AI 介入民意生成,预测市场正面临一次压力测试

BitPush
Dec 15, 2025

作者:Andy Hall, 斯坦福商学院和胡佛研究所教授

编译:Felix, PANews(本文有所删减)

原文标题:当AI学会伪造民意,预测市场如何应对操纵大考?


设想这样一个场景:那是 2028 年 10 月,万斯和马克·库班在总统选举中难分伯仲。万斯在预测市场上的支持率突然开始飙升。CNN 因与 Kalshi 达成合作,对预测市场价格进行全天候不间断的报道。

与此同时,没人知道价格最初飙升的原因。民主党人坚称市场被“操纵”了。他们指出,有大量可疑交易在没有任何新民调或其他明显原因的情况下,推动了市场转向支持万斯。

纽约时报》同时发表了一篇报道,称沙特阿拉伯主权财富基金支持的交易员在选举市场上下了大赌注,目的是让 CNN 对万斯进行有利的报道。共和党人则表示价格是合理的,指出没有证据表明价格飙升会影响选举结果,并指责民主党人试图压制言论自由并审查关于选举的真实信息。真相到底怎样尚难定论。

本文将解释为什么上述这种情形在未来几年是极有可能发生的——尽管成功操纵预测市场的案例很少,而且几乎没有证据表明它们会影响选民的行为。

试图操纵这些市场的行为是不可避免的,而且当操纵发生时,政治影响可能远远超过对选举结果的直接影响。在一个极易将任何异常现象都视为阴谋的环境中,哪怕只是短暂的失真,也可能引发有关外国干预、腐败或精英勾结的指控。恐慌、指责和信任的丧失,可能会盖过最初行为的实际影响。

然而,放弃预测市场是错误的。随着传统民调在 AI 饱和的环境中变得更加脆弱——响应率极低,民调员正在努力检测 AI 响应与真实人类受访者之间的区别——预测市场提供了一个有用的补充信号,它整合了分散的信息,并带有真实的财务激励。

挑战在于治理:构建既能维护预测市场信息价值,又能减少滥用的体系。这可能意味着要确保广播公司专注于报道那些更难操纵的、更为活跃的市场,鼓励平台监控是否存在协同操纵的迹象,以及转变对市场波动的解读方式,以谦逊而非恐慌的态度看待市场。如果能做到这一点,预测市场就能发展成为政治信息生态系统中一个更稳健、更透明的组成部分:一个能帮助大众理解选举,而不是成为引发不信任的载体。

以史为鉴:要提防有人试图操纵市场

“现在所有人都盯着博彩市场。其波动受到广大普通选民的狂热关注,他们无法亲自了解公众情绪的走向,只能盲目依赖那些在每次选举中都押注数十万美元的人的意见。”——《华盛顿邮报》,1905 年 11 月 5 日。

在 1916 年总统选举中,Charles Evans Hughes 在纽约博彩市场领先 Woodrow Wilson。值得注意的是,在那个时代的美国政治中,新闻媒体经常报道博彩市场。由于这些报道,操纵市场的阴影一直挥之不去。1916 年,民主党人不希望被视为落后,声称博彩市场“被操纵了”,媒体也对此进行了报道。

操纵选情的潜在威胁从未消失。2012 年 10 月 23 日上午,在 Barack Obama 和 Mitt Romney 竞选期间,一名交易员下了一个大单,在 InTrade 上购买 Romney 股份,导致他的价格飙升约 8 点,从略低于 41 美分升至近 49 美分——如果相信价格的话,这表明竞选几乎平手。但价格很快回撤,媒体几乎未加关注。试图操纵者的身份从未被确认。

不过,有时你甚至会看到有人公开阐述他们试图操纵市场的逻辑。2004 年一项研究记录了 1999 年柏林州选举中一起蓄意操纵市场的案例。作者引用了当地党部发出的一封真实邮件,邮件敦促党员在预测市场上下注:

“《每日镜报》(德国最大的报纸之一)每天都在发布一个政治股票市场(PSM),目前自民党(FDP)的交易价格为 4.23%。您可以在互联网上通过 http://berlin.wahlstreet.de 查看 PSM。许多公民并不认为 PSM 是一种游戏,而是将其视为民意调查的结果。因此,在最后几天里,自民党的价格能够上涨是很重要的。就像任何交易所一样,价格水平取决于需求。请参与 PSM 并购买自民党的合约。最终,我们都坚信我们党的成功。”

这些担忧在 2024 年也出现了。在选举前夕,《华尔街日报》刊登了一篇文章,质疑特朗普在 Polymarket 上的优势(似乎远超其民调支持率)是否是不当影响的结果:“对特朗普的大额押注未必是恶意的。一些观察人士认为,这可能只是某个坚信特朗普会胜出的大赌徒所为,想大赚一笔。然而,也有人认为这些押注是一场影响力活动,旨在为这位前总统在社交媒体上制造话题。”

2024 年的审查尤其耐人寻味,因为它引发了对外国势力影响的担忧。结果表明,推高 Polymarket 价格的押注来自一位法国投资者——尽管有人猜测,但几乎没有理由认为这是操纵行为。事实上,这位投资者委托进行了私下民调,而且似乎专注于赚钱,而非操纵市场。

这段历史揭示了两个主题。首先,网络攻击很常见,可以预料到未来还会发生。其次,即使攻击不起作用,一些人仍能借此煽动恐惧情绪。

这些攻击有多大影响?

这些举措是否会左右选民的行为取决于两个因素:操纵能否切实影响市场价格,以及市场价格的变化是否会影响选民的行为?

先来探讨一下为何操纵市场(如果能做到的话)会帮助你实现政治目标:因为这并不像人们所想的那样显而易见。

以下是预测市场可能影响选举结果的两种方式。

从众效应

从众效应指的是选民倾向于支持看似会获胜的候选人,无论是出于从众心理、支持获胜者的满足感,还是认为市场赔率反映了候选人的素质。

如果受欢迎有助于候选人获得更多支持,那么在新闻中播报预测市场的价格就会产生一种推高这些价格的动机。操纵者可能会试图抬高其支持的候选人的胜算,希望引发一个反馈循环:市场价格上涨→选民察觉到势头→选民转移支持→价格再次上涨。

在万斯-库班的例子中,操纵者的赌注是,让万斯看起来更强大将有助于他真正获胜。

自满效应

另一方面,如果选民支持的候选人遥遥领先,他们可能会选择不投票。但如果选情胶着,或者他们支持的候选人似乎要落败,他们可能会更有动力去投票。在这种情况下,广泛传播的预测市场行情会形成一种市场压力,使胜算保持在接近五五开的状态。一旦市场开始倾向于某位候选人,交易者就会知道这位候选人的支持者开始失去热情,从而将价格拉低。

这也方便了操纵市场。领先的候选人若担心支持者们过于乐观,可能会悄悄购买对手的股票,以收紧市场并暗示竞争更加激烈。相反,落后候选人的支持者可能会进一步压低其股价,以诱使对方阵营的人士认为胜券在握而放弃投票。在这种情况下,市场就成了一个自相矛盾的预言:原本旨在反映预期的信号反而起到了颠覆预期的作用。

尽管存在很大争议,但有人认为英国脱欧就是这种现象的一个例子。正如伦敦政治经济学院的一份报告所指出的:“众所周知,民调会影响投票率和投票行为,尤其是在某一方看似胜券在握的情况下。似乎更多支持留欧的人,选择了不投票这一更轻松的选择,可能是因为他们认为留欧会胜出。”

选民对选举的激烈程度并不太在意

但问题在于,即使存在从众或自满效应,现有证据表明其影响通常也很小。美国大选相当稳定——主要受党派立场和经济等基本面因素驱动——所以如果选民对谁领先之类的说法反应强烈,选举结果看起来会更加混乱。而且,当研究人员试图直接改变人们对选举激烈程度或关键性的看法时,行为上的影响始终都很有限。

以目前所掌握的关于“选情越接近,投票率越高”这一理论的范例是:埃诺斯和福勒对马萨诸塞州一场州议会选举的研究,这场选举实际上以平局收场。在重新举行的选举中,他们随机告知部分选民,他们所在选区的上次选举仅以一票之差决出胜负。即使采取这种极端做法,对投票率的影响也微乎其微。

同样,格伯等人在大规模实地实验中向选民展示了不同的民调结果。人们更新了对选举竞争激烈程度的看法,但投票率几乎没有变化。一项关于瑞士全民公投的研究发现,这种影响略大一些,但仍非常有限:在这种情况下,广受关注的接近民调似乎能略微提高投票率,但仅提高几个百分点。

有可能在某些时候,选举势均力敌的信号确实会促使一些选民改变主意,但这种影响或许只是微乎其微。这并不意味着不应该担心选举舞弊,而是应该关注选情胶着的选举中那些细微的影响,而不是那些将势均力敌的选举变成一边倒的局面的扭曲因素。

操纵市场既困难又昂贵

这就引出了第二个问题:操纵预测市场价格究竟有多难?

Rhode 和 Strumpf 对 2000 年大选期间爱荷华电子市场的研究发现,操纵企图代价高昂且难以持久。在一个典型的案例中,一名交易员反复向市场发出超大额买单,试图将价格推高至其青睐的候选人一方。每次推动都短暂地改变了赔率,但很快就被其他交易员利用套利消除这种扭曲,将价格拉回到正常水平。操纵者投入巨大却亏损累累,而市场则表现出强大的均值回归和韧性。

在万斯和库班的假设案例中,这一点至关重要。在 10 月份操纵总统选举市场需要大量资金,而且会有许多交易员等着在价格飙升后抛售。这种小幅波动或许能持续到在 CNN 上播出,但等到美国 CNN 主播安德森·库珀开始谈论此事时,价格可能已经回落到最初的水平。

但当市场流动性不足时,情况就不同了。研究人员已经证明,在低流动性环境下,长期价格是有可能被操纵的:没有人能阻止这种操纵。

应对建议

或许有证据表明,操纵主要选举市场不太可能产生重大影响,但这并不意味着可以无所作为。在预测市场与社交媒体和有线电视新闻融合的新世界里,操纵价格的影响可能比以往任何时候都要大。即使操纵价格的影响不大,这种担忧也可能影响对政治体系公正性的共同认知。如何应对这个问题?

对于广播机构:

实施流动性下限。CNN 及其他新闻机构在报道选举和其他政治事件的预测市场价格时,应重点关注交易活跃的市场,因为这些市场的价格更有可能反映准确的预期,且操纵成本较高;不应报道市场流动性差的价格,因为这些市场的价格不太准确,且操纵成本较低。

纳入其他选举预期信号。新闻机构还应密切关注民意调查和其他选举预期指标。尽管这些指标也存在其他缺陷,但受策略性操纵的可能性较小。如果发现市场价格与其他信号之间存在重大偏差,新闻机构应寻找操纵的证据。

对于预测市场:

建立监控能力。建立能够检测欺骗性交易、虚假交易、单边交易量突然暴涨以及协同账户活动的系统和人员。像 Kalshi 和 Polymarket 这样的公司可能已经具备部分此类能力,但如果它们希望被视为负责任的平台,可以投入更多资源。

在出现剧烈且无明显原因的价格波动时,考虑采取干预措施。这包括在流动性差的市场中设置简单的熔断机制以应对突然的价格变动,以及在价格走势看起来不正常时采取暂停交易并随后进行集合竞价以重新确定价格。

报告价格指标时应考虑如何提高其抗操纵性。对于电视上展示的价格,应使用时间加权或成交量加权的价格。

持续提高交易透明度。透明度至关重要:公布流动性、集中度和异常交易模式的指标(不透露个人身份),以便记者和公众能够了解价格波动反映的是真实信息还是订单簿噪音。像 Kalshi 和 Polymarket 这样的大型市场已经展示了订单簿,但更详细的指标和易于公众理解的仪表盘会非常有用。

对于政策制定者:

打击市场操纵。第一步是明确指出,任何试图操纵选举预测市场价格(以此影响公众舆论或媒体报道)的行为,都属于现有反操纵法规的管辖范围。当选举前夕出现无法解释的大幅价格波动时,监管机构就能快速行动。

监管国内外政治势力对市场的干预。由于选举市场极易受到外国影响和竞选资金问题的影响,政策制定者应考虑两项保障措施:

(1)通过追踪交易者的国籍来监控外国操纵行为,这得益于美国现行的“KYC”法律,该法律对预测市场的运作至关重要。

(2)制定针对竞选活动、政治行动委员会(PAC)和高级政治工作人员的信息披露规则或禁令。如果操纵价格的支出属于未申报的政治支出,监管机构应将其视为政治支出进行处理。

结论

预测市场能让选举变得更清晰而非更混乱,但前提是必须负责任地设立这些市场。CNN 与 Kalshi 的合作预示着未来市场信号将与民调、模型和报道一起,成为政治信息环境的一部分。这是一个真正的机遇:在 AI 泛滥的世界里,需要能够挖掘分散信息而不歪曲的工具。但这一前景取决于良好的治理,包括流动性标准、监管、透明度以及对市场动态更审慎的解读方式。如果把这些方面都处理得当,预测市场就能改善大众对选举的理解,并在算法时代支持更健康的民主生态系统。


Twitter:https://twitter.com/BitpushNewsCN

比推 TG 交流群:https://t.me/BitPushCommunity

比推 TG 订阅: https://t.me/bitpush

说明: 比推所有文章只代表作者观点,不构成投资建议
AI

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10