從過去的研究顯示，預測市場(prediction market)已有良好預測準確率，但該準確率是事後、總體的機率概念，而非更有實際參考價值：事前、個別合約之鑑別預測。故本文先以建構4個選舉預測市場準確度的鑑別模型，在選前針對每一個選舉合約的交易價格進行鑑別，模型的鑑別資訊來自於，預測市場在選前一天提供選舉合約的40個原始自變數。我們的研究顯示：Logit鑑別模型最能在「選前」精準判斷，並可分辨哪些選舉合約的價格，在未來將符合「最高價」準則。本文前半部先以：2008年總統選舉、2009年縣市長選舉及2010年五都市長選舉，做為樣本外測試的樣本，使用原始自變數的Logit模型，其預測力均高於其他3個鑑別模型。Logit模型樣本外的鑑別正確準確率為100％，但是，Logit模型對於鑑別未正確預測組的預測能力仍須改善。最後，本文再使用全部「非選舉」和選舉類別的合約，成功建構預測市場的最適價格門檻，作為判定預測事件是否發生的標準，可將事件發生的機率預測（probabilistic forecasting），轉換成事件發生與否的類別預測（categorical forecasting），作為公共政策與企業決策的重要依據。