一筆交易，算下來平均會少賺 50 元，店家卻仍願意買。原因很簡單：它會在店裡最缺錢的時候付款。
這個動機放進預測市場後，會讓畫面上的「機率」多一層意思。有人買進，是看好事件會發生；也有人原本就怕這件事發生，願意付錢讓自己好過一點。
同樣認為機率是兩成，店家卻願意多付錢
用一個假設情境來看。店家和另一位交易者，都認為壞天氣發生的機率是 20%。一份合約在壞天氣發生時付 1,000 元，否則付零，買進要花 250 元。以下都持有到結算，忽略費用與利息。
照兩人的判斷，平均收款是 20% × 1,000＝200 元。要花 250 元才能買到，只在乎這筆交易平均賺多少的人，自然會嫌貴。
店家看的還有營業帳。天氣正常，店裡能留下 4,000 元；天氣一壞，就降到零。買了合約之後，兩種日子變成這樣：
| 結果 | 主觀機率 | 不買時留下 | 合約收款 | 買進支出 | 買後合計 |
|---|---|---|---|---|---|
| 事件沒發生 | 80% | 4,000 | 0 | −250 | 3,750 |
| 事件發生 | 20% | 0 | 1,000 | −250 | 750 |
正常營業時，店家少留下 250 元。最差的日子，卻從什麼都沒留下，變成還有 750 元可以付帳。
按相同機率計算，平均餘額從 3,200 元降到 3,150 元。店家接受少 50 元的交換，換取壞天氣時多一點餘裕。對每天都得付薪水、付貨款的人，這個選擇說得通。
他心裡的機率仍然是 20%。換成每份付 1 元的價格，他願意出到 0.25 元，是因為那筆錢會在特別需要的時候進來。
當一整條街都想買保障
把這家店換成一整條街。餐廳、旅館、活動公司，都想在同一場壞天氣發生時收到錢，買單就可能集中到同一邊。原來的便宜掛單被買完，後面的人得加價。
高價也會吸引新的承接者。如果交易商仍認為天氣風險只有兩成，就可能願意在較高價格接下相反部位。最後漲多少，取決於兩邊願意投入的錢；同樣一筆企業訂單，在數量充足和掛單稀少的市場裡，影響可以差很多。
學術研究早已討論這個問題。Wolfers 與 Zitzewitz 在 2006 年分析市場價格如何彙整交易者的判斷，以及風險偏好造成的偏差；2012 年 Snowberg、Wolfers 與 Zitzewitz 的回顧則談到，當合約具有避險價值時，價格可能高於單看發生機率所算出的金額。[1][2]
因此，看到價格上升時，值得同時想兩件事：大家是不是收到新的天氣消息？還是更多人想替原有的風險買一份保障？兩股力量也可能一起出現。企業發現貨運或營業會受影響，買單本身就同時帶著資訊和避險需求。
保險公司可能把自己的買單，讀成新的風險訊號
這對保險公司特別要緊。採購人員想知道「買足這筆保障要多少錢」，估計風險的人則想知道「颱風到底有多大機會發生」。兩人看著同一個市場價格，做的是不同決定。
假如公司的一大筆訂單買掉便宜掛單，讓價格上升，風險部門又把新價格全當成天氣轉差的證據，就把自家的採購需求也算進了風險。接著再加買保障，這個誤讀還可能繼續下去。
比較實用的做法，是把成交價格和風險估計分開留存。買進前的掛單有多少、當時氣象預報怎麼說、相近地區的市場是否一起變動，都能幫忙解釋價格。大宗交易可由合資格雙方另行協商、申報，也值得和一般市場成交一起看。[4]
至於價格長期讀起來準不準，可以固定在相同提前時間，例如事件前 24 小時，對照當時預報、價格與後來結果。Kalshi 公布的天氣校準統計，就是檢查某一價位對應的事件最後發生多頻繁；研究個別用途時，還要拆開季節、期限與成交規模。[3]單靠一段匿名成交紀錄，則無法直接辨認誰在買保障。
預測市場的價格有用，正因為許多人帶著不同理由進場交易。保險公司用它買保障時付出的價格，也包含其他買家有多急、賣家願意接多少。把這些一起讀進去，才看得懂那個百分比。
資料來源
資料查核：2026-11-04。
- Wolfers、Zitzewitz：Interpreting Prediction Market Prices as Probabilities（2006）。市場價格與交易者看法、風險偏好的理論關係。
- Snowberg、Wolfers、Zitzewitz：Prediction Markets for Economic Forecasting（2012）。價格具有避險價值時，解讀機率需考慮的條件。
- Kalshi Research：Weathering The Storm: Hedging Climate Risk（2026-08-31）。店家案例、天氣市場統計及研究方法。
- Kalshi：Block trades。合資格雙方協商、申報及公開大宗交易的方式。