執筆者：Jacob Zhao @IOSG
過去のCrypto AIシリーズレポートで継続的に強調してきた見解：現在の暗号分野で最も実用価値の高いシナリオは、主にステーブルコインによる決済とDeFiに集中しており、AgentはAI産業におけるユーザー向けの重要なインターフェースです。したがって、CryptoとAIの融合トレンドの中で、最も価値のある二つの道筋は、短期的には既存の成熟したDeFiプロトコル（レンディング、流動性マイニングなどの基本戦略やSwap、Pendle PT、資金料率アービトラージなどの高度戦略）を基盤としたAgentFiと、中長期的にはステーブルコイン決済を中心に、ACP/AP2/x402/ERC-8004などのプロトコルに依存したAgent Paymentです。
予測市場は2025年には無視できない新たな業界トレンドとなり、年間総取引量は2024年の約90億ドルから2025年には400億ドルを超え、前年比400%以上の成長を実現します。この著しい成長は、マクロ政治イベントによる不確実性需要、インフラと取引モデルの成熟、規制環境の打開（Kalshiの勝訴とPolymarketの米国への復帰）など複数の要因によって推進されています。予測市場のインテリジェントエージェント（Prediction Market Agent）は2026年初頭に初期の形態を呈し、今後1年以内にインテリジェントエージェント分野の新たなプロダクト形態となる見込みです。
予測市場：賭博から「グローバル真実層」へ
予測市場は未来の出来事結果に関する取引を行う金融メカニズムであり、契約価格は本質的に市場の出来事発生確率に対する集団判断を反映しています。その有効性は、群衆の知恵と経済的インセンティブの結合に由来します。匿名かつ真金白銀の賭け環境では、分散した情報が迅速に資金意欲に基づく価格信号として統合され、ノイズや虚偽判断を大きく低減します。
▲ 予測市場の名目取引量推移グラフ 出典：Dune Analytics (Query ID: 5753743)
2025年末までに、予測市場はPolymarketとKalshiの二大寡占体制がほぼ確立します。フォーブスの統計によると、2025年の総取引量は約440億ドルで、そのうちPolymarketが約215億ドル、Kalshiが約171億ドルを占めます。2026年2月の週次データでは、Kalshiの取引量（259億ドル）がPolymarket（183億ドル）を上回り、市場シェアの約50%に迫っています。Kalshiは過去の選挙契約案件の法的勝訴、米国のスポーツ予測市場における先行的な規制適合、明確な規制見通しにより急速に拡大しています。現在、両者の発展経路は明確に分化しています。
Polymarketは「オフチェーンマッチング、オンチェーン決済」のハイブリッドCLOBアーキテクチャと分散型決済メカニズムを採用し、グローバルな非管理型高流動性市場を構築しています。米国への規制復帰後は「オンショア＋オフショア」の二軌道運営体制を形成しています。
Kalshiは従来の金融システムに統合され、APIを通じて主要なリテール証券会社に接続し、ウォール街のマーケットメーカーを巻き込みながらマクロ・データ型契約の取引に深く関与しています。製品は従来の規制プロセスに制約されており、長尾需要や突発的イベントには遅れが生じやすいです。
PolymarketとKalshi以外の予測市場における競合プレイヤーは、主に二つの道筋で展開しています。
一つは規制準拠の流通経路で、イベント契約を証券会社や大手プラットフォームの既存アカウント・清算システムに埋め込み、チャネルのカバレッジ、規制資格、機関の信頼性を武器に展開（例：Interactive Brokers × ForecastExのForecastTrader、FanDuel × CME GroupのFanDuel Predicts）。規制と資源の優位性は顕著ですが、製品とユーザ規模はまだ初期段階です。
もう一つはCryptoネイティブのオンチェーン経路で、Opinion.trade、Limitless、Myriadなどを代表とし、ポイントマイニング、短期契約、メディア配信を駆使して急速に拡大しています。性能と資金効率を重視しますが、長期的な持続性やリスク管理の堅牢性は未検証です。
伝統的金融の規制入口と暗号ネイティブの性能優位の二つの経路が、予測市場エコシステムの多様な競争構造を形成しています。
表面上はギャンブルに似ていますが、本質はゼロサムゲームです。ただし、両者の核心的違いは正の外部性の有無にあります。真金白銀の取引を通じて分散した情報を集約し、現実の出来事に公共の価格を付けることで価値あるシグナル層を形成します。そのトレンドは、ギャンブルから「グローバル真実層」へとシフトしています。CMEやブルームバーグなどの機関が参入することで、事象の確率は金融・企業システムから直接呼び出せる意思決定メタデータとなり、より迅速かつ定量的な市場の真実を提供しています。
世界の規制状況を見ると、予測市場の規制経路は高度に分化しています。米国は唯一、予測市場を金融デリバティブ規制の枠組みに明確に位置付けている主要経済圏です。欧州、英国、オーストラリア、シンガポールなどは一般的にギャンブルとみなして規制を強化しています。中国やインドは完全に禁止しています。今後のグローバル展開は、各国の規制枠組みに依存します。
予測市場インテリジェントエージェントのアーキテクチャ設計
現在、予測市場インテリジェントエージェント（Prediction Market Agent）は早期実践段階にあります。その価値は「AIの予測精度」ではなく、予測市場における情報処理と実行効率の拡大にあります。予測市場は本質的に情報集約メカニズムであり、価格は出来事の確率に対する集団判断を反映します。現実の市場の非効率性は情報の非対称性、流動性、注意力の制約に起因します。予測市場インテリジェントエージェントの適切な位置付けは、「実行可能な確率資産管理（Executable Probabilistic Portfolio Management）」です。ニュース、ルールテキスト、オンチェーンデータを検証可能な価格偏差に変換し、より迅速かつ規律的、低コストで戦略を実行し、クロスプラットフォームの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します。
理想的な予測市場インテリジェントエージェントは、以下の四層アーキテクチャに抽象化できます。
情報層：ニュース、ソーシャル、オンチェーン、公式データを収集
分析層：LLMやMLを用いて誤価格を識別しエッジを計算
戦略層：ケリー式、バッチポジション、リスク管理を用いてエッジをポジションに変換
実行層：複数市場の注文、スリッページ、Gas最適化、アービトラージを実行し、高効率な自動化の閉ループを形成
予測市場インテリジェントエージェントの戦略フレームワーク
従来の取引環境と異なり、予測市場は決済メカニズム、流動性、情報分布において顕著な差異があり、すべての市場や戦略が自動化に適しているわけではありません。予測市場インテリジェントエージェントの核心は、ルールが明確でエンコード可能なシナリオに展開されているかどうかです。以下では、対象選定、ポジション管理、戦略構造の三つの観点から分析します。
予測市場の対象選定
すべての予測市場が取引価値を持つわけではなく、その参加価値は以下の要素に依存します：決済の明確さ（ルールの明示性とデータソースの一意性）、流動性の質（市場の深さ、スプレッド、取引量）、インサイダーリスク（情報の非対称性）、時間構造（満期までの期間とイベントのリズム）、およびトレーダー自身の情報優位性と専門性。これらの多くの要素が基本的な要件を満たす場合にのみ、予測市場は参加の土台を持ちます。参加者は自身の強みと市場の特性に基づき適合させる必要があります。
人間のコア優位性：専門知識、判断力、曖昧な情報の統合に依存し、時間ウィンドウが比較的長い（数日／週単位）の市場。例：政治選挙、マクロトレンド、企業のマイルストーン。
AIエージェントのコア優位性：データ処理、パターン認識、迅速な実行に依存し、決定の時間枠が非常に短い（秒／分単位）の市場。例：高頻度暗号価格、クロスマーケットアービトラージ、自動化マーケットメイキング。
適さない分野：インサイダー情報主導や純粋なランダム／高操作性の市場は、いかなる参加者にも優位性をもたらしません。
予測市場のポジション管理
ケリー式（Kelly Criterion）は、繰り返しゲームのシナリオにおいて最も代表的な資金管理理論であり、その目的は単一取引の最大化ではなく、資金の長期的な複利成長率の最大化です。この方法は勝率とオッズの推定に基づき、理論的に最適なベット比率を計算します。正の期待値がある前提で資本成長効率を高め、量的投資、プロのギャンブル、ポーカー、資産運用などで広く用いられています。
基本式は：f* = (bp - q) / b
ここで、f*は最適ベット比率、bは純オッズ、pは勝率、q=1−p
予測市場では簡略化して：f* = (p - market_price) / (1 - market_price)
pは主観的な真の確率、market_priceは市場に暗黙の確率です。
ケリー式の理論的有効性は、真の確率とオッズの正確な推定に大きく依存します。実際には、トレーダーは真の確率を継続的に正確に把握することは難しく、実務では、プロのギャンブラーや予測市場参加者は、より実行可能で確率推定への依存度が低いルール化戦略を好みます。
ユニットシステム（Unit System）：資金を一定単位（例：1%）に分割し、信頼度に応じて異なる単位を投入。リスクを自動的に制約できるため最も一般的な実務手法。
固定比率法（Flat Betting）：毎回一定の資金比率で賭け、規律と安定性を重視。リスク回避型や低信頼度の環境に適します。
信頼度階層（Confidence Tiers）：離散的なポジション段階を設定し、絶対上限を設けることで意思決定の複雑さを低減し、ケリーの擬似的な精度問題を回避。
逆リスク法（Inverted Risk Approach）：最大許容損失から逆算してポジション規模を決定。リスク制約に基づき、安定したリスク境界を形成。
予測市場インテリジェントエージェントにとって、戦略設計は理論最適性よりも実行可能性と安定性を優先すべきです。重要なのは、ルールが明確でパラメータが簡潔、判断誤差に対して寛容であることです。この制約の下、階梯式信頼度法と固定ポジション上限の組み合わせが最も適した一般的なポジション管理手法となります。この方法は、正確な確率推定に依存せず、シグナルの強弱に応じて機会を有限の段階に分け、対応する固定ポジションを割り当てます。高信頼シナリオでもリスクを明確に制御できる点が特徴です。
予測市場の戦略選択
戦略構造から見ると、予測市場は大きく二つに分類されます。一つはルールが明確でエンコード可能な確定性アービトラージ（Arbitrage）戦略、もう一つは情報解読と方向判断に依存する投機（Speculative）戦略です。さらに、資本とインフラ要件の高いマーケットメイキングやヘッジ戦略も存在します。
確定性アービトラージ（Arbitrage）
決済アービトラージ（Resolution Arbitrage）：事象結果がほぼ確定し、市場が未だ完全に価格付けしていない段階で行う。情報同期と実行速度から利益を得る。ルールが明確でリスクが低く、完全にエンコード可能なため、Agentに最適なコア戦略。
確率保存アービトラージ（Dutch Book Arbitrage）：互斥かつ完備な事象集合の価格が確率の保存（∑P=1）から逸脱した場合に、組み合わせてリスクなしの利益を確保。ルールと価格関係に依存し、リスクが低く高規則化可能。自動化に適した典型的な確定性アービトラージ。
プラットフォーム間アービトラージ：同一事象の異なる市場間の価格差を利用し利益を得る。リスクは低いが遅延や並列監視の要求が高い。インフラに優れたAgentに適し、競争激化により収益は縮小傾向。
ポートフォリオアービトラージ（Bundle）：関連する契約間の価格不整合を利用した取引。論理は明快だが機会は限定的。エンジニアリング要件は中程度。Agentの適合性は中程度。
投機（Speculative）
情報駆動型戦略（Information Trading）：公式データやアナウンス、裁定のタイミングに基づく。情報源が明確でトリガー条件が定義可能なら、監視と実行のスピードと規律を発揮できる。ただし、意味理解やシナリオ解釈に移行すると人間の介入が必要。
シグナル追従（Signal Following）：過去の優良アカウントや資金行動に追随し利益を得る。ルールは単純で自動化可能。リスクはシグナルの劣化や逆利用にあり、フィルタリングと厳格なポジション管理が必要。補助戦略として適用。
非構造化・高ノイズ戦略（Unstructured / Noise-driven）：感情やランダム性、参加行動に依存し、安定したエッジを持たない。長期的期待値は不安定。モデル化困難でリスクが高いため、システム的な実行には不適切。
高頻度価格・流動性戦略（Market Microstructure）：超短時間決定、継続的見積もりや高頻度取引に依存。遅延やモデル、資金要件が高い。理論上はAgentに適するが、流動性と競争の激しさから、インフラに優れた少数の参加者に限定される。
リスク管理・ヘッジ戦略（Risk Control & Hedging）：直接的な収益追求ではなく、リスク低減のための戦略。ルールが明確で目標もはっきりしており、長期的なリスクコントロールの基盤となる。
総じて、予測市場においてAgentが実行に適した戦略は、ルールが明確でエンコードしやすく、主観判断が少ないシナリオに集中します。確定性アービトラージを主要な収益源とし、構造化情報やシグナル追従を補助とし、高ノイズや感情的取引は排除すべきです。Agentの長期的な優位性は、高い規律性と高速な実行・リスク管理能力にあります。
予測市場インテリジェントエージェントのビジネスモデルと製品形態
理想的なビジネスモデルは、異なる層で多様な展開が可能です。
基盤インフラ層（Infrastructure）：多源のリアルタイムデータ集約、Smart Moneyアドレスデータベース、統一予測市場実行エンジンとバックテストツールを提供し、B2B向けに安定した収益を得る。
戦略層（Strategy）：コミュニティやサードパーティ戦略を導入し、再利用可能・評価可能な戦略エコシステムを構築。呼び出しや重み付け、実行分配を通じて価値を獲得し、単一のAlphaへの依存を低減。
Agent / Vault層：エージェントは信託管理方式で実取引に直接参加。オンチェーンの透明性と厳格なリスク管理体制により、管理費とパフォーマンスフィーを徴収。
これらのビジネスモデルに対応した製品形態は、以下のように分類されます。
エンターテインメント／ゲーミフィケーション：Tinder風の直感的インターフェースで参入障壁を下げ、最大のユーザー拡大と市場教育を実現。サブスクリプションや実行型商品への収益化が必要。
戦略サブスクリプション／シグナル：資金管理を伴わず、規制に優しく責任範囲も明確。SaaSモデルで安定した収益を得る。長期的には戦略の模倣や実行コスト、収益の天井が課題。半自動化（シグナル＋ワンクリック実行）で改善可能。
Vault托管モデル：規模拡大と実行効率に優れるが、資産管理ライセンスや信頼性、集中化リスクなどの制約がある。長期的な実績と機関投資家の信頼が不可欠。
総合的に、「インフラの収益化＋戦略エコシステム拡大＋パフォーマンス参加」の多層的収益構造は、「AIが市場を継続的に上回る」という単一仮説への依存を低減し、持続可能なビジネスサイクルを築きます。
予測市場インテリジェントエージェントの事例
現状、予測市場インテリジェントエージェントは発展の初期段階です。
市場の基盤と本質の進化：PolymarketとKalshiは寡占体制を形成し、その流動性とシナリオ基盤の上にエージェントを構築可能です。予測市場とギャンブルの核心的差異は、正の外部性にあります。真の取引を通じて分散した情報を集約し、現実の出来事に公共の価格を付与することで、「グローバル真実層」へと進化しています。
コアの位置付け：予測市場インテリジェントエージェントは、「実行可能な確率資産管理ツール」として位置付けられるべきです。ニュースやルール、オンチェーンデータを検証可能な偏差に変換し、より高い規律性と低コスト、クロスマーケットの能力で戦略を実行します。理想的なアーキテクチャは情報、分析、戦略、実行の四層ですが、実際の取引性は決済の明確さ、流動性の質、情報の構造化度に大きく依存します。
戦略選択とリスク管理のロジック：戦略面では、確定性アービトラージ（決済アービトラージ、確率保存アービトラージ、クロスマーケット差額取引）が自動化に最適です。方向性の投機は補助的に留めるべきです。ポジション管理は、実行可能性と寛容性を重視し、階梯法と固定上限の組み合わせが最適です。
ビジネスモデルと展望：商業化は大きく三層に分かれます。インフラ層はデータ収集とエンジン提供で安定収益。戦略層はサードパーティ戦略や呼び出し、分配で価値を獲得。Agent/Vault層は、オンチェーンの透明性とリスク管理を基に実取引に参加し、管理費とパフォーマンスフィーを徴収します。形態は、エンタメ／ゲーミフィケーション、戦略サブスクリプション／シグナル、Vault托管に分かれます。
「インフラの収益化＋戦略エコシステム拡大＋パフォーマンス参加」の多層的収益構造は、「AIが市場を継続的に上回る」という単一仮説への依存を低減し、持続可能なビジネスサイクルを築きます。
予測市場インテリジェントエージェントの事例
現段階では、多様な底層フレームワークと上層ツールの試みが見られるものの、戦略生成、実行効率、リスク管理、ビジネスの閉ループを備えた標準化された成熟製品は未だありません。
エコシステムは大きく三層に分かれます：インフラ層（Infrastructure）、自律取引エージェント（Autonomous Agents）、予測市場ツール（Prediction Market Tools）。
インフラ層（Infrastructure）
Polymarketエージェント
Polymarket公式の開発者フレームワーク。市場データ取得、注文構築、LLM呼び出しの標準化を目的とし、「コードによる注文出し」の問題を解決。ただ
