在讨论概率高低之前，必须先弄清事件定义与结算规则。规则清楚之后，下一个自然问题是：这个市场的报价，到底靠不靠谱？许多人会用很直觉的方式回答——「上次猜对了，说明很准」；或者「上次猜错了，说明预测市场不行」。这两种判断都过于粗糙。预测市场输出的不是「会发生 / 不会发生」的二元结论，而是一组概率判断；评价它是否「说对了」，也需要用概率的语言。

事实上，一个市场可以经常「押中结果」，却在概率意义上严重失真；也可以多次「押错方向」，却诚实反映了不确定性。若只用输赢来评价，就会错过预测市场最有价值、也最容易被误读的一层：校准。

要判断市场质量，我们必须追问：校准是什么，市场何时才算真正「说对了」？

一、准确率与校准：两个不同的「准」

准确率（accuracy）回答的是：最终判断是否与结果一致。

校准（calibration）回答的是：当市场说 70% 时，这类事件是否真的大约七成会发生。

用一个简化例子说明差异。假设某类事件共有 100 次，市场每次都报价 90%，其中 90 次确实发生、10 次未发生。从校准角度看，这个市场的 90% 报价是合理的。但若同样 100 次事件，市场每次都报价 51%，而结果恰好 51 次发生、49 次未发生，准确率仍然「看起来不错」，却说明市场几乎没提供有信息量的概率区分——它只是永远站在略高的一侧。

反过来，一个诚实的 60% 报价即使最终落空，也不等于「市场说谎」；60% 本来就意味着四成可能不发生。把「没发生」直接等同于「市场失败」，是用确定性思维评价概率工具。

对阅读者而言，第一课的概率读法在这里要升级：读预测市场，不只是读「当前偏向哪边」，还要问「这个偏向是否诚实地对应历史频率」。

二、校准曲线：当市场说 X%，实际发生了多少？

评估校准的常用方法之一，是绘制校准曲线：将历史预测按概率区间分组（例如 50%–60%、60%–70%、70%–80%），再统计各区间内事件的实际发生率。理想情况下，曲线应接近对角线——说 70% 的事件，长期约有 70% 发生。

现实中常见三种偏离：

过度自信：市场报 80% 的事件，实际发生率明显低于 80%。热点事件、叙事单一的市场容易出现这种情况。

过度保守：市场报 55% 的事件，实际发生率高于 55%。信息传播慢、参与者偏谨慎时可能出现。

样本不足：某一概率区间历史案例太少，统计结果不稳定。长尾事件、新主题市场尤其常见。

因此，校准不是一次性的「对 / 错」标签，而是需要足够样本、按区间观察的长期性质。第三课不追求给出某个平台的精确校准系数——那需要专业数据与方法论——只建立评价框架：看校准，不能只看一两个爆款市场。

三、Brier 分数：把「接近真相」量化

Brier 分数是衡量概率预测质量常用指标之一。对二元事件，每次预测与最终结果之间的误差可纳入计算；分数越低，表示概率估计越接近真实结果（完美预测为 0，完全错误可接近 1，具体计算依公式而定）。

Brier 分数的价值在于：它惩罚「过度自信的错误」。报 99% 却失败，比报 60% 却失败受到更重惩罚——这符合概率思维：前者声称的确定性远高于后者，犯错代价理应更大。

对普通用户，不必手算 Brier，但应理解其含义：

若两个市场准确率相近，Brier 更低者通常概率表达更诚实；

若某市场喜欢把概率推向 0 或 1 两端，短期可能显得「果断」，长期校准往往更差；

评价市场质量，应同时看「猜没猜对」与「概率报得是否合理」。

四、时间维度：赛前一周与赛前一小时，不是同一个预测

同一事件，不同时间点的报价，信息含量不同。赛前一周报 40%，可能反映阵容、伤病、赛程等中期信息；赛前一小时报 65%，可能已吸收首发名单、天气、临场消息。两者都是「概率」，但回答的问题略有不同：前者更像早期估计，后者更接近终局共识。

读预测市场时，应标注时间戳。脱离时间谈「市场一直看涨」，容易误判信息效率。重大宏观事件同理：非农前一周与数据公布前一分钟的 Fed 相关合约，波动驱动不同，不宜混为一谈。

Gate 预测市场等界面上的概率，是当前时刻的快照；若用 Gate for AI Agent 第一档能力拉取宏观背景（如 BTC、美元指数、利率预期走势），应明确其用途是解释「概率为何变动」，而非用资产涨跌直接替换事件合约的 Yes 价格。BTC 大涨不自动等于某加密审批事件概率应上调——二者可能相关，却需分别定义、分别验证。

五、主题差异：政治、体育与加密，校准表现并不相同

不同主题的市场，参与者结构、信息来源与流动性差异很大，校准表现往往不可类推。

政治与选举类市场：信息密集、媒体关注高，但叙事极化也可能导致阶段性过度自信；选举后复盘时，常见「选前 90% 与结果背离」的讨论，正是校准议题。

体育类市场：规则相对清晰，数据历史长，部分主流赛事校准尚可；但伤病突发、裁判争议仍会造成短期失真。

加密与行业事件类市场：FDV 门槛、审批进度、合作落地等定义边界更依赖文本（第二课）；参与者中投机与叙事驱动比例可能更高，薄市场与跳跃报价更常见，校准波动往往更大。

因此，「预测市场很准」或「预测市场不准」的笼统结论没有意义。应问：哪类事件、哪段时期、哪档流动性下的校准如何。

六、AI 与 Agent 的边界：可整理历史，不可生成结论

Gate for AI Agent 或通用 AI 工具，在本课可承担的研究侧任务包括：整理某类事件的历史基率（base rate）、汇总过往市场报价与结算结果、辅助计算分组统计或绘制校准曲线草图。这些属于「加快整理」，有助于形成待验证假设。

不可承担的任务包括：在未读规则原文的情况下断言「该市场历史很准」；把少数案例包装成普遍规律；或直接输出「应买 Yes」。AI 生成的数字必须可追溯到一手数据；样本量不足时，应明确标注「不足以评价校准」，而非给出虚假精确度。Agent 停在研究层；是否相信某市场的概率，仍须由人结合规则、流动性与独立信源判断。