BMLL 与 Kalshi 达成战略合作，将预测市场数据纳入机构级分析体系

汇捷资讯机构与流动性关注「BMLL 与 Kalshi 达成战略合作，将预测市场数据纳入机构级分析体系」。文中涉及BMLL、Kalshi、CME、Snowflake。主体名称、时间、金额、牌照和监管结果以正文为准，不另作推断。

背景概述

根据 黄金形态通APP 报道，随着预测市场交易日益普及并走向主流，领先金融数据与分析服务商 BMLL 宣布与 Kalshi 建立战略合作伙伴关系。Kalshi 是一家受 美国商品期货交易委员会（CFTC） 监管的下一代金融交易所。此次合作将 Kalshi 的历史预测市场数据整合至 BMLL 全球高保真数据覆盖范围。

该合作旨在应对来自量化研究团队、宏观及系统性对冲基金日益增长的机构兴趣——这些机构希望将预测市场信号无缝整合至其核心投资工作流，用于宏观层面研究和事件驱动交易。

关键要点

• 数据整合：BMLL 将 Kalshi 历史订单簿标准化为与 CME 事件合约相同的统一模式，使系统性机构能够跳过复杂、定制化的数据工程，从第一天起即可进行跨资产宏观研究。
• 解决痛点：传统上，量化研究人员面对高度碎片化的预测市场格局，需从不同 API 手动提取零散、非结构化数据，耗费大量工程资源与数年开发时间。直接从交易所获取高保真历史订单簿数据同样困难，迫使量化团队依赖嘈杂的非结构化自然语言处理（NLP）情绪数据源。
• 机构需求：市场需要单一、整合且标准化的数据源，以消除从不同 API 收集碎片化数据的沉重工程负担，使机构量化团队能够即时将高保真预测市场信号用于系统性研究和事件驱动交易。
• 概率信号：作为 CFTC 监管的指定合约市场，Kalshi 的合约代表有资金承诺的资本，合约价格（1¢ 至 99¢）直接转化为现实世界校准良好的概率。即使流动性较低的合约，报价中点也能为主要政策公告和关键宏观经济数据发布提供高度校准的宏观概率信号。

影响解读

利用这一标准化历史数据，量化研究人员可以围绕关键宏观经济发展（如美联储利率决议、CPI 发布和 GDP 数据）回测和校准系统性模型。该数据还使机构能够生成跨资产 alpha、对冲活跃投资组合中的监管风险，并构建专有的机构级预测指数和远期曲线，用于宏观层面分析。

此外，标准化数据源允许研究人员评估和准备新兴预测产品，包括多变量事件（MVEs）和永续期货。

BMLL 机构业务主管表示，系统性对冲基金和量化客户对高保真历史预测市场数据表现出迫切且活跃的需求，以支持宏观层面研究。通过将 Kalshi 纳入覆盖范围并将其历史数据集标准化以匹配 CME 事件合约模式，BMLL 正在消除数据工程负担，使量化团队能够绕过复杂的 API 解析，通过 Snowflake、SFTP 或 BMLL Data Lab 立即解锁预测性宏观信号。

Kalshi 机构业务主管 Andy Ross 补充道，机构参与者日益需要更好的方式直接定价和管理事件驱动风险，而非仅依赖代理资产。他们还想了解预测市场价格如何为传统金融市场观点提供信息。通过将 Kalshi 历史市场数据引入 BMLL 标准化研究环境，机构可以比较这些信号、测试策略，并将事件概率直接纳入宏观研究和风险管理流程。这是使预测市场成为机构工具箱一部分的又一重要步骤。

关键对比：传统数据获取 vs. BMLL 标准化方案

未来展望

随着预测市场日益成为机构工具箱的一部分，BMLL 与 Kalshi 的合作有望推动更多机构将事件概率纳入宏观研究和风险管理流程。标准化数据源不仅支持当前的回测和校准需求，还为新兴产品如多变量事件和永续期货的研究与准备铺平道路。

BMLL 作为领先的独立提供商，提供协调、持续工程化的 Level 3、2 和 1 历史市场数据及分析，服务于银行、经纪商、资产管理公司、对冲基金、交易所、监管机构和学术机构。其计算就绪平台提供 T+1 订单簿数据以及全球股票、ETF、期货、期权和预测市场的高级交易前和交易后分析。

2025 年 10 月，Nordic Capital 收购了 BMLL，以加速公司下一阶段增长。此前，BMLL 从包括 Optiver 在内的领先战略投资者处获得了 8300 万美元的种子轮、A 轮和 B 轮融资。该公司于 2014 年在剑桥大学机器学习实验室成立。

Kalshi 成立于 2018 年，是全球下一代金融交易所。预测市场提供关于事件可能性的准确、实时信息，使人类对未来更加了解。作为首个受监管的事件交易所，Kalshi 因将预测市场合法化并确立为金融资产类别而受到赞誉。它是领先的安全受监管平台，受到美国数百万用户和越来越多机构的信任。

编辑总结

BMLL 与 Kalshi 的战略合作标志着预测市场数据进一步融入机构级投资研究工作流。通过将 Kalshi 历史订单簿标准化为与 CME 事件合约相同的模式，BMLL 有效降低了量化团队获取和整合预测市场数据的工程门槛，使宏观研究和事件驱动交易策略能够更高效地利用预测市场信号。这一合作不仅回应了机构对高保真历史预测市场数据的迫切需求，也为预测市场作为金融资产类别的机构化应用提供了基础设施支持。随着更多机构将事件概率纳入决策框架，预测市场与传统金融市场的融合有望进一步深化。