Ein Kalshi-Market-Making-Bot stellt Kurse, gegen die andere Teilnehmer handeln können. Seine scheinbare Gelegenheit ist die Differenz zwischen Kauf- und Verkaufspreis. Sein zentrales Risiko ist, dass der Markt entscheidet, wann er mit ihm handelt, oft wenn neue Informationen einen seiner Kurse für den Bot ungünstiger machen.
Market Making erfordert daher mehr, als ein Kaufgebot und Verkaufsangebot um einen jüngsten Preis zu platzieren. Das Programm braucht eine Einschätzung des Kontraktwerts, Ereignisverständnis, Grenzen für einseitige Ausführungen und Nachweise zur Qualität erhaltener Trades.
Dieser Artikel behandelt die Entscheidung, wann und wie sich ein Ereignismarkt auf Prognosemärkten zur Kursstellung eignet. Preise, Gebühren und Mengen dienen der Veranschaulichung. Er verspricht kein Einkommen aus der Handelsspanne, nimmt nicht an, dass alle Maker-Ausführungen kostenlos sind, und behandelt einen angezeigten zweiseitigen Markt nicht als abgeschlossenen Kauf-Verkauf-Zyklus.
Lassen Sie das Ereignis vor dem Kursentwurf zu
Ein Market Maker muss den Kontrakt verstehen, den er nach einer Ausführung möglicherweise hält. Lesen Sie Ergebnisdefinition, Beobachtungszeitraum, Ergebnisquelle und besondere Abrechnungsregeln. Ein kurzer Titel und ein aktives Orderbuch reichen nicht als Beleg, dass die Strategie das Risiko bewerten kann.
Manche Ereignisarten sind für ein bestimmtes Modell leichter verständlich als andere. Eine geplante Messung kann einen klaren Informationskalender haben, während ein von unvorhersehbaren Ankündigungen getriebenes Ereignis möglicherweise eine andere Rückzugsrichtlinie erfordert. Die Wahl sollte dem getesteten Modellumfang folgen.
Bewerten Sie die verbleibende Zeit bis zum Ereignis. Ein weit vor der Feststellung konservativ wirkender Kurs kann nahe einer Informationsveröffentlichung schnell veralten. Ein Modell, das diese Veränderung nicht darstellt, sollte seine zulässigen Kursstellungsfenster einschränken.
Die Zulassung sollte auch betriebliche Kapazität betrachten. Kann der Bot Markt und Konto für seine Kursrichtlinie zuverlässig genug beobachten? Kann der Kontoinhaber eine Position erklären, wenn nur eine Seite ausgeführt wird? Falls nicht, beheben breitere Kurse das fehlende Verständnis nicht.
Der Strategieleitfaden für Prognosemärkte bietet den allgemeinen Untersuchungsrahmen. Für einen Maker lautet die Frage, ob eine wiederholbare Kursrichtlinie bei realistischen Ausführungen genug verdienen kann, um Kosten und unerwünschten Bestand auszugleichen.
Beginnen Sie die Spannenanalyse des Kalshi-Market-Making-Bots
Die Spannenanalyse eines Kalshi-Market-Making-Bots beginnt mit der Unterscheidung angezeigter und realisierter Spanne. Ein Gebot von 44 Cent und ein Angebot von 48 Cent zeigen vier Cent Differenz. Der Bot verdient diese Differenz nur mit tatsächlich gekauften und verkauften Mengen, die wirtschaftlich einander zugeordnet werden können.
In einem hypothetischen abgeschlossenen Kauf-Verkauf-Zyklus kauft der Bot 20 Kontrakte zu 44 Cent und verkauft später 20 zu 48 Cent. Der Kaufbetrag beträgt 8 Dollar und 80 Cent, der Verkaufserlös 9 Dollar und 60 Cent. Der Bruttohandelsgewinn beträgt 80 Cent.
Nehmen Sie für die Übung kombinierte Kosten von 30 Cent an. Der Nettogewinn sinkt auf 50 Cent. Diese Kosten sind erfunden und keine Aussage zu aktuellen Gebühren. Die Rechnung zeigt, warum die sichtbare Spanne nicht als endgültiger Kontogewinn gemeldet werden darf.
Angenommen, nun wird nur der Kauf ausgeführt. Der Bot hält 20 Kontrakte. Er hat die Spanne von vier Cent nicht allein deshalb abgeschlossen, weil sein Verkaufsangebot sichtbar bleibt. Wert und zukünftiger Verkaufspreis dieses Bestands bestimmen den weiteren Verlauf.
Ein Untersuchungsbericht sollte daher abgeschlossene zugeordnete Mengen und offenen Bestand trennen. Beides unter einer Spannenkennzahl zusammenzufassen, kann einen Maker profitabel erscheinen lassen, während er Positionen ansammelt, deren spätere Verluste die kleinen Gewinne früherer Kauf-Verkauf-Zyklen übersteigen.
Schätzen Sie einen Referenzwert mit ehrlicher Unsicherheit
Die Marktmitte ist eine nützliche Beobachtung und kein unanfechtbarer fairer Wert. Sie kann dünne Liquidität, veraltete Kurse oder vorübergehenden Druck widerspiegeln. Ein Maker sollte wissen, warum sein Referenzwert zum Kontrakt passt und wie unsicher die Schätzung ist.
Die Referenz kann aus einem Prognosemodell, verwandten Kontraktinformationen oder einer sorgfältig definierten Marktschätzung stammen. Erhalten Sie unabhängig von der Quelle Zeitpunkt und Annahmen. Ein Kurs sollte nach Ablauf seiner Wertgrundlage nicht unbegrenzt aktiv bleiben.
Eine hypothetisch geschätzte Wahrscheinlichkeit von 46 % für ein einfaches YES-Ergebnis mit einem Dollar Auszahlung legt eine erwartete Auszahlung von 46 Cent vor Kosten nahe. Kurse von 43 und 49 Cent schaffen Raum um diese Schätzung, beweisen aber nicht, dass einer unter jeder plausiblen Wahrscheinlichkeit günstig ist.
Reicht die Modellunsicherheit von 38 % bis 54 %, können beide Kurse in unterschiedlichen Zuständen anfällig sein. Der Bot braucht womöglich kleinere Mengen, breitere Preise oder keine Kursstellung. Die Antwort sollte einer festgelegten Unsicherheitsrichtlinie folgen statt dem Wunsch nach ständiger Aktivität.
Bewerten Sie Referenz und Kursrichtlinie getrennt. Eine gute Prognose mit schlechtem Stornierungszeitpunkt kann Geld verlieren, während eine günstige Ausführungsserie ein schwaches Wertmodell vorübergehend verdeckt. Getrennte Aufzeichnungen erleichtern die Erkennung dieser Wirkungen.
Verstehen Sie adverse Selektion beim Kalshi-Market-Making-Bot
Adverse Selektion beim Kalshi-Market-Making-Bot liegt vor, wenn Trades bevorzugt zu für die gestellten Preise ungünstigen Zeitpunkten eintreffen. Ein anderer Teilnehmer kann neuere Informationen oder eine bessere Ereignisinterpretation haben. Die Handelsbereitschaft des Makers wird zu einer Option, die andere selektiv ausüben.
Kehren Sie zum Gebot von 44 Cent zurück. Angenommen, eine neue Beobachtung reduziert eine vernünftige Schätzung des Werts auf 35 Cent, bevor der Bot den Kurs entfernt. Werden 20 Kontrakte zu 44 Cent ausgeführt, beträgt der Kaufbetrag 8 Dollar und 80 Cent, während eine Bewertung zu 35 Cent sie mit sieben Dollar ansetzt. Die Bewertungsdifferenz ist ein Verlust von 1 Dollar und 80 Cent vor Gebühren.
Dieser Verlust ist nicht zwangsläufig realisiert, und die Bewertung ist selbst eine Schätzung. Dennoch zeigt er, wie eine ungünstige Ausführung mehrere kleine Spannengewinne übersteigen kann. Eine Strategie kann Kursstellung nicht nur anhand der Fälle bewerten, in denen beide Seiten gehandelt wurden.
Messen Sie die Entwicklung nach Ausführungen über ein relevantes Intervall. Bewegt sich der Markt wiederholt kurz danach gegen den Maker, kann dies auf veraltete Kurse oder ein schwaches Referenzmodell hindeuten. Die Analyse sollte Ereigniszeitpunkte und Bestand berücksichtigen, statt sich auf einen Gesamtdurchschnitt zu verlassen.
Der Leitfaden zum algorithmischen Handel auf Prognosemärkten unterstützt diese nachweisbasierte Bewertung. Ein Maker braucht Aufzeichnungen nicht ausgeführter wie ausgeführter Kurse, weil die Auswahl der Ausführungen zur Wirtschaftlichkeit der Strategie gehört.
Lesen Sie das Orderbuch, ohne Ergebnispreise zu verwechseln
Ein Kursstellungssystem muss die aktuelle Orderbuchdarstellung richtig interpretieren. Kalshis Leitfaden zu Orderbuchantworten erklärt die REST-Struktur von Ergebnisgeboten und komplementären Verkaufsangeboten. Der Bot sollte diese Daten vor dem Erstellen eigener Kurse normalisieren.
Bei einem hypothetischen besten NO-Gebot von 41 Cent beträgt das komplementäre YES-Verkaufsangebot 59 Cent. 41 Cent als verfügbaren YES-Kauf zu behandeln, würde die wirtschaftliche Bedeutung umkehren. Der Fehler kann bei Testpreisen nur nahe 50 Cent verborgen bleiben.
Das Orderbuch zeigt auch Mengen, die für Wettbewerb und mögliches Risiko zählen. Eine enge Spanne mit sehr geringer Tiefe kann sich anders verhalten als dieselbe Spanne mit erheblichem ruhendem Interesse. Der Maker sollte aus der Preisdifferenz allein keine identische Ausführungsqualität ableiten.
Erhalten Sie die Beobachtungszeit. Ein vor einer Ankündigung aufgenommenes Orderbuch beschreibt möglicherweise nicht mehr die Umgebung, in der ein neuer Kurs angenommen wird. Die Strategie sollte das Beobachtungsalter relativ zu ihrem Ereignismodell bewerten.
Aktuelle Konventionen zur Order- und Ausführungsrichtung haben eigene dokumentierte Bedeutungen. Ein Client sollte keine Preistransformation ohne Prüfung der Quelldarstellung von einer Schnittstelle auf eine andere übertragen. Exakte Interpretation ist Voraussetzung einer sinnvollen Spannenuntersuchung.
Beachten Sie Warteschlangenpositionen, ohne jeder Aktualisierung nachzujagen
Bei gleichem Preis beeinflusst die Warteschlangenposition einer Order den möglichen Ausführungszeitpunkt. Kalshis Referenz zur Warteschlangenposition beschreibt Preis-Zeit-Priorität. Damit wird Kurspflege zur Abwägung zwischen Preisrelevanz und den Folgen einer Orderänderung.
Ein Maker, der Kurse ständig storniert und ersetzt, kann Aufwand ohne nützliche Ausführungen betreiben. Einer, der nie aktualisiert, kann nach geänderter Schätzung des Werts veraltete Preise verfügbar lassen. Die Richtlinie muss wesentliche Informationsänderungen von unwesentlichem Rauschen unterscheiden.
Warteschlangeninformation garantiert keine Ausführung. Vorausliegende Orders können storniert werden, neue Aktivität kann auftreten und der Markt kann sich entfernen. Nutzen Sie sie als eine Beobachtung im Ausführungsmodell statt als Versprechen einer Ausführung nach fester Zeit.
Ein hypothetischer Untersuchungstest kann zwei Kursrichtlinien anhand derselben Beobachtungen vergleichen: Eine aktualisiert nur nach wesentlicher Wertänderung, die andere bei jeder kleinen Bewegung. Der Vergleich sollte Kosten, Ausführungsqualität und Restbestand einbeziehen, nicht bloß die Zahl der Kursaktualisierungen.
Ziel ist weder, Nachrichten zu maximieren, noch jederzeit den nächstmöglichen Kurs zu halten. Ziel sind akzeptable Preise für das Risiko, das das Konto aufnehmen kann, wenn ein anderer Teilnehmer handeln will.
Die Analyse häufiger Kurspflege ergänzt diese Abwägung zwischen nützlicher Priorität und veraltetem Risiko um Beispiele zu Anfragebudgets und zeitlichen Stornierungsüberschneidungen.
Weiterempfehlen und USDC verdienen
Weiterempfehlen und USDC verdienenUnser Partnerprogramm zahlt in Echtzeit.
Setzen Sie Kursgrenzen für den Kalshi-Market-Making-Bot
Kursgrenzen eines Kalshi-Market-Making-Bots sollten das Risiko begrenzen, das eintreffen kann, bevor das System reagiert. Zählen Sie bestehenden Bestand, aktive Kurse und Anfragen mit weiter unklarem Ergebnis. Eine kleine angezeigte Order kann Teil einer wesentlich größeren Gesamtverpflichtung sein.
Verwenden Sie Grenzen je Markt und für verwandte Ereignisse. Mehrere Kurse auf benachbarte Schwellen können nach einer Veröffentlichung gemeinsam ausgeführt werden. Sie als unabhängig zu behandeln, kann Risiko konzentrieren, obwohl jede Order bescheiden wirkt.
Ein hypothetisches Konto kann 30 Kontrakte halten und Gebote über weitere 40 haben. Eine Höchstposition von 50 lässt sich nicht allein durch Prüfung der bereits ausgeführten 30 durchsetzen. Die aktive Menge muss reduziert oder anders begrenzt werden, damit mögliche Ausführungen innerhalb der beabsichtigten Richtlinie bleiben.
Kontrollen sollten auch schnelle Ausführungsfolgen behandeln. Ein Bot kann mehrere Ausführungen erhalten, bevor sein lokales Modell aktualisiert ist. Handelsplatzmechanismen können in ihrem dokumentierten Umfang helfen, aber eine rollierende Aktivitätskontrolle sollte nicht als vollständige Kontoverlustgrenze bezeichnet werden.
Eine Grenze braucht eine definierte Folge. Das Programm kann die Risikoerhöhung in einer Richtung stoppen, ausgewählte Kurse zurückziehen oder eine Prüfung verlangen. Die Folge sollte Kontobeobachtung erhalten, damit der Kontoinhaber die endgültige Menge nach noch laufenden Aktivitäten feststellen kann.
Behandeln Sie Maker-Kosten als marktspezifische Eingaben
Im Orderbuch zu ruhen, belegt keine Kostenfreiheit jeder Ausführung. Kalshis Gebührenhinweise erklären, dass in manchen Märkten Maker-Gebühren anfallen können. Ein Kursmodell sollte aktuelle anwendbare Kosten nutzen und tatsächliche Belastungen anschließend abgleichen.
Halten Sie erwartete Spanne, Handelsgebühren, Rundungseffekte und Betriebsausgaben getrennt. Eine sehr kleine Bruttomarge kann unter tatsächlichen Kontokosten verschwinden. Ein Bericht nur mit Preisdifferenzen belegt kein wirtschaftliches Ergebnis.
Orderaufteilung kann Schätzungen erschweren. Ein Kurs kann in mehreren Teilen ausgeführt werden, und Kosten können mit Präzision oder Anpassungen gemeldet werden, die eine einfache Abkürzung je Kontrakt verfehlt. Erhalten Sie die gemeldeten Kontokomponenten und ihre erklärende Orderbeziehung.
Sensitivitätsanalyse ist nützlich. Verdient ein beispielhaftes Kurspaar vier Cent brutto je zugeordnetem Kontrakt, vergleichen Sie das Ergebnis unter mehreren plausiblen Kostenannahmen, statt die niedrigste zu wählen. Die Analyse kann zeigen, ob die Strategie von einer fragilen Ausgabenschätzung abhängt.
Auch Betriebskosten zählen. Datenzugang, Rechenleistung und Prüfzeit können die Gewinne eines kleinen Kursprogramms übersteigen. Mehr Menge ist nicht automatisch die Antwort, weil größere Orders Bestandsrisiko und Qualität möglicher Ausführungen verändern.
Definieren Sie, wann Kurse zurückgezogen werden müssen
Eine Rückzugsrichtlinie sollte Änderungen benennen, die die Kursgrundlage entkräften. Beispiele sind eine abgelaufene Prognose, eine wesentliche Quellenaktualisierung, eine Kontodifferenz oder der Eintritt eines Ereignisses in einen nicht unterstützten Modellzeitraum. Die Richtlinie sollte konkret genug zum Testen sein.
Eine geplante Veröffentlichung kann ein geplanter Rückzugspunkt sein. Der Bot kann vorher die Kursstellung stoppen und danach auf aktuelle Informations- und Kontoansichten warten. Diese Betriebsentscheidung sollte bewertet werden und ist keine allgemeine Behauptung, jedes Veröffentlichungsfenster sei ungeeignet.
Ungeplante Nachrichten brauchen eine Nachweisrichtlinie. Eine zuverlässige Aktualisierung kann sofortige Einschränkung rechtfertigen, ein ungeprüftes Gerücht eine Prüfung verlangen. Das System sollte beliebigem abgerufenem Text nicht erlauben, Kontokontrollen zu überschreiben.
Stornierung ist eine Anfrage mit zu prüfendem Ergebnis. Ausführungen können vor ihrem Wirksamwerden auftreten. Die endgültige Kontoaufzeichnung sollte ausgeführte Menge und verbleibende Orders enthalten, statt die Rückzugsanfrage als sofortige Entfernung jedes Risikos anzunehmen.
Der Leitfaden zur Handelsautomatisierung auf Prognosemärkten erklärt, wie Beobachtung durch diese Übergänge weiterläuft. Für einen Maker ist Rückzug erst abgeschlossen, wenn relevante aktive Verpflichtungen verstanden sind, nicht bloß, wenn die Kurserzeugung nicht mehr läuft.
Planen Sie Bestand ein, der nicht neutral wird
Ein Maker kann einseitigen Bestand aufbauen, weil das Ereignis sich in eine Richtung bewegt oder nur ein Kurs für andere Teilnehmer attraktiv ist. Die Strategie sollte nicht voraussetzen, dass die Gegenseite irgendwann zu einem profitablen Preis ausgeführt wird.
Definieren Sie einen Bestandshorizont. Das Konto kann einen begrenzten Bestand durch das Ereignis erlauben, eine Reduktion vor einer bestimmten Zeit verlangen oder zu einer anderen genehmigten Verwaltungsrichtlinie wechseln. Die Wahl sollte zum Kapital des Kontoinhabers und zum Modellumfang passen.
Ein erzwungener Ausstieg kann mehr als die ursprüngliche Spanne kosten. Kauft ein Maker zu 44 Cent und muss später zu 39 Cent verkaufen, beträgt der Kursverlust fünf Cent je Kontrakt vor Gebühren. Ein Verlauf angezeigter Spannen von vier Cent verhindert diesen Ausgang nicht.
Verdoppeln Sie den Einsatz nicht bloß für einen besseren durchschnittlichen Einstieg. Zusätzliche Käufe erhöhen den vom selben Ereignis abhängigen Betrag. Jede Größenänderung sollte der Kontozuteilungsrichtlinie folgen und nicht dem Wunsch, einen Bestandsbericht näher an die Gewinnschwelle zu bringen.
Der Bericht sollte Restpositionen deutlich zeigen. Realisierte Spannengewinne und unrealisierte Bestandsverluste gehören mit festgelegter Bewertungsmethode in dieselbe wirtschaftliche Prüfung. Andernfalls kann die Strategie stetiges Einkommen vortäuschen und zugleich die Erfassung konzentrierten Risikos verschieben.
Bewerten Sie Kurse als Entscheidungsmenge
Der Datensatz eines Makers sollte Kurserstellung, Änderungen, Rückzüge, Ausführungen und die jeweils verwendeten Informationen enthalten. Nur Ausführungen zu untersuchen, verliert nicht ausgeführte Alternativen und erschwert das Verständnis, wie der Markt Trades gegen den Bot auswählte.
Messen Sie Ergebnisse nach Ereignisphase. Ruhige Perioden, geplante Veröffentlichungen und spätes Handeln können unterschiedliche Ausführungsqualität haben. Eine Gesamtzahl kann eine Richtlinie verbergen, die in einer Umgebung funktioniert und in einer anderen stark scheitert.
Erfassen Sie das Verhältnis nützlicher Ausführungen zu unerwünschtem Bestand, ohne eine hohe Ausführungsquote an sich als gut zu behandeln. Ein veralteter Kurs kann sehr leicht ausgeführt werden, weil er jemandem mit besseren Informationen einen attraktiven Trade bietet. Qualität zählt mehr als Aktivität.
Vergleichen Sie die Strategie mit einer Ausgangslösung ohne Kursstellung und einfacheren Kursregeln. Zusätzliche Komplexität sollte ihren Platz durch bessere Nachweise zu Nettoergebnissen oder Kontrolle verdienen, nicht bloß durch ein ausgefeilteres Dashboard.
Erhalten Sie gescheiterte Sitzungen und Pausen in der Bewertung. Ein System mit häufig nötiger manueller Rettung hat einen anderen Betriebsaufwand als eines innerhalb seiner Bestandsgrenzen. Zeit und Eingriffe des Kontoinhabers gehören zur tatsächlichen Strategie.
Testen Sie die These mit einem kleinen Kursstellungsexperiment
Ein erstes Experiment sollte Ereignisfamilie, Kursstellungsfenster, Größenobergrenze und Rückzugsbedingungen definieren. Ziel ist zu lernen, ob die angenommene Spanne realistische Ausführung übersteht und das Konto einseitige Ergebnisse verwalten kann.
Prüfen Sie die Mechanik vor echtem Risiko mit kontrollierter Simulation und geeigneten Testumgebungen. Diese Übungen können korrektes Verhalten von Grenzen, Stornierungen und Aufzeichnungen belegen, während tatsächliche Liquidität und adverse Selektion getrennte Fragen bleiben.
Vergleichen Sie während begrenzter Livebeobachtung den prognostizierten Kurswert nach jeder Ausführung mit den Nachweisen. War die Referenz inzwischen veraltet? Wichen Kosten von der Schätzung ab? Wirkte die Stornierung, bevor zusätzliches Risiko entstand? Jede Antwort kann eine konkrete Änderung nahelegen.
Ein gutes Ergebnis kann ein engeres Kursstellungsfenster oder der Ausschluss einer Ereignisfamilie sein. Market Making ist bedingte Bereitschaft, Kontrakte zu festgelegten Preisen zu halten, keine Pflicht zur Aktivität in jedem Markt. Ein disziplinierter Bot macht diese Bereitschaft ausdrücklich und überarbeitet sie, wenn die Nachweise den Kurs nicht mehr stützen.
Verwandte Leitfäden und durchgerechnete Beispiele
- Polymarket-Market-Maker-Bot: Ergebnisbestand — Verbinden Sie Ergebnisbestand und Sicherheiten mit asynchroner Polymarket-Ausführung.
- Polymarket-Market-Making-Bot: Kurse und Bestand — Untersuchen Sie passive Kursstellung, Bestandsgrenzen und das Risiko einer Ausführung nach Informationsänderungen.