一位前花旗银行量化交易员在 Polymarket 上执行了 30,280 笔交易，实现了约 49 倍回报。他通过运行两个高度专业化、并行工作的引擎实现了这一成绩。我使用 Claude 对策略进行了逆向工程，并基于 7800 万笔交易数据集进行了回测。
真正的秘密不在于单一魔法模型，而是Alpha 来源的架构分离。
双引擎系统设计
引擎 1 —— 深度折价猎手（低置信度、高 Edge 异常值）
- 扫描 BTC、ETH、SOL、XRP 等品种中价格 <10¢ 的合约
- 市场隐含概率 <10%，但内部模型输出约 45–55%
- 仓位规模：$8–$100（极小仓位抵抗方差）
- 目标：捕捉人群极端悲观导致的严重错定价
技术实现：
- 通过 CLOB V2 + GraphQL 实时扫描数千个活跃市场
- 校准概率分类器（XGBoost + Platt Scaling + 贝叶斯更新）
- 特征：历史结算基线、链上活动、情绪差值、时间衰减权重
- 严格入场条件：
model_prob - market_prob > 0.40（扣除预期滑点后）
引擎 2 —— 高置信度反向（人群轻微过度定价磨盘）
- 针对市场价格在 50–57¢ 区间但人群略微错边的情况
- 较大仓位规模：$1,000–$1,200
- 目标：在流动性较好的市场获得稳定 Edge
技术实现：
- 使用针对均值回归优化的不同特征集
- 集成模型重点捕捉订单簿压力、攻击性流动和短期动量耗尽
- 入场条件：
model_prob - market_prob > 0.08（因仓位较大而更严格）
共享生产基础设施
两个引擎共用以下模块：
- Polymarket CLOB V2 统一 SDK —— 亚秒级下单 + 完整订单簿重建
- 实时预言机价差监控（Coinbase vs Chainlink）
- 动态分数 Kelly 仓位管理（引擎 1 激进，引擎 2 保守）
- 全局风险引擎：每日回撤熔断、单市场敞口上限、一键全局急停
- 逐笔日志系统 → 完美回放与模型持续再校准
为什么这种架构如此强大
- 风险隔离 —— 引擎 1 用小仓位承受高方差，引擎 2 用较大仓位获得更高夏普比率
- Alpha 互补 —— 一个猎取肥尾，一个稳定磨 Edge
- 无单点故障 —— 不同模型、不同特征集、不同交易制度
- 可扩展不爆仓 —— 3 万多笔交易且平均仓位极小，体现了极强的纪律性
回测洞察：即使计入真实手续费和滑点，组合系统仍保持正期望值。大多数单模型机器人失败，正是因为试图用一个引擎同时完成两种完全不同的工作。
这才是真正的量化思维在预测市场上的应用：把异常值狩猎和均值回归磨盘分开，给每个引擎独立的校准模型和风险参数，让它们并行运行。
结果就是：在零售级预测市场上实现了机构级 Edge 的最干净真实案例之一。
如果您有更多问题，随时欢迎联系我：https://t.me/FatherSon97
Tags: #Polymarket #交易机器人 #双引擎架构 #预测市场 #DeFi #Web3 #量化交易 #算法交易 #CLOB #Fintech
Top comments (0)