16 min read

我们蒸馏了一百万个聪明钱

Source: http://x.com/i/article/2074433908075044864

我们做了一件很离谱,很累,很烧钱的投资:

把预测市场里一百万个盈利钱包分层、标注、蒸馏,然后放进 insiders.bot Agent里。

所以,我们为什么要做这一件乍一听,又累,又辛苦,有费钱的事情呢?

预测市场现在最大的问题,是市场太多。世界杯一场比赛,就能拆出胜负、大小球、让球、半场、球员数据、黄牌、红牌、小组出线和冠军路径。再加上政治、宏观、Crypto、新闻事件,平台上同时挂着超过30万个市场。

也正因如此,用户基本无法应该买什么。

真正有用的结果,应该是一组可以执行的交易:哪条是主仓,哪条负责保护,哪条负责放大回报,每条价格还有没有优势,资金怎么分,价格走到哪里就放弃。

所以,在过去的十个月,我们创造出了属于自己的聪明钱数据库,里面有超过一百万个聪明钱包。这一百万个盈利钱包里,有巨鲸、内幕人士、高频机器人、做市/LP、套利钱包,也有长期靠判断力赚钱的人手交易者。

很显然,这些聪明钱都在赚钱,但赚钱的方法完全不同。直接把它们都叫聪明钱,会让AI学到很多噪音。所以在蒸馏过程上,我们先分层,再学习。

所以,我们做了四件事:

1. 我们到底蒸馏了什么

2. 为什么这套数据库花了半年多

3. 如何从30万个市场里找到正EV组合

4. 用户怎么在一分钟内用到这10个月的成果

这篇文章会告诉你,我们是怎么做的,以及,如果一分钟内开始使用我们的Agent。

方法论:我们到底蒸馏了什么

第一步:先看表象

看一个钱包,最容易看的就是表面指标。

比如:

  • 盈利多少
  • 胜率多少
  • 交易了多少天
  • 交易频率多高
  • 平均下注金额多少
  • 最近还在不在交易

这些指标有用,但只能做第一轮筛选。

一个钱包胜率很高,可能是因为样本太少。一个钱包PNL很高,可能只是押中过一笔大赔率。一个钱包交易量很大,也可能只是LP、MM或者套利地址在搬价格。

只看这些数字,AI很容易把两种地址混在一起:真的很会赚钱的钱包,和看起来很会赚钱的钱包。

所以,表面指标只能告诉我们“这个钱包值得继续看”。它还不能告诉我们,这个钱包为什么赚钱。

第二步:再看身份

第二步要回答一个更关键的问题:这个钱包到底是谁。

我们会把钱包拆成几类:

  • 巨鲸:仓位大,能影响盘口,但不一定适合照抄
  • 内幕人士:经常在信息公开前提前进场
  • 高频机器人:靠速度、盘口结构和执行赚钱
  • 做市/LP:主要提供流动性,不一定表达方向判断
  • 套利钱包:在价差和组合结构里赚钱
  • 人手交易者:有明确市场偏好,很多时候更适合作为研究对象

这里最容易出错的地方,是把“赚钱”看得太粗。

巨鲸赚钱,可能靠规模和信息源。机器人赚钱,可能靠毫秒级执行。做市钱包赚钱,靠的是价差和流动性。一个体育交易者赚钱,可能真的因为他长期看懂某类盘口。

这些行为不能放进同一个桶里学。我们要让AI知道,哪些钱包在表达方向,哪些钱包在提供流动性,哪些钱包只是吃价差。

第三步:最后看策略

真正值得学习的,是这个钱包的赚钱方式。

它在什么条件下入场?什么价格愿意加仓?仓位怎么放?什么时候退出?亏损时会不会止损?盈利时会不会分批卖出?

表面指标告诉我们过去发生了什么,策略才告诉我们下一次应该怎么看。

举个世界杯的例子。一个钱包连续买入某场比赛的“强队胜出”,这条信息还不够。如果它同时在大小球、让球、半场领先、球员射门、黄牌市场里布仓,我们要看的就是一整组观点:它认为比赛节奏会怎样,进球会不会早来,领先后会不会继续进攻,风险在哪条线上。

这才是我们想蒸馏的东西。

图像

图:我们先学钱包表象,再区分钱包身份,最后学习它真正的交易策略。

数据来源:为什么数据库花了半年多

我们花了半年多,才做出一套足够准确的预测市场聪明钱数据库。

外面看起来,这件事只是“把链上交易拉下来”。实际上,我们真做起来,要复杂得多。

预测市场的钱包数据很杂乱,很复杂。一个钱包可能拆分地址,可能合并仓位,可能在多个相关市场里对冲,也可能有大量未平仓PNL。很多市场还有merge、split、redeem这些动作,只要处理错,收益曲线就会失真。

基础数据错了,AI后面的判断就会跟着歪曲。

这也是为什么我们一直在做数据底层。 insiders.bot 覆盖20亿笔以上交易记录和一百六十万个钱包。在这个基础上,我们再筛出部分优质钱包,做更细的标注和蒸馏。

整个过程分三步: 1. 数据收集:抓取交易、持仓、价格、钱包、市场和结算信息

2. 数据标注:区分巨鲸、内幕、机器人、LP、MM、套利钱包和真实交易者

3. 数据理解:分析入场条件、退出纪律、下注大小、市场偏好和组合结构

第一步解决“有没有数据”。第二步解决“这个地址到底是谁”。第三步才接近AI真正需要学习的东西:一个盈利交易者如何做判断。

我们清楚,这三步做不好,后面所有“AI信号”都会变成玄学。

目前,也只有 insiders.bot 这一个预测市场AI,采用了我们这一套技术路径。

从30万个市场,到一组正EV组合

预测市场的机会,经常不在单个盘口里,而在盘口之间。

单看一个世界杯胜负盘,信息很有限。可是同一场比赛还会有大小球、让球、半场结果、准确比分、球员射门、助攻、黄牌、红牌、小组出线和冠军路径。它们之间互相影响,价格又不会同时反应。

举例而言,输/赢/平局和大小分就是一个相关联的市场,大小分或者每个队伍的进球数,和谁先进球又有关系。除此之外,某个球员是否会哭等等市场,又与输赢相关。

错位就出现在这里。

图像

图:Agent的任务,是把市场搜索压缩成能执行的交易组合。

比如,在一场世界杯比赛里,Agent可能会找到这样的组合:
  • 主仓:A队获胜,价格还没有完全反映首发优势
  • 保护仓:双方进球YES,用来覆盖A队赢球但防线不稳的剧本
  • 赔率放大腿:A队半场领先,适合小仓位提高组合上限
  • 确认腿:核心前锋射门数OVER,用来验证进攻判断
  • 风控预留:价格跑掉时不追,等回落或直接放弃 而这,就是我们自研数据库最重要的地方。

每一条腿都要回答一个问题:它和主判断是什么关系?它是在保护亏损,还是在提高上限?如果只中主仓,组合能不能接近保本?如果全中,最大回报是多少?如果主仓错了,保护仓能不能减少损失?

这也是我们做Agent的原因。

传统工具把30万个市场列出来,用户还是要自己找、自己算、自己判断相关性。我们想做的Agent,应该直接给一组可以检查的交易组合:

  • 买什么
  • 为什么买
  • 哪些钱包支持这个方向
  • 这些钱包过去做类似市场准不准
  • 每条腿分多少资金
  • 最大回报是多少
  • 保本线在哪里
  • 什么情况下取消交易

从“找盘口”走到“做组合”,预测市场才开始像一个真正的交易系统。

先算清胜率差,再下注

在过去一年反复的研究,计算,以及大量枯燥的算法开发中,我们发现了一件很重要的事情。那就是,亏损的根源常常是买入价格太差。看对了比赛,买贵了,也会亏。

我知道这听起来很傻逼,但“入场价格”这件事情在预测市场中的重要性,比别的市场(合约,期权,期货,现货)重要太多。为什么?因为它是二元的,它的价格上限就是 $1,贵的价钱必然等于更少的收入,不存在逐仓追趋势的空间。

所以,你在预测市场赚钱的逻辑,一定不是买上涨,一定是套利。也正因如此,买入价格比任何事情都重要。

在二元YES/NO市场里,市场价格q可以粗略看成市场给出的概率。Agent或者你自己的判断概率是p,下注金额是s。买YES的预期利润,可以先用这个公式做第一道门槛:

EV = s × (p / q - 1)

举个例子。某个YES价格是0.42,我们估计真实胜率是0.50,下注$100:

EV = $100 × (0.50 / 0.42 - 1) ≈ $19.05

这笔交易有空间。

但如果价格被追到0.49,胜率判断仍然是0.50:

EV = $100 × (0.50 / 0.49 - 1) ≈ $2.04

看起来还是正EV,但扣掉点差、滑点和信息误差,安全垫基本没了。这个时候,放弃通常比硬上更好。

我们在Agent里会特别强调三个门槛:

  • 流动性好的盘口,p-q最好至少有5%的空间
  • 流动性差、点差大的盘口,p-q最好有8%-12%的空间
  • 如果这条腿只是为了凑组合,但和主判断关系不强,直接删掉

仓位也可以用一个简单的Kelly上限做参考。买YES时:

f = (p - q) / (1 - q)

如果p=0.52,q=0.42,Kelly上限大约是17.2%。新手不用满Kelly,1/4 Kelly就是4.3%。如果你的总交易本金是$1000,这条腿的上限大概是$43。

公式的作用很简单:先判断价格有没有空间,再决定仓位。

预测市场交易里真正难的,很多时候就是这一句:这个价格还值不值得买。

如何设计一组世界杯交易组合

假设Agent发现一个比赛剧本:A队首发优势明显,前30分钟可能高压,但后防不稳定,对手也有进球能力。

这个时候,单买A队胜出可能不够好。更合理的做法,是用多个盘口表达同一个判断。

图像

图:同一个比赛判断,可以设计成主仓、保护仓、赔率放大腿、确认腿和风控预留。

假设这一组计划投入$100,可以这样分:

  • 主仓:A队获胜YES,价格0.42,估计胜率0.52,下注$35,EV约$8.3
  • 保护仓:双方进球YES,价格0.55,估计胜率0.62,下注$15,EV约$1.9
  • 赔率放大腿:A队半场领先YES,价格0.30,估计胜率0.36,下注$15,EV约$3.0
  • 确认腿:A队前锋射门OVER,价格0.58,估计胜率0.66,下注$20,EV约$2.8
  • 风控预留:保留$15,价格追高时不补,信息确认后再决定是否加

这组交易的粗略EV约为$16,不含预留资金,也没有把相关性完全计入。真实交易时,Agent会继续看盘口联动、成交深度、聪明钱来源和最新信息。

这个组合的设计思路如下: > 主仓命中时,组合接近保本;任意一个保护仓或确认腿命中,组合开始赚钱;如果比赛真的按“A队早压上”的剧本发展,半场领先和射门OVER会提高上限;如果盘口价格追高,预留资金直接不动。

止盈止损也要提前写好。主仓价格上涨20%-30%,可以让Agent设置止盈;核心假设被破坏,直接设置止损;价格没到理想区间,不要下单。

insiders Agent可以把这些条件直接接到TPSL、快速交易、跟单过滤器和订单执行里。用户不需要在几个页面之间来回切,计划出来以后就能执行。

最终目的是什么? 人类做不到在30万个市场中,计算出恰好符合风险预期,ROI的EV最大化的组合和分配方式。就算可以,时间成本也是巨大的。

而对于 insiders.bot ,你可以在五分钟内实现这一件事。

为什么选择insiders Agent?

AI不会凭空提高胜率。输入什么数据,能调用什么工具,决定了它能走多远。

我们给Agent接入的是一整套预测市场交易系统:

  • 20亿笔以上交易记录
  • 160万个钱包
  • 实时更新的聪明钱数据库
  • v1.3 Signals
  • 钱包PNL、持仓、未平仓PNL和交易曲线
  • LP、MM、机器人、套利钱包过滤
  • 快速交易、gasless交易、TPSL、跟单和跟单过滤器

有了这些东西,Agent才能把“某个聪明钱买入YES”继续往下分析。

这个钱包是什么身份?过去做这个类别准不准?这次仓位是不是异常?价格有没有跟上?相关市场有没有滞后?这笔交易应该单买,还是做成组合?

这就是多维度分析的价值。

预测市场要同时看新闻、赔率、钱包、盘口关系和执行价格。正EV组合通常来自几件事同时成立:市场价格滞后,聪明钱行为有方向性,相关新闻没有完全反映,盘口之间存在错位,仓位和退出条件算得过来。

如果只给AI一段新闻,它最多像一个评论员。如果只给AI一个钱包列表,它最多像一个提醒器。我们想做的是交易Agent:它要能从无数市场里筛出组合,算清仓位,写出取消条件,再把交易执行下去。

一分钟,解锁预测市场的最强大脑

如果想要让预测市场的交易变成有策略的交易,最简单的做法,是打开insiders Agent,然后把问题问具体。

可以直接复制这个提示词:

帮我扫描今天世界杯相关预测市场,目标是找一组正EV组合,不要只给单个YES/NO。请调用聪明钱数据库、v1.3 Signals、钱包历史、盘口价格、订单簿和相关新闻;过滤LP、MM、机器人和纯套利钱包。输出主仓、保护仓、赔率放大腿、确认腿和预留资金。每条都要写清楚:当前价格q、你估计的胜率p、p-q、建议仓位、EV估算、最大回报、保本路径、TPSL和取消条件。

好的输出不应该只有“买YES”。它应该是一张交易计划:

  • 主要买哪条盘口
  • 相关盘口怎么分配资金
  • 哪几条腿负责提高回报
  • 哪几条腿负责降低回撤
  • 哪些聪明钱包的行动支持这个判断
  • 资金如何分配
  • 价格走到哪里就不值得追
  • 哪些信息出现后要撤单

如果只想做单笔交易,可以让Agent缩小范围;如果想做一篮子组合,可以让Agent直接给portfolio。

我们最早做 insiders.bot ,是想回答一个很朴素的问题:预测市场里到底谁在赚钱,他们为什么赚钱,我们能不能把这些方法交给更多用户。

做完数据库以后,我们发现答案比“跟聪明钱”复杂。聪明钱本身也分很多种,有些适合跟,有些只适合研究,有些必须过滤掉。

真正值得做的,是把这些人过去的交易方法拆出来,再让AI帮用户在30万个市场里寻找仍然有价格优势的组合。

**这就是insiders Agent的方向:**学习真实交易员、巨鲸、内幕人士、机器人、做市和套利行为,然后把这些经验放回具体市场、具体价格和具体仓位里。
**用户要做的事很简单:**打开Agent,说清楚市场、预算和风险偏好,让它给出一组可以复核、可以执行、可以管理风险的交易组合。