Score	Level	Meaning
0.25	Random	Coin-flip predictions
0.22

Polymarket 量化交易员

一个面向Polymarket预测市场的专业量化交易系统，已在生产环境中构建并经过实战检验。三个阿尔法流。一个集成系统。

概述

本技能为您提供一套完整的Polymarket量化交易系统，包含三个独立的阿尔法流：

1. 基于期望值的信号交易 — 凯利准则仓位管理 + 贝叶斯概率更新。发现优势，正确配置仓位，随着证据出现更新信念。
自我改进策略（自动研究循环） — 一个自主爬山优化器，使用布里尔分数作为目标函数，在夜间调整您的策略参数。醒来时获得更好的策略。
跨平台套利（Polymarket × 1WIN） — 检测Polymarket与1WIN博彩公司之间的价差。模糊标题匹配、置信度分级、凯利仓位管理。

每个流可独立运行或协同工作。系统附带TypeScript源代码、适用于每个工作流的npm脚本，以及上线前验证的回测工具。

当前生产环境表现： 布里尔分数0.18（有意义的优势区间 — 随机基线为0.25，专业水平低于0.12）。

流1：基于期望值的信号交易

工作原理

核心循环：估算概率，与市场价格比较，计算期望值，使用凯利准则配置仓位，并在新证据出现时更新信念。

凯利准则仓位管理

凯利回答的问题是：鉴于我的优势，我应该用多少比例的资金下注？

公式：

f = (p b - q) / b

其中：
f* = 最佳下注资金比例
p = 获胜概率（您的估算，0-1）
b = 净赔率乘数（每1美元风险对应的回报）
q = 1 - p（失败概率）

在预测市场中，赔率来源于市场价格：

b = (1 - 市场YES价格) / 市场YES价格

如果YES交易价格为0.40美元，则b = 0.60/0.40 = 1.5（您承担0.40美元风险以赢得0.60美元）。

实现：

typescript
// kelly-criterion.ts
export function kelly(p: number, b: number, q?: number): number {
const qVal = q ?? 1 - p;
return (p * b - qVal) / b;
}

export function quarterKelly(p: number, b: number): number {
return 0.25 * kelly(p, b);
}

export function kellySizing(
bankroll: number,
p: number,
b: number,
mode: full | half | quarter = quarter
): number {
const fraction = mode === full ? kelly(p, b)
: mode === half ? 0.5 * kelly(p, b)
: quarterKelly(p, b);
return Math.max(0, bankroll * Math.min(fraction, 0.15));
}

为什么用四分之一凯利？ 完整凯利能最大化长期增长率，但会产生残酷的回撤（50%以上的波动）。四分之一凯利能捕获约75%的增长率，同时显著降低波动性。每个严肃的量化基金都使用分数凯利。

期望值计算器

期望值量化您每承担一美元风险所获得的优势：

typescript
// ev-calculator.ts
export interface MarketEV {
marketId: string;
ourP: number; // 您估算的概率
marketP: number; // 市场隐含概率（= YES价格）
b: number; // 净赔率：(1 - marketP) / marketP
ev: number; // 每美元风险的期望值
edgePct: number; // 优势占市场价格的百分比
kellyFraction: number; // 四分之一凯利最佳比例
recommend: boolean; // 是否值得交易？（ev > 0 && edgePct >= 2%）
}

export function calcEV(ourProbability: number, marketYesPrice: number) {
const b = (1 - marketYesPrice) / marketYesPrice;
const ev = ourProbability * b - (1 - ourProbability);
const edgePct = (ev / marketYesPrice) * 100;
return { ev, edgePct, b };
}

export function scoreMarket(market: any, ourP: number): MarketEV {
const { ev, edgePct, b } = calcEV(ourP, market.yesPrice);
const kellyFraction = quarterKelly(ourP, b);
return {
marketId: market.id,
ourP,
marketP: market.yesPrice,
b,
ev,
edgePct,
kellyFraction,
recommend: ev > 0 && edgePct >= 2,
};
}

export function rankByEV(markets: MarketEV[]): MarketEV[] {
return [...markets].sort((a, b) => b.ev - a.ev);
}

解读输出： 5%的edgePct意味着您的模型认为市场定价偏差为5%。当期望值为正且优势超过2%时，recommend标志触发（低于此阈值，交易成本会吞噬您的优势）。

贝叶斯概率更新器

随着新证据的出现更新您的概率估算：

typescript
// bayesian-updater.ts
export interface BayesianState {
marketId: string;
priorP: number;
currentP: number;
evidence: Evidence[];
lastUpdated: Date;
}

export interface Evidence {
description: string;
likelihoodRatio: number; // > 1 支持YES，< 1 支持NO
timestamp: Date;
}

export function bayesUpdate(prior: number, likelihoodRatio: number): number {
const posterior = (prior * likelihoodRatio) /
(prior * likelihoodRatio + (1 - prior));
return Math.max(0.001, Math.min(0.999, posterior));
}

export function addEvidence(
state: BayesianState,
evidence: Evidence
): BayesianState {
const newP = bayesUpdate(state.currentP, evidence.likelihoodRatio);
return {
...state,
currentP: newP,
evidence: [...state.evidence, evidence],
lastUpdated: evidence.timestamp,
};
}

export function getRecommendation(
state: BayesianState,
marketPrice: number
): { action: buy | sell | hold; confidence: number; reason: string } {
const diff = state.currentP - marketPrice;
if (Math.abs(diff) < 0.02) return { action: hold, confidence: 0, reason: 在噪音范围内 };
if (diff > 0) return { action: buy, confidence: diff, reason: 模型高于市场${(diff*100).toFixed(1)}% };
return { action: sell, confidence: -diff, reason: 模型低于市场${(-diff*100).toFixed(1)}% };
}

似然比： 比值为2.0意味着如果YES为真，此证据出现的可能性是两倍。比值为0.5意味着如果NO为真，此证据出现的可能性是两倍。贝叶斯更新器可以串联多个证据项——每次更新都作为新的先验输入下一次更新。

市场评分器（综合排名）

将所有信号合并为单一分数，用于市场选择：

typescript
// market-scorer.ts — 加权评分模型
// EV分数： 40%权重 — 优势百分比
// 凯利分数： 30%权重 — 最佳仓位（越高越有信心）
// 到期窗口： 20%权重 — 最佳区间6-72小时
// 成交量分数： 10%权重 — 对数归一化流动性

评分最高的市场优先交易。到期窗口过滤器避免两种失败模式：到期时间过短（如果判断错误无法退出）和到期时间过长（资金被锁定，优势衰减）。

流2：自我改进策略（自动研究循环）

布里尔分数指标

布里尔分数衡量预测校准度——您的概率估算与实际结果的接近程度：

brierScore = mean((预测概率 - 实际结果)^2)

其中实际结果 = 1（如果解决为YES），0（如果解决为NO）

解读量表：

分数	水平	含义
0.25	随机	抛硬币式预测
0.22

分数越低越好。系统将布里尔分数作为主要优化目标进行追踪。

策略配置

策略由可调参数定义：

typescript
// research/strategy.ts
export interface StrategyConfig {
minVolume: number; // 最低市场

polymarket-quant-traderPolymarket量化交易系统

polymarket-quant-trader

Polymarket Quant Trader

Overview

Stream 1: EV-Based Signal Trading

How It Works

Kelly Criterion Position Sizing

EV Calculator

Bayesian Probability Updater

Market Scorer (Composite Ranking)

Stream 2: Self-Improving Strategy (Autoresearch Loop)

The Brier Score Metric

Strategy Configuration

Running the Autoresearch Loop

Reading the Iteration Log

Breaking a Plateau

Stream 3: Cross-Platform Arbitrage (PM x 1WIN)

How Spread Arbitrage Works

Spread Calculator

Running the Arb Scanner

Title Matching

Continuous Monitoring

Setup Guide

1. Clone and Install

2. Configure Environment

3. Run Each Stream

Recipes

Recipe 1: Morning Scan for Arb Opportunities

Recipe 2: Run Overnight Strategy Improvement

Recipe 3: Check Portfolio EV

Recipe 4: Add a New Market to the Bayesian Tracker

Recipe 5: Backtest a Strategy Change

Architecture Notes

Polymarket 量化交易员

概述

流1：基于期望值的信号交易

工作原理

凯利准则仓位管理

期望值计算器

贝叶斯概率更新器

市场评分器（综合排名）

流2：自我改进策略（自动研究循环）

布里尔分数指标

策略配置

标签

通过对话安装

方式一：安装 SkillHub 和技能

方式二：设置 SkillHub 为优先技能安装源

通过命令行安装

下载

相关推荐

self-improvement

self-improvement

self-improvement

self-improvement