这堂免费的 MIT 讲座，教会你 Citadel 花 75 万美元/年聘请量化交易员的核心概率直觉

一位前花旗银行量化交易员在 Polymarket 上用 60 天时间将 $1,708 做到 $83,864，依靠的是两个并行运行的概率引擎。

真正的秘密不是复杂的机器学习，而是大规模应用严谨的概率理论。

这堂免费 1 小时的 MIT 讲座正是专业量化交易员每天都在使用的核心思维框架。

预测市场本质上是纯概率游戏，结算结果是二元的。优势来自校准后的概率，而非单纯的方向判断。

必须内化的 MIT 讲座核心概念：

实时贝叶斯更新（Bayesian Updating）

模型必须随着新信息（订单簿流动、预言机价差、叙事速度）持续更新先验概率。

每个严肃机器人都在使用的公式：
$$
P(\text{结果} | \text{新数据}) = \frac{P(\text{新数据} | \text{结果}) \cdot P(\text{结果})}{P(\text{新数据})}
$$
概率校准（Calibrated Probabilities）

一个说 70% 且实际正确率 70% 的模型，远比一个正确率 80% 但校准很差的模型更有价值。

使用 Platt Scaling 或 Isotonic Regression 将原始模型输出转化为真实概率。
期望值与 Edge 计算

绝不要只根据方向交易。只有满足以下条件才进场：
$$
\text{Edge} = (p_{\text{model}} \times \text{赔付}) - \text{市场价格} > \text{阈值（扣除手续费和滑点后）}
$$
制度感知建模（双引擎秘密）

该量化交易员的制胜架构运行了两个完全独立的校准分类器：
- 引擎 1（深度折价猎手）：针对 <10¢ 的合约，市场隐含概率 <10%，但模型认为约 50%。小仓位（$8–$100）。
- 引擎 2（高置信度反向）：针对 50–57¢ 的合约，人群略微站错边。大仓位（$1,000–$1,200）。