원문 제목: "IOSG 주간 브리프 | 확률을 자산으로 만들기: 예측 시장 인텔리전스 에이전트 전망 #315"

원문 저자: Jacob Zhao, IOSG Ventures

과거 Crypto AI 시리즈 보고서에서 지속적으로 강조해 온 견해는 다음과 같습니다: 현재 암호화폐 분야에서 가장 실용적인 적용 가치가 있는 시나리오는 주로 안정화폐 결제 및 DeFi에 집중되어 있으며, 에이전트는 AI 산업에서 사용자를 대상으로 하는 핵심 인터페이스입니다. 따라서 Crypto와 AI가 융합되는 추세에서, 가장 가치 있는 두 가지 경로는 각각 다음과 같습니다: 기존 성숙한 DeFi 프로토콜 (대출, 유동성 마이닝 등의 기본 전략 및 스왑, Pendle PT, 자금 비용 차익 거래 등의 고급 전략)을 기반으로 하는 짧은 기간의 AgentFi 및 안정화폐 결제를 중심으로 하며 ACP/AP2/x402/ERC-8004 프로토콜을 활용하는 중장기적인 Agent Payment입니다.

2025년에는 예측 시장이 무시할 수없는 산업 새로운 트렌드가 되었습니다. 연간 총 거래량은 2024 년의 약 90 억 달러에서 2025 년에 400 억 달러 이상으로 급증하여 연간 400% 이상의 증가를 이룩했습니다. 이러한 현저한 성장은 여러 요인이 공동으로 추진했습니다: 거시 정치적 사건으로 인한 불확실성 수요, 인프라 및 거래 모델의 성숙화, 그리고 규제 환경의 녹아웃 (Kalshi 소송 승소 및 Polymarket 미국 복귀). 예측 시장 인텔리전스 에이전트(Prediction Market Agent)는 2026 년 초에 초기 모습을 보이며, 앞으로 한 해 안에 인텔리전스 에이전트 분야의 새로운 형태로 발전할 전망입니다.

예측 시장: 베팅 도구에서 "세계적 진실층"으로

예측 시장은 미래 이벤트 결과를 중심으로 거래되는 금융 메커니즘이며, 계약 가격은 본질적으로 시장이 이벤트 발생 확률에 대한 집단 판단을 반영합니다. 그 효과성은 집단 지혜와 경제적 인센티브의 결합에서 비롯됩니다: 익명성과 실제 자금으로 이루어지는 베팅 환경에서 분산 정보가 신속하게 통합되어 자금 의지에 따라 가중된 가격 신호로 변환되어 소음과 거짓 판단을 크게 감소시킵니다.

▲ 예측 시장 명목 거래량 추이 그래프 데이터 출처: Dune Analytics (Query ID: 5753743)

2025년 말까지, 시장 전망에 따르면 Polymarket와 Kalshi가 주도하는 이중 폴리오프 형태의 구도가 대체로 형성될 것으로 예상됩니다. 포브스에 따르면, 2025년 총 거래량은 약 440 억 달러로, Polymarket가 약 215 억 달러, Kalshi가 약 171 억 달러를 기여할 것으로 예상됩니다. 2026년 2월 주간 데이터에 따르면 Kalshi의 거래량($259억)이 Polymarket의 거래량($183억)을 넘어섰으며 시장 점유율의 거의 절반이 되었습니다. 이전 선거 계약 사건의 법적 승소, 미국 스포츠 예측 시장에서의 준법한 최초 이익, 상대적으로 명확한 규제 기대치로 인해 Kalshi는 신속한 확장을 이루었습니다.현재 두 기업의 발전 경로는 명확하게 구분되어 있습니다:

· Polymarket는 하이브리드 CLOB 아키텍처 및 분산형 결제 메커니즘을 채택한 「체인 아웃사이드 매칭 (Chain Out-of-Order Matching), 체인 인사이드 결제 (Chain Inside Settlement)」를 통해 글로벌화 및 비관리형 고유동성 시장을 구축하고 미국으로의 준법 재진입 후 "온쇼어+오프쇼어" 이중운영 구조를 형성했습니다;

· Kalshi는 전통 금융 시스템에 통합되어 주요 소매 증권사에 API를 통합하고 월스트리트 메이커들을 이끌어서 매크로 및 데이터 계약 거래에 심층적으로 참여시키고 있으며, 제품은 전통적인 규제 절차에 제약을 받으며 장기수요와 급발진 사건에 대응이 상대적으로 지연되고 있습니다.

Polymarket와 Kalshi 이외의 예측 시장 분야에서 경쟁력있는 다른 참가자들은 주로 두 가지 경로를 따라 발전하고 있습니다:

· 첫 번째는 준법적 유통 경로로, 이벤트 계약을 중소 소매 증권사나 대형 플랫폼의 기존 계정 및 결제 시스템에 통합시키며 채널 보급, 법규 취득 및 기관 신뢰 구축 장점을 활용하여 (예: Interactive Brokers × ForecastEx의 ForecastTrader, FanDuel × CME Group의 FanDuel Predicts), 법규 준수와 자원 우위가 현저하지만 제품 및 사용자 규모는 여전히 초기 단계에 있습니다.

· 두 번째는 암호화 원천적인 체인 상 경로로, Opinion.trade, Limitless, Myriad를 대표로 하여 점수 채굴, 단기 계약 및 미디어 유통을 통해 신속한 확장을 실현하며 성능과 자금 효율성을 강조하나 장기적인 지속 가능성과 위험 관리의 안정성은 아직 입증되지 않았습니다.

전통적인 금융 규정 입구와 암호화 원천적 이점이라는 두 가지 경로가 예측 시장 생태계의 다양한 경쟁 구도를 형성하고 있습니다.

시장 예측은 표면적으로 도박과 유사해 보이지만 본질적으로 제로섬 게임이며, 그러나 핵심적인 차이점은 긍정적 외부성의 존재 여부에 있습니다. 실제 자금 거래를 통해 정보를 집중하고 분산시키며 현실적인 사건에 대한 공개적인 가격 결정을 통해 가치 있는 신호 계층이 형성됩니다. 그 추세는 현재 게임에서 "글로벌 진실 계층"으로 전환되고 있습니다. CME, 블룸버그 등의 기관이 참여함에 따라 사건 확률은 금융 및 기업 시스템에서 직접 호출할 수 있는 의사 결정 메타데이터가 되었으며, 보다 신속하고 측정 가능한 시장 기반 진실을 제공합니다.

전 세계적인 규제 현황을 고려할 때, 시장 예측의 준수 경로는 매우 다양합니다. 미국은 시장 예측을 재무 파생상품 규제 프레임워크에 명확하게 포함시킨 유일한 주요 경제체이며, 유럽, 영국, 호주, 싱가포르 등의 시장은 일반적으로 이를 도박으로 간주하고 규제를 강화시키고 있으며, 중국, 인도 등은 완전히 금지하고 있습니다. 시장 예측의 미래적인 세계화 확장은 여전히 각 국가의 규제 틀에 의존할 것입니다.

시장 예측 스마트 에이전트의 아키텍처 설계

현재 시장 예측 스마트 에이전트(Prediction Market Agent)는 초기 구현 단계에 있으며, 가치는 "AI가 더 정확하게 예측"하는 데가 아니라 시장 예측에서의 정보 처리 및 실행 효율을 증대시키는 데 있습니다. 시장 예측은 본질적으로 정보 집합 메커니즘이며, 가격은 사건 확률에 대한 집단적인 판단을 반영합니다. 현실 세계의 시장 비효율성은 정보 비대칭, 유동성 및 주의 제약에서 비롯됩니다. 시장 예측 스마트 에이전트의 적절한 위치는 실행 가능한 확률론적 포트폴리오 관리(Executable Probabilistic Portfolio Management)입니다: 뉴스, 규정 텍스트 및 체인 상 데이터를 검증 가능한 가격 편견으로 변환하여 전략을 실행하는 데 더 빠르고 훨씬 개량되고 비용 효율적인 방식으로 실시하고 크로스 플랫폼 아비트리지와 포트폴리오 리스크 관리를 통해 구조적 기회를 포착합니다.

이상적인 시장 예측 스마트 에이전트는 네 계층 아키텍처로 추상화될 수 있습니다:

· 정보 계층은 뉴스, 소셜, 체인상 및 공식 데이터를 수집합니다;

· 분석 계층은 LLM 및 ML을 사용하여 가격 오류를 식별하고 엣지를 계산합니다;

· 전략 계층은 켈리 공식, 일괄 거래 및 리스크 관리를 통해 엣지를 포지션으로 전환합니다;

· 실행 계층은 다중 시장 주문, 슬리피지 및 가스 최적화 및 아비트리지 실행을 완료하여 효율적인 자동화 폐쇄 루프를 형성합니다.

예측 시장 인공지능 전략 프레임워크

전통적 거래 환경과는 달리, 예측 시장은 결제 메커니즘, 유동성 및 정보 분포에서 상당한 차이를 가지며, 모든 시장 및 전략이 자동화 실행에 적합한 것은 아닙니다. 예측 시장 인공지능의 핵심은 명확한 규칙, 코드화 가능하며 자체적인 구조상 우위를 가진 시나리오에 배포되는지 여부에 있습니다. 다음 글에서는 자산 선택, 포지션 관리 및 전략 구조라는 세 가지 측면에서 분석을 전개하겠습니다.

예측 시장의 자산 선택

모든 예측 시장이 거래가치가 있는 것은 아니며, 참여가치는 다음에 따라 결정됩니다: 결제 명확도(규칙의 명시성, 데이터 소스의 고유성), 유동성 품질(시장 깊이, 스프레드 및 거래량), 내부자 리스크(정보 비대칭 정도), 시간 구조(만기 및 이벤트 리듬), 그리고 거래자 자체의 정보 우위 및 전문 배경. 대부분의 차원이 기본 요구를 충족할 때에만 예측 시장은 참여 기초를 갖습니다. 참여자는 자신의 장점 및 시장 특성에 따라 맞춤화해야 합니다:

· 인간의 핵심 장점: 전문 지식, 심사력 및 모호한 정보 통합에 의존하며, 일/주로 계산되는 시장. 전형적인 예로는 정치 선거, 거시 트렌드 및 기업 이정표가 있습니다.

· AI 에이전트의 핵심 장점: 데이터 처리, 패턴 인식 및 신속한 실행에 의존하며, 초/분 단위 계산되는 시장. 전형적인 예로는 고빈도 암호 화폐 가격, 크로스 마켓 아비트리지 및 자동 메이킹이 있습니다.

· 부적합 영역: 내부 정보 지배 또는 순수한 무작위/높은 조작성 시장이며, 어느 참여자에게도 이점이 되지 않습니다.

예측 시장의 포지션 관리

켈리 공식(Kelly Criterion)은 반복 게임 시나리오에서 가장 대표적인 자금 관리 이론으로, 목표는 한 번에 수익을 극대화하는 것이 아니라 자금의 장기적인 복리 증가율을 극대화하는 것입니다. 이 방법은 승률과 배당률을 추정한 후 최적 자산 배분 비율을 계산하여 긍정적인 기대를 가질 때 자본 성장 효율성을 향상시키며, 정량적 투자, 전문 도박, 포커 및 자산 관리 분야에 널리 사용됩니다.

· 고전적인 형태는:   f^* = (bp - q) / b

· 여기서, f∗는 최적 베팅 비율, b는 순 배당률, p는 승률, q=1−p

· 시장 예측은 다음과 같이 간단히 표현될 수 있습니다: f^* = (p - 시장 가격) / (1 - 시장 가격)

· 여기서 p은 주관적 실제 확률이며, 시장 가격은 시장 내재 확률입니다

켈리 공식의 이론적 효율성은 실제 확률과 배당률에 대한 정확한 추정에 매우 의존합니다. 현실에서는 거래자들이 계속해서 실제 확률을 정확하게 파악하기 어려워 실제 운용에서, 프로페셔널 베팅가 및 시장 예측 참여자들은 보다 실행 가능성이 높고 확률 추정에 덜 의존하는 규칙 기반 전략을 채택하는 경향이 있습니다:

· 유닛 시스템： 자금을 일정 단위(예: 1%)로 분할하고 신뢰도에 따라 다른 단위 수를 투자하여 단일 위험을 자동으로 제한하는 최도한 흔히 볼 수 있는 실행 방법입니다.

· 고정 배팅: 각 배팅마다 고정 자금 비율을 사용하며 규율성과 안정성을 강조하며, 위험 회피형 또는 낮은 확신 환경에 적합합니다.

· 신뢰도 단계: 이산 포지션 티어를 미리 설정하고 절대 상한선을 설정하여 의사결정 복잡성을 줄이고 켈리 모델의 유사 정확성 문제를 피합니다.

· 역위험 방어: 최대 손실 허용을 기준으로 포지션 규모를 역추구하여 수익 기대 대신 위험 제약에서 시작하여 안정적인 위험 경계를 형성합니다.

프로방스 마켓 에이전트에 대해, 전략 설계는 주로 실행 가능성과 안정성을 강조해야 하며 이상적으로 이론적 최적화보다는 규칙 깔끔함, 매개 변수 간결성, 판단 오류에 대한 용납성에 중점을 둬야 합니다. 이 제약 하에서, 신뢰도 단계 방식과 고정 포지션 상한선을 결합한 것이 PM 에이전트에게 가장 잘 맞는 포지션 관리 방법입니다. 이 방법은 정확한 확률 추정에 의존하는 대신 신호의 강도에 따라 기회를 한정된 티어로 분할하고 해당 고정 포지션을 할당하여, 고신 확신 상황에서도 위험을 엄격히 통제합니다.

시장 예측의 전략 선택

전략 구조에서 보면, 시장 예측은 주로 두 가지 유형으로 나뉩니다: 규칙이 명확하고 코딩 가능한 특정성 경기 전략(Arbitrage) 및 정보 해석 및 방향 판단에 의존하는 투기적 방향 전략(Speculative)이 있습니다; 또한, 베팅 및 헷징 전략에 대한 전문 기관을 위한 자본 및 인프라 요구가 높은 전략도 존재합니다.

확정적 아비트리지 전략 (Arbitrage)

· 해결 아비트리지 (Resolution Arbitrage): 해결 아비트리지는 이벤트 결과가 거의 확정되었지만 시장이 아직 완전가격화되지 않은 단계에서 발생하며, 수익은 주로 정보 동기화와 실행 속도에서 얻어집니다. 이 전략은 규칙이 명확하고 리스크가 낮으며 완전히 코딩 가능하기 때문에 예측 시장에서 에이전트가 실행하기에 가장 적합한 핵심 전략입니다.

· 확률 보존 아비트리지 (Dutch Book Arbitrage): Dutch Book 아비트리지는 상호 배타적이고 전체 이벤트 집합의 가격 총합이 확률 보존 제약 (∑P≠1)을 위배하여 형성된 구조적 불균형을 이용하며, 조합 포지션을 통해 방향성 리스크 없는 수익을 잠그는 데 중점을 둡니다. 이 전략은 규칙과 가격에만 의존하며 리스크가 낮고 높은 정도로 규칙화할 수 있어, 자동화 에이전트에게 적합한 전형적인 확정적 아비트리지 형태입니다.

· 크로스 플랫폼 아비트리지: 크로스 플랫폼 아비트리지는 동일 이벤트가 다른 시장 간의 가격 차이를 이용하여 수익을 얻으며, 리스크는 낮지만 지연 및 병렬 모니터링에 대한 요구사항이 높습니다. 이 전략은 인프라 우위를 갖춘 에이전트가 수행하기에 적합하지만 경쟁이 심해지면 마진 수익이 계속 감소합니다.

· 번들 아비트리지 (Bundle): 번들 아비트리지는 관련 계약 간의 가격 불일치를 활용하여 거래하며, 논리는 명확하지만 기회가 제한적입니다. 이 전략은 에이전트가 실행할 수 있지만 규칙 해석과 조합 제약에는 일정한 엔지니어링 요구사항이 있으며, 에이전트 적응성이 중간 수준입니다.

투기적 방향 전략 (Speculative)

· 구조화된 정보 기반 전략 (Information Trading): 이러한 전략은 명확한 이벤트 또는 구조화된 정보를 중심으로 전개되며, 공식 데이터 발표, 공고 또는 판정 창구와 같은 것이 포함됩니다. 정보 원천이 명확하고 트리거 조건이 정의되어 있다면, 에이전트는 속도와 디시플린 장점을 모니터링 및 실행 단계에서 살릴 수 있지만, 정보가 의미론적 판단 또는 상황 해석으로 전환될 때는 여전히 인간 개입이 필요합니다.

· 시그널 따르기 전략 (Signal Following): 이 전략은 과거 성과가 우수한 계정 또는 자금 활동을 따르면서 수익을 창출하며, 규칙은 상대적으로 간단하며 자동화가 가능합니다. 핵심 리스크는 신호의 퇴화 및 반대 방향으로의 악용이며, 따라서 필터 매커니즘과 엄격한 포지션 관리가 필요합니다. 에이전트의 보조 전략으로 적합합니다.

· 비구조화 및 고노이즈 전략 (Unstructured / Noise-driven): 이 유형의 전략은 감정, 무작위성 또는 참여 행위에 높게 의존하며 안정적이고 복제 가능한 edge가 부족하며 장기 기대값이 불안정합니다. 모델링이 어렵고 리스크가 매우 높기 때문에 에이전트 시스템적 실행에 적합하지 않으며 장기 전략으로 권장되지 않습니다.

· 고주파 금융가격 및 유동성 전략 (Market Microstructure): 이 유형의 전략은 매우 짧은 의사 결정 창구, 지속적 거래 또는 고주파 거래에 의존하며 지연, 모델 및 자본 요구 사항에 매우 민감합니다. 이론적으로는 에이전트에 적합하지만 시장 예측에서는 보통 유동성과 경쟁의 강도에 제한을 받아 기존 인프라 우위를 갖춘 소수 참가자에게만 적합합니다.

· 리스크 관리 및 헷지 전략 (Risk Control & Hedging): 이 유형의 전략은 직접 수익을 추구하는 것이 아니라 전반적인 리스크 노출을 줄이는 데 사용됩니다. 규칙이 명확하고 목표가 명확하며 장기적으로 운영되는 기본 리스크 제어 모듈로 작용합니다.

전반적으로, 에이전트 실행에 적합한 예측 시장 전략은 명확한 규칙, 코딩 가능하며 주관적 판단이 약한 시나리오에 집중되어 있습니다. 여기에는 결정론적 아비트리지가 핵심 수익원으로, 구조화 정보 및 신호 추종 전략은 보완적 역할을 하며 고노이즈 및 감정형 거래는 시스템적으로 배제되어야 합니다. 에이전트의 장기적인 강점은 고규율, 고속도의 실행 및 리스크 제어 능력에 있습니다.

예측 시장 인공지능 비즈니스 모델 및 제품 형태

예측 시장 인공지능의 이상적인 비즈니스 모델 디자인은 다른 수준에서 다양한 방향의 탐색 공간을 갖습니다:

· 인프라스트럭처 레이어 (Infrastructure): 다중 소스 실시간 데이터 집계, Smart Money 주소 라이브러리, 통합된 예측 시장 실행 엔진 및 백테스팅 도구를 제공하며 B2B에 요금을 부과하여 예측 정확도와 무관한 안정적인 수익을 얻습니다;

· 전략 레이어 (Strategy): 커뮤니티 및 제3자 전략을 도입하여 재사용 가능하고 평가 가능한 전략 생태계를 구축하고 호출, 가중치 또는 실행 분배를 통해 가치를 실현하여 단일 알파에 대한 의존도를 낮춥니다.

· 에이전트 / 보르트 레이어 (Agent / Vault): 신뢰 위탁 방식으로 직접 참여하고 체결하며 체인상 투명한 레코드 및 엄격한 리스크 관리 시스템을 통해 수수료 및 성과 수수료를 채권화합니다.

다양한 비즈니스 모델에 따른 제품 형태는 다음과 같이 구분할 수 있습니다:

· 엔터테인먼트화 / 게임화 모델: Tinder와 유사한 직관적 상호작용을 통해 참여 장벽을 낮추고, 가장 강력한 사용자 성장과 시장 교육 능력을 갖추고 있으며, 트랜드 극복의 이상적인 진입로입니다. 그러나 구독 또는 실행형 제품으로의 경로 전환이 필요합니다.

· 전략적 구독 / 시그널 모델: 자금 위탁이 필요 없으며, 규제에 친화적이고 책임 소재가 명확한 SaaS 수익 구조는 현재 단계에서 가장 실행 가능한 상업화 경로입니다. 그 한계는 전략이 쉽게 복제되고, 실행 중 손실이 발생하며, 장기 수익 상한이 제한되어 있습니다. "시그널 + 일괄 실행"의 반자동화 형태를 통해 경험과 유지를 현저히 개선할 수 있습니다.

· Vault 위탁 모델: 규모의 경제와 실행 효율성 장점을 갖고 있으며, 자산 관리 제품과 유사한 형태를 가지고 있지만, 자산 관리 라이선스, 신뢰 임계값 및 중앙화 기술 리스크 등 다양한 구조적 제약에 직면하고 있습니다. 비즈니스 모델은 시장 환경 및 지속적인 수익 능력에 매우 의존적입니다. 장기적인 업적과 기관급 보증이있어야만 주요 경로로 채택할 수 있습니다.

전반적으로, "인프라 수익화 + 전략적 에코 시스템 확장 + 성과 참여"의 다양한 수익 구조는 "AI가 시장을 계속 이기는 것"에 대한 단일 가정 의존성을 낮추는 데 도움이 됩니다. 시장이 성숙해짐에 따라 알파가 수렴하더라도 실행, 리스크 관리 및 결제와 같은 기본 능력은 장기 가치가 있기 때문에 더 지속 가능한 비즈니스 폐쇄 환경을 구축할 수 있습니다.

예측 시장 인텔리전스 플랫폼 사례

현재 예측 시장 인텔리전스 플랫폼(Prediction Market Agents)은 여전히 초기 탐색 단계에 있습니다. 시장은 기본 프레임워크부터 상위 도구까지 다양한 시도가 나오고 있지만, 전략 생성, 실행 효율성, 리스크 제어 체계 및 비즈니스 환경 폐쇄화 측면에서 성숙한 표준 제품을 갖춘 체계를 아직 형성하지 못했습니다.

우리는 현재의 에코 시스템 맵을 세 가지 수준으로 분류합니다: 인프라스트럭처 수준(Infrastructure), 자립형 거래 인텔리전스 플랫폼(Autonomous Agents) 및 예측 시장 도구(Prediction Market Tools).

인프라스트럭처 수준(Infrastructure)

· Polymarket Agents 프레임워크

Polymarket 에이전트들은 Polymarket 공식 출시된 개발자 프레임워크로, "연결 및 상호 작용"의 엔지니어링 표준화 문제를 해결하기 위해 설계되었습니다. 이 프레임워크는 시장 데이터 수집, 주문 작성 및 기본 LLM 호출 인터페이스를 캡슐화합니다. 이는 "코드로 주문하는 방법" 문제를 해결하지만, 전략 생성, 확률 보정, 동적 포지션 관리 및 백테스트 시스템과 같은 핵심 거래 능력에 대해서는 기본적으로 공백이 남아 있습니다. 이는 공식적으로 인증된 "액세스 규격"이지만 알파 수익이 있는 제품은 아닙니다.상용급의 에이전트는 이 기반 위에 완전한 투자 연구 및 리스크 관리 코어를 자체 구축해야 합니다.

· Gnosis 예측 시장 도구

Gnosis 예측 시장 에이전트 도구(PMAT)는 Omen/AIOmen 및 Manifold에 대한 완전한 읽기/쓰기 지원을 제공하지만 Polymarket에 대해서는 읽기 전용 권한만을 부여하며, 에코시스템 간의 장벽이 명백합니다.이는 Gnosis 내 에이전트의 개발 기반으로 사용하기에 적합하지만, Polymarket을 주요 전장으로 하는 개발자에게는 실용성이 제한적입니다.

Polymarket 및 Gnosis는 현재 "에이전트 개발"을 명확히 제품화한 예측 시장 생태계 중심으로, Kalshi 및 기타 예측 시장은 주로 API 및 Python SDK 수준에 머무르며, 개발자들은 전략, 리스크 관리, 실행 및 모니터링과 같은 핵심 시스템 능력을 자체로 보완해야 합니다.

자율 거래 자동 에이전트 (Autonomous Agent)

현재 시장에는 "예측 시장 AI 에이전트"가 여전히 초기 단계에 있으며, "에이전트"라는 명칭으로도 불구하고 실제 권한을 부여할 수 있는 자동화된 폐쇄 루프 거래까지의 능력에는 상당한 차이가 있습니다. 일반적으로 독립적이고 체계적인 리스크 관리 계층이 부족하며, 포지션 관리, 손절, 헤지 및 기대값 제약을 의사 결정 프로세스에 통합하지 않아 장기적으로 운용 가능한 성숙한 시스템을 형성하지 못하고 있습니다.

· Olas Predict

Olas Predict는 현재 제품화 수준이 가장 높은 예측 시장 인공 지능(인텔리전트) 에이전트 생태계입니다. 핵심 제품인 Omenstrat은 Gnosis 내 Omen을 기반으로 구축되었으며, 근본적으로 FPMM 및 탈중앙화 아비트레이션 메커니즘을 사용하여 소액 고빈도 상호 작용을 지원하지만, Omen의 단일 시장 유동성 제한을 받습니다. "AI 예측"은 주로 일반 LLM에 의존하며, 실시간 데이터 및 시스템화된 리스크 관리가 부족하며, 카테고리 간의 승률 변동이 상당합니다. 2026년 2월, Olas는 Polystrat를 출시하여 에이전트 기능을 Polymarket까지 확장했으며—사용자는 자연어로 전략을 설정하고, 에이전트는 4일 내에 해결되는 시장의 확률 편향을 자동으로 감지하고 거래를 실행합니다. 시스템은 Pearl에서 로컬로 실행되며, 자체 호스팅 안전한 계정 및 하드 코딩된 제한을 통해 리스크를 통제합니다. 이는 현재 Polymarket를 대상으로 한 최초의 소비자용 자율 거래 에이전트입니다.

· UnifAI Network Polymarket 전략

Polymarket 자동 거래 에이전트를 제공하며, 핵심은 테일 리스크 수용 전략에 있습니다: 잠재 확률이 95% 초과인 인접 결제 계약을 스캔하고 매수하여 3~5%의 스프레드를 목표로 합니다. On-chain 데이터에 따르면 승리 확률은 거의 95%에 달하지만 수익은 카테고리 간에 분화되며, 전략은 실행 빈도 및 카테고리 선택에 크게 의존합니다.

· NOYA.ai

NOYA.ai는 "연구-판단-실행-모니터링"을 에이전트 폐쇄 루프로 통합하려고 노력하며, 아키텍처는 인텔리전스 레이어, 추상화 레이어 및 실행 레이어를 포함합니다. 현재 Omnichain Vaults를 제공했으며, Prediction Market Agent는 아직 개발 중이며 완전한 메인넷 폐쇄 루프로 구성되지 않았으며, 전반적으로 비전 검증 단계에 있습니다.

예측 시장 도구 (Prediction Market Tools)

현재의 예측 시장 분석 도구는 "예측 시장 인텔리전트"를 형성하는 데 충분하지 않으며, 그 가치는 주로 인텔리전스 레이어 및 분석 레이어에 집중되며, 거래 실행, 포지션 관리 및 리스크 컨트롤은 여전히 거래자가 스스로 담당해야 합니다. 제품 형태에서 볼 때, "전략 구독/시그널 어시스트/연구 강화"에 더 부합하며, 예측 시장 인텔리전트의 초기 모습으로 간주될 수 있습니다.

Awesome-Prediction-Market-Tools에 포함된 프로젝트를 체계적으로 조직하고 검증하면서, 본 보고서는 초기 제품 형태와 사용 사례를 갖춘 대표적인 프로젝트를 선정했습니다. 주로 분석 및 시그널 레이어, 알림 및 풍수 조사 시스템, 아비트리지 발견 도구 및 거래 터미널 및 집합 실행에 집중하였습니다.

· 시장 분석 도구

Polyseer: 연구 지향적인 예측 시장 도구로, 다중 Agent 분업 아키텍처(Planner/Researcher/Critic/Analyst/Reporter)를 사용하여 양측 증거 수집 및 베이지안 확률 집계를 수행하고 구조화된 보고서를 출력합니다. 그 장점은 방법론의 투명성, 프로세스 엔지니어링, 완전한 오픈 소스 및 감사 가능성에 있습니다.

Oddpool: '예측 시장의 Bloomberg 터미널'으로 위치하며, Polymarket, Kalshi, CME 등의 크로스 플랫폼 집계, 아비트리지 스캔 및 실시간 데이터 대시 보드 터미널을 제공합니다.

Polymarket Analytics: 글로벌 Polymarket 데이터 분석 플랫폼으로, 트레이더, 시장, 포지션 및 거래 데이터를 시스템적으로 표시하며, 명확한 위치 및 직관적인 데이터로 기초 데이터 쿼리 및 연구 참조로 적합합니다.

Hashdive: 트레이더를 대상으로 하는 데이터 도구로, Smart Score 및 다차원 스크리너를 통해 트레이더와 시장을 양적으로 선별하며, '스마트 머니 식별' 및 복사 거래 결정에서 실용성을 갖추고 있습니다.

Polyfactual: AI 시장 인텔리전스 및 감정/리스크 분석을 중점적으로 다루며, Chrome 확장 프로그램을 통해 분석 결과를 거래 인터페이스에 삽입합니다. B2B 및 기관 사용자 시나리오에 치우쳐 있습니다.

Predly: AI 오차 감지 플랫폼으로, 시장 가격과 AI 계산 확률을 비교하여 Polymarket 및 Kalshi의 가격 설정 편향을 식별하며, 공식적으로 경보의 정확도가 89%에 달한다고 주장하며, 시그널 발견 및 기회 선별을 위해 위치합니다.

Polysights: 30여 개의 시장 및 온체인 지표를 다루며, Insider Finder를 통해 신규 월렛, 대량 거래 등의 이상 행위를 추적하며, 일상적인 모니터링 및 신호 발견에 적합합니다.

PolyRadar: 다중 모델 병렬 분석 플랫폼으로, 단일 이벤트에 대한 실시간 해석, 타임라인 진화, 확신도 점수 및 소스 투명성을 제공하며, 다중 AI 교차 확인을 강조하며, 분석 도구로 위치합니다.

Alphascope: AI 기반의 예측 시장 인텔리전스 엔진으로, 실시간 신호, 연구 요약 및 확률 변화 모니터링을 제공하며, 전체적으로 아직 초기 단계에 있으며, 연구 및 신호 지원에 치우쳐 있습니다.

· 경보/헤지펀드 추적

Stand: 확고한 위치의 헤지펀드 복제 및 높은 확신 행동 경보.

Whale Tracker Livid: 헤지펀드 포지션 변화를 제품화합니다.

· 아비트리지 발견 도구

ArbBets: Polymarket, Kalshi 및 스포츠 베팅 시장에 초점을 맞춘 AI 기반 아비트리지 발견 도구로, 크로스 플랫폼 아비트리지 및 양수 (+EV) 거래 기회를 식별하여 고주파 기회 스캔 레이어를 탐색합니다.

PolyScalping: Polymarket을 대상으로 하는 실시간 아비트리지 및 스캘핑 분석 플랫폼으로, 60초마다 전체 시장을 스캔하고 ROI를 계산하며 Telegram으로 푸시 알림을 제공하며 유동성, 스프레드, 거래량 등을 기반으로 기회를 필터링하는 기능을 제공하며 적극적인 트레이더를 대상으로 합니다.

Eventarb: 가볍고 크로스 플랫폼 아비트리지 계산 및 알림 도구로, Polymarket, Kalshi 및 Robinhood를 커버하며 기능이 중점을 두고 무료로 제공되어 기본적인 아비트리지 보조 도구로 사용하기에 적합합니다.

Prediction Hunt: 크로스 거래소 예측 시장 집계 및 비교 도구로, Polymarket, Kalshi 및 PredictIt의 실시간 가격 비교 및 아비트리지 식별(약 5분마다 새로 고침)을 제공하며 정보 비대칭 및 시장 비효율성 발견에 초점을 맞춥니다.

· 거래 터미널/집합 실행

Verso: YC Fall 2024 지원을 받은 기관용 예측 시장 거래 터미널로, Bloomberg 스타일 인터페이스를 제공하며 Polymarket 및 Kalshi의 15,000개 이상의 계약을 실시간 추적하고 심층 데이터 분석 및 AI 뉴스 인텔리전스를 제공하며 전문가 및 기관 트레이더를 대상으로 합니다.

Matchr: 크로스 플랫폼 예측 시장 집계 및 실행 도구로, 1,500개 이상의 시장을 커버하며 스마트 라우팅을 통해 최상의 가격 일치를 실현하고 고 확률 이벤트, 크로스 마켓 아비트리지 및 이벤트 주도 자동화 수익 전략을 계획하며 실행 및 자금 효율성 레이어를 탐색합니다.

TradeFox: Alliance DAO 및 CMT Digital이 지원하는 전문적인 예측 시장 집계 및 프라임 브로커리지 플랫폼으로, 고급 주문 실행(지정가 주문, 익절/손절 주문, TWAP), 셀프 호스팅 거래 및 다중 플랫폼 스마트 라우팅을 제공하며 기관급 트레이더를 대상으로 합니다. Kalshi, Limitless, SxBet 등의 플랫폼으로 확장 예정입니다.

요약과 전망

현재, 예측 시장 인공지능 에이전트(Prediction Market Agent)는 발전 초기의 탐색 단계에 있습니다.

1. 시장 기초 및 본질적 발전: Polymarket와 Kalshi는 이미 이중 독점구조를 형성하여 그 주변에 인공지능을 구축하고 충분한 유동성과 시나리오 기반을 갖추었습니다. 예측 시장과 게임의 핵심적인 차이점은 긍정적 외부성에 있으며, 실제 거래를 통해 분산된 정보를 집계하여 현실적 사건에 대해 공공적 가격을 매기고, 점진적으로 '글로벌 진실층'으로 발전합니다.

2. 핵심 포지셔닝: 예측 시장 인공지능은 실행 가능한 확률 자산 관리 도구로 위치하며, 그 핵심 임무는 뉴스, 규정 텍스트 및 블록체인 상의 데이터를 확인할 수 있는 가격 편향으로 변환하고, 더 높은 디시플린과 낮은 비용 그리고 크로스-마켓 능력으로 전략을 실행하는 것입니다. 이상적인 아키텍처는 정보, 분석, 전략 및 실행 네 가지 층으로 추상화될 수 있지만, 그 실제 거래 가능성은 결제의 명확성, 유동성의 품질 및 정보 구조화의 정도에 크게 의존합니다.

3. 전략 선택과 리스크 관리 논리: 전략적으로는 결정론적 아비트리지(결제 아비트리지, 확률 보존 아비트리지 및 플랫폼 간 스프레드 트레이딩을 포함)가 인공지능이 자동으로 실행하기에 가장 적합하며, 방향성 투기는 보완적으로만 사용해야 합니다. 포지션 관리에서는 실행 가능성과 허용 가능성을 우선적으로 고려해야 하며, 스탭핑과 함께 고정 포지션 상한선이 가장 적합합니다.

4. 비즈니스 모델 및 전망: 상업화는 주로 세 가지 층으로 나뉩니다: 인프라 층은 안정적인 B2B 수익을 얻기 위한 데이터 실행 인프라를 구축하며, 전략 층은 제3자 전략 호출이나 수입 공유를 통해 수익화됩니다. 에이전트/볼트(Vault) 층은 체인 상의 투명한 리스크 제약 하에 라이브 트레이딩을 수행하고 관리 수수료와 성과 수수료를 받습니다. 해당 형태에는 엔터테인먼트 진입, 전략 구독/시그널(현재 가장 실행 가능), 그리고 고임계의 Vault 보관이 포함되며, '인프라 + 전략 생태계 + 성과 참여'가 더욱 지속 가능한 경로입니다.

예측 시장 인공지능 에이전트(Prediction Market Agents) 생태계에서 이미 다양한 하위 구조부터 상위 도구로의 시도가 나타나고 있지만, 전략 생성, 실행 효율성, 리스크 통제 및 비즈니스 루프 등 주요 차원에서는 아직 성숙하고 재현 가능한 표준화된 제품이 등장하지 않았습니다. 우리는 미래에 예측 시장 인공지능 에이전트의 반복과 진화를 기대합니다.

원문 링크