根据新的学术研究，监管机构应采用经过校准的而非极端主义的方法来监管预测市场的内幕交易。史蒂文斯理工学院的一项研究认为，彻底禁令可能会损害市场效率。
金融学助理教授巴尔宾德·辛格·吉尔 (Balbinder Singh Gill) 开发了一个经济模型，研究应如何严格控制这些市场的内幕交易。他于 6 月 2 日发布的论文指出了一个悖论：虽然内幕交易可以在短期内提高价格准确性，但随着时间的推移，它们可能会阻碍参与并减少信息量。
“今天提高价格准确性的内幕交易可能会减少明天价格信息丰富的参与，”辛格·吉尔说。
该模型显示，预测市场价格的准确性相对于执行强度呈“驼峰形”曲线。执行过少会导致内部人员排挤普通参与者，而执行过多则会消除一些内部人员提供的有益信息贡献。
“更严格的执法会限制内部人员，提高参与度，因此准确性是驼峰形的，最佳执法是内部的，既不是自由放任，也不是禁令，”他解释道。
Singh Gill 提出了基于内幕信息来源的分层执法框架：
- 研究信息：基于合法、独立研究的交易应该面临最低限度的强制执行或不强制执行。这里的镇压阻碍了有价值的信息的产生。
- 盗用信息：使用泄露或机密数据进行交易需要加强执法。
- 有影响力的内幕交易：交易者可以影响结果的情况（例如政治候选人押注自己的竞选活动）需要最严格的执法以防止操纵。
“在真正的、独立研究的优势上进行交易是社会最不愿意惩罚的活动，”辛格吉尔说。 “那些能够改变结果的人的交易需要最严格的执行，因为他们的头寸会导致操纵。”
他的结论主张“校准而不是最大化”的执法，表明平衡的监督可以提供最佳的社会福利。
这项研究是在监管审查加强的背景下出现的。四月，CFTC 执法主管警告预测市场内幕交易者采取执法行动。 5 月，美国众议院议员对 Kalshi 和 Polymarket 平台发起调查。
作为回应，Kalshi 正在实施新措施，要求敏感市场（例如关注公司业绩或国家安全的市场）的用户通过在线表格披露就业信息。该平台还针对内幕交易或操纵风险较高的市场制定“特定风险评分”。
辛格·吉尔 (Singh Gill) 的论文引用了最近两起引人注目的案件：一名 Google 员工被指控利用搜索趋势的内部知识在 Polymarket 上获利 120 万美元，以及一名美国士兵被指控利用机密军事行动细节进行交易。
这些发展突显了快速发展的预测市场领域中市场效率和诚信之间持续存在的紧张关系。