6 min read

Polymarket 量化基建实战笔记

Source: http://x.com/i/article/2041445091051724800

跑了一个月的推文预测 bot,踩完坑的复盘。

我做了一个预测马斯克每周推文数量的 bot,在 PM 上自动交易。跑了一个月,迭代了 10 个版本,踩了不少坑,抛砖引玉分享一下。

1. 数据层

PM 的数据源比传统量化复杂,不是只接一个交易所 API,而是同时处理多个异构数据源。我接了四个:Gamma(市场结构)、CLOB(实时价格+下单)、XTracker(推文计数)、Data API(持仓)。

踩坑记录

  • 计数周期和市场创建日期不是一回事。 Gamma API 返回的日期是市场创建日,不是推文计数周期。我用错了两周,预测稳定偏移 24 小时。最后硬编码了每个市场的 UTC 时间。
  • Midpoint 不是你能成交的价。 低流动性 bracket 的 spread 能到 20-25%。必须读 orderbook 算 VWAP,否则 edge 计算全是虚的。
  • 历史数据要自己爬。 PM 没有现成的历史 bracket 价格 API。写了好几个脚本才把数据攻下来。
  • 代理容错。 PM 有地域限制,代理挂了要自动 fallback 直连,不能因为代理挂了就停机。

VWAP = Volume Weighted Average Price(成交量加权平均价)

搭建顺序很重要:先把数据管道搞干净,再写策略。我前两周的亏损有一半是数据问题,不是策略本身的问题。

2. 策略层

PM 和传统量化的核心区别是概率定价。说几个实操中觉得重要的点。

  • 市场比你的模型准

这是我最大的教训。模型平均绝对误差 19%,而市场共识几乎每次都更接近实际结果。比如有一周我预测 443,市场共识 ~360,实际 370。另一周我预测 362,市场 ~275,实际 270。

这个教训催生了后来的核心改动 —— 市场共识融合 :模型预测和市场隐含估值加权平均,越接近结算越信市场。这一步显著降低了误差。

  • 不要只看 edge 就下单

我做了一个 7 维度的信号评分卡:edge 质量、离预测中心的距离、流动性、时间进度、市场共识一致性、历史记忆、模型置信度。总分 100,80+ 才是强信号,50 以下不做。加了这个后明显减少了 “感觉 edge 很高但其实很垃圾” 的交易。

  • 多 Agent 审批

每个信号过四个 Agent:策略师提论点、风控官默认拒绝(只有压倒性证据才放行)、量化师验证数值、总指挥最终决策。一个人开发时很容易忽略这层,但它确实能拦住不少冲动交易。

3. 执行层

下单

  • L2 签名认证。 PM 的 CLOB 需要 EIP-712 签名,不是简单的 API Key。需要 ethers.js 做本地签名。
  • IOC vs GTC。 开仓用 GTC 挂单,平仓用 IOC + 几秒后取消未成交部分。
  • Depth-aware pricing (深度感知定价)。 不要按 midpoint 下单,根据你的单量算 VWAP。小单和大单的实际成交价价差很多。
IOC = Immediate-or-Cancel(立即成交否则取消)
GTC = Good-Til-Cancelled(一直有效直到取消) 卖出逻辑(最重要的部分) 我前 5 个版本根本没有卖出逻辑,买了就放着等归零。最终版做了 7 层退出信号:
  • Hard Stop-Loss:价格跌破成本 40%,无条件清仓
  • Edge Disappeared:edge 降到 5% 以下,连续 2 tick 确认后卖
  • Tiered Take-Profit:涨 30%/50%/80% 分批止盈
  • Trailing Stop:涨 30% 后激活,回撑 40% 触发
  • Time Decay:接近到期时,赚的抢跑,亏的割肉
  • Model Flip:模型预测远离这个 bracket,论点失效就走
教训:卖出逻辑的重要性 ≥ 买入逻辑。 进场容易出场难,没有卖出逻辑的策略就是在赌。

仓位管理 早期最大的坑是单市场过度投入——有一周单市场投了 bankroll 的 77%,全亏。最终的风控参数:

  • 单 bracket 上限 10%,单市场上限 20%,总暴露 50%
  • bankroll 跌 40% 熔断停机
  • Quarter-Kelly,模型误差过大时自动减半

4. 监控层

用了一套三层记忆系统:Trade Journal(每笔交易完整生命周期)、Market Lessons(自动提炼的规律)、Model Performance(预测 vs 实际追踪)。

每周复盘一次,看哪些市场赚/亏、模型偏差多大、风控参数要不要调。我的 10 个版本迭代全是复盘驱动的。比如“市场共识融合”这个核心改动,就是复盘发现 “市场每次都比我准” 之后加的。

5. 容易忽略但很重要的

  • 生命周期管理

PM 市场有明确的生命周期,这跟永续合约完全不同。早期(<25% 进度)置信区间太宽,不开仓;中期(25-60%)是甘田期;晚期(75%+)不开新仓只管理现有持仓;到期前(85%+)赚的持有到结算,亏的割肉。

  • 结算收入 = 0 的现实

我的 bot 从未持有中奖 bracket 到结算拿满额 payout。所有盈利来自价差交易。这意味着 bot 本质上在做 bracket 的 swing trading,不是结算预测。如果你的策略也是这样,退出逻辑比进场逻辑重要得多。

  • 异常检测

马斯克发推速率不稳定,一条爆炸性新闻可能让他半天发 50 条。模型要能识别异常速率并调整仓位,否则会在异常时段重仓进入。

6. 真实结果

既然是分享就透明一点。早期手动交易亏了不少学费,后来 bot 全自动跑之后,推文市场目前是正盈利的。关键数据:

Image
前几个版本交了不少学费,加了市场共识融合、多层退出、仓位上限之后,表现有了质的提升。迭代过程中积累的系统和经验,比赚那点钱有价值得多。

7. 给想入场的人

  • 先 paper trade 至少一周。 不要上来就用真金白银。
  • 数据先行。 先把数据跑通,确认每个字段的含义,再写策略。
  • 尊重市场。 你的模型很可能没市场准。考虑融合市场共识。
  • 卖出逻辑 ≥ 买入逻辑。 没有卖出逻辑就是在赌。
  • 风控比策略重要。 单市场上限、总暴露上限、熔断线。没有这些,一次大亏就回到解放前。
  • 复盘复盘复盘。 看真实数据,不要凭感觉。
以上纯个人经验,不构成投资建议。欢迎交流补充。