CLOB+CTF와 LSMR, 현재 두 가지 주요 예측 시장 메커니즘이 왜 미래를 이끌 수 없는가?

저자: DAO의 목소리

일, 메커니즘은 단순한 도구가 아니라 신념의 표현기

집단 인식에 의존하여 가격을 구축하는 예측 시장 시스템에서 거래의 시장 메커니즘은 단순히 주문 매칭의 기능을 넘어 미래 사건에 대한 판단을 담고 있습니다.

메커니즘의 우수성은 거래의 효율성을 결정할 뿐만 아니라 "미래 가능성"의 윤곽을 정확하게 포착하고 표현할 수 있는지를 결정합니다.

이러한 이유로 현재 주류의 두 가지 예측 시장 메커니즘인 CLOB+CTF(주문서+조건 토큰)와 LSMR(로그 점수 자동 시장)은 지난 몇 년 동안 각기 성과를 거두었지만, 실천에서 구조적인 부족함이 드러났습니다.

이러한 문제는 기술적인 차원의 도전일 뿐만 아니라 "집단 신념이 어떻게 생성되고 측정되는가"라는 핵심 문제에 대한 이해가 불완전함을 반영합니다.

이, CLOB+CTF: 높은 구조성이 가져온 시장 단편화와 비효율적 유동성

1. 개념은 명확하지만 시스템이 과도하게 분할됨

CLOB+CTF의 논리는 복잡하지 않습니다:

1. CLOB는 제한 가격 주문 및 매칭의 시장 인터페이스를 제공합니다.

2. CTF는 다중 선택 사건을 일련의 YES/NO 이진 계약으로 분해하고 자동 토큰 주조/소각을 통해 수요와 공급 조정을 완료합니다. 이러한 모델은 구조적으로 전통 금융 시장과 높은 일치를 이루므로 일정한 사용자 인식 기반을 가지고 있습니다.

하지만 사건 옵션이 증가하면 시스템은 여러 하위 시장을 생성해야 하며, 각 시장은 고유한 한 쌍의 토큰과 주문서를 가지게 되어 시스템 복잡성과 사용자 참여 장벽이 크게 증가합니다.

2. 상대방 의존으로 인한 유동성 불균형

CLOB는 주문 매칭 메커니즘이므로 본질적으로 활발한 양방향 시장에 의존합니다. 대부분의 예측 시장에서는 사용자 참여 열정이 불안정하고 사건이 다양하며 정보 비대칭 등의 문제로 인해 주문 깊이가 종종 심각하게 부족하여 "주문 공백" 또는 "단방향 압축" 현상이 발생합니다.

결과적으로:

1. 사용자가 주문을 내도 상대방이 없어 가격이 정체됩니다;

2. 시장이 비유동성 상태에서 무효화되어 사용자 경험에 심각한 영향을 미칩니다.

CTF는 YES/NO 자산을 주조하여 상대방의 공백을 어느 정도 보완할 수 있지만, 그 자체로도 차익 거래 도구가 되어 가격 신호가 장기적인 기대가 아닌 단기 행동에 의해 조작되기 더 쉬워집니다.

3. "차익 거래 주도"가 "인지 집합"을 압도함

CTF의 수평 메커니즘은 시스템이 YES/NO 자산을 주조하고 소각하여 시장 가격이 실제 확률에 수렴하도록 돕는 것이 본래의 의도입니다. 그러나 실제로 이 메커니즘은 오히려:

1. 사용자가 사건 자체가 아닌 차익 거래 공간을 중심으로 거래하도록 장려합니다;

2. 시장의 비합리적 행동이 가격에 미치는 단기 충격을 수동적으로 확대합니다;

3. 가격이 "집단 신념 함수"로서의 설명 가능성과 안정성을 약화시킵니다.

간단히 말해, CLOB+CTF는 구조적으로 완전하지만 낮은 유동성, 큰 인지 차이, 비전문 사용자라는 현실적 배경에서 안정적이고 효과적인 가격 발견 메커니즘을 제공하기 어렵습니다.

삼, LSMR: 함수의 우아함에서 청산 불확실성의 딜레마로

1. 메커니즘은 간결하지만 사용자 이해 가능성을 벗어남

LSMR(예약이 있는 로그 점수 시장)은 로그 함수를 핵심으로 하여 시장 가격과 토큰 발행 논리를 하나의 수학적 표현식으로 통합합니다. 두 가지 뚜렷한 장점이 있습니다:

1. 다중 선택 시장이 분할될 필요가 없으며, 모든 옵션이 동일한 가격 구조에 공존합니다;

2. 이론적으로 모든 토큰 가격의 총합은 항상 1로, 확률 직관에 부합합니다.

그러나 LSMR의 문제는 이 수학적 시스템이 지나치게 "블랙박스"라는 점입니다: 사용자는 특정 옵션을 구매할 때 실제 투입 비용과 잠재적 수익 간의 관계를 판단할 수 없습니다; 시장 가격 형성 과정은 명확한 경로가 부족하여 거래 경험이 알고리즘의 추상화로 "가려집니다"; 청산 논리는 사용자가 예상하는 "배당률"을 형성할 수 없으며, 게임 투명성이 결여되어 있습니다.

2. 슬리피지와 파라미터 통제의 이중 딜레마

LSMR의 유일한 제어 파라미터 b는 시장의 가격 반응 강도(슬리피지 정도)를 결정합니다. 그러나 이 파라미터의 설계 자체가 역설에 직면해 있습니다:

• b 값이 너무 크면 → 가격 변화가 둔감해져 실제 확률을 표현하기 어렵습니다;

• b 값이 너무 작으면 → 가격이 극도로 민감해져 쉽게 조작되어 가격 거품이 형성됩니다.

더욱이, b는 시장이 시작되기 전에 반드시 설정해야 하지만 초기에는 시장이 얼마나 큰 거래량과 변동 범위를 맞이할지 거의 판단할 수 없습니다. 이는 b가 구조적인 위험 요소가 되게 하며, 시스템의 안정적인 기준이 아닙니다.

사, 핵심 문제 요약: 구형 메커니즘의 세 가지 결함

1. 가격이 실제 확률을 표현하기 어려움

CLOB+CTF에서는 주문 구조와 유동성 수요 공급이 가격을 사건 발생의 실제 확률에서 벗어나게 만들기 쉽습니다;

LSMR에서는 가격이 함수 출력의 결과일 뿐, 사용자가 주관적 확률과 배당률 간의 관계를 매핑하기 어렵습니다.

2. 메커니즘이 차익 거래에 의해 주도되기 쉬워 합리적인 집단 신호 형성이 어려움

차익 거래 논리는 본래 가격의 합리성을 유지하는 메커니즘 보완이지만, 이 두 시스템에서는 차익 거래가 오히려 주요 거래 동기가 되어 시장 구조를 주도하고 인지 집합을 방해합니다.

3. 사용자 참여 경험이 나쁘고 거래의 확실성이 결여됨

주문서의 깊이 문제든 로그 함수로 인한 슬리피지 점프든, 사용자는 참여할 때 예상이 명확하고 비용이 통제 가능한 거래 경험을 얻기 어렵습니다. 이는 예측 시장이 "비전문 사용자에게 개방된" 메커니즘으로서 치명적인 장벽이 됩니다. 주문서 깊이 예시 via investopedia

오, 새로운 메커니즘으로 가는 방향: 메커니즘은 신념을 표현해야 하며, 단순히 거래를 수용해서는 안 됨

예측 시장의 본질은 신념을 자산화하는 것으로, 사회적 인식과 경제적 유인의 융합 메커니즘입니다. 따라서 이상적인 시장 메커니즘은 다음 세 가지를 충족해야 합니다:

1. 가격이 명확하고 확률적 의미가 분명하여 사용자가 가격 뒤에 있는 의미를 이해할 수 있어야 합니다;

2. 가격과 청산 구조가 밀접하게 연결되어 참여자의 기대 수익과 실제 수익이 일치해야 합니다;

3. 복잡한 분할이나 파라미터 제어 없이 안정적으로 운영될 수 있으며, 메커니즘 자체가 조작에 대한 저항성과 자기 균형 능력을 가져야 합니다.

이러한 목표는 APMM(자동 예측 시장 메이커)와 같은 새로운 메커니즘이 실현하고자 하는 방향입니다. 이들은 이전 메커니즘의 경험을 흡수하고 현실 거래 행동의 핵심 문제에 대응하고 있습니다.

육, 결론: 메커니즘 진화의 근원은 단순한 공학이 아니라 인지 생태의 적응

CLOB+CTF와 LSMR에 존재하는 메커니즘 문제는 그들이 충분히 "똑똑하지 않아서"가 아니라, "인간이 미래를 어떻게 판단하는가"라는 문제를 다룰 때 기술의 포장과 형식의 우아함에 지나치게 의존하고, 사용자 실제 행동, 심리 및 인지 경로를 간과했기 때문입니다.

시장 메커니즘은 문명 도구로, 궁극적으로 함수와 자산이 아닌 불확실성 속에서 인간의 결정과 표현을 서비스합니다.