2026上半年Polymarket报告：高频交易员，还是超级预测者？

作者：Surf

核心发现

以下结论基于 Polymarket 国际市场 2026 年 1—6 月去重后的 7.87 亿笔成交、1,733,011 个钱包，并结合 Polymarket US 的场级数据。

• 第二个 Polymarket 正在快速增量：受 CFTC 监管的美国市场月度成交量占国际市场的比例，从 1 月的 5% 升至 6 月的 47%，7 月进一步达到 67%。

• 高周转类别是手续费发动机：体育和加密市场贡献了国际市场上半年约 1.84 亿美元毛手续费的 98%；加密市场以约一半的成交量产生 9,630 万美元手续费，超过体育市场的 8,350 万美元。

• 用户数量与成交量高度错位：零售钱包约占用户的 90%，但机器人和专业用户合计贡献约 80% 的 taker 成交量；仅占 5.9% 的机器人钱包就完成了约三分之二的成交。

• 拉新并非押注单一爆款：上半年最大的单个引流市场带来的新钱包不足 7,000 个，而全部新钱包约 113 万个；任何一个月，前 15 个引流市场也只占当月新钱包的 8%—19%。

• 任何一个单一市场类别并没有明显拉高平台留存率：月度活跃钱包约有 51%—57% 会在下月回来，但用户往往离开最初进入的类别，转去平台上的其他类别。

• 机器人群体整体赚钱，但中位数仍在亏损：机器人样本合计实现约 1.08 亿美元净收益，可盈利的钱包只有 27%；在约 175 万个钱包中，仅 146 个钱包连续六个月保持正现金流。

第一部分 两个 Polymarket 市场的全景

Polymarket US：第二个市场正在成形

2026 年上半年，Polymarket 实际上变成了两个交易场所，而讨论大多只盯着其中一个。面向非美国用户的国际市场仍运行在 Polygon 结算的链下 CLOB 上，六个月单边成交量达到 179 亿美元；与此同时，2025 年底上线、受 CFTC 监管的 Polymarket US 从 1 月国际市场月度成交量的 5%，爬升到 6 月的 47%，7 月已达到 67%（约 20 亿美元对 30 亿美元）。

两个市场共享品牌和基本的订单簿机制，却不共享订单簿、用户群或收入结构。它们与 Kalshi 一样，采用链下撮合、中央限价订单簿，并对 taker 使用同一条随价格变化的手续费曲线：fee = Θ·C·p(1−p)。区别在结算轨道：国际市场把每笔成交公开结算在 Polygon 上，美国市场则通过私有、受监管的账本清算。

跨平台比较时必须先统一口径。本文的 volume 指单边、taker 侧、只计一次的实际交易美元；名义金额和双边计数通常会高出 2—3 倍。按这个口径重算 7 月数据，常见的 410 亿 / 70 亿 / 50 亿美元口径，分别对应约 133 亿 / 30 亿 / 20 亿美元。

图 1｜Polymarket 国际市场与美国市场的月度单边成交量

美国市场的日成交量从上线初期约 100 万美元，增至 7 月的 5,000 万—1 亿美元；日交易笔数越过 100 万，未平仓量一度超过 1.5 亿美元。手续费从 1 月的固定基点模式，转为 4 月启用的价格敏感公式。

图 2｜Polymarket US：上线以来的每日场级指标

手续费的规模也比社区数据集所估测的更大：仅 6 月，taker 毛手续费就约 3,000 万美元。按官方返佣计划估算——成交时返还给 maker 25%，4 月 30 日结束一项全 taker 促销返佣，之后再按成交量分层返还——6 月可留存收入约 1,700 万美元，约为许多追踪器所采用的固定 25% 假设的两倍。由于美国市场没有用户级数据，大 taker 的分层资格只能参考国际市场中头部 0.3% taker 贡献约 63% 成交量的结构。

国际市场的手续费经济学

国际市场到底在交易什么？体育约占全部成交量的一半；加密约占 30%，其中绝大多数是五分钟级的涨跌微型市场；世界 / 地缘政治约占 15%。类别之间的集中度差异更大：体育最大市场只占本类别的 0.27%，而科学与技术类别中，一个“美国会在 2027 年前确认外星人存在吗？”的市场就占到约四分之一。

图 3｜Polymarket 国际市场：按市场类别拆分的成交量

国际市场上半年产生约 1.84 亿美元毛手续费，但这不是扣除 maker 返佣和激励后的净收入。加密市场虽然只有体育一半左右的成交量，却产生 9,630 万美元手续费，超过体育的 8,350 万美元；两类合计占总手续费的 98%。世界 / 地缘政治则采用有意的零手续费策略。

图 4｜Polymarket 国际市场：各类别手续费收入与有效 take rate

高周转类别就是手续费发动机

7 月，Kalshi 的未平仓量约为 Polymarket 国际市场的 2.3 倍，但成交量约为 4.4 倍；对应的日周转率约为 0.44× 对 0.23×。Polymarket US 的资本池最小，却以约 0.64× 的日周转率跑得最快。答案不在平台名称，而在市场目录由什么组成。

图 5｜三家市场的未平仓量与成交量：资本规模不等于资金转速

图 6｜按类别比较 Kalshi 与 Polymarket 的成交量 / 未平仓量

体育和加密是周转最快的类别，世界 / 地缘政治最慢，日周转仅约 0.01—0.03×。两个国际市场各自有约 2 亿—3 亿美元资本沉淀，却只打印出 200 万—300 万美元日成交，因此都把该类别设为零手续费。Polymarket US 的未平仓量中约 88% 集中在体育，解释了它为何能以更少的资金做出更高的周转。

Kalshi 的加密市场是明显的离群点：约 1,700 万美元未平仓量对应约 9,600 万美元日成交，日周转接近 6×，其中 98% 的市场期限不超过一小时。Polymarket 的加密周转看起来只有 0.31×，是因为长期到期的阈值型市场承接了大部分未平仓量，而五分钟涨跌市场占据约 90% 的成交量，却几乎不锁定资本；平均每个这样的市场只锁约 2,800 美元抵押品。

同一类别在不同平台上会趋向相近的速度：体育在 Kalshi、Polymarket 国际市场和 Polymarket US 的日周转率分别约为 0.57×、0.67× 和 0.64×。这更像是类别属性，而不是平台属性。

第二部分 Polymarket 国际市场的用户增长

以下用户分析只覆盖国际市场的 Polygon CTF / NegRisk 合约，时间范围为 2026 年 1 月 1 日至 6 月 30 日。Polymarket US 和 Kalshi 都在内部账本中清算，公开交易流经过匿名化处理，因此无法做同等深度的钱包画像。

Maker 与 Taker：订单簿两侧不是同一群人

上半年有 1,733,011 个钱包在国际市场交易。几乎所有钱包都至少主动吃过一次流动性，但真正挂过限价单的不足一半。maker 侧明显更专业，也更小；头部一千个 maker 提供了大部分静态流动性。需求侧同样高度集中：约 6% 的高活跃钱包完成了 80% 的 taker 成交量，而三分之一的钱包在六个月里只交易五次或更少。

图 7｜Polymarket 国际市场的钱包结构：Maker 与 Taker 的重叠及集中度

用户增长核算：活跃度几乎横盘

用户增长比成交量更不乐观：月活钱包从 1 月的 58 万到 6 月的 59.4 万，基本横盘，尽管同期有约 110 万个钱包首次交易。每月有 43%—49% 的前月活跃钱包停止交易，4 月流失达到 35.8 万，平台必须持续用新钱包和回流钱包补上漏斗。

这里有三个重要限定。钱包不等于用户；一部分所谓流失，可能只是用户换了新钱包；而本文的 churn 只表示钱包停止交易，不表示账户被关闭或不再有资金。

图 8｜用户增长核算：新用户、回流用户、留存用户与流失

新用户从哪里来：不是一场单点爆发

当我们把每个新钱包归因到它第一次接触的市场，可以看见拉新机器的季节性：加密市场在 3 月达到约 9.9 万个新钱包，地缘政治在 1 月达到约 6.8 万，体育在世界杯开赛的 6 月达到约 9.1 万。事件会带来波峰，但没有单一市场承担全部拉新。

图 9｜按首次进入类别统计的新钱包

上半年最强的单个引流市场是“中国会在 2026 年底前入侵台湾吗？”，但也只带来约 7,000 个新钱包。前十名里既有地缘政治，也有世界杯、利率和文化事件，说明有效拉新来自市场组合，而不是一枚爆款。

图 10｜上半年新钱包最多的前十大引流市场

按月看，前 15 个引流市场只占当月新钱包的 8%—19%，第一名从未超过约 3%。最集中的是 1 月和 6 月，分别对应伊朗新闻、台湾市场与世界杯。

图 11｜每月拉新分散度：前 15 个市场与第一名市场的贡献

留存：用户留在平台，不一定留在原类别

约一半的月活钱包会在下月回来，平台月度留存约为 51%—57%；但对某个类别的忠诚明显更弱。用户可能离开最初进入的类别，却在另一个类别重新出现，这意味着跨品类推荐和交叉销售可能正在起作用。

图 12｜平台留存与类别留存的对比

不同入口类别的一月留存高度聚集在 44%—49%，三个月留存约为 25%—32%。唯一明显的低点是加密入口，一月留存约 37%，比其他类别低约三成；一种可能的解释和推测是，加密交易中的自动化操作更常轮换新钱包，令表面留存率被压低。

图 13｜按入口类别比较的新钱包留存

用户市场参与类别矩阵：地缘政治是连接层

矩阵对角线表示每个类别的独立钱包数，非对角线百分比表示较小类别中同时交易另一类别的比例。体育与加密虽是最大的两组用户，但重叠只有 49%，是两个有实质差异的受众。世界 / 地缘政治与其他类别的重叠普遍更高（天气除外），像一层把平台各类兴趣连接起来的核心产品。

图 14｜跨类别用户重叠与交叉销售率

用户类别粘性 × 扩散图：不同入口买来的是不同质量的用户

把入口留存与跨类别扩张放到同一张图上，六个类别聚集在 43%—49% 的忠诚区间，但扩张能力不同：体育更像留在主场的稳定用户，科学与技术则吸引平均会探索 3.6 个其他类别的用户。加密落在左下角：一月留存约 37%，扩张也最低。五分钟赌场带来的是成交量，而不是长期留存或跨品类探索。

图 15｜各类别在“忠诚度 × 扩张度”上的坐标

第三部分 市场微观结构：用户画像、入场时机与盈利

用户画像的分布：市场类别广度与频率与交易规模挂钩

我们用三个视角描绘用户：覆盖多少类别、单笔交易有多大、交易有多频繁。覆盖类别越广，钱包平均成交量越高；交易全部七个类别的钱包只占约 1%，但人均上半年 taker 成交量约 5.9 万美元，是纯单一类别钱包 8,300 美元的七倍。

频率维度则呈现典型的 80/20：约 6% 的“高频用户”贡献 79% 的成交量，而只交易一笔的游客型钱包约占用户基数的 8%。

图 16｜专业化与参与度：类别广度、钱包占比与成交量

图表保留原始英文标签；中文说明见正文。

在大多数类别中，钱包与单个市场的关系以一到两笔成交为主；体育的一笔成交占比最高，达到 46%。世界 / 地缘政治则相反，只有 20% 的关系是一笔成交，说明用户会随着新闻推进反复回到同一市场。

图 17｜每个钱包—市场关系的成交次数

三类参与者：机器人、专业用户与零售用户

我们用交易频率、下单金额的一致性、覆盖广度和平均票面等行为信号做启发式分类。分类不是对真实身份的确定性判断，阈值变化也会影响分布；它更适合回答“谁在用什么方式交易”而不是“谁到底是谁”。

机器人样钱包约占用户的 5.9%，却完成约三分之二的成交量：约 10.2 万个钱包贡献 119 亿美元成交和 89% 的成交事件；约 154 万个零售钱包贡献 41 亿美元。专业 / 知情用户约占 5%，贡献 6.6% 的 taker 成交量，符合其更多提供流动性、较少主动吃单的特征。

图 18｜交易者群体：钱包数量与成交量的错位

按类别看，机器人几乎完全占据加密与体育两大市场，分别拿下约 80% 和 72% 的成交量；在人类仍更能影响价格的中间地带——地缘政治、金融、文化——三类群体的份额更接近。

图 19｜各类别的群体成交量份额

不过，成交量优势来自一个很薄的机器人层。按钱包数量看，每个类别仍由零售用户压倒性占据；加密和天气市场的机器人占比明显更高，约 5% 的人口份额被自动化行为替代。

图 20｜各类别的钱包群体份额

预测市场用户对手续费敏感吗？

不同类别在不同时间启用手续费，构成了一场天然实验；零手续费的世界 / 地缘政治可作为控制组。结果显示，手续费上线后，成交量构成会明显变化，尤其是加密、文化和天气市场：专业 / 知情用户的成交量份额快速下降，而零售与机器人份额相对稳定，表现出更强的费用不敏感性。

图 21｜手续费上线前后，各群体的成交量份额

图表保留原始英文标签；中文说明见正文。

钱包份额的变化幅度远小于成交量份额，但模式一致：上述三个类别的专业 / 知情钱包流失最明显。费用改变的是“谁在加大下注”，不一定立即改变“谁还在场”。

图 22｜手续费上线前后，各群体的钱包份额

入场时机：多数人来得很晚

在一个市场的生命周期里，晚入场是常态，但不同信息游戏的迟到程度不同。体育和加密最具延迟竞争性：各群体的入场中位数都落在市场生命周期的 92%—95% 位置，对零售用户形成明显的逆向选择压力。文化约为 85%—90%；天气则相反，入场最早，零售中位数约 61%、机器人约 51%，与模型可以较早定价的结果型市场一致。天气市场也是专业用户相对最晚入场的类别，中位数约 83%。

入场时机分析只纳入完整生命周期可见的市场：市场在上半年结算，且从第一次成交开始追踪钱包，包括 2026 年以前已进入的仓位。

图 23｜各群体在市场生命周期中的加权入场位置

各类别成交量最大的市场，呈现出更直观的日内节奏：零售用户成交往往贯穿市场全周期；专业 / 知情用户和机器人则更容易在信息到来时突然放量，或在接近结算时集中下注。

图 24｜各类别头部市场的每日群体成交量

到底是谁在赚钱？

把所有在上半年结算市场中的仓位现金流加总，费用前的账本接近零：约 197 万个有结算仓位的钱包中，34% 最终为正。大赢家合计约 +6.66 亿美元，大输家合计约 −5.30 亿美元，所有组别合计约为零。这验证了这里计算的是费用前的 gross PnL；扣除上半年约 1.84 亿美元手续费后，聚合结果将转为负值。

图 25｜费用前的已实现 PnL 分层

图表保留原始英文标签；中文说明见正文。

按群体拆分，资金流向很明确：零售和专业用户共同为机器人群体的正收益提供对手盘。机器人是唯一整体净盈利的群体，合计约 +1.08 亿美元，但只有 27% 的机器人钱包赚钱，中位数机器人钱包仍然亏损。利润由少数大规模操作承载，持续盈利极其罕见。

专业用户的盈利命中率最高，约 42% 的钱包为正；零售约 35%，机器人约 27%。但专业用户合计仍亏损约 2,600 万美元。由于这里未计入多类激励与返佣，不能据此断言专业用户的最终净收益为负。零售群体合计约 −7,400 万美元。

图 26｜各群体的盈利比例与胜率

图 27｜各群体的净已实现 PnL：谁在付钱，谁在收钱

在约 175 万个钱包中，只有 146 个钱包连续六个月保持正现金流；即使在曾经盈利过的钱包里，很多人的 90% 以上利润也集中在单独一个月。预测市场的盈利更像偶发的尖峰，而不是稳定的工资流。

图 28｜盈利持续性：连续正现金流月份的分布

方法与口径

本文数据由 Surf AI 提供计算。PnL 只统计在 2026 年上半年结算的市场，并按钱包在这些市场中的现金流计算费用前的已实现结果；未把 maker 返佣、促销激励和其他计划性补贴纳入 gross PnL。群体标签为行为启发式分类，用于比较交易风格，不应解读为对钱包实际所有者身份的确定识别。

如需在产品或研究中接入同一数据集，可联系ryanli；用户拉新分析框架参考 @0xtaetaehoho 的《Listings are the Product》。感谢 Surf 团队提供 MCP 工具与数据支持。