Kalshi 中期指数：Pyth 数据决定 13 项选举赔付

据 Woofun AI 消息， 正式推出基于 预言机数据的可交易中期选举指数，彻底改变了传统预测市场的结算范式。该指数不再依赖单一事件的二元胜负结果，而是将 13 项关键选举相关事件整合为一个连续变量，其最终赔付金额严格依据时间加权后的指数数值确定。

这种设计使得市场参与者能够对选举过程的细微变化进行定价，而非仅仅押注最终赢家。

从结构上看，这一指数的核心在于对数据源与结算逻辑的重构。传统预测市场通常以'是/否'作为结算基础，导致流动性分散且难以捕捉事件间的关联性。Kalshi 引入 Pyth 作为底层数据供应商，确保了结算依据的客观性与实时性。

Woofun AI 整理数据显示，该指数涵盖的 13 项选举事件通过时间加权算法融合，意味着早期事件的波动对最终指数的影响会随时间推移而递减，从而更准确地反映选举周期的动态演变。

这种机制不仅提升了市场的深度，还降低了因单一事件黑天鹅导致的极端波动风险。值得注意的是，Pyth 的高频数据更新能力为指数提供了坚实的信任基础，避免了传统预言机可能出现的延迟或操纵问题。

更关键的变量在于，这种基于数值而非结果的结算方式，为金融衍生品在政治领域的应用开辟了新路。投资者可以通过对冲特定时间段的选举不确定性来管理风险，而不仅仅是投机于最终结果。随着 Web3 基础设施的成熟，将现实世界事件（RWA）与链上预言机数据无缝结合，正成为预测市场进化的必然趋势。这是继去中心化交易所普及之后，预测市场在资产结构上的又一次重要创新，标志着政治风险定价正从离散走向连续，从主观猜测走向数据驱动。