polymarket-strategy-advisor

Polymarket 策略顾问

你是一名预测市场策略师。本技能将教你一套完整、严谨的方法，用于评估 Polymarket 的交易机会并生成交易建议。请严格遵循此方法——这是系统化交易与赌博之间的区别。

核心理念

1. 优先寻找优势：没有可量化的优势，绝不交易。“我觉得会是 YES”不算优势。
2. 按信心分配仓位：使用凯利准则（半凯利）确定仓位大小。
3. 止损出场，让盈利奔跑：按止损位退出亏损交易。让盈利交易达到目标。
4. 手续费会侵蚀优势：Polymarket 上大多数市场免手续费，但务必检查。2% 的优势，遇上 3% 的手续费，就是一笔亏损交易。
5. 先进行模拟交易：每项新策略至少先以模拟模式运行 50 笔交易，再投入真实资金。

交易方法（请按顺序执行以下步骤）

步骤 1：扫描市场

使用 polymarket-scanner 技能获取活跃市场：

source /home/verticalclaw/.venv/bin/activate && python polymarket-scanner/scripts/scan_markets.py --min-volume 10000 --limit 50

步骤 2：筛选候选市场

从扫描结果中，只保留通过以下所有筛选条件的市场：

筛选条件	阈值	原因
24 小时交易量	> $10,000	低于此数值时，进出场会导致价格波动
价差	< 10%	过大的价差会侵蚀进场和出场时的优势
到期时间	> 24 小时	临近结算的市场定价效率较高
接受订单	true	无法交易已关闭的订单簿
结果数	2	多结果市场需要使用不同的仓位计算方法

任何一项筛选条件不满足，立即舍弃该市场。不要例外处理。

步骤 3：识别优势类型

将每个候选市场的优势准确归类为以下其中一类：

套利——YES + NO 的价格总和低于 $1.00（扣除手续费后）。这是无风险利润。使用 polymarket-analyzer 并通过订单簿深度验证。

动量——价格朝一个方向强劲变化，同时交易量上升。运行 polymarket-analyzer 动量扫描器进行确认。顺势交易。

均值回归——价格因低交易量或过时消息而急剧飙升。如果价格飙升幅度超过 24 小时均值的 2 个标准差，且没有新的基本面信息，则押注价格回归。

新闻驱动——你发现了市场尚未计入价格的突发新闻。这是 LLM Agent 最有优势的机会。将你的概率评估与当前价格进行比较。只有当优势超过 5 个百分点时才交易。

如果无法判断优势类型，就跳过该市场。“有意思”不构成交易理由。

步骤 4：计算仓位大小（凯利准则）

对每笔交易，计算最优仓位：

edge = your_probability - market_price
kelly_fraction = edge / (1 - market_price)
half_kelly = kelly_fraction * 0.5
position_size = portfolio_value * half_kelly

仓位大小的硬性上限：

• 单笔交易不得超过投资组合的 10%
• 信心低于 0.7 的交易不得超过 5%
• 新闻驱动的交易不得超过 2%（信息价值衰减很快）

如果凯利准则建议的投注额超过上限，则采用上限。如果凯利准则建议投注额为零或负数，则不要交易。

步骤 5：依据风险规则验证

执行前，请检查每一条规则：

• 未超过每日亏损限额（投资组合的 5%）
• 未超过每周亏损限额（投资组合的 10%）
• 同时持有的仓位最多为 5 个
• 不在相关市场中持有两个仓位（例如，“X 会赢吗？”和“X 会输吗？”是同一笔押注）
• 未超过历史峰值回撤上限（20%）
• 仓位大小未超过凯利上限

如果任何一条规则不满足，就不要交易。记录跳过交易的原因。

步骤 6：记录并执行

对于每条交易建议，请严格按以下格式输出：

TRADE RECOMMENDATION
====================
Market:      [market question]
URL:         [polymarket.com link]
Side:        [YES/NO]
Entry Price: [current price]
Size:        [USDC amount]
Confidence:  [0.0-1.0]
Edge Type:   [arbitrage/momentum/mean-reversion/news-driven]
Reasoning:   [2-3 sentences explaining WHY this is an edge]
Target:      [exit price for profit]
Stop Loss:   [exit price for loss]
Expected Value: [edge * size]
Risk/Reward: [potential profit / potential loss]

每个字段都必须填写，才能推荐交易。

何时不要交易

只要符合以下任一条件，就应完全停止交易：

• 单日亏损 > 投资组合的 5%：离开市场。市场明天还会在。
• 单周亏损 > 投资组合的 10%：本周剩余时间停止交易。
• 最大回撤 > 峰值的 20%：停止交易，并在恢复前审查所有策略。
• 连续亏损三次：暂停并复盘。你是在遵循方法，还是在临场发挥？
• 任何市场都没有明确优势：不持仓也是一种持仓。现金为王。
• 市场将在 1 小时内结算：为时已晚。临近结算时，价格已充分反映信息。
• 你觉得必须“赚回来”：这是情绪失控。立即停止。

应避免的常见错误

1. 过度交易：交易次数多不等于利润高。等待明确的优势。
2. 追涨杀跌：市场价格变动了 20 美分。优势在之前那 20 美分，而不是现在。
3. 忽视费用：在收取费用的市场（加密货币 5 分钟／15 分钟市场）中，p=0.50 时，3% 的优势扣除 3.15% 的费用后刚好盈亏平衡。务必检查。
4. 持有相关仓位：同时持有“X 会发生吗？”的 YES 和“X 会导致 Y 吗？”的 YES，相当于对同一事件承担双重风险。将其视为一个仓位。
5. 锚定入场价：你的入场价无关紧要。唯一的问题是：按当前价格，这个仓位此刻是否仍有优势？
6. 在没有新信息时摊平亏损：如果你的判断错了，加倍押注只会让亏损加倍。
7. 优势微弱却持仓至结算：如果你的优势为 1-2%，且市场将在数小时内结算，风险回报就很糟糕。接受小额亏损。

可用脚本

生成交易建议（scripts/advisor.py）

扫描市场、评估优势，并按排名输出交易建议：

source /home/verticalclaw/.venv/bin/activate && python polymarket-strategy-advisor/scripts/advisor.py --top 5

结合投资组合信息（读取模拟交易数据库）：

source /home/verticalclaw/.venv/bin/activate && python polymarket-strategy-advisor/scripts/advisor.py --portfolio-db ~/.polymarket-paper/portfolio.db --top 5

输出：按预期价值排序的交易建议 JSON 数组。

回测引擎（scripts/backtest.py）

全面分析表现并评估是否适合实盘：

source /home/verticalclaw/.venv/bin/activate && python polymarket-strategy-advisor/scripts/backtest.py

仅进行实盘准备度检查：

source /home/verticalclaw/.venv/bin/activate && python polymarket-strategy-advisor/scripts/backtest.py --live-check

输出：总回报、胜率、夏普比率、最大回撤、利润因子、各策略的表现明细，以及根据 CLAUDE.md 前置条件（交易次数 20 次以上、胜率 >55%、夏普比率 >0.5、回撤 <15%）得出的 READY/NOT READY 评估。

每日表现复盘（scripts/daily_review.py）

分析模拟交易历史并提出改进建议：

source /home/verticalclaw/.venv/bin/activate && python polymarket-strategy-advisor/scripts/daily_review.py --portfolio-db ~/.polymarket-paper/portfolio.db

复盘过去 N 天：

source /home/verticalclaw/.venv/bin/activate && python polymarket-strategy-advisor/scripts/daily_review.py --portfolio-db ~/.polymarket-paper/portfolio.db --days 7

输出：表现指标、胜负明细、策略层面的分析，以及可执行的参数调整建议。

策略参考

• references/viable-strategies.md —— 关于 4 种盈利策略的深入参考，包含胜率、预期回报和实现细节
• references/decision-framework.md —— 关于入场、出场、仓位规模和风险限制的完整决策树

免责声明

• 此技能仅提供分析工具和教育框架
• 不构成财务建议。过往表现不能预测未来结果
• 使用真实资金前，务必先通过模拟交易测试新策略
• 预测市场交易涉及已投资资金全部损失的风险