Un algorithme de trading Polymarket devrait être suffisamment précis pour que deux évaluateurs puissent appliquer ses règles aux mêmes éléments et comprendre pourquoi il a agi ou s’est abstenu. Une formule comme acheter des issues sous-évaluées exprime une aspiration. Elle ne définit ni les informations, ni la prévision, ni le prix, ni la quantité, ni les conditions du compte qui aboutissent à une décision.
Ce guide développe un algorithme hypothétique à des fins de recherche. Il porte sur une famille fictive de votes programmés pour approuver des nominations et cherche à déterminer si une mise à jour publique particulière de la procédure apporte des informations utiles. L’exemple est volontairement circonscrit pour permettre de tester ses affirmations. Il ne s’agit ni d’une stratégie ayant fait ses preuves ni d’une recommandation de négocier sur ces événements.
Le contexte de la plateforme est celui d’International Polymarket, Polymarket US étant traité séparément. Toutes les probabilités, quantités, tous les prix, frais et seuils ci-dessous sont inventés. Pour les calculs, on suppose des versements simples de 1 $ ou de 0 $. Les règles effectives du marché, les contraintes de trading en vigueur et les autorisations du compte régiraient toute mise en œuvre réelle.
Commencer l’algorithme de trading Polymarket par une hypothèse
L’hypothèse informationnelle réfutable est qu’une mise à jour précisément définie de la procédure améliore les prévisions d’approbation définitive d’une nomination à un horizon défini, par rapport à une référence simple utilisant les informations déjà disponibles. Cette affirmation peut être invalidée si la mise à jour n’apporte aucune valeur prédictive, arrive trop tard ou concerne une condition différente de l’issue du contrat.
Définissez précisément la mise à jour. Dans ce cadre inventé, il s’agit de la publication d’un ordre du jour définitif des votes qui inclut la nomination désignée. Une rumeur concernant l’ordre du jour ou une republication à l’identique ne remplit pas les conditions. L’algorithme étudie si ce fait procédural modifie la probabilité d’approbation ; il ne suppose pas que l’inscription garantit le succès.
Le guide antérieur sur la stratégie de trading Polymarket explique pourquoi une stratégie a besoin d’une véritable hypothèse d’avantage. Une spécification d’algorithme Polymarket devrait conserver cette hypothèse pour que les révisions ultérieures puissent être jugées au regard de la question de recherche initiale, plutôt que de redéfinir rétrospectivement le succès après avoir pris connaissance des résultats.
Définir la famille de contrats admissibles
L’univers de recherche devrait contenir des contrats dont la définition de l’issue et l’horizon sont cohérents. Pour la famille inventée de nominations, l’issue Oui exige une approbation définitive consignée par l’organe désigné avant une échéance précise. Les contrats portant sur la proposition d’un candidat, la recommandation d’une commission ou la prise de fonctions sont exclus.
Consignez les règles exactes et la source de chaque contrat admissible. Des titres similaires ne suffisent pas. Si un contrat tient compte d’un réexamen ultérieur tandis qu’un autre ne le fait pas, cette différence peut nécessiter une exclusion ou un modèle distinct. L’affirmation circonscrite de l’algorithme repose sur la comparaison d’issues de même nature.
L’admissibilité est décidée avant d’examiner le résultat final. Sinon, la recherche peut discrètement retirer des cas gênants qui affaiblissent les performances apparentes. Conservez les contrats rejetés et leurs motifs, notamment les règles ambiguës, les sources indisponibles et les structures d’événements non prises en charge. Ce registre explique le domaine dans lequel l’affirmation de l’algorithme est effectivement évaluée.
Fixer l’horizon de décision
L’algorithme hypothétique évalue la première mise à jour vérifiée de l’ordre du jour dans une fenêtre de recherche définie avant le vote. Il enregistre l’heure réelle de réception et achève sa prévision avant d’examiner une nouvelle cotation exécutable pour prendre la décision. L’horizon fait partie de la spécification ; ce n’est pas un choix effectué après avoir observé les mouvements de prix.
Une mise à jour plus tardive peut être plus facile à interpréter, mais laisser moins de possibilités d’action. Un test historique doit utiliser le moment auquel le processus pouvait réellement agir, en tenant compte du délai de collecte et de calcul. Il ne peut pas associer des éléments tardifs à un prix antérieur qui existait avant leur réception.
Choisissez une ancienneté maximale pour la proposition et définissez ce qui la fait expirer. Un ordre du jour modifié, une nouvelle déclaration officielle ou le dépassement de l’échéance de décision peut invalider l’ancienne proposition. Le programme devrait alors produire une nouvelle version de recherche ou s’abstenir, plutôt que de continuer à soumettre une instruction dont le fondement informationnel ne s’applique plus.
Conserver les données d’entrée avant d’établir une prévision
Le registre des données d’entrée devrait identifier le document, sa version, son heure de publication si elle est connue, son heure de réception et les champs procéduraux extraits. Il devrait distinguer le fait provenant de la source de l’interprétation ajoutée par l’algorithme. Le bon déroulement d’un analyseur ne prouve pas qu’il a sélectionné la bonne nomination ou la bonne version de l’ordre du jour.
Pour chaque mise à jour acceptée, conservez suffisamment d’éléments pour qu’un évaluateur puisse reproduire la classification. Si un champ requis manque ou est ambigu, l’algorithme devrait renvoyer une observation non résolue. Il ne devrait pas combler cette lacune par une valeur probable dans le seul but de maintenir la boucle de trading en activité.
Le registre des données d’entrée facilite également l’évaluation ultérieure des changements de la source. Si l’autorité modifie la structure des documents, le comportement historique du modèle peut ne plus être valable. Un registre précis permet de repérer cette rupture plutôt que d’attribuer un échec d’analyse à une variation soudaine des probabilités des événements.
Définir la prévision et sa référence
L’algorithme a besoin d’une probabilité estimée pour l’issue exacte du contrat, et non simplement d’un score indiquant que la formulation de l’ordre du jour paraît favorable. Élaborez la correspondance à partir d’un échantillon historique approprié, puis évaluez-la sur des événements ultérieurs qui n’ont pas servi à choisir la règle.
La référence devrait utiliser les informations disponibles au même horizon. Il peut s’agir d’une simple fréquence historique ou d’une estimation de marché précisément définie, selon la question de recherche. Conservez la référence avant de comparer les résultats, afin que l’évaluation ne choisisse pas après coup un concurrent facile à battre.
Pour le cas de test chiffré ci-dessous, supposons que le modèle produise une probabilité centrale de 0,61 et un scénario de stress de 0,56. Il s’agit de données d’entrée inventées pour vérifier les calculs de décision, et non d’estimations empiriques. La valeur du scénario de stress n’est pas une borne de confiance statistique, sauf si une procédure distincte et validée établit qu’elle l’est.
Fixer la marge sur le coût avant d’examiner les résultats
La règle hypothétique exige que la probabilité du scénario de stress dépasse le coût total maximal supposé par part d’au moins 0,04 $ pour le versement simple en dollars. Il s’agit d’un seuil choisi pour la recherche, et non d’une preuve qu’une marge de quatre cents compense toutes les incertitudes.
Supposons que le prix d’achat maximal soit de 0,51 $ et que la provision pour frais soit de 0,01 $ par part. Le coût total maximal supposé est de 0,52 $. Avec une probabilité de stress de 0,56, la marge modélisée est de 0,04 $ par part, ce qui satisfait exactement la règle inventée.
Consignez les raisons du choix du seuil et évaluez sa sensibilité sans sélectionner la meilleure valeur sur l’échantillon de test final. Si la règle ne paraît utile que pour une marge réglée avec une extrême précision, cette fragilité mérite l’attention. Un algorithme transparent devrait rendre visible le compromis entre une sélection plus stricte, un nombre réduit d’occasions et l’incertitude des prévisions.
Consulter le carnet d’ordres une fois la prévision prête
La comparaison des conditions exécutables devrait utiliser une observation du carnet disponible après que la prévision et les contrôles d’autorisation peuvent avoir été effectués. Conservez le cours acheteur, le cours vendeur, la profondeur et l’heure de réception. Un prix médian affiché n’est pas le coût d’achat de la quantité prévue.
La documentation de Polymarket sur le carnet d’ordres explique la distinction entre les prix affichés et les côtés du carnet auxquels il est possible d’exécuter un ordre. Pour le cas de test inventé, supposons que dix parts soient proposées à 0,48 $ et quinze à 0,50 $. Vingt-cinq parts sont visibles dans la limite de 0,51 $, mais les limites du compte détermineront la taille réelle de la proposition.
Si le carnet est périmé, incomplet ou change avant la soumission, appliquez la règle de revalidation spécifiée. L’algorithme ne devrait pas invoquer une ancienne cotation favorable pour élargir sa limite. Un nouveau prix peut faire disparaître l’occasion modélisée même si la prévision concernant l’événement reste inchangée.
Combiner les contraintes de quantité de manière cohérente
La quantité proposée devrait respecter toutes les contraintes applicables. Dans le compte inventé, la limite par événement est de quarante parts, dont douze sont déjà détenues et huit peuvent provenir d’un ordre actif. Cela laisse une capacité de vingt parts supplémentaires. La profondeur visible de vingt-cinq parts ne prime pas sur la limite du compte.
Le budget d’engagement disponible pour la nouvelle intention est de 10,40 $. Au coût maximal supposé de 0,52 $ par part, il permet d’acquérir vingt parts. La profondeur, la capacité par événement et le budget de coût autorisent donc une proposition de vingt parts dans ce cas de test.
Utilisez des unités exactes et les exigences actuelles du marché lors de la mise en œuvre du calcul. Une quantité fractionnaire autorisée ou une taille minimale d’ordre peut modifier le résultat valide. Le guide des outils de trading Kalshi offre une comparaison utile des responsabilités en matière de recherche et de calcul, tandis que les contraintes effectives des ordres doivent rester propres au marché Polymarket considéré.
Calculer le coût attendu du cas de test
Pour vingt parts, le carnet observé en fournit dix à 0,48 $ et dix à 0,50 $. Le coût d’achat est de 4,80 $ plus 5 $, soit 9,80 $ avant frais. Avec les frais supposés d’un cent par part, l’estimation tous frais compris est de 10,00 $. Le coût moyen supposé est de 0,50 $.
Avec la probabilité centrale de 0,61, l’espérance de versement modélisée est de vingt fois 0,61 $, soit 12,20 $. L’écart attendu modélisé est de 2,20 $. Dans le scénario de stress de 0,56, l’espérance de versement est de 11,20 $, ce qui laisse 1,20 $ par rapport à l’estimation totale fondée sur le carnet observé.
L’autorisation utilise toujours l’engagement maximal supposé de 10,40 $, et non l’estimation observée plus faible. Cette distinction maintient la borne de prix si le carnet change dans la limite approuvée. Tous ces calculs dépendent de la prévision hypothétique et des hypothèses de frais ; ils établissent une cohérence interne, et non une affirmation de bénéfice réalisé.
Recommandez et gagnez des USDC
Recommandez et gagnez des USDCNotre programme d’affiliation paie en temps réel.
Spécifier le comportement de l’ordre pendant sa durée de vie
L’algorithme de l’exemple utilise une instruction immédiate qui accepte une exécution partielle et annule le reste, sous réserve du comportement documenté de la plateforme actuelle et des paramètres autorisés. Il ne laisse pas de nouvel ordre en attente dans le carnet après la fenêtre de décision. Ce choix fait partie des règles d’exposition de l’algorithme.
La documentation de Polymarket sur le cycle de vie des ordres décrit FAK comme exécutant la quantité disponible et annulant le reliquat. Une variante avec un ordre restant dans le carnet constituerait une spécification différente, car elle pourrait créer une exposition après le vieillissement de l’observation et de la prévision initiales.
Consignez le type effectif avec l’intention. Un évaluateur ultérieur devrait pouvoir déterminer si la quantité non exécutée est restée un engagement. L’algorithme ne devrait pas déduire que toute exécution partielle impose d’acheter ultérieurement la quantité manquante ; un achat complémentaire nécessiterait une nouvelle proposition fondée sur les éléments disponibles et l’état actuel du compte.
Conserver le registre d’acceptation de la règle de décision
Le registre d’acceptation de la règle de décision relie les données d’entrée, la prévision, le carnet, l’instantané du compte et l’autorisation. Il devrait préciser les conditions satisfaites et les modalités exactes autorisées à être transmises hors du processus. Enregistrez-le durablement avant de soumettre un ordre, afin que la reprise ne dépende pas de la mémoire ou d’un état d’écran perdu.
Un candidat rejeté mérite un enregistrement de même structure, avec un motif concis. Il peut s’agir d’une inadéquation du contrat, de données d’entrée périmées, d’une marge insuffisante, d’une profondeur insuffisante ou d’une capacité épuisée. Ces motifs révèlent si l’hypothèse produit des occasions utilisables en pratique.
Le guide antérieur de l’algorithme de trading sur les marchés de prédiction explique la conception et les tests à chacune de ces étapes. Conserver le registre d’acceptation séparément du résultat final empêche une issue favorable de valider rétrospectivement une décision qui ne satisfaisait pas la règle au moment où elle a été prise.
Effectuer le rapprochement après une exécution partielle
Supposons que l’ordre immédiat hypothétique de vingt parts exécute huit parts à 0,48 $ et sept à 0,50 $. Le coût d’achat est de 3,84 $ plus 3,50 $, soit 7,34 $. Avec des frais totaux supposés de 0,15 $, le coût tous frais compris est de 7,49 $. Cinq parts demandées restent non exécutées et sont annulées conformément au comportement choisi.
Le compte détient désormais vingt-sept parts : les douze initiales plus les quinze acquises. L’ordre actif antérieur de huit parts reste un engagement possible distinct, ce qui porte l’exposition potentielle à l’événement à trente-cinq parts selon la règle simple de quantité. Les cinq parts annulées de cette nouvelle demande ne restent pas actives.
Un simple accusé de réception de la demande ne suffit pas à établir cet état final. L’algorithme devrait suivre les éléments pertinents relatifs aux ordres et aux transactions et effectuer le rapprochement du compte. Si le résultat de la soumission est inconnu, maintenez la réservation appropriée et enquêtez avant d’envisager un autre candidat pour la même capacité.
Énoncer les règles d’invalidation et de sortie
Une règle de décision a besoin d’un plan pour ce qui se passe après l’entrée. L’exemple peut être évalué selon une règle de conservation jusqu’au règlement du marché, une règle de sortie fondée sur les éléments disponibles ou une règle de réexamen à échéance temporelle, mais ces choix ne devraient pas être mélangés une fois les résultats connus.
Pour cette spécification de recherche, supposons un réexamen prévu chaque fois que l’ordre du jour officiel change, sans sortie automatique au seul motif que le prix affiché évolue. Le réexamen vérifie si la correspondance initiale avec le contrat et les hypothèses de prévision restent valables. Toute vente nécessite ses propres contrôles de coût et d’autorisation.
Une valorisation hypothétique supérieure au coût d’entrée ne garantit pas une sortie réalisable pour la totalité de la position. Le compte devrait utiliser les offres d’achat disponibles et les coûts applicables lors de l’évaluation d’une vente. De même, une valorisation défavorable ne permet pas, à elle seule, de déterminer si la prévision, l’exécution ou la liquidité du marché est à l’origine du changement.
Évaluer séparément les prévisions et les ordres
L’évaluation des prévisions devrait inclure toutes les estimations admissibles enregistrées, y compris les candidats rejetés pour des raisons de prix ou de capacité. L’évaluation de l’exécution devrait inclure les ordres effectifs, les exécutions, les frais et les cas non résolus. Ces populations se recoupent, mais répondent à des objectifs différents.
Un modèle peut améliorer la précision des prévisions sans produire de marge exploitable après les coûts. Un processus d’exécution peut suivre parfaitement la règle alors que l’hypothèse sous-jacente échoue. Des registres séparés permettent au chercheur de déterminer quelle affirmation doit être révisée, plutôt que de traiter chaque résultat comme une mesure unique de la qualité de l’algorithme.
Le guide d’un algorithme de trading Kalshi développe un autre exemple d’avantage informationnel réfutable propre à une plateforme. La méthode transposable consiste à conserver l’hypothèse et à la tester prospectivement, tout en maintenant distincts les définitions des contrats, les conventions de prix et les mécanismes des comptes.
Répartir les données d’évaluation par événement sous-jacent
Les contrats liés à un même processus de nomination devraient rester regroupés lors de la séparation des données de développement et d’évaluation. Sinon, le modèle peut, de fait, apprendre les détails d’un événement dans un sous-ensemble et se voir attribuer le mérite d’avoir prédit des contrats étroitement liés dans un autre.
Indiquez le nombre d’événements sous-jacents ainsi que le nombre d’observations de contrats. Cinquante seuils ou échéances liés à quelques nominations ne fournissent pas cinquante démonstrations indépendantes de l’hypothèse informationnelle. Leurs relations devraient faire partie de la conception de l’évaluation.
Utilisez des tests chronologiques lorsque l’utilisation prévue concerne des événements futurs, et conservez un échantillon ultérieur pour évaluer les choix faits pendant le développement. Un mélange aléatoire peut masquer les changements dans les processus des sources ou dans le comportement du marché. L’évaluation devrait ressembler à la séquence réelle dans laquelle l’algorithme apprendrait et agirait.
Mettre les hypothèses à l’épreuve sans réécrire la règle
L’analyse de sensibilité devrait faire varier des hypothèses plausibles telles que le délai de réception, les estimations de frais, la profondeur disponible et l’incertitude des prévisions. L’objectif est de comprendre la fragilité, et non de chercher indéfiniment la version qui produit le meilleur résultat historique.
Pour le cas de test inventé, un coût total plus élevé ou une probabilité de stress plus faible peut supprimer la marge requise. Un budget disponible plus faible peut réduire la quantité. Un retard de la source peut faire expirer entièrement la proposition. L’algorithme devrait produire ces décisions modifiées de manière cohérente à partir des conditions qu’il énonce.
La discussion antérieure sur la question de la rentabilité des bots de marchés de prédiction insiste sur la rigueur des tests. Appliquez cette exigence en conservant les cas perdants et rejetés, y compris les interruptions opérationnelles. Une évaluation qui suppose une disponibilité parfaite et des exécutions favorables répond à une question différente de celle de l’utilité pratique du processus complet.
Définir quand l’hypothèse a échoué
Une spécification réfutable devrait préciser quels éléments affaibliraient l’affirmation de recherche ou conduiraient à l’abandonner. Il peut s’agir d’une absence d’amélioration par rapport à la référence sur des événements ultérieurs, d’un mauvais calibrage persistant, d’un avantage apparent disparaissant avec des délais réalistes ou d’une modification de la définition utilisée par la source qui rompt la relation initiale.
N’exigez pas un échec spectaculaire pour justifier un réexamen. Une dégradation progressive de la qualité des données ou une proportion croissante de candidats rejetés peut révéler un changement des conditions de fonctionnement. À l’inverse, quelques résultats défavorables peuvent être compatibles avec une prévision probabiliste raisonnable et ne devraient pas déclencher automatiquement des modifications incontrôlées des paramètres.
Rédigez le calendrier de réexamen et les critères de décision avant d’examiner l’échantillon final. La valeur de l’algorithme tient en partie à sa capacité à produire des éléments susceptibles de le réfuter. Une règle qui explique chaque perte après coup tout en modifiant ses conditions a cessé d’être l’affirmation précise que l’évaluation devait tester.
Maintenir la distinction entre un algorithme et un portefeuille
L’ajout d’un deuxième modèle, d’une stratégie de cotation ou d’une autre famille d’événements crée un problème de coordination du portefeuille. La règle initiale devrait conserver son identité propre et son registre d’évaluation afin que sa contribution puisse être comprise. Les limites de compte partagées doivent inclure tous les engagements qui en résultent.
Le guide des algorithmes de trading Polymarket examine les chevauchements d’exposition entre plusieurs méthodes. Des noms différents n’établissent pas l’indépendance des risques, en particulier lorsque plusieurs algorithmes utilisent la même source ou négocient des issues liées. L’élargissement devrait donc intervenir après un examen distinct du compte et de l’évaluation.
Conservez la spécification circonscrite même si le système global s’étend. Il devrait rester possible de reconstituer ce que cet algorithme seul a proposé, pourquoi il s’est abstenu et en quoi ses ordres effectifs différaient des décisions qu’il prévoyait. Sans cette séparation, les résultats agrégés peuvent dissimuler une composante faible derrière une autre, performante et sans rapport avec elle.
Rendre l’algorithme de trading Polymarket mesurable
Une spécification complète relie une hypothèse réfutable à des éléments admissibles, un horizon fixe, une prévision, un seuil de coût et une action du compte encadrée par des limites. Elle précise aussi comment sont gérées l’exécution partielle, l’incertitude, l’invalidation et l’évaluation. Chaque composante contribue à une décision qui peut être reproduite et contestée.
Commencez par tester le registre et les calculs à l’aide de cas inventés comme celui présenté ici. Évaluez ensuite l’affirmation informationnelle sur des observations réelles convenablement séparées avant de tirer des conclusions sur son utilité. Identifiez clairement les faits issus des sources, les estimations du modèle et les seuils choisis dans les règles de fonctionnement.
L’algorithme est prêt pour un examen approfondi lorsqu’il peut expliquer aussi bien l’action que l’abstention. Sa réussite ne tient pas au fait qu’il produit toujours un ordre. Elle tient au fait que le processus formule une affirmation précise, l’applique avec constance sous des contraintes réalistes et conserve suffisamment d’éléments pour déterminer si cette affirmation résiste à l’épreuve des événements ultérieurs.