本文研究Kalshi多变量事件市场的按需生成机制,发现七日观察期内形成7,611,594个独特REST市场对象,但其结构高度集中于三个集合,其中最大集合占94.82%,集合有效数量仅为1.11 。83,701个原始选腿被重复使用,基于基数加权计算的有效原始要素数量约为720,说明市场对象数量并不等同于经济宽度 。研究还发现REST与WebSocket观察面存在显著差异,当前快照中仅35.38%的对象具备正交易量或持仓等活动资格,且终端端点覆盖与完整生命周期路径覆盖属于不同统计对象 。
| 统计指标 | 数值 |
|---|---|
| 观察区间 | 2026-08-15 19:51:29.025 UTC至2026-08-22 19:51:29.025 UTC |
| 独特REST市场对象 | 7,611,594 |
| 日均生成量 | 1,087,371 |
| 秒均生成量 | 12.59 |
| 小时最低生成量 | 4,640 |
| 小时最高生成量 | 237,403 |
| 小时生成量中位数 | 27,404 |
| 小时生成量均值 | 45,039 |
| 集合 | 市场对象数量 | 人口占比 |
|---|---|---|
| Collection A | 7,217,085 | 94.82% |
| Collection B | 358,400 | 4.71% |
| Collection C | 36,109 | 0.47% |
| 合计 | 7,611,594 | 100.00% |
| 观测总体 | Ticker数量 | 与REST创建时间总体的精确交集 |
|---|---|---|
| WebSocket创建通知 | 1,487,330 | 276,177 |
| WebSocket任意生命周期证据 | 2,498,640 | 378,129 |
| 生命周期与端点指标 | 数量 | 占注册总体 |
|---|---|---|
| 具备精确公开端点证据 | 7,357,576 | 约96.66% |
| REST-only精确端点 | 7,237,993 | — |
| REST与WebSocket证据一致 | 119,212 | — |
| WebSocket-only精确端点 | 371 | — |
| 截止边界无精确端点 | 254,018 | — |
| 具备精确确定—端点配对 | 126,806 | 约1.67% |
报告标题:《On-Demand Combinatorial Event Markets on Kalshi: Instantiation, Concentration, and Effective Market Breadth》(Kalshi按需组合事件市场:实例化、集中度与有效市场广度)。
作者:Maksym Nechepurenko。
机构:Devnull FZCO研究部,迪拜。
日期与版本:2026年9月,Version r0.7.10。
研究主题:Kalshi多变量事件市场(MVE)的市场对象生成机制、组合事件的实际实例化规模、集合与基础事件腿的集中度、活动可观测性,以及REST API与WebSocket之间的观测差异。
这不是一份传统的上市公司或证券研究报告,因此没有股票评级、目标价、收入预测、净利润预测或DCF估值。报告也明确表示不评估商业产品、不提供投资建议,其研究对象是Kalshi平台内部的组合市场架构与实际生成的市场对象。 核心论点可以概括为:Kalshi可以在短时间内产生数百万个组合市场ticker,但ticker数量并不等于经济意义上的市场广度;这些对象高度集中于少数collection,并重复使用相对有限的primitive leg集合,同时不同数据接口所观察到的市场总体并不相同。
报告最重要的数量结论包括:在注册的七天区间内,研究者通过REST接口识别出7,611,594个唯一MVE市场ticker;这些市场对应5,262,526个事件键、3个collection键、83,701个基础选定腿标识,以及66,344,938次基础腿出现记录。 最大collection包含7,217,085个对象,占总数94.82%;collection层面的HHI为0.9013,对应有效collection数量仅约1.11个。 按primitive出现次数加权后,有效primitive数量约为720.2,说明对象数量虽然极大,但其底层信息元素存在显著复用。
引言首先区分了三个概念:数学上可能形成的组合数量、平台实际生成的市场对象数量,以及真正获得交易活动的市场数量。作者没有试图计算所有理论上可行的组合,因为Kalshi并未公开完整的可行组合空间;研究问题被限定为:哪些组合实际上被实例化、它们如何映射到collection和primitive leg、实例化是否集中,以及有多少对象在当前快照中显示出活动资格。
这一限定非常重要。若直接把ticker数量等同于市场广度,就会把大量共享相同底层事件腿、但仅在条件排列或组合结构上有所差异的对象视为完全独立的经济机会。报告的分析框架因此采用分层统计单位:market object、event key、collection key、primitive leg和activity-equivalent breadth,而不是只报告ticker总数。
报告将Kalshi的MVE机制描述为:用户或平台从某个MVE collection中选择若干精确事件腿,发出创建请求,随后形成一个可查询或交易的实例化市场。API文档表明,单个市场必须先通过创建端点生成,之后才可以被交易或查询,因此观察到的市场集合不是简单的交易所静态目录,而是平台接口与请求行为共同产生的结果。
图1是制度机制示意图:
图中从左到右依次是“MVE collection—Selected exact legs—Creation request—Instantiated market”。下方虚线框表示研究收集器只观察已经创建的市场记录,并不调用创建接口。该图的关键含义是,研究数据没有主动制造样本,因此观测到的创建量可以被解释为平台接口下的现实实例化结果,而不是研究者自身采集行为造成的市场增长。
作者将这一点形式化为“不干预标准”:注册采集期间,研究过程未调用MVE创建端点;如发现确有干预,受影响区间应被排除。这样做可以避免把研究系统产生的市场误认为用户需求,也避免把市场创建数量直接误读为Kalshi的静态上架政策。
但这也带来一个解释边界:创建强度是“需求—平台架构”的内生结果。7,611,594个对象并不等于有同样数量的独立交易者、独立信息冲击或独立经济命题。
研究将REST数据划定为一个精确的七天注册区间:
[ [T_0,T_{enroll})=[2026\text{-}08\text{-}15\ 19:51:29.025,\ 2026\text{-}08\text{-}22\ 19:51:29.025)\ UTC ]
190个经过终端验证的时间叶片产生7,617,371条原始引用,经过本地半开区间筛选后,保留7,611,594个唯一精确ticker,并另外保留5,777条边界重叠观察作为排除边界的证据。研究者报告没有精确重复组,也没有身份冲突或父级冲突。
这里的核心是“横截面”而非完整历史过程。该数据可以支持市场对象数量、collection分布、primitive出现次数、精确结构签名和终端字段分布,但如果创建记录没有独立保留,就不能从当前状态反推出每个市场完整的历史创建过程。
所有在[T0,T0+7天)期间观察到的MVE创建通知进入前瞻性队列,并被跟踪至T0+14天;在T0之前已经存在但在观察期内产生状态变化的市场会保留在原始流中,但不纳入“从创建开始”的完整队列分母。
这种设计将“注册期内已有的终端横截面”和“从创建时点开始跟踪的生命周期样本”区分开来,避免把左截断市场错误地当成完整生命周期样本。
报告计划为MVE队列和按日历匹配的普通市场创建队列获取公开交易或活动摘要。普通市场仅作为描述性基准;即使进一步匹配底层事件家族和创建日,也不能据此识别MVE架构的因果影响。
因此,报告的设计可以进行分布和生命周期对比,但不能回答“MVE机制是否导致更高交易量”这类严格因果问题。
报告列出“Table 1: Primary estimands and dependence structure”,其作用是说明研究不只使用单一总量,而是分别估计创建强度、collection集中度、primitive集中度、生命周期漏斗和活动等价广度。 由于提供的原文摘录没有展示表1的具体行列和数值,因此不能对表内未显示的具体估计量作额外推断;但正文明确指出,不会把单一集中度指数当成唯一结论,并将不确定性按collection层级及创建日进行聚类或区块重抽样。
“Table 2: Registered KMVE population and hierarchy”用于展示market object、event、collection和primitive四类不同统计单位。 正文给出的核心层级数据如下:
| 层级 | 数量或指标 | 解释 |
|---|---|---|
| REST市场对象 | 7,611,594 | 注册七天区间内唯一精确ticker |
| 原始引用 | 7,617,371 | 190个终端验证叶片产生的原始记录 |
| 排除边界观察 | 5,777 | 用于边界审计,不纳入主总体 |
| Event key | 5,262,526 | 平均每个事件键对应约1.45个市场对象 |
| Collection key | 3个 | 形成极度集中的父级结构 |
| Primitive identity | 83,701个 | 选定腿的精确归一化标识 |
| Primitive occurrences | 66,344,938次 | 所有市场中基础腿被重复使用的次数 |
7,611,594个对象除以七天,得到平均每天约1,087,371个对象,即每秒约12.59个对象。 这一速度只能解释为注册接口下的对象生成速度,不能理解为每天新增了同等数量的事件、交易者或信息来源。
图3展示了注册七天内按UTC小时统计的REST市场对象创建数量,且没有进行平滑处理。纵轴最高值为237,403,时间轴覆盖8月15日至8月22日;起始和结束小时由于研究区间从19:51:29.025开始和结束,属于不完整小时,不能与完整小时直接等量比较。
从图形看,8月15日至19日的小时创建量大多处于相对低位,并呈现周期性起伏;8月20日之后出现明显抬升,8月21日至22日之间出现多次高峰,最后阶段持续超过每小时100,000个对象。正文给出的完整统计是:小时最小值4,640,中位数27,404,平均数45,039,最大值237,403,最大值出现在2026年8月22日17:00 UTC开始的小时。
这说明创建过程高度非平稳,不能用一个稳定的泊松式平均速率概括。后半段的集中爆发可能反映平台请求、事件批量生成或特定时段的组合需求,但报告没有将其归因于某一个具体原因,因此只能确认“存在明显突发性”,不能确认突发的因果来源。
图3还支持一个统计学判断:ticker之间很可能不是独立同分布的观测值。同一个collection或同一创建时段内可能同时生成大量相互关联的对象,因此报告采用collection和创建时间区块进行不确定性处理,而没有将每个ticker当作完全独立样本。
图4展示三个精确collection key下的市场对象数量。图中横向条形图采用log10宽度,仅为了让较小的collection可见;图中打印的数值仍是精确数量。
具体分布为:
对应的collection HHI为0.9013。HHI即各组市场份额平方之和,数值越接近1,说明市场对象越集中;其倒数约为1.11,可理解为“如果所有对象均匀分布,需要多少个同等规模collection才能产生相同集中度”,而不是实际存在1.11个collection。
因此,7,611,594个对象并不是均匀分散到众多父级市场中,而是几乎全部集中在一个collection之下。作者特别强调,这并不意味着Kalshi只有“三个市场”,而是说明这七天注册对象被三个观察到的collection标识组织起来,其中一个承担了几乎全部对象数量。
表3对三个观察到的collection ticker进行了只读端点验证。三个端点均返回HTTP 200,并且返回的精确key与市场记录中的collection key一致。
报告给出的精确映射为:
KXMVECROSSCATEGORY-R,当前父级series为KXMVECROSSCATEGORY;KXMVECROSSCATEGORY-SHARD1-R,当前父级series为KXMVECROSSCATEGORY-SHARD1;KXMVESPORTSMULTIGAMEEXTENDED-R,当前父级series为KXMVESPORTSMULTIGAMEEXTENDED。但这类验证只说明当前读取时父级身份有效,不能证明这些collection或series版本在市场创建、判定或结算时完全相同。由于市场行本身没有非空series-key字段,表3中的series关系来自当前父级端点,而不是历史市场行字段。 这是报告中一个重要的证据边界:当前身份验证不等于历史身份重建。
图2用二部关系图展示primitive与market之间的多对多关系。左侧是Primitive p1、p2、p3,中间是Market m1、m2、m3,右侧是Collection c;不同primitive可以被多个market重复使用,而多个market又可以属于同一个collection。
图示的直接含义是:市场对象数量可以通过重复组合少量primitive而快速增长。因而,新增大量条件元组或重复组合,能够显著推高market object数量,却不必同比增加新的基础信息元素。
报告统计到83,701个精确归一化primitive身份和66,344,938次primitive出现。单个primitive的出现次数中位数为19,90分位数为780,99分位数为14,754,最大值达到1,055,068次。 这是一种明显的长尾结构:多数primitive使用次数较少,但极少数primitive被大量市场反复调用。
primitive HHI为0.001388,倒数得到约720.2的有效primitive数量。 这里的“有效数量”不是实际primitive数量,也不代表720个互相独立的信息来源或720个具有流动性的基础市场;它只是按照primitive出现次数加权后,对集中程度进行转换的指标。
5,262,526个event key对应7,611,594个市场对象,平均每个event key对应1.45个market object;中位数为1,90分位数为2,99分位数为8,最大值为4,223。 这表明大部分事件只对应一个市场对象,但存在少量事件对应大量对象的极长尾。
报告构造了精确生产身份签名:保留event ticker、collection ticker,以及每个selected leg的event ticker、market ticker和side;selected legs按排序后的多重集合处理,并排除输出MVE ticker、时间戳、活动字段、状态、标题和规则。 在该签名定义下,7,611,594个对象产生7,611,594个不同签名,最大签名组大小为1,即没有精确碰撞组。
但是,零碰撞不能解释为每个对象都有独立经济命题。原因是event identity本身被纳入签名,同一组leg如果对应不同event identity,仍然会被判为不同签名;此外,同一primitive词汇被大量重复使用。因此,报告明确指出,若要研究“只按leg集合判断的语义等价性”,需要另行建立不包含event identity的稳健性分类。
表4用于展示注册REST总体与WebSocket生命周期流之间的精确ticker交集,而不是简单把某一接口当成另一接口的“金标准”。
核心数字如下:
这意味着REST创建时间总体和WebSocket通知总体只有部分重叠。研究者没有把WebSocket中无法匹配的ticker强行归入虚构的REST父级,也没有将REST独有ticker自动称为WebSocket漏报,因为两个接口具有不同的观测规则,且WebSocket存在文档所述的提供方缺口。 因此,表4衡量的是观测面差异,而不是某一接口相对于另一个接口的召回率。
表5统计的是读取时的活动字段,而不是注册七天区间内实际发生的交易。 所有7,611,594条市场记录都具有可解析的累计成交量、24小时成交量和未平仓量字段;四种已登记的交易次数字段则全部缺失。
报告定义的活动资格为:当前累计成交量大于0、当前未平仓量大于0,或可用交易次数大于0。由于交易次数字段完全不可用,最终2,692,787个对象满足联合条件,占REST总体35.38%;该联合集合等于正累计成交量集合,其中2,671,402个对象同时具有正未平仓量。
这35.38%不能被解释为“七天内有交易的市场比例”。它只表示在数据读取时,当前累计成交量或当前未平仓量等字段显示出活动迹象;无法确定活动发生在注册窗口内、发生过多少笔交易,也无法据此计算历史交易市场比例。
尤其是所有观察到的24小时成交量均为零,这一现象不能直接推导出历史上没有交易,只能说明读取时该字段为零,或者该字段在当前接口语义下没有反映研究者所需的历史窗口活动。
14天后续跟踪并不改变注册总体的成员资格、190个时间叶片的证明或层级统计数量,而是增加了一个生命周期可观测性层。
在后续数据中,具有精确公开端点证据的MVE对象共7,357,576个,其中:
7,357,576除以7,611,594,约为96.66%,说明终端公开端点覆盖率接近总体。但只有126,806个ticker同时具备精确的“判定—端点”双时钟配对,占总体约1.67%。
这两个比例的分母相同,但测量对象不同:96.66%衡量的是终端公开端点是否存在,1.67%衡量的是两个时间系统是否同时可用于构建精确生命周期路径。报告因此反对将“市场存在”“端点可查”“双时钟路径完整”压缩为同一个ticker级漏斗。
本报告没有传统金融研究中的估值章节,不使用DCF、P/E、EV/EBITDA、可比公司估值或目标价,也没有对Kalshi收入、利润、现金流或市场份额进行财务预测。因此不存在折现率、永续增长率、目标估值倍数或估值敏感性分析。
报告中的“有效primitive数量”“有效collection数量”和“activity-equivalent breadth”不是企业价值或证券价格估值,而是用于衡量结构集中度的统计转换。尤其是有效数量不能解释为独立信息源数量、流动性数量或经济价值数量。 报告的“活动资格”也不是交易收入、用户留存或盈利能力指标,而是当前字段可观测性下的条件分类。
七天窗口可能恰好覆盖某些事件导致的批量创建,因此不能据此推断长期稳定的市场生成速度。 创建行为本身受到用户请求和平台机制影响,不能简单解释为所有交易者潜在需求的无偏代理。
三个collection端点的HTTP 200验证只反映当前状态,不能证明历史创建或结算时使用了相同的collection、series或规则版本。 因此,任何基于当前父级信息进行历史回溯的结论都必须保持谨慎。
累计成交量、未平仓量和24小时成交量是读取时的当前快照,没有提供足够的活动时间信息;交易次数字段又全部缺失,因此无法将活动资格准确映射到注册七天区间。 把35.38%直接称为“历史活跃率”会夸大证据强度。
精确签名零碰撞只说明在既定身份公式下没有两个记录完全相同,不等于每个市场在经济意义上都不可替代。由于event identity被纳入签名,leg-only重复使用仍可能被分裂成多个签名组。
REST与WebSocket的交集较小,且WebSocket存在提供方缺口。任何试图将两个接口简单合并、去重或互相填补的做法,都可能制造并不存在的父级关系或错误的生命周期路径。
报告有一个相当有力但总体得到数据支持的判断:ticker数量不是经济广度的充分指标。其依据包括collection层面的94.82%集中度、primitive的高频复用、REST与WebSocket集合差异,以及终端端点覆盖和双时钟路径覆盖之间的巨大差距。
不过,报告并没有证明这些市场对象“经济价值低”,也没有证明inactive对象完全无意义。作者明确指出,activity-equivalent breadth是集中度诊断工具,不是对原始市场对象数量的替代,也不能据此断定未活跃对象没有价值。 这一点避免了从“结构重复”直接跳跃到“市场无效”的过度结论。
这份报告的主要贡献不是发现Kalshi存在大量ticker,而是说明这些ticker必须放在多个层级中解释。七天内生成的7,611,594个REST市场对象确实显示出强大的按需实例化能力,但它们集中于三个collection,其中最大collection占94.82%,collection有效数量仅1.11;同时83,701个primitive被重复使用,按出现频率加权后的有效primitive数量约720.2。
图3显示创建过程明显突发,后半段出现超过每小时100,000个对象的持续高峰,说明简单的平均日创建量不足以描述平台行为。 图4则显示总体规模与父级多样性之间存在巨大落差:数百万对象并没有对应数百万个相互独立的市场架构。图2进一步揭示了primitive复用如何在少量底层元素基础上产生大量组合对象。
同时,REST和WebSocket并不存在一个天然统一的ticker宇宙;二者交集仅部分覆盖,终端公开端点覆盖率接近总体,但精确双时钟生命周期路径只覆盖约1.67%。 因此,报告最终建立的是一个分层测量框架:对象数量、事件身份、collection结构、primitive复用、接口成员资格、精确生产签名、当前活动状态和生命周期路径,都是不同的统计对象。
总体而言,作者的判断是:Kalshi的MVE市场对象生成是一个真实且具有规模的市场架构现象,但不能用原始ticker数量直接代表经济广度、交易活跃度、独立信息生产或社会福利。 当前证据足以支持规模、集中度、复用和观测面差异的结论,但不足以支持用户需求、历史交易、因果效果、完整理论组合空间或投资价值方面的结论。
2609.17610.pdf