Olas Predict。現状最も成熟した予測市場Agentエコシステム。コアのOmenstratはGnosis上に構築され、FPMMや分散アービトラージを駆使し、頻繁な小口取引をサポート。ただし流動性不足や、LLM依存、リアルタイムデータやリスク管理の未整備に課題。2026年2月にPolystratをリリースし、自然言語で戦略定義、4日以内の決済期限の市場の確率偏差を自動検知・取引。ローカル運用のPearlや自己ホストSafeを用いたリスク制御も実現し、消費者向けの自主取引Agentとして初の試み。
予測市場とAIエージェントの出会い：価格設定におけるイベント確率の新たな革命
予測市場は2025年に転換点を迎えた。2024年の約9億ドルの取引高から、わずか1年で400億ドル超に急増し、成長率は400%以上を記録している。これは孤立したデータの変動ではなく、複数の要因が交錯した結果だ：マクロ政治イベントによる不確実性の高まり、インフラと取引モデルの成熟、そして米国規制環境の緩和—Kalshiの司法勝訴やPolymarketの米国内復帰は、新時代の幕開けを示している。
こうした背景のもと、予測市場の代理（Prediction Market Agent）は未来の投機ではなく、急速に進化する現実となっている。本稿では、この新興分野の核心ロジック、アーキテクチャの要件、戦略選択、ビジネスモデルの模索について理解を深める—これが暗号とAIの融合の重要な方向性を形成する。
予測市場の正体：ギャンブルからグローバルコンセンサス層へ
予測市場はしばしば誤解される。表面上はギャンブルのようなゼロサムゲームに見えるが、実際には情報の集約メカニズムだ。匿名環境下で、実資金の動きにより、分散した情報が迅速に資本意向に加重された価格信号へと統合され、ノイズや虚偽判断を大きく低減する。
この仕組みの威力は外部性にある：CMEやブルームバーグなどの金融機関が予測市場の価格を意思決定のメタデータとして直接取り込むと、予測市場は単なる「ゲーム」から「グローバルコンセンサス層」へと進化する—現実の事象確率をリアルタイムで価格付けし、よりタイムリーかつ定量的に反映する市場の真の姿だ。
2025年末までに、予測市場はPolymarketとKalshiの二大寡占体制に収束した。Forbesのデータによると、2025年の総取引高は約44億ドルで、そのうちPolymarketが約21.5億ドル、Kalshiが約17.1億ドルを占める。2026年初には、Kalshiの週取引高（259億ドル）がPolymarket（183億ドル）を超え、市場シェアはほぼ50%に達した。この逆転は、米国選挙コントラクトの司法勝利、スポーツ予測の先行優位、そしてより明確な規制見通しによるものだ。
両者の成長路線はすでに分岐している。PolymarketはCLOB（コレクティブ・リザーブ・オーダーブック）と分散決済を組み合わせたハイブリッドアーキテクチャ（「オフチェーンマッチング、オンチェーン決済」）を採用し、グローバルな非托管・高流動性市場を構築。一方Kalshiは伝統的金融システムと深く連携し、APIを通じてリテールブローカーと接続、ウォール街のマーケットメイカーを巻き込み、伝統的規制の枠内で運営している。
この市場の将来の競争構造はまだ形成途上だ。一つは従来の金融規制を重視し、Interactive Brokers×ForecastExやFanDuel×CME Groupのようにチャネルと規制資格を武器に優位性を築くタイプ。もう一つはオンチェーンネイティブの参加者で、Opinion.trade、Limitless、Myriadなどが、ポイントマイニングや短期契約、メディア配信を駆使して急成長しているが、長期的な持続性やリスク管理の検証はこれからだ。
なぜ予測市場にAI代理が必要か：予測ではなく効率化
ここで重要な認知の修正がある：予測市場代理の価値は、「AIがより正確に予測すること」ではなく、「情報処理と実行の効率を拡大すること」にある。
予測市場は本質的に情報の集約場だ—価格は集団の事象確率判断を反映している。市場の本当の非効率は、情報の非対称性、流動性の断片化、注意力の制約にある。AI代理の適切な役割は、実行可能な確率資産管理だ—ニュース、規制文書、オンチェーンデータを検証可能な価格偏差に変換し、より高速・規律的・低コストで戦略を実行し、クロスマーケットアービトラージやポートフォリオリスク管理を通じて構造的な機会を捕捉する。
このための代理は、四層アーキテクチャとして設計されるべきだ：
ただし、このアーキテクチャの商業的実現性は、次の三条件に依存する：決済ルールの明確さ、流動性の充実、情報の構造化。すべての予測市場が自動化に適しているわけではない。
すべての市場がAgentに適しているわけではない：資産選択の硬い真実
参加すべき予測市場は限られる。資産選択には五つの観点から評価が必要だ。
決済の明確さ。ルールが明確か、データソースは一つか？政治選挙のように明確な決済基準がある場合は適合。社会的トレンドの曖昧な判断は不適。
流動性の質。市場の深さ、スプレッド、取引量—合理的コストで出入りできるか。
インサイダーリスク。情報の非対称性はどれほどか？スポーツ予測などはインサイダー取引が横行しやすく、一般参加者がAlphaを出しにくい。
時間構造。契約の期間は長いか、意思決定のウィンドウは広いか？これがAIと人間の優位性の差を決める。
トレーダーの優位性の適合性。人間の強みは、長い時間軸（日・週単位）、専門知識、曖昧な情報の統合にある市場。AI代理の強みは、データ処理、パターン認識、秒・分単位の超短期決定—高頻度暗号価格アービトラージ、クロスマーケットアービトラージ、自動マーケットメイキング。
逆に適さないのは、インサイダー情報や完全ランダム・高操作性の市場—これらは誰も儲けられない。
ポジション管理の実戦哲学：Kelly式から階層的信頼度へ
Kelly式は繰り返しゲームにおける資本管理の古典理論だ。最大化すべきは単一取引のリターンではなく、資本の長期複利成長率だ。量的投資、ギャンブル、ポーカー、資産運用で広く使われている。
標準形は：f* = (p·b - q) / b ただし、f*は最適ポジション比率、bは純オッズ、pは勝率、q=1-p。
予測市場では、これを次のように簡略化できる：f* = (p - market価格) / (1 - market価格) ただし、pは主観的確率、market価格は市場の暗黙確率。
理論上完璧だが、実践では破綻しやすい。トレーダーは正確な確率推定を維持するのが難しく、職業的操作者や予測市場参加者は、よりルールベースの戦略を採用し、確率推定への依存を低減させる傾向がある。
予測市場代理の戦略は、理論最適よりも、実行可能性と安定性を優先すべきだ。ルールの明快さ、パラメータの簡潔さ、誤判断に対する耐性が重要。これらを満たすなら、階層的信頼度と固定頭寸の組み合わせが最適解となる。
五種戦略の自動化適合性の優先順位
予測市場の戦略エコシステムは、大きく二つに分かれる：確定性アービトラージ（ルール明快・自動化容易）と投機的戦略（情報解読・トレンド判断依存）、さらに機関のマーケットメイキングやヘッジ。
確定性アービトラージ：Agentの主食
決済アービトラージ（Resolution Arbitrage）。結果がほぼ確定しているが市場が未完全に価格付けしている場合に、情報遅延や実行速度を利用して利益を得る。ルールが明確でリスク低、完全自動化可能—最もコアでAgentに適した戦略。
ダッチブック・アービトラージ（Probability Conservation Arbitrage）。互斥かつ完全網羅の複数イベントの価格合計が確率の和（∑P=1）から乖離しているとき、ポジションを組み合わせて無リスク利益を確保。ルールと価格関係に依存し、リスク低・標準化済み。予測市場では、「A勝」「B勝」「その他」の合約価格の合計が1でないときに成立。リアルタイム監視と自動執行に最適。
クロスマーケットアービトラージ。異なる市場間の同一事象の価格差を利用。リスクは低いが遅延と並列監視が必要。インフラ優位なAgent向きだが、競争激化で収益は縮小。
バンドルアービトラージ。関連合約間の価格不整合を狙う。ルールは明快だが機会は少なく、分析の複雑さも伴う。
投機的戦略：補助的役割
情報駆動取引。明確なイベントや公式データ、アナウンス、決定期に基づく。情報源が明確なら速度と規律の優位を発揮できるが、意味理解やシナリオ解釈が必要な場合は人間の介入が不可欠。
シグナル追跡。過去の成功例を模倣し利益を狙う。ルールは簡潔で自動化可能だが、信号の劣化や逆操作リスクもある。補助戦略として有効。
非構造化・ノイズ駆動戦略。感情やランダム性に依存し、長期的な期待値は不安定。モデル化困難でリスク高、システム化には不適。
超短期微視的取引。秒・ミリ秒単位の決定と报价を繰り返す高頻度取引。インフラと資本が必要だが、流動性と競争の激しさから効果は限定的。
リスク管理・ヘッジ。直接的な収益追求ではなく、リスク低減を目的とした安定化手段。ルール明快で継続的に運用可能。
総じて、予測市場に適したAgent戦略は、ルールが明確で自動化しやすく、主観判断に依存しないものに集中。確定性アービトラージが最優先、次に構造化情報追跡やシグナル追尾、ノイズや感情操作は排除。
予測市場エコシステムの現状：三層の分化
予測市場代理はまだ黎明期だ。さまざまな試みがあるが、戦略生成・実行効率・リスク管理・商業的完結性の面で標準化された成熟例は未だ少ない。
第一層：インフラ基盤
Polymarket公式Agentフレームワーク。Polymarketが提供する標準的なエンジニアリング枠組みで、「接続と連携」の標準化を図る。市場データ取得、注文構築、LLM呼び出しのインターフェースを規格化したが、戦略生成や確率キャリブレーション、動的ポジション管理、バックテストは未整備。あくまで規格化された「連携仕様」に過ぎず、すぐに使えるAlphaではない。代理開発者はこれを土台に、戦略やリスク管理を自前で構築する必要がある。
Gnosis予測市場代理ツール（PMAT）。Omen/AIOmenやManifoldの読書・書き込みをサポートするが、Polymarketの読取に限定。エコシステムの壁があり、Polymarket中心の開発者向け。PolymarketとGnosisは、予測市場でAgent開発を公式枠に取り込んだ唯一の例だ。KalshiはAPIとSDKを提供するのみで、戦略やリスク管理、実行・監視は自前。
第二層：自律取引代理
Olas Predict。現状最も成熟した予測市場Agentエコシステム。コアのOmenstratはGnosis上に構築され、FPMMや分散アービトラージを駆使し、頻繁な小口取引をサポート。ただし流動性不足や、LLM依存、リアルタイムデータやリスク管理の未整備に課題。2026年2月にPolystratをリリースし、自然言語で戦略定義、4日以内の決済期限の市場の確率偏差を自動検知・取引。ローカル運用のPearlや自己ホストSafeを用いたリスク制御も実現し、消費者向けの自主取引Agentとして初の試み。
UnifAI Network Polymarket戦略。「決済直前、確率>95%の合約を買う」尾部リスク戦略。成功率約95%、点差3-5%を狙う。高頻度実行と戦略選択次第で収益性を追求。
NOYA.ai。研究・判断・実行・監視の一体化を目指す。スマートコントラクトや抽象化層を整備中。予測市場Agentは開発途上。
第三層：市場分析ツール
現状、予測市場分析ツールは「完全なAgent」には至らず、情報・分析層の補助にとどまる。取引の実行、ポジション管理、リスク制御はユーザ側の責任。
代表的なツール例：
また、ホエール追跡・警報ツール：
アービトラージ検出：
商業モデルの三層構造
理想的な予測市場Agentの収益モデルは、層ごとに異なる価値提供を想定。
インフラ層：多源データ集約、Smart Moneyデータベース、統合予測エンジン、バックテストツールを提供し、B2B課金で安定収益。
戦略エコシステム層：コミュニティやサードパーティ戦略を取り込み、再利用・評価可能な戦略群を構築。呼び出し・重み付け・実行分配で価値を取り、単一Alphaへの依存を低減。
Agent/Vault層：信頼管理されたAgentがリアルタイムに資金を運用し、チェーン上の透明性とリスク管理に基づき管理料・パフォーマンス料を徴収。
具体的な商品例：
これらを組み合わせた多層的収益構造は、単一のAlpha依存に比べて市場成熟に伴う収縮リスクに耐えやすい。基盤・戦略・パフォーマンスの三要素は、長期的価値を支える。
次の十字路：深化か散乱か
予測市場代理は今、分岐点に立つ。基盤から高度ツールまで多層的な試みはあるが、戦略自動化、実行効率の最適化、リスク管理の体系化、商業的完結の標準化は未だ途上だ。
四つの観察ポイント：
AIと予測市場の融合において、最終的な勝者は「予測が上手い」ではなく、「実行・リスク管理・情報集約に長けた者」だ。これは価格付けの効率化と市場構造化の競争であり、単なる予測競争ではない。