本文研究预测市场中公共证据何时足以依据适用规则将合约结算结果收敛为唯一值,提出“首次可判定性”与“稳定可判定性”两个时间概念,并区分规则、证据、场所判定与最终结算。历史回溯测试显示,25个盲测身份和当前规则均成功恢复,但历史规则版本与官方发布对象均未能恢复;前瞻性基础设施测试验证了跨25个市场的观测能力,却尚未产生合约可判定性、价格或跨市场实证结果。
报告的核心观点可以概括为:现实事件发生、官方来源发布信息、合约规则使结果变得唯一、交易所作出判定以及最终结算,这些是不同的时间和信息对象,不能简单用交易所判定时间替代“公众何时已经能够依据合约规则得出唯一结果”。 报告因此提出两个时间概念:首次可判定性是公共证据在当时首次把合约的合法结算结果压缩为唯一值的最早时间;稳定可判定性则是回溯后确认,从某一时刻开始,该唯一结果在后续规则修订、来源更正和最终结算前始终没有改变的最早时间。
报告已经完成的部分主要是两项基础性工作。第一,历史回溯测试发现,虽然可以确认大量历史市场和当前规则文本,但无法恢复足够精确的历史规则版本和官方来源发布对象,因此历史样本无法构造合格的契约可判定性时钟。 第二,前瞻性基础设施测试证明研究者能够持续捕捉规则、官方来源、市场生命周期和重连信息,但尚未完成正式的人工盲审,因此报告没有披露任何真实的首次可判定时间、稳定可判定时间、延迟估计、价格结果或跨平台比较结果。
报告首先区分了五类对象:现实世界事件、来源发布、合同上足够的证据集合、交易所官方判定和最终结算。 例如,一项宏观经济数据可能已经由官方机构公布,但如果合约要求使用特定版本、特定时间区间、特定时区或带有例外条件的统计口径,那么“数据公布”并不自动意味着合约结果已经确定。
报告将这一问题称为某种“语义不可替代性”:表面上相似的事件合约,可能因为数据来源、时间范围、阈值、例外条款和解决规则不同,而对应不同的结算含义。 因此,同一份官方发布内容可能让一个合约的结果唯一,却不能让另一个看似相似的合约唯一。
这一框架也区别于“结算操纵”。结算操纵关注参与者是否有动机影响证据生成过程,而本报告关注的是:在不改变证据生成过程的前提下,既有的公开规则和公开证据何时已经足以推出一个唯一结算结果。
报告为每个市场 (i) 定义了三个核心对象:
规则图并非只有市场名称或一段简单的条款,而是包含合约或系列条款、市场特定的主要和次要规则、明确指定的来源、阈值与时区条件、提前关闭条款以及带日期的附加细节。 只有当这些组成部分与某个具体、版本化的来源发布对象结合后,才能判断可接受的结果集合是否缩减为单一值。
直观而言,规则与证据共同输入一个映射 (\Psi_i(\Gamma_i(t),E_i(t)))。当这个映射的结果集合大小为1,即 (|\Psi_i(t)|=1),且合约不再要求等待任何未来条件时,市场才达到首次可判定状态。 这里“没有未来条件”非常重要:即使当前证据已经强烈指向某一结果,如果合同规定还要等待另一项官方确认、截止日期或后续数据,也不能把当前时刻直接认定为可判定。
首次可判定时间是一个实时、当时可用信息集概念。它回答的问题是:在不使用未来修订、不使用交易所后来给出的答案、也不使用事后信息的情况下,公众最早何时可以依据当时有效的规则和可用证据确定唯一结果。
报告特别强调,首次可判定并不保证之后永远不变。来源页面可能被修改,官方数据可能被更正,交易所规则也可能出现解释或版本变化,因此早期形成的唯一结果可能后来重新变得不确定,或者唯一结果发生改变。
稳定可判定时间是一个回溯性稳健性概念。它以最终归档的结算值为参照,寻找一个最早时刻,使得从该时刻开始到最终化之间,所有被观察到的规则或来源版本都继续给出同一个最终结果。
这意味着稳定可判定并不是交易者在当时可以直接观察到的实时指标,而是研究者在未来拥有完整版本历史后才能计算的“事后确认时钟”。 如果首次可判定很早出现,但后来来源被修正,稳定可判定就会晚得多;如果早期证据从未被修正,两个时钟则可能相近。
报告还指出,稳定可判定可能早于也可能晚于交易所官方判定时间。 如果交易所已经作出判定,但后来研究者才发现此前存在未归档的规则或来源修订,使得结果直到事后才稳定,那么稳定可判定会晚于官方判定;反之,如果所有公开证据早已稳定,而交易所迟迟没有行动,稳定可判定则会早于官方判定。
图1左侧列出了三类规则输入:合约/系列条款、市场特定规则和附加细节;右上方则是版本化的来源发布对象。 这些输入共同进入中间的“可接受结果”映射 (\Psi_i(\Gamma_i(t),E_i(t))),当映射结果为唯一值时,才向下产生“单一结果”。
这张图最重要的含义是:来源不是结果,来源只是输入之一。即使研究者找到了一个官方来源名称和发布时间,也必须将其与具体规则版本、阈值、时区、例外条件和附加细节结合起来,才能确定结算结果。 图中以虚线框表示的映射过程也暗示,真正需要识别的不是“有没有新闻”或“有没有数据”,而是证据经过契约规则转换后是否已经只剩一个合法结果。
图1支持报告的“命名来源不足命题”。报告明确认为,仅凭来源名称和发布时间通常不能识别契约可判定性,因为不同的执行价、例外条款、时间窗口、来源优先级和待满足条件,都可能使同一发布内容映射到不同的结果集合。 该设计同时解释了为什么历史数据恢复困难:研究者必须恢复准确的版本化来源对象,而不是只找到一个后来仍可访问的网页。
图2展示了一个时间关系链:公共来源先于首次可判定,首次可判定之后是交易所判定,交易所判定之后是最终化。 图中标注了两个主要延迟:从公共来源到首次可判定的 (L^{PF}),以及从首次可判定到交易所判定的 (L^{FD})。
图2还用虚线将规则和来源修订历史连接到稳定可判定,强调稳定可判定并不是简单的线性流程节点,而是依赖后续版本历史进行回溯确定的分析对象。 因此,图中的实线可以理解为通常的事件流程,虚线则表示对历史信息进行重建后才能得到的稳健性判断。
这张图支持报告的关键识别策略:不能把交易所判定时间直接当作公共可判定时间。若两者被强行设为同一时间,则从首次可判定到官方判定的延迟会被机械压缩为零,并且引入明显的事后偏差。 报告将“用最终结果构造盲审前的可判定时间”定义为不可接受的做法。
报告在第6节列出了“历史可行性测试和前瞻性基础设施测试之后的证据可得性”表,但用户提供的文本只保留了表题,没有包含表格具体行列或数值单元格。 因此,无法对表1的每一项分类、比例或交叉比较进行逐格解读,也不应根据表题自行推断表中未显示的内容。
不过,表1的功能可以由正文明确说明:它用于区分已经完成的历史证据、已经完成的前瞻性基础设施验证,以及尚待进行的正式样本抽取、盲审和时钟测量。 这种区分与报告整体的谨慎立场一致,即基础设施能力不等于已经得到经验性契约可判定性结果。
历史普通市场框架包含152,694个精确普通ticker和11,530个精确事件身份,研究团队完成了6,540次只读官方请求。 在冻结的25市场盲测中,25/25个身份均可审计,25/25个盲化检查通过,且25/25个市场都恢复了当前规则文本。
但关键失败点在于:25个市场中,恢复到精确或有界历史规则版本的数量为0,恢复到精确或有界官方来源发布对象的数量也为0。 在完整历史恢复中,符合历史纳入条件的事件数为0,符合条件的ticker数也为0。
这些结果并不意味着历史市场当时没有人能够判断结果,也不意味着当时不存在公共证据。 它们只说明,在报告规定的证据等级下,研究者无法从现有公开历史记录中同时绑定“当时适用的规则版本”和“当时具体的官方发布对象”,因而不能重建合格的契约—证据时钟。
历史测试的价值在于揭示了“经济上定义良好”和“实证上可观察”之间的差异。某个时钟在理论上可以定义得非常清楚,但如果历史网页被覆盖、规则版本没有保留、官方数据缺少版本化快照,那么研究者仍然无法可靠地测量它。
报告也明确表示,历史试验是已经完成的可行性测试,而不是一个正在执行的500市场历史项目。 这避免了把“零个历史合格样本”误解为研究者尚未完成全部采样。
前瞻性基础设施测试从2026年9月1日22:31:38 UTC开始,在2026年9月4日22:54:26 UTC达到生产状态,持续有效观察260,568秒,即72小时22分48秒。 测试覆盖BLS CPI、FOMC目标利率和《联邦公报》行政命令三个来源项目,涉及三个事件和25个市场。
测试完成了781,266个生命周期帧的完整性重新验证,记录了22个下界已闭合的重连收据,没有发现未解决的重连缺口,也没有发现到期但漏捕的官方发布。 这些指标证明系统能够持续记录市场和来源生命周期,而不是只在单一时间点抓取网页。
价格层在测试期间为空,Concurrent Public Polymarket元数据产生了1,405个初步候选,但没有一个通过语义接受。 这意味着报告没有形成有效价格样本,也没有形成可接受的跨平台对应市场,因此不能据此讨论价格效率、套利机会或Kalshi与Polymarket之间的结果差异。
生产入组从2026年9月4日22:54:26 UTC开始,主要入组区间在2026年10月4日22:54:26 UTC之前结束。 注册的42天总入组上限为2026年10月16日22:54:26 UTC,这实际上是在30天主要入组期之外最多增加12天,而不是再增加42天。
事件观察期截至2026年10月19日22:54:26 UTC,硬性跟踪期截至2026年11月3日22:54:26 UTC。 测试阶段的数据默认不纳入正式研究,除非另有冻结的“无结果泄漏”规则通过验证;正式研究只能使用入组之后产生的收据。
最终前瞻性样本框在入组结束时构建,只能使用预先冻结的身份信息、来源类别、市场形式和预期时间范围。 交易所结果、判定时间、最终化时间、终点类别和价格路径被排除在初始抽样和首次盲审之外。
这种设计的目的,是避免根据结果选择样本或根据事后延迟决定哪些市场更值得研究。它使样本选择独立于最终结果,从而减少选择偏差和事后偏差。
报告预先注册了四种支持状态:
在完整支持下,简单随机抽取500个样本时,对于比例估计,最坏情形95%误差边界约为0.044,即约4.4个百分点。 但报告也明确提醒,分层、聚类、加权和人工审查中的样本损耗都会扩大实际误差,因此4.4%不是正式结果的保证区间。
主要分层变量都是在不知道交易所结果的情况下可以获得的,包括来源类别、市场形式以及根据预先记录的日程计算的预期时间范围。 稀疏单元会在市场形式内部确定性地合并到残余单元,以避免极小分层造成不稳定分配。
分配采用平方根规模权重,即较大的层获得更多样本,但不是完全按层规模等比例扩张;对于符合条件的非空层,至少分配两个观察值,且不超过该层本身的规模,再通过最大余数方法调整到总样本量 (n^*)。 每个样本的纳入概率为 (\pi_i=n_h/N_h),分析权重为其倒数 (1/\pi_i)。
这套设计的优点是兼顾大层代表性和小层最低覆盖,缺点是分层加权后的估计精度会依赖各层内部同质性、聚类结构以及后续证据缺失程度。
初始盲审人员可以看到精确身份、记录中的预先规则字段、来源声明和归档来源发布对象,但不能看到Kalshi结果、判定时间或最终化时间。 审查者需要选择适用的发布对象、逐一评估规则谓词,并把首次和稳定可判定记录为精确时间、时间区间、代理值、未测量或冲突。
初始审查记录被保存后,才允许进行交易所后续链接。如果后续链接发现矛盾,研究团队必须建立新的审查版本,而不能覆盖最初的盲审判断。 这一版本控制设计能够保留研究者在不知道结果时的原始判断,便于分析事后信息是否改变了结论。
至少20%的样本接受独立第二审查,目标是至少100个合格数据包,但实际复核数不可能超过最终样本量,因此“100个”只是目标,不能提前宣称已经达到。 对名义变量,报告计划使用原始一致率和Cohen’s κ;对时间变量,则使用区间重叠率和边界绝对差异。
报告还区分随机可靠性复核和冲突强化审计。前者用于估计一般审查者一致性,后者专门集中于争议案例,二者不能混合,否则会使可靠性样本失去概率抽样含义。
本报告没有传统DCF、P/E或EV/EBITDA估值,因为研究对象不是公司股票,而是可判定性和信息延迟的测量。 其主要估计对象包括:
报告还设计了来源发布伪造样本和通用主页时间戳作为负控制,以检验仅凭不合格时间信息是否会错误地产生可判定时钟。 将市场关闭时间作为替代锚点,以及把交易所判定直接当作可判定性的做法,只会作为机械性错误示范,而不是正式估计量。
报告中的主要延迟概念包括来源发布到首次可判定的 (L^{PF}),以及首次可判定到交易所判定的 (L^{FD})。如果稳定可判定晚于交易所判定,报告将出现的负稳定延迟视为冲突类别,而不是解释成真正的“负延迟”。 对时间区间数据,研究不会用中点强行替代真实时间,而是分别报告在某个阈值内已经确定的下界和上界。
公共网页可能被修改或覆盖,历史规则和来源发布对象未必保留,因此历史研究容易出现“当前文本可见、当时版本不可见”的问题。 报告通过前瞻性归档、版本化对象和修订图缓解这一风险,但无法补救已经丢失的历史证据。
交易所可能使用研究者看不到的内部证据或程序性材料。 因此,研究者构造的公共证据可判定时间不一定等于交易所内部实际掌握信息的时间,尤其不能把公共可判定延迟直接解释成交易所低效的因果证据。
即使有盲审和独立复核,判断某个来源是否满足规则、哪一个发布对象具有优先级,以及某个时间区间是否足够精确,仍然包含人工判断。 报告用双人复核、Cohen’s κ、时间边界差异和冲突版本控制来降低风险,但不能完全消除主观性。
分层样本只能支持带权样本范围内的结论,不能自动推导整个交易所的情况,特别是在来源覆盖不足或不同市场存在非响应时。 这也是报告采用支持阈值和no-go规则的原因:如果无法达到预设可观察性条件,就不应通过统计模型掩盖证据缺失。
较长的首次可判定到交易所判定延迟只能被称为公共证据剩余延迟,不能直接当作交易所低效率的因果估计。 延迟可能由人工审核、合同要求、内部流程、证据冲突、规则解释或未观察到的程序导致,报告本身没有设计足以区分这些机制的因果实验。
KMVE V1包含7,611,594个精确REST ticker、5,262,526个精确事件键、3个经当前验证的集合身份和83,701个选定腿原语。 但这些对象不能直接作为不受限制的儿童ticker样本,否则高度相关的子市场可能在统计上被重复计权。 报告因此只将KMVE用于依赖性诊断和小规模探索性分层,并借助事件或系列簇进行聚类敏感性分析。
第一,报告的最大优点是对“尚未完成的结果”保持了严格克制。它反复区分基础设施通过、历史证据可恢复、盲审完成和正式经验结果,避免把781,266个生命周期帧误写成781,266个可判定性观察。
第二,历史样本为零并不等于研究问题没有经济意义。它更准确地说明,研究问题对版本化历史档案的要求很高,而公开记录无法满足这一要求。 但从批判角度看,研究结论高度依赖作者所定义的“可接受证据等级”;如果未来采用较宽松的代理来源或允许人工重建,纳入数量可能发生变化,因而“零”是严格观测标准下的结果,而不是所有可能研究标准下的普遍事实。
第三,稳定可判定是概念上有价值但事后才能计算的指标。它有助于识别来源修订和规则变化,却不能代表交易者实时拥有的确定性。 因此,若将稳定可判定用于市场效率或交易策略分析,需要特别避免把事后稳健性误当作实时可交易信息。
第四,报告预注册了完整、缩减、探索性和no-go四种支持状态,这提高了研究透明度,但也意味着最终样本量取决于入组结束时可观察性是否达标,而不是事先固定为500。 如果最终只能进入探索性支持,研究结果的统计精度和外推能力将明显低于完整支持情形。
第五,报告的许多核心公式在提供的文本抽取中出现缺失或不完整,特别是区间证据产生延迟界限、比例界限和平方根分配的具体数学表达式没有完整显示。 因此,能够确认其概念和方向,但不能仅凭当前文本复核所有公式的精确形式、边界条件和实现细节。
第六,表1的具体单元格没有出现在提供材料中,这限制了对不同证据类别完成度的细分核验。 报告正文给出了大量关键总量和状态,但若要对表1逐项进行审计,仍需要完整表格原件。
这篇报告并不是要证明Kalshi存在某种确定的结算低效,也不是要提供交易建议,而是在建立一个更严格的测量框架:必须把合约规则版本、具体官方发布对象、发布时间、修订历史和未完成条件结合起来,才能判断公共证据何时首次、以及何时稳定地指向唯一结算结果。
历史回溯部分的最重要发现是,研究者能够审计25/25个身份、恢复25/25份当前规则文本,但无法恢复任何一个精确或有界的历史规则版本和官方来源发布对象;完整历史恢复最终没有产生合格事件或ticker。 这是一项公共治理可观测性结果,而不是“历史上没有市场可判定”的结论。
前瞻性部分的最重要发现是,系统已经证明能够观察三类来源项目,重新验证781,266个生命周期帧,处理22个闭合重连下界,且没有未解决重连缺口或漏掉的到期官方发布。 但价格层为空、Polymarket初步候选没有语义接受,因此目前尚无价格、跨平台或正式契约可判定性结果可供分析。
从图1可以看出,真正的判断对象是规则—证据映射,而不是来源本身;从图2可以看出,首次可判定、稳定可判定、交易所判定和最终化是不同层次的时钟,不能互相替代。 报告最终立场是:只有在前瞻性样本达到预先注册的支持阈值、完成盲审和独立复核后,才可以报告首次可判定率、稳定性差距和公共证据剩余延迟;在当前版本中,作者明确没有报告任何此类实证结果。
2609.16642.pdf