预测市场这几年被反复当作“信息定价机器”的理想模型来讨论，但现实里的约束条件，正在一点点把这个模型拉回金融市场的复杂性。
斯蒂文斯理工学院金融助理教授Balbinder Singh Gill的最新研究，把一个看似反直觉的问题摆到了台面上：内幕交易禁令并不会线性提升市场质量，在Polymarket和Kalshi这类平台上，执法强度与预测准确性之间，更像是一条倒U型曲线。
意思是，中间状态反而最好。过松，市场会被信息优势者主导，价格变成少数人的表达；过严，则连“提前知道一些事情的人”也被排除，市场失去最早的信号源。
这个结论对预测市场的冲击不在理论，而在结构。
如果把预测市场拆开来看，它本质上依赖两个输入：分散的公共判断，以及少量高质量的非公开信息。前者提供流动性，后者提供校准能力。问题在于，监管一旦走向极端，会同时削弱这两条腿中的一条。
研究提到的“中等执法最优区间”，听起来像是监管政策的折中建议，但放到现实市场语境里，其实是一个更尖锐的矛盾：你很难精确区分“信息优势交易”与“非法内幕交易”。
在Kalshi和Polymarket这样的预测平台上，这个问题被进一步放大。交易对象往往是宏观事件、政策走向甚至选举结果，信息本身并不是严格封闭的金融数据，而是分布在不同时间维度上的认知差。执法如果试图完全清除“优势信息”，就会误伤大量正常的分析性交易。
但放任不管，价格又会被少数接近信息源的人提前锁定。市场表面看起来很有效率，实际上只是提前收敛。
Gill的结论在这里显得有点冷静：严格执法的价值，在于扩大参与，而不是消除所有信息差。当内幕交易被限制到一定程度，更多普通交易者愿意进入市场，流动性增加，价格反而更稳定。但如果把“无内幕”作为绝对目标，市场可能会失去最早的信号生成机制。
这也解释了为什么监管机构对预测市场的态度始终摇摆。一方面，Kalshi和Polymarket越来越像“事件期货交易所”；另一方面，它们又无法完全嵌入传统金融的合规框架，因为交易标的本身就带有信息模糊性。
现实里的监管路径，正在从“禁止某类交易者”转向“控制信息优势的可扩散程度”。但这条路并不清晰。因为一旦允许部分信息优势存在，就必须接受市场的不完全公平；而一旦追求完全公平，市场效率又会被削弱。
预测市场的难点不在于技术，而在于它夹在两个体系之间：一边是金融市场的规则逻辑，一边是信息网络的传播逻辑。
而内幕交易问题，只是这个夹层结构最先暴露出来的裂缝之一。
