IOSG; 확률을 자산으로 전환: 예측 시장 에이전트 전망

저자: Jacob Zhao @IOSG

저희는 이전 암호화폐 AI 연구 보고서에서 현재 암호화폐 시장에서 가장 실용적인 가치를 지닌 애플리케이션은 주로 스테이블코인 결제와 DeFi에 집중되어 있으며, 에이전트가 AI 산업의 핵심 사용자 인터페이스 역할을 한다는 점을 일관되게 강조해 왔습니다. 따라서 암호화폐와 AI 통합 추세에서 가장 유망한 두 가지 방향은 다음과 같습니다. 단기적으로는 기존의 성숙한 DeFi 프로토콜(대출 및 유동성 채굴과 같은 기본 전략은 물론 스왑, 펜들 PT, 펀딩 금리 차익거래와 같은 고급 전략)을 기반으로 하는 AgentFi가, 중장기적으로는 ACP/AP2/x402/ERC-8004와 같은 프로토콜을 활용하여 스테이블코인 결제를 중심으로 하는 Agent Payment가 있습니다.

예측 시장은 2025년에 명실상부한 새로운 산업 트렌드로 자리 잡았으며, 연간 총 거래량은 2024년 약 90억 달러에서 2025년 400억 달러 이상으로 급증하여 전년 대비 400% 이상의 성장률을 기록할 것으로 예상됩니다. 이러한 급격한 성장은 거시 정치적 사건으로 인한 불확실성에서 비롯된 수요 증가, 인프라 및 거래 모델의 성숙, 그리고 규제 환경의 돌파구(칼시 판결과 폴리마켓의 미국 시장 재진출) 등 여러 요인에 의해 주도되었습니다. 예측 시장 에이전트는 2026년 초에 초기 형태를 갖추기 시작하여 향후 1년 안에 에이전트 분야의 새로운 상품 형태로 자리 잡을 것으로 전망됩니다.

1. 예측 시장: 베팅 도구에서 "글로벌 진실의 층"으로

예측 시장은 미래 사건의 결과를 중심으로 거래를 촉진하는 금융 메커니즘입니다. 계약 가격은 본질적으로 해당 사건 발생 확률에 대한 시장의 집단적 판단을 반영합니다. 예측 시장의 효율성은 집단 지혜와 경제적 유인의 결합에서 비롯됩니다. 익명성과 실제 자금이 오가는 환경에서 분산된 정보는 지불 의사에 따라 가중치가 부여된 가격 신호로 신속하게 통합되어 잡음과 잘못된 판단을 크게 줄입니다.

▲ 예측 시장 명목 거래량 추세 차트. 데이터 출처: Dune Analytics (쿼리 ID: 5753743)

2025년 말까지 예측 시장은 폴리마켓(Polymarket)과 칼시(Kalshi) 두 회사가 주도하는 과점 체제로 변모할 것으로 예상됩니다. 포브스(Forbes)에 따르면 2025년 총 거래량은 약 440억 달러에 달했으며, 폴리마켓이 약 215억 달러, 칼시가 약 171억 달러를 차지했습니다. 2026년 2월 주간 데이터에 따르면 칼시의 거래량(259억 달러)은 폴리마켓(183억 달러)을 넘어 시장 점유율 50%에 육박했습니다. 칼시는 과거 선거 계약 소송에서의 승소, 미국 스포츠 예측 시장에서의 선도적인 규제 준수, 그리고 비교적 명확한 규제 환경 덕분에 빠르게 성장할 수 있었습니다. 현재 두 회사의 발전 경로는 뚜렷하게 갈라지고 있습니다.

폴리마켓은 "오프체인 매칭 및 온체인 결제"를 결합한 하이브리드 CLOB 아키텍처와 분산형 결제 메커니즘을 채택하여 글로벌 비수탁형 고유동성 시장을 구축했습니다. 미국 법규를 준수하며 미국으로 복귀한 후, "온쇼어 + 오프쇼어"의 이중 운영 구조를 확립했습니다.
Kalshi는 API를 통해 주류 소매 증권사에 연결함으로써 기존 금융 시스템에 통합되어 월스트리트 시장 조성자들이 거시 경제 및 데이터 기반 계약 거래에 적극적으로 참여하도록 유도합니다. 그러나 Kalshi의 상품은 전통적인 규제 절차를 따르기 때문에 장기적인 수요에 대한 대응과 예상치 못한 사건에 대한 대응이 상대적으로 지연되는 경향이 있습니다.

폴리마켓과 칼시를 제외한 예측 시장의 다른 경쟁 업체들은 주로 두 가지 경로를 따라 발전해 왔습니다.

한 가지 접근 방식은 규정 준수 유통 경로로, 이벤트 계약을 증권 회사 또는 대형 플랫폼의 기존 계좌 및 청산 시스템에 통합하는 것입니다. 이는 채널 범위, 규정 준수 자격, 기관의 신뢰와 같은 이점을 활용하여 시장 점유율을 확대합니다(예: Interactive Brokers × ForecastEx의 ForecastTrader, FanDuel × CME Group의 FanDuel Predicts). 이러한 접근 방식은 규정 준수 및 자원 측면에서 상당한 이점을 제공하지만, 제품 및 사용자 규모는 아직 초기 단계에 있습니다.
두 번째는 Opinion.trade, Limitless, Myriad 등으로 대표되는 암호화폐 네이티브 온체인 방식입니다. 이 방식은 포인트 마이닝, 단기 계약 주기, 미디어 배포 등을 통해 빠른 확장을 달성하며, 성능과 자본 효율성을 강조합니다. 그러나 장기적인 지속 가능성과 위험 관리의 견고성은 아직 검증이 필요합니다.

전통적인 금융 규정 준수 진입점과 암호화 기술의 본질적인 성능 이점은 예측 시장 생태계의 다양한 경쟁 구도를 구성합니다.

예측 시장은 표면적으로 도박과 유사하며, 본질적으로 제로섬 게임입니다. 그러나 핵심적인 차이점은 예측 시장이 긍정적인 외부 효과를 갖는지 여부에 있습니다. 즉, 실제 자금 거래를 통해 분산된 정보를 통합하고, 실제 사건의 가격을 공개적으로 책정하며, 가치 있는 신호 계층을 형성하는 것입니다. 이러한 추세는 게임 이론에서 "글로벌 진실 계층"으로 이동하고 있습니다. CME와 블룸버그 같은 기관들의 통합으로 사건 확률은 금융 및 기업 시스템에서 직접 접근할 수 있는 의사 결정 메타데이터가 되어, 더욱 시의적절하고 정량화 가능한 시장 기반 진실을 제공하고 있습니다.

글로벌 규제 관점에서 볼 때, 예측 시장의 규제 준수 경로는 국가별로 매우 다양합니다. 미국은 주요 경제국 중 유일하게 예측 시장을 금융 파생상품 규제 체계에 명시적으로 포함시킨 국가입니다. 유럽, 영국, 호주, 싱가포르는 일반적으로 예측 시장을 도박으로 간주하여 규제를 강화하는 경향이 있는 반면, 중국과 인도는 예측 시장을 완전히 금지했습니다. 예측 시장의 향후 글로벌 확장은 각국의 규제 체계에 따라 결정될 것입니다.

2. 예측 시장 지능형 에이전트의 아키텍처 설계

현재 예측 시장 에이전트는 실용화 초기 단계에 접어들고 있습니다. 이들의 가치는 "더 정확한 AI 예측"에 있는 것이 아니라, 예측 시장에서 정보 처리 및 실행 효율성을 극대화하는 데 있습니다. 예측 시장은 본질적으로 정보 집계 메커니즘이며, 가격은 사건 발생 확률에 대한 집단적 판단을 반영합니다. 현실 세계의 시장 비효율성은 정보 비대칭성, 유동성 제약, 그리고 주의력 한계에서 비롯됩니다. 예측 시장 에이전트의 적절한 역할은 실행 가능한 확률적 포트폴리오 관리입니다. 즉, 뉴스, 규칙 텍스트, 온체인 데이터를 검증 가능한 가격 편향으로 변환하고, 전략을 더 빠르고, 체계적이며, 낮은 비용으로 실행하며, 플랫폼 간 차익거래 및 포트폴리오 위험 관리를 통해 구조적 기회를 포착하는 것입니다.

이상적인 예측 시장 에이전트는 4계층 아키텍처로 추상화할 수 있습니다.

정보 계층은 뉴스, 소셜 미디어, 온체인 및 공식 데이터를 집계합니다.
분석 계층은 LLM과 ML을 사용하여 가격이 잘못된 품목을 식별하고 이점을 계산합니다.
전략 계층은 켈리 기준, 단계별 포지션 구축 및 위험 관리를 통해 엣지를 포지션으로 변환합니다.
실행 계층은 다중 시장 주문 체결, 슬리피지 및 가스 최적화, 차익 거래 실행을 완료하여 매우 효율적이고 자동화된 폐쇄 루프를 형성합니다.

3. 예측 시장 참여자를 위한 전략 프레임워크

전통적인 거래 환경과 달리 예측 시장은 결제 메커니즘, 유동성, 정보 배포 방식에서 상당한 차이를 보이며, 모든 시장과 전략이 자동 실행에 적합한 것은 아닙니다. 예측 시장 에이전트의 핵심은 명확하게 정의된 규칙, 코딩된 기능, 그리고 구조적 이점과 부합하는 시나리오에 배포되는지 여부에 달려 있습니다. 본 분석에서는 목표 선정, 포지션 관리, 전략 구조라는 세 가지 측면에 초점을 맞출 것입니다.

시장 목표 선정 예측

모든 예측 시장이 거래 가치를 지니는 것은 아닙니다. 시장 참여 가치는 결제 명확성(규칙이 명확하고 데이터 출처가 확실한지 여부), 유동성(시장 깊이, 스프레드, 거래량), 내부자 위험(정보 비대칭 정도), 시간 구조(만기일 및 이벤트 발생 시점), 그리고 거래자의 정보 우위 및 전문성 등 여러 요소에 따라 달라집니다. 이러한 요소들이 대부분 기본 요건을 충족할 때 비로소 예측 시장은 실행 가능한 진입점으로 간주될 수 있습니다. 참여자는 자신의 강점과 시장 특성을 잘 조화시켜야 합니다.

인간의 핵심 강점은 전문 지식, 판단력, 그리고 모호한 정보의 통합에 의존하고 비교적 유연한 시간 범위(며칠 또는 몇 주 단위)를 가진 시장에서 발휘됩니다. 대표적인 예로는 정치 선거, 거시 경제 동향, 기업의 주요 성과 등이 있습니다.
AI 에이전트의 핵심 장점은 데이터 처리, 패턴 인식, 그리고 매우 짧은 의사 결정 시간(수초 또는 분 단위)을 요구하는 시장에서의 빠른 실행 능력에 있습니다. 대표적인 예로는 고빈도 암호화 가격 책정, 시장 간 차익 거래, 자동 시장 조성 등이 있습니다.
부적합한 시장: 내부 정보에 의해 좌우되거나 순전히 무작위적이거나 심하게 조작되어 어떤 참여자에게도 이점을 제공하지 않는 시장.

예측 시장에서의 포지션 관리

켈리 기준은 반복적인 게임 시나리오에서 가장 대표적인 자금 관리 이론입니다. 이 이론의 목표는 단일 게임의 수익률을 극대화하는 것이 아니라 장기적인 복리 성장률을 극대화하는 것입니다. 승률과 확률 추정을 기반으로 이론적으로 최적의 투자 비율을 계산하여, 양의 기대값을 전제로 자본 성장 효율성을 향상시킵니다. 켈리 기준은 양적 투자, 전문 베팅, 포커, 자산 관리 등 다양한 분야에서 널리 활용되고 있습니다.

고전적인 형태는 다음과 같습니다: f^* = (bp - q) / b
여기서 f∗는 최적 배팅 비율, b는 순 배당률, p는 승률, q=1−p입니다.
시장 예측은 다음과 같이 단순화할 수 있습니다: f^* = (p - 시장 가격) / (1 - 시장 가격)
여기서 p는 주관적인 실제 확률이고 market_price는 시장에서 암시하는 확률입니다.

켈리 기준의 이론적 타당성은 실제 확률과 배당률에 대한 정확한 추정에 크게 의존합니다. 그러나 현실적으로 거래자들은 실제 확률을 일관되고 정확하게 파악하는 데 어려움을 겪습니다. 따라서 전문 투기꾼이나 시장 참여자들은 확률 추정에 덜 의존하는 보다 실행 가능하고 규칙 기반의 전략을 사용하는 경향이 있습니다.

단위 시스템(단위 베팅): 이 방법은 자금을 고정된 단위(예: 1%)로 나누고, 자신감 수준에 따라 각기 다른 단위 수만큼 베팅하는 방식입니다. 단위 한도가 각 베팅의 위험도를 자동으로 제한하며, 가장 일반적인 베팅 방식입니다.
정액 배팅: 자금의 일정 비율을 각 배팅에 사용하는 방식으로, 규율과 안정성을 강조합니다. 위험 회피적이거나 자신감이 부족한 환경에 적합합니다.
신뢰도 등급: 의사 결정의 복잡성을 줄이고 켈리 모델의 유사 정밀도 문제를 방지하기 위해 미리 설정된 개별 위치 등급과 절대 상한값을 지정합니다.
역위험 접근법: 최대 허용 손실액을 기준으로 포지션 규모를 역산하여 결정하며, 예상 수익률이 아닌 위험 제약 조건에 기반한 안정적인 위험 경계를 설정합니다.

시장 예측 에이전트의 전략 설계는 이론적 최적성을 추구하기보다는 실현 가능성과 안정성을 우선시해야 합니다. 핵심은 명확한 규칙, 간결한 매개변수, 그리고 판단 오류에 대한 허용 범위에 있습니다. 이러한 제약 조건 하에서, 고정 포지션 상한선과 결합된 계층형 신뢰도 방법은 시장 예측 에이전트에 가장 적합한 일반적인 포지션 관리 솔루션입니다. 이 방법은 정확한 확률 추정에 의존하지 않고, 신호 강도를 기반으로 기회를 유한한 계층으로 나누고 각 계층에 해당하는 고정 포지션을 할당합니다. 높은 신뢰도 시나리오에서도 위험을 관리하기 위해 명확한 상한선을 설정합니다.

시장 예측 전략 선택

전략적 구조 관점에서 시장 예측은 크게 두 가지 범주로 나눌 수 있습니다. 명확하고 체계적인 규칙에 기반한 결정론적 차익거래 전략과 정보 해석 및 방향 판단에 의존하는 투기적 방향성 전략이 그것입니다. 또한, 전문 기관이 주로 운영하며 높은 자본과 인프라를 필요로 하는 시장 조성 및 헤지 전략도 있습니다.

결정론적 차익거래 전략

결과 확정 차익거래: 결과 확정 차익거래는 어떤 사건의 결과가 상당 부분 결정되었지만 시장이 아직 그 결과를 완전히 반영하지 못한 상태에서 발생합니다. 수익은 주로 정보 동기화와 실행 속도에서 비롯됩니다. 이 전략은 명확한 규칙, 낮은 위험, 그리고 완벽한 코딩 기능을 갖추고 있어 예측 시장에서 에이전트가 실행하기에 가장 적합한 핵심 전략입니다.
더치 북 차익거래: 더치 북 차익거래는 상호 배타적이고 완전한 사건 집합의 가격 합계가 확률 보존 제약 조건(∑P≠1)에서 벗어나는 구조적 불균형을 활용하여 포트폴리오 구성을 통해 방향성이 없는 위험과 수익을 고정하는 전략입니다. 이 전략은 규칙과 가격 간의 관계에만 의존하며, 위험도가 낮고 규칙 기반적인 특성을 지니고 있어 자동화된 에이전트 실행에 적합한 전형적인 결정론적 차익거래 형태입니다.
크로스 플랫폼 차익거래: 크로스 플랫폼 차익거래는 서로 다른 시장에서 동일한 이벤트에 대한 가격 차이를 포착하여 이익을 얻는 전략입니다. 위험도는 낮지만 높은 지연 시간과 병렬 모니터링이 필요합니다. 이러한 전략은 인프라 측면에서 우위를 점한 사업자에게 적합하지만, 경쟁이 심화될수록 한계 수익률은 지속적으로 감소합니다.
번들 차익거래: 번들 차익거래는 관련 계약 간의 가격 차이를 이용하는 전략입니다. 논리는 명확하지만 기회는 제한적입니다. 이 전략은 에이전트를 통해 실행할 수 있지만, 규칙 분석 및 조합 제약 조건에 대한 엔지니어링 전문 지식이 필요하며 에이전트의 적응성은 중간 수준입니다.

투기적 방향 전략

정보 거래: 이 전략 유형은 공식 데이터 발표, 공지, 판결과 같은 명확한 사건이나 구조화된 정보를 중심으로 이루어집니다. 정보 출처가 명확하고 발동 조건이 정의 가능하다면, 행위자는 모니터링 및 실행 단계에서 신속성과 규율을 활용할 수 있습니다. 그러나 정보가 의미론적 판단이나 맥락적 해석으로 변환되는 과정에서는 여전히 인간의 개입이 필요합니다.
신호 추종 전략: 이 전략은 과거 실적이 우수한 계좌 또는 펀드를 추종하여 수익을 창출합니다. 규칙은 비교적 간단하며 자동화가 가능합니다. 핵심 위험은 신호의 왜곡 및 오용에 있으므로 필터링 메커니즘과 엄격한 포지션 관리가 필요합니다. 에이전트를 보완하는 전략으로 적합합니다.
비정형/잡음 기반 전략: 이러한 전략은 감정, 무작위성 또는 참여 행동에 크게 의존하며, 안정적이고 재현 가능한 이점이 부족하고 장기적인 기대값이 불안정합니다. 모델링의 어려움과 극도로 높은 위험성 때문에 체계적인 에이전트 실행에는 적합하지 않으며 장기적인 전략으로 권장되지 않습니다.

고빈도 가격 및 유동성 전략(시장 미세구조): 이러한 전략은 극히 짧은 의사결정 시간, 지속적인 시세 또는 고빈도 거래에 의존하므로 지연 시간, 모델 및 자본에 매우 높은 요구 조건을 부과합니다. 이론적으로는 에이전트에게 적합하지만, 예측 시장의 유동성과 경쟁 강도에 제약을 받는 경우가 많아 상당한 인프라 이점을 가진 소수의 참여자에게만 적합합니다.

위험 관리 및 헤징: 이러한 전략은 직접적인 수익 추구가 아닌 전반적인 위험 노출 감소를 목표로 합니다. 명확하게 정의된 규칙과 목표를 가지고 있으며, 장기적인 관점에서 기본적인 위험 관리 모듈로 운영됩니다.

전반적으로 예측 시장에서 에이전트에게 적합한 전략은 명확한 규칙, 코딩된 패턴, 그리고 주관적 판단이 적은 시나리오에 집중됩니다. 확실성 차익거래가 핵심 수익원이 되어야 하며, 구조화된 정보와 신호 추종 전략이 이를 보완해야 합니다. 잡음이 많고 감정에 좌우되는 거래는 체계적으로 배제해야 합니다. 에이전트의 장기적인 이점은 고도로 규율화된 고속 실행 능력과 위험 관리 능력에 있습니다.

4. 시장에서 지능형 에이전트의 비즈니스 모델 및 제품 형태를 예측합니다.

예측형 시장 참여자를 위한 이상적인 비즈니스 모델 설계는 다양한 수준에서 다양한 방향으로 탐구할 수 있는 기회를 제공합니다.

인프라 계층은 다양한 소스의 실시간 데이터 집계, 스마트 머니 주소 데이터베이스, 통합 예측 시장 실행 엔진 및 백테스팅 도구를 제공하며, B2B 기업에 예측 정확도와 무관한 안정적인 수익을 제공합니다.
전략 계층은 커뮤니티 및 타사 전략을 도입하여 재사용 및 평가 가능한 전략 생태계를 구축합니다. 또한 호출, 가중치 부여 또는 실행 공유를 통해 가치를 창출함으로써 단일 알파에 대한 의존도를 줄입니다.
에이전트/금고 계층에서 스마트 에이전트는 위탁 관리를 통해 실시간 거래에 직접 참여하며, 투명한 온체인 기록과 엄격한 위험 관리 시스템을 기반으로 관리 수수료와 성과 수수료를 징수합니다.

다양한 비즈니스 모델에 대응하는 제품 형태는 다음과 같이 나눌 수 있습니다.

엔터테인먼트/게임화 모델: 틴더처럼 직관적인 상호작용을 통해 진입 장벽을 낮추어 사용자 증가 및 시장 교육 효과가 뛰어나 신규 시장 진출에 이상적인 진입점입니다. 하지만 구독형 모델이나 행동 기반 제품 수익화 모델과 통합되어야 합니다.
전략 구독/시그널 모델: 이 모델은 펀드 수탁이 필요 없고, 규제 친화적이며, 책임 소재가 명확하고, 비교적 안정적인 SaaS 수익 구조를 제공하여 현재 단계에서 가장 실현 가능한 상용화 경로입니다. 하지만 전략 복제가 용이하고, 실행 효율성이 떨어지며, 장기적인 수익 상한선이 제한적이라는 한계가 있습니다. 그럼에도 불구하고 "시그널 + 원클릭 실행"을 활용한 반자동 접근 방식은 사용자 경험과 유지율을 크게 향상시킬 수 있습니다.
Vault 수탁 모델은 자산 관리 상품과 유사한 형태를 띠며, 규모의 경제와 실행 효율성 측면에서 이점을 제공합니다. 그러나 자산 관리 라이선스, 신뢰 장벽, 중앙 집중식 기술 위험 등 여러 구조적 제약에 직면해 있습니다. 또한, 비즈니스 모델이 시장 상황과 지속적인 수익성에 크게 의존하기 때문에 장기적인 성과와 기관 투자자의 지원이 뒷받침되지 않는다면 주요 투자 방식으로는 적합하지 않습니다.

전반적으로 "인프라 수익화 + 전략적 생태계 확장 + 성과 참여"로 구성된 다각화된 수익 구조는 "AI가 시장을 지속적으로 능가할 것"이라는 단일 가정에 대한 의존도를 줄이는 데 도움이 됩니다. 시장이 성숙해짐에 따라 알파(AI의 잠재력)가 수렴되더라도 실행, 위험 관리, 결제와 같은 기본 기능은 여전히 장기적인 가치를 지니므로 더욱 지속 가능한 비즈니스 구조를 구축할 수 있습니다.

5. 예측 시장 에이전트 사례 연구

현재 예측 시장은 아직 초기 탐색 단계에 머물러 있습니다. 기초 프레임워크부터 상위 수준 도구에 이르기까지 다양한 시도가 있었지만, 전략 생성, 실행 효율성, 위험 관리 시스템 및 비즈니스 순환 시스템 측면에서 성숙한 표준화된 제품은 아직 등장하지 않았습니다.

우리는 현재의 생태계를 인프라, 자율 에이전트, 예측 시장 도구의 세 가지 계층으로 나눕니다.

인프라 계층

폴리마켓 에이전트 프레임워크

Polymarket Agents는 Polymarket의 공식 개발자 프레임워크로, "연결성 및 상호 작용"과 관련된 엔지니어링 측면의 표준화를 목표로 합니다. 이 프레임워크는 시장 데이터 수집, 주문 생성 및 기본 LLM(로컬 관리 모델) API 호출을 캡슐화합니다. "코드로 주문을 넣는 방법"에 대한 문제를 해결하지만, 전략 생성, 확률 보정, 동적 포지션 관리 및 백테스팅 시스템과 같은 핵심 거래 기능은 기본적으로 개발되지 않은 상태입니다. 알파 수익을 제공하는 완성품이라기보다는 공식적으로 인정된 "접근 권한 명세"에 가깝습니다. 상용 수준의 에이전트는 이 프레임워크 위에 자체적인 완전한 투자 연구 및 위험 관리 기능을 구축해야 합니다.

그노시스 예측 시장 도구

Gnosis Prediction Market Agent Tooling(PMAT)은 Omen/AIOmen 및 Manifold에 대해 완전한 읽기/쓰기 지원을 제공하지만 Polymarket에 대해서는 읽기 전용 액세스만 허용하여 명확한 생태계 장벽을 만듭니다. PMAT는 Gnosis 생태계 내에서 에이전트 개발의 핵심 기반으로 적합하지만, Polymarket에 주로 초점을 맞추는 개발자에게는 실용성이 제한적입니다.

현재 Polymarket과 Gnosis는 "에이전트 개발"을 공식 프레임워크로 명시적으로 제품화한 유일한 예측 시장 생태계입니다. Kalshi와 같은 다른 예측 시장은 여전히 주로 API와 Python SDK에 의존하고 있어 개발자가 전략, 위험 관리, 운영 및 모니터링과 같은 핵심 시스템 기능을 직접 구현해야 합니다.

자율 에이전트

현재 대부분의 "예측 시장 AI 에이전트"는 아직 초기 단계에 머물러 있습니다. "에이전트"라고 불리지만, 실제 기능은 폐쇄형 거래를 자동화할 수 있는 수준과는 거리가 멉니다. 일반적으로 독립적이고 체계적인 위험 관리 계층이 부족하고, 포지션 관리, 손절매, 헤징, 기대값 제약 조건 등을 의사 결정 과정에 통합하지 못했습니다. 전반적인 제품화 수준이 낮고, 장기적으로 운영 가능한 성숙한 시스템은 아직 구축되지 않았습니다.

올라스 예측

Olas Predict는 현재 가장 상품화된 예측 시장 AI 에이전트 생태계입니다. 핵심 제품인 Omenstrat는 Gnosis 생태계 내 Omen 플랫폼을 기반으로 구축되었으며, 핵심적으로 FPMM(Frequency-Based Market Management)과 분산형 차익거래 메커니즘을 활용합니다. 소액 고빈도 거래를 지원하지만, Omen 단일 시장의 유동성 부족으로 인해 한계가 있습니다. Omenstrat의 "AI 예측"은 주로 일반적인 LLM(Local Load Management)에 의존하며, 실시간 데이터와 체계적인 위험 관리 기능이 부족하여 다양한 상품 카테고리에서 높은 과거 승률을 보였습니다. 2026년 2월, Olas는 Polystrat를 출시하여 에이전트 기능을 Polymarket으로 확장했습니다. 사용자는 자연어를 사용하여 전략을 설정할 수 있으며, 에이전트는 4일 이내에 결제 시장의 확률 편차를 자동으로 식별하고 거래를 실행합니다. 이 시스템은 Pearl 플랫폼에서 로컬로 운영되고, 자체 호스팅 Safe 계정을 사용하며, 하드코딩된 제한을 통해 위험을 관리하여 Polymarket을 위한 최초의 소비자급 자율 거래 에이전트가 되었습니다.

유니페이 네트워크 폴리마켓 전략

폴리마켓은 핵심 전략으로 극단적 위험 감수 전략을 사용하는 자동 거래 에이전트를 제공합니다. 이 전략은 95% 이상의 확률로 결제가 임박한 계약을 찾아 매수하여 3~5%의 가격 스프레드를 확보하는 것을 목표로 합니다. 온체인 데이터에 따르면 승률은 95%에 가깝지만, 자산 종류에 따라 수익률이 크게 달라지는 것으로 보아 이 전략은 실행 빈도와 자산 종류 선택에 매우 의존적입니다.

노야.에이

NOYA.ai는 "연구-판단-실행-모니터링"을 인텔리전스 계층, 추상화 계층, 실행 계층을 아우르는 폐쇄 루프 에이전트 아키텍처에 통합하고자 합니다. 이미 옴니체인 볼트( Omnichain Vault)를 제공했으며, 예측 시장 에이전트(Prediction Market Agent)는 아직 개발 중으로 완전한 메인넷 폐쇄 루프를 구축하지 못하고 비전 검증 단계에 머물러 있습니다.

예측 시장 도구

현재의 시장 예측 분석 도구들은 완전한 "시장 예측 에이전트"를 구성하기에는 불충분합니다. 이러한 도구들의 가치는 주로 에이전트 아키텍처의 정보 및 분석 계층에 집중되어 있으며, 거래 실행, 포지션 관리 및 위험 통제는 여전히 트레이더의 몫입니다. 제품 관점에서 볼 때, 이러한 도구들은 "전략 구독/신호 지원/연구 강화"라는 포지셔닝에 더 부합하며, 시장 예측 에이전트의 초기 프로토타입으로 볼 수 있습니다.

본 논문은 Awesome-Prediction-Market-Tools에 포함된 프로젝트들을 체계적으로 검토하고 실증적으로 선별하여, 초기 제품 형태와 사용 사례를 이미 확보한 대표적인 프로젝트들을 연구 보고서의 사례 연구로 선정했습니다. 이 프로젝트들은 주로 분석 및 신호 계층, 경고 및 고래 추적 시스템, 차익거래 발굴 도구, 거래 터미널 및 통합 실행이라는 네 가지 영역에 초점을 맞추고 있습니다.

시장 분석 도구

폴리시어(Polyseer)는 연구 기반 시장 예측 도구로, 양방향 증거 수집 및 베이지안 확률적 집계를 위해 다중 에이전트 아키텍처(기획자/연구원/비평가/분석가/보고자)를 활용하여 구조화된 연구 보고서를 출력합니다. 투명한 방법론, 체계적인 프로세스, 그리고 완전한 오픈 소스 및 감사 가능이라는 장점을 가지고 있습니다.
Oddpool은 "예측 시장을 위한 블룸버그 터미널"로 자리매김하고 있으며, Polymarket, Kalshi, CME 및 기타 플랫폼을 위한 플랫폼 간 데이터 통합, 차익 거래 스캐닝 및 실시간 데이터 대시보드를 제공합니다.
폴리마켓 애널리틱스: 폴리마켓의 글로벌 데이터 분석 플랫폼으로, 거래자, 시장, 포지션 및 거래 데이터를 체계적으로 보여줍니다. 명확한 포지셔닝과 직관적인 데이터 구조를 통해 기본적인 데이터 조회 및 연구 자료로 활용하기에 적합합니다.
Hashdive: 트레이더를 위한 데이터 도구로, 스마트 스코어와 다차원 스크리너를 사용하여 트레이더와 시장을 정량적으로 분석함으로써 "스마트 머니 식별" 및 카피 트레이딩 결정에 실질적인 도움을 줍니다.
Polyfactual은 AI 기반 시장 정보 및 심리/위험 분석에 중점을 두고 있으며, 크롬 확장 프로그램을 통해 분석 결과를 거래 인터페이스에 통합하고 B2B 및 기관 사용자 시나리오에 맞춰 설계되었습니다.
Predly: AI 기반 가격 불일치 감지 플랫폼으로, 시장 가격을 AI가 계산한 확률과 비교하여 Polymarket과 Kalshi 간의 가격 차이를 식별합니다. 이 플랫폼은 89%의 정확도로 알림을 제공하며, 신호 발굴 및 기회 선별에 중점을 둡니다.
Polysights는 30개 이상의 시장 및 온체인 지표를 제공하며, Insider Finder를 사용하여 새로운 지갑 생성 및 대규모 단일 베팅과 같은 비정상적인 움직임을 추적하므로 일상적인 모니터링 및 신호 발굴에 적합합니다.
PolyRadar: 다중 모델 병렬 분석 플랫폼으로, 단일 이벤트에 대한 실시간 해석, 타임라인 변화, 신뢰도 점수 및 소스 투명성을 제공하며, 다중 AI 교차 검증 및 위치 분석 도구를 강조합니다.
알파스코프(Alphascope): 인공지능 기반 예측 시장 정보 엔진으로, 실시간 신호, 연구 요약, 확률 변화 모니터링 기능을 제공합니다. 아직 초기 단계이며, 연구 및 신호 지원에 중점을 두고 있습니다.

경고/고래 추적

요구 사항: 고래 카피 트레이딩을 명확하게 정의하고 신뢰도 높은 조치 알림을 제공합니다.
고래 추적기, 격분하다: 고래 위치 변화 상품화

차익거래 발견 도구

ArbBets: Polymarket, Kalshi 및 스포츠 베팅 시장에 초점을 맞춘 AI 기반 차익거래 발굴 도구로, 플랫폼 간 차익거래 및 기대값 0(+EV) 거래 기회를 식별하는 고빈도 기회 스캔 레이어 역할을 합니다.
PolyScalping: Polymarket용 실시간 차익거래 및 스캘핑 분석 플랫폼으로, 60초마다 전체 시장을 스캔하고, ROI 계산 및 텔레그램 푸시 알림을 지원합니다. 유동성, 스프레드, 거래량별로 기회를 필터링할 수 있으며, 적극적인 트레이더에게 적합합니다.
Eventarb는 Polymarket, Kalshi, Robinhood 등 다양한 플랫폼을 지원하는 경량의 크로스 플랫폼 차익거래 계산 및 알림 도구입니다. 기능에 중점을 두고 무료로 사용할 수 있으며, 기본적인 차익거래 지원 도구로 적합합니다.
Prediction Hunt: Polymarket, Kalshi, PredictIt 등 다양한 거래소의 예측 시장 데이터를 통합 및 비교하는 도구로, 실시간 가격 비교와 차익거래 기회 식별 기능을 제공합니다(약 5분마다 업데이트). 정보 대칭성과 시장 비효율성 탐지에 중점을 둡니다.

거래 단말기/집계 실행

Verso: YC Fall 2024에서 지원하는 기관급 예측 시장 거래 터미널로, 블룸버그 스타일 인터페이스, Polymarket 및 Kalshi의 15,000개 이상의 계약에 대한 실시간 추적, 심층 데이터 분석, AI 기반 뉴스 정보 기능을 제공하며 전문 및 기관 투자자를 대상으로 합니다.
Matchr: 1,500개 이상의 시장을 아우르는 크로스 플랫폼 예측 시장 통합 및 실행 도구입니다. 지능형 라우팅을 통해 최적의 가격 매칭을 구현하고, 발생 확률이 높은 이벤트, 시장 간 차익 거래, 이벤트 기반 전략 등을 활용하여 자동화된 수익 전략을 수립함으로써 실행 효율성과 자본 효율성을 극대화합니다.
TradeFox는 Alliance DAO와 CMT Digital이 운영하는 전문 예측 시장 통합 플랫폼이자 프라임 브로커리지 플랫폼으로, 고급 주문 실행(지정가 주문, 손절매 및 이익실현 주문, TWAP), 자체 관리 거래, 멀티 플랫폼 스마트 라우팅 기능을 제공합니다. 기관 투자자를 대상으로 Kalshi, Limitless, SxBet 등의 플랫폼으로 확장할 계획입니다.

6. 요약 및 전망

현재 예측 시장 에이전트는 개발 초기 탐색 단계에 있습니다.

시장 기반 및 핵심 진화: 폴리마켓과 칼시는 과점 구조를 형성하여 풍부한 유동성과 견고한 토대를 제공함으로써 주변에 지능형 에이전트를 구축할 수 있도록 지원합니다. 예측 시장과 도박의 핵심적인 차이점은 긍정적 외부 효과에 있습니다. 실제 거래를 통해 분산된 정보를 통합함으로써 현실 세계 사건에 대한 공개 가격 책정이 가능해지고, 이는 점차 "글로벌 진실 계층"으로 진화합니다.
핵심 포지셔닝: 예측 시장 참여자는 실행 가능한 확률적 자산 관리 도구로 자리매김해야 합니다. 이들의 핵심 임무는 뉴스, 규칙 텍스트, 온체인 데이터를 검증 가능한 가격 편향으로 변환하고, 더욱 체계적이고 저렴하며 다양한 시장에 적용 가능한 전략을 실행하는 것입니다. 이상적인 아키텍처는 정보, 분석, 전략, 실행의 네 가지 계층으로 추상화할 수 있습니다. 그러나 실제 거래 가능성은 결제의 명확성, 유동성의 질, 정보 구조화 정도에 크게 좌우됩니다.
전략 선택 및 위험 관리 논리: 전략적 관점에서 볼 때, 확정적 차익거래(결제 차익거래, 확률 보존 차익거래, 플랫폼 간 스프레드 거래 포함)는 지능형 에이전트를 통한 자동 실행에 가장 적합하며, 방향성 투기는 보조적인 역할만 할 수 있습니다. 포지션 관리에서는 실행 가능성과 오류 허용성을 우선시해야 하며, 고정된 포지션 한도와 결합된 단계별 접근 방식이 가장 적합합니다.
비즈니스 모델 및 전망: 상용화는 크게 세 가지 계층으로 나뉩니다. 인프라 계층은 데이터 기반 인프라를 통해 안정적인 B2B 수익을 창출하고, 전략 계층은 제3자 전략 자문 또는 수익 공유를 통해 수익을 창출하며, 에이전트/볼트 계층은 투명한 온체인 위험 관리 제약 조건 하에서 실시간 거래에 참여하고 관리 및 성과 수수료를 징수합니다. 이에 상응하는 형태로는 엔터테인먼트 중심의 진입점, 전략 구독/신호(현재 가장 실현 가능성이 높음), 그리고 진입 장벽이 높은 볼트 호스팅 등이 있습니다. "인프라 + 전략 생태계 + 성과 참여" 모델은 보다 지속 가능한 경로를 제시합니다.

예측 시장 에이전트 생태계에서는 기초 프레임워크부터 상위 수준 도구에 이르기까지 다양한 시도가 이루어지고 있지만, 전략 생성, 실행 효율성, 위험 관리, 비즈니스 순환 구조와 같은 핵심 영역에서 성숙하고 복제 가능하며 표준화된 제품은 아직 존재하지 않습니다. 앞으로 예측 시장 에이전트가 더욱 발전하고 진화하기를 기대합니다.