手续费率，计算每个赛道大致贡献了多少费用。