둘째, 시장 역할에 따라 수익을 분해하여, 비대칭 주문 흐름에 의해 구동되는, 주문을 먹는 자로부터 주문을 거는 자로의 지속적인 부의 이전을 드러냈습니다.

셋째, "YES/NO 비대칭성"을 확인하여, 먹는 자가 고위험의 베팅(낮은 확률 가격)에서 이성보다 비례하지 않는 긍정적인 베팅을 선호함으로써 그들의 손실을 악화시킨 것을 밝혔습니다.

예측 시장과 Kalshi

예측 시장은 참가자들이 실제 결과에 대한 이진 계약을 거래하는 거래소입니다. 이러한 계약은 1달러 또는 0달러로 결제되며, 가격은 1에서 99센트의 범위로 현실 세계에서 일어날 가능성의 대리인 지표로 작용합니다. 주식 시장과 달리, 예측 시장은 엄격한 제로섬 게임입니다: 각 달러의 이익은 정확히 한 달러의 손실과 대응됩니다.

2021년에 출범한 Kalshi는 미국 최초의 CFTC 규제를 받는 예측 시장입니다. 이 플랫폼은 초기에는 경제와 날씨 데이터에 초점을 맞추었으며, 2024년까지는 소수의 참가자들만 이용했습니다. CFTC와의 법적 싸움을 승리하고 정치 계약 상장 권리를 획득한 후, 2024년 선거 주기가 폭발적인 성장을 촉발했습니다. 2025년에 소개된 스포츠 시장이 현재 거래 활동을 주도하고 있습니다. 다양한 범주의 거래량 분포는 매우 불균형합니다: 체육(72%)이 명목 거래량의 지배력을 차지하며, 다음으로 정치(13%)와 암호화폐(5%)가 이어집니다.

참고: 데이터 수집 기한은 2025년 11월 25일 오후 5시 ET; 제 4분기 2025년의 데이터는 불완전합니다.

데이터 및 방법론

데이터 세트에는 7,680,000개의 시장과 72,100만 건의 거래가 포함되어 있습니다. 각 거래는 체결 가격(1-99센트), 먹는 자 측(yes/no), 계약 수 및 타임스탬프를 기록했습니다.

역할 할당: 각 거래는 유동성 소비자(먹는 자)를 식별했습니다. 주문을 걸는 자는 상반된 입장을 취했습니다. 만약 taker_side = yes이고 가격이 10센트인 경우, 이는 먹는 자가 10센트에 YES 매수한 것이며, 주문을 거는 자는 90센트에 NO 매수한 것입니다.

비용 기초(Cb): YES와 NO 계약 간의 비대칭성을 비교하기 위해 모든 거래를 위험 자본으로 표준화했습니다. 5센트 표준 YES 거래의 경우, Cb=5입니다. 5센트의 NO 거래의 경우, Cb=5입니다. 별도로 언급되지 않는 한, 이 글에서 "가격"이란 이 비용 기초를 말합니다.

오차가격 (δS)은 거래 집합 S의 실제 승률과 내재 확률 간의 차이를 측정합니다.

총 초과 수익 (ri)은 비용 대비 수익률(수수료 포함)이며, 여기서 pi는 센트 가격이고, oi∈{0,1}는 결과입니다.

샘플

계산은 정산된 시장에만 기반합니다. 폐기된, 상장 폐지된 또는 아직 오픈된 시장은 제외됩니다. 또한, 거래량이 100달러 미만인 시장 거래도 제외됩니다. 이 데이터 세트는 모든 가격 수준에서 견고하며, 가장 적은 거래가 발생한 구간(81-90센트)조차도 580만 건의 거래를 포함하고 있습니다.

Kalshi의 Longshot Bias

Longshot Bias는 처음에 Griffith(1949)이 경마에서 기록했으며, 나중에 Thaler & Ziemba(1988)가 베팅 풀 시장을 분석할 때 공식화했습니다. 이 현상은 베팅자들이 낮은 확률 결과에 과도한 가격을 지불하는 경향을 기술합니다. 효율적인 시장에서 센트별 가격이 있는 계약은 대략 센트%의 승률을 가져야 합니다. Longshot Bias가 존재하는 시장에서는 저가 계약의 승률이 내재 확률보다 낮고, 고가 계약의 승률이 내재 확률보다 높습니다.

Kalshi의 데이터는 이러한 패턴을 확인했습니다. 5센트의 거래 가격을 갖는 계약은 승률이 4.18%로, -16.36%의 오차가격을 나타냅니다. 반면, 95센트의 계약은 95.83%의 승률을 기록했습니다. 이 패턴은 일관적입니다: 20센트 미만의 모든 가격의 계약은 베팅률보다 성과가 낮으며, 80센트 이상의 계약은 베팅률을 능가합니다.

Note: 이러한 편향이 존재할지라도, 보정 곡선은 예측 시장이 사실상 효과적이고 정확하다는 것을 보여주며, 극단적인 부분(매우 낮거나 높은 가격)을 제외하고는 내재 확률과 실제 확률이 근접함을 확인함으로써 예측 시장이 잘 보정된 가격 발견 메커니즘임을 확인합니다.

Longshot Bias의 존재로 인해 영예시장에만 있는 문제가 대두되었습니다: 일부 거래자가 계속해서 과도한 가격을 지불한다면, 나머지 가치는 누가 얻게 될까요?

주문 제공자와 체결자 간의 재산 이전

역할에 따른 수익 분해 주문자와 주문서의 상호 작용에 따라 시장 미시 구조는 두 가지 유형의 그룹을 정의했습니다. 주문 제공자(Maker)는 리미트 주문을 주문서에 남겨 유동성을 제공합니다. 체결자(Taker)는 기존 주문과 거래하여 유동성을 소비합니다. 역할에 따른 총 수익 분해는 명백한 비대칭성을 드러냅니다:

이러한 차이는 극심하게 꼬리 부분에 나타납니다. 1센트 계약의 경우, 체결자의 승률은 단 0.43%입니다(암시 확률은 1%); 이에 해당하는 왜곡은 -57%입니다. 동일한 계약의 주문 제공자는 1.57%의 승률과 +57%의 왜곡을 보입니다. 50센트에서 왜곡이 압축되어; 체결자는 -2.65%, 주문 제공자는 +2.66%를 나타냅니다. 99개의 가격 수준 가운데 80개에서, 체결자는 음의 초과 이익을 보이며, 주문 제공자는 해당 80개의 수준에서 양수를 나타냅니다.

시장의 전반적인 불일치는 특정 그룹으로 집중되어 있습니다: 체결자가 손실을 감내하고, 주문 제공자가 수익을 얻습니다.

이것은 단지 가격차이 보상인가요?

명백한 반론은: 주문 제공자가 매매차이를 벌어들이는 것은 유동성을 제공함에 대한 보상입니다. 그들의 양(正)의 수익은 단순히 가격차이를 반영할 수 있으며, 편향된 자금 흐름을 활용한 것이 아닐 수 있습니다.

함축적으로 합리적으로 보이지만, 두 개의 관찰 결과는 그렇지 않음을 보여줍니다. 먼저, 주문 제공자의 수익은 그들이 취한 방향에 따라 달라집니다. 이윤이 순전히 차이에 기인한다면, 주문 제공자가 YES를 매수하든 NO를 매수하든 관계없어야 합니다.

이를 테스트하기 위해 포지션 방향별로 주문 제공자의 성과를 분석했습니다:

NO를 매수한 주문 제공자는 59%의 시간 동안 YES를 매수한 주문 제공자보다 우수한 성과를 보입니다.

YES를 매수한 주문 제공자의 가중 초과 수익은 +0.77%이며, NO를 매수한 주문 제공자의 경우 +1.25%입니다. 두 가지 간 차이는 0.47 백분 포인트입니다. 이 효과는 미미하지만(\(Cohen's d = 0.02-0.03\)) 안정적입니다.

적어도, 이것은 가격 차이 포획이 전부가 아님을 시사합니다.

각 시장 범주 간의 차이

시장 이성적 요구를 이해하지 못하면 편향이 발생할 수 있습니다. 이때 성장 중인 참가자를 유치하는 범주는 더 큰 격차를 보입니다. 놀랍게도 데이터에서는 금융 범주가 0.17%의 격차만을 보여주고 있습니다. 시장은 매우 효율적입니다.

다른 한편으로는, 세계 이슈 및 미디어에서는 7% 이상의 격차를 보이고 있습니다. 거래량이 가장 큰 스포츠 범주는 2.23%의 적당한 차이를 보입니다. 61억 달러의 호가량을 감안할 때, 심지어 이 적당한 차이도 방대한 부의 이전을 일으켰습니다.

왜 금융 범주가 이렇게 효율적일까요? 이에 대한 가능한 설명은 참가자 선발입니다. 금융 문제는 주로 확률과 기대값에 대해 고려하는 거래자를 대상으로 하며, 자신의 팀을 응원하는 팬이 아닙니다. 문제 자체가 지루하기 때문에(예: "S&P 500 지수는 6000 포인트를 넘을까요?"), 감정적인 베팅자들이 걸러지는 것입니다.

테이커(Taker)와 메이커(Maker)의 진화

주문 체결자와 주문 생성자 간의 격차는 시장의 고유한 특징이 아니라 플랫폼 발전에 따라 나타난 것입니다. Kalshi 초기에는 상황이 반대였습니다: 주문 체결자가 양의 초과 수익을 얻었고, 주문 생성자가 손해를 봤습니다.

출시 이후 2023년까지, 주문 체결자의 수익률은 평균 +2.0%이며, 주문 생성자는 -2.0%였습니다. 성숙한 거래 상대방이 없을 때, 주문 체결자가 이겼습니다. 아마추어 주문 생성자들이 초기 단계를 정의하며 패자가 되었습니다.

이러한 상황은 2024년 제2분기부터 역전되었으며, 2024년 대선 이후 격차가 급격히 확대되었습니다.

이 기로에는 두 가지 이벤트가 겹쳤습니다: Kalshi가 2024년 10월에 CFTC를 이기고 정치 계약을 허가받은 것과 이어지는 2024년 선거 주기입니다. 거래량은 2024년 3분기의 3천만 달러에서 4분기의 82억 달러로 급증했습니다. 새 자금이 성숙한 메이커를 유치하였고, 여기에 따라 주문 체결 스트림에서 가치를 추출했습니다.

대선 전, 평균 격차는 -2.9pp(주문 체결자 이김)였으며; 대선 후에는 +2.5pp(주문 생성자 이김)로 전환되었습니다.

낮은 확률 계약(1-20 센트)의 거래량 비율은 거의 변함없이 유지되어 왔으며, 선거 전에는 4.8%이었고, 선거 후에는 4.6%입니다. 그러나 분포는 실제로 중간 가격대로 이동했습니다; 2021년부터 2023년까지 40-50%였던 91-99 센트 가격대의 비율이 2025년에는 20% 미만으로 감소하였으며, 중간 가격대(31-70 센트)는 크게 증가했습니다.

이익 가져오기 알고리즘(Ocean11)의 활성화는 헤지 기금과 다른 트레이더에 대한 강력한 인센티브를 제공했지만, 동시에 정확성을 기반으로 한 알고리즘 트레이더들에게는 도전일 수 있었습니다.

자동화된 거래 전략은 조절된 가격 내에서 상대적으로 큰 규모로 이루어진 거래에 대해 특별한 이익을 제공할 수 있습니다.

이로 인해 시장 조작이나 자동 거래 전략을 사용하는 트레이더들 간의 새로운 싸움이 시작되었습니다.

파도 타기

파도를 타는 트레이더들은 이러한 이익 가져오기 전략이나 다른 트레이더들의 거래 활동을 탐지하고 그에 따라 자동으로 거래를 실행하는 데 중점을 두었습니다.

파도 타기 전략은 근본적으로 시장의 권한을 흔드는 것을 목표로 하며, 종종 빠르고 자동화된 거래가 필요합니다.

트레이딩의 미래

향후 트레이딩 경쟁력은 자동화, 인공 지능, 빅 데이터 등의 기술적 혁신에 크게 의존할 것으로 예상됩니다.

새로운 경쟁 환경에서 중요한 것은 빠르게 변화되는 시장에 대응할 수 있는 유연성과 자기 재구성 능력입니다.

이러한 새로운 동향은 전통적인 거래 방식을 변형시키고 있으며, 미래의 트레이딩은 혁신적인 기술과 전략의 결합을 통해 획기적으로 변화할 것으로 전망됩니다.

국제 금융 시장의 변화 속도가 더 빨라지면서, 향후 트레이딩 풍토는 더욱 예측할 수 없어질 것으로 보입니다.

지능형 거래 솔루션과 혁신적인 자금 조달 모델은 향후 금융 시장에서 중요한 역할을 하는 것으로 예상됩니다.

금융 기술 기업들은 이러한 동향을 이해하고 적절히 대응하여 미래의 시장에서 선도적인 위치를 유지할 수 있을 것으로 기대됩니다.

1-10센트 범위 내에서(YES가 오히려 결과)、매수자는 YES 거래량의 41-47%를 차지하며, 매도자는 단 20-24%에 불과합니다. 이러한 불균형은 확률 곡선의 다른 끝에서 뒤집힙니다. 계약 거래 값이 99센트일 때(NO가 1센트인 오히려 표) 매도자들은 NO 계약을 적극 매수하며(거래량의 43% 차지), 매수자는 단 23%에 불과합니다.

누군가는 시장 메이커가 이러한 불균형을 활용하여 더 정확한 방향 예측 능력으로 이익을 얻는다고 가정할 수 있습니다 — 즉, 그들은 언제 NO를 사야 하는지를 알고 있다는 뜻입니다. 그러나 이 가정을 뒷받침하는 증거는 없습니다.

시장 메이커의 성과를 보면, 보유 방향별로 수익이 거의 동일합니다. 단, 극단적인 하단 부분(1-10센트 및 91-99센트)에는 통계적으로 유의한 차이가 나타날 수 있으며, 그러한 꼬리 부분에서도 효과 크기는 미미합니다(Cohen's d = 0.02-0.03).

이러한 대칭성은 의미심장합니다: 시장 메이커는 가격 방향을 예측하는 것이 아니라, 양방향에 모두 적용되는 메커니즘을 통해 수익을 올리는 것입니다.

토론

7210만 건의 거래를 분석한 Kalshi 플랫폼의 연구는 특이한 시장 미시구조를 보여주었습니다: 자금은 체류성 수용자로부터 체류성 창조자로 체계적으로 이동합니다. 이러한 현상은 특정한 행동 편향에 의해 주도되며, 시장의 성숙도에 따라 규제되며, 높은 감정 투입을 유발할 수 있는 범주에서 집중됩니다.

수익자의 이익 추출 메커니즘

제로섬 시장에서, 수익자는 정보 우위(예측)인지 아니면 구조적 우위(시장 메이킹)인지에 따라 승리합니까?

데이터는 후자를 강하게 지원합니다.

보유 방향별로 시장 메이커의 수익이 거의 차이가 없는 것으로 나타났습니다: 'YES'를 매수한 시장 메이커는 +0.77%의 초과 수익을 올리며, 'NO'를 매수한 시장 메이커는 +1.25%의 초과 수익을 얻었습니다 (코헨의 d ≈ 0.02).

이러한 통계적 대칭성은 시장 메이커가 특출난 예측 능력을 갖고 있는 것이 아님을 시사합니다. 그들은 오히려 구조적인 이윤 추구를 통해 수익을 창출합니다: 고위험, 고수익 결과에 선호하는 '매수자' 그룹을 위해 유동성을 제공합니다.

이러한 추출 메커니즘은 '낙관주의 세금'에 의존합니다.

낮은 확률의 'YES'가 낮은 확률의 'NO'보다 64 percent포인트 낮은 성과를 보이지만, 거래자들은 여전히 낮은 확률 가격에 'YES' 계약을 매입하며, 이 가격 구간의 총 거래량의 거의 절반을 차지합니다.

따라서 시장 메이커는 미래를 예측할 필요가 없으며, 단지 긍정적인 감정의 거래 상대방으로서 역할하면 된다. 이는 Polymarket에 대한 Reichenbach 및 Walther(2025)의 연구 및 Betfair에 대한 Whelan(2025)의 연구 결과와 일치하며, 예측 시장에서 시장 메이커는 예측을 수행하는 대신 이러한 편향에 적응하는 거래 흐름을 제공한다는 것을 보여준다.

유동성의 전문화

Longshot Bias가 존재하는 2021년부터 2023년까지, 거래자는 여전히 양호한 수익을 얻을 수 있었다. 이러한 추세의 반전은 2024년 10월 Kalshi가 소송에서 승리한 후 거래량이 급증한 것과 정확하게 일치한다.

2024년 말에 관찰된 부의 이동은 시장의 심도에 기반한다. 초기에는 낮은 유동성이 성숙한 알고리즘 시장 메이커의 진입을 방해했다. 2024년 대선 후 대규모 거래는 전문 유동성 공급자들의 진입을 촉진시켰으며, 그들은 체계적으로 스프레드를 포착하고 편향된 자금 흐름을 활용할 수 있었다.

시장 간의 차이

주문 유형-거래 유형 간의 차이는 참가자 선별이 시장 효율성을 형성하는 방식을 드러낸다.

• 금융(0.17 pp): 대조군으로, 예측 시장이 효율적일 수 있다는 것을 입증한다. "S&P 500 지수가 6000 포인트를 넘을 것인가?"와 같은 질문들은 확률과 기대값을 고려하는 참가자들을 유치하며, 이들은 주로 옵션 트레이더나 거시 경제 데이터 관심가일 가능성이 높다. 정보 획득의 장벽이 높으며, 보통 베팅자들은 우위가 없다는 것을 인식하고 있을 가능성이 크며, 그러므로 이탈하는 경향이 있다.

• 정치(1.02 pp): 강한 감정 요인이 개입되지만 예측 효율성에는 일정 수준의 결핍이 있다. 정치적 베팅자들은 여론조사에 주목하며, 선거 주기 동안 자신의 판단을 지속적으로 조정해왔다. 이 차이는 금융 분야보다 크지만, 엔터테인먼트 분야보다는 작으며, 이는 정치 참여자들이 강한 감정 요인을 가지고 있지만, 확률 추론 능력을 완전히 퇴색시키지는 않는다는 것을 보여준다.

• 스포츠(2.23 pp): 예측 시장에서 차지하는 비율이 가장 높은 범주이다. 차이는 크지 않지만, 이 범주의 거래량이 72%에 달할 때, 이러한 차이는 여전히 중요하다. 스포츠 베팅자들은 홈팀 충성도, 최근 성적, 그리고 스타 선수에 대한 감정적 애착을 포함한 몇 가지 확인 된 선호도를 나타낸다. 팬들은 자신의 팀이 우승할 것을 베팅하는 것이 예상 수익을 계산하는 것이 아니라 희망을 구입하는 것이라는 특징이 있다.

• 암호화폐(2.69 pp): 끌려 오는 참가자들은 소매 "가격 상승" 마인드셋에 영향을 받으며, 이 그룹은 미미 거래자 및 NFT 투기자들과 일부 중첩된다. "비트코인이 10만 달러에 도달하겠습니까?"와 같은 문제들은 보다 분석적인 확률 추정이 아닌 서사에 기초한 베팅을 선호한다.

• 엔터테인먼트, 미디어 및 세계 사건 (4.79–7.32 pp): 이러한 분야는 가장 큰 인지 간극을 가지고 있으며 공통 특징을 갖고 있습니다: 사람들은 자신의 전문 지식에 대한 이해 장벽이 매우 낮다고 느낍니다. 연예 소문에 관심 있는 모든 사람들은 시상식 결과를 예측할 자격이 있다고 생각하며; 뉴스 제목을 읽는 모든 사람들은 지정 정치를 이해했다고 느낍니다. 이는 참가자 그룹이 친숙도와 판단력을 혼동시키는 것으로 이어집니다.

저희 연구 결과는 시장의 효율성은 두 가지 요소에 달려 있음을 보여줍니다: 정보가 풀려 있는 참여자의 기술 장벽 및 시장에 내재된 문제가 감정 추론을 일으키는 정도입니다.

시장의 기술 장벽이 높고 프레임워크가 객관적이고 침착한 경우, 시장의 효율성은 거의 이상적인 상태에 근접합니다; 장벽이 낮고 프레임워크가 내러티브를 촉진하는 경우 낙관 효과가 극대화됩니다.

한계

연구에 사용된 데이터가 신뢰할 수 있지만, 몇 가지 한계가 있습니다.

첫째, 고유한 트레이더 ID가 없기 때문에 우리는 「메이커/테이커」 분류를 통해 「성숙/미성숙」 트레이더를 대표할 수밖에 없습니다. 이는 미시구조 문헌에 있어 표준적인 방법이지만, 능숙한 트레이더가 신속한 정보를 활용하여 교차 거래하는 경우를 완벽하게 포착할 수 없습니다.

둘째, 우리는 거래 데이터에서 직접 매수-매도 스프레드를 관찰할 수 없기 때문에 스프레드와 편향적 거래량을 완전하게 분리시키기가 어렵습니다.

마지막으로, 이러한 결과는 미국의 규제 환경에만 적용됩니다; 다른 레버리지 한도 및 수수료 구조를 가진 해외 거래소는 다른 동태를 보일 수 있습니다.

결론

시장 예측의 가치는 다양한 정보를 하나로 집계하여 정확한 확률로 만드는 능력에 있습니다.

그러나 우리의 Kalshi 분석은 이러한 신호가 종종 인간 심리와 시장의 미시구조에 의해 왜곡됨을 보여줍니다.

시장은 두 가지 극단적으로 다른 그룹으로 나누어집니다: 낮은 확률이지만 확실한 결과에 과도한 가격을 지불하는 테이커 클래스, 그리고 이러한 프리미엄을 추출하기 위해 유동성을 제공하는 메이커 클래스.

주제가 지루하고 양적인 경우 (예: 금융) 시장은 효과적입니다. 주제가 개입을 희망하는 경우 (예: 스포츠, 엔터테인먼트), 시장은 낙관자로부터 심각한 사람으로 재분배되는 메커니즘으로 전환됩니다.

「원문 링크」

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia