Handelsalgoritme for prediksjonsmarkeder: Utforming og testing

Inngangsdata for en handelsalgoritme for prediksjonsmarkeder begynner med regler

Definer den nøyaktige hendelsen før du bygger modellvariabler. En kontrakt om at et offisielt tall overskrider en terskel, er forskjellig fra en om et foreløpig anslag, en presseoverskrift eller en observasjon i løpet av dagen. Modellens mål må samsvare med kontraktens avgjørelseskriterier, inkludert angitt kilde, sammenligningsoperator og relevant tidspunkt.

Som et hypotetisk eksempel kan vi se på en kontrakt som spør om en publisert måling er strengt større enn 4,0. Et resultat lik 4,0 oppfyller ikke regelen. Et prognosesystem trent på etiketter som teller likhet som suksess, ville løse et annet problem, selv om den historiske statistikken så utmerket ut.

Den offisielle veiledningen til avgjørelse på Polymarket illustrerer hvorfor skriftlige regler, kildevalg og unntakstilfeller betyr noe. En nyhetsrapport og en fullført markedsavgjørelse er ulike observasjoner. Ikke erstatt den ene med den andre i dataene uten å si fra.

Lagre en versjon av reglene med hver prognose. Hvis relevant sammenheng endres eller en avklaring kommer, kan den eksisterende tolkningen måtte gjennomgås. En markedstittel er en praktisk betegnelse, men for forkortet til å være hele den matematiske definisjonen av utfallet.

Skill prognosen fra handelsbeslutningen

Prognosekomponenten anslår sannsynligheten for den definerte hendelsen med informasjon tilgjengelig på et bestemt tidspunkt. Handelskomponenten sammenligner det tilsvarende utbetalingsanslaget med gjeldende kjøps- eller salgsvilkår. Å holde komponentene atskilt gjør feil lettere å diagnostisere.

For en vanlig hypotetisk binær kontrakt som betaler én enhet ved vinnende utfall og null ellers, gir en sannsynlighet på 0,62 en forventet bruttoutbetaling på 0,62 per kontrakt. Hvis hele den forventede anskaffelseskostnaden er 0,64, blir ikke kjøpet attraktivt bare fordi hendelsen er mer sannsynlig enn ikke.

Samme prognose kan støtte ulike beslutninger ved ulike priser. Et kjøp til 0,54 og et kjøp til 0,66 uttrykker samme retningssyn, men har ulik økonomi. Et system som alltid kjøper sitt mest sannsynlige utfall, ignorerer skillet.

Artikkelen om handelsstrategi for prediksjonsmarkeder gir et bredere rammeverk for å knytte en hypotese til en beslutningsregel. Algoritmen bør gjøre forbindelsen tydelig nok til at en kontrollør kan rekonstruere hvorfor en handel ble vurdert da.

Mål kalibrering i en handelsalgoritme for prediksjonsmarkeder

Kalibrering av en handelsalgoritme for prediksjonsmarkeder spør om oppgitte sannsynligheter samsvarer med observerte frekvenser over en egnet samling prognoser. Hvis mange rimelig sammenlignbare hendelser får en prognose nær 0,70, bør omtrent sytti prosent inntreffe over et tilstrekkelig informativt utvalg for at prognosene skal være godt kalibrert.

Et lite utvalg vil svinge. Sju suksesser av ti hendelser fastslår ikke varig nøyaktighet, og seks motbeviser ikke automatisk anslaget. Relevante spørsmål omfatter utvalgsstørrelse, utvelgelse, hendelsenes likhet og om prognosene ble registrert før utfallene var kjent.

Kalibrering er også forskjellig fra diskriminering. En modell som gir samme brede grunnsannsynlighet til hver hendelse, kan være kalibrert samlet, men hjelpe lite med å skille attraktive muligheter. Omvendt kan en modell rangere hendelser nyttig, men uttrykke for stor sikkerhet.

Undersøk grupper som betyr noe for de tiltenkte handelsreglene. En modell kan se rimelig ut over alle prognoser, men være dårlig kalibrert nettopp i delmengden med høy sikkerhet som systemet kjøper. Rapporter både hele prognosepopulasjonen og den valgte handelsdelmengden, slik at utvelgelse ikke skjuler svakheten.

Undersøkelsesrammeverket for en automatisert bot for politisk oddshandel bruker kalibrerings- og avhengighetskontroller på politiske hendelser og skiller stemmeandelsmålinger fra sannsynligheter for det faktiske kontraktsutfallet.

Bruk sannsynlighetspoeng uten å forveksle dem med gevinst

Et gjennomsiktig prognosemål er gjennomsnittet av den kvadrerte forskjellen mellom forventet sannsynlighet og det endelige binære utfallet, representert som én eller null. Mindre feil viser sannsynligheter nærmere det som skjedde. Målet vurderer prognosekvalitet uavhengig av handelspris.

Anta to hypotetiske prognoser: 0,70 for en hendelse som inntreffer og 0,40 for en som ikke gjør det. De kvadrerte feilene er 0,09 og 0,16, med et gjennomsnitt på 0,125. En sikker prognose som viser seg feil, får en langt større feil enn en forsiktig sannsynlighet som viser seg feil.

Poengsummen viser ikke om kontraktene var tilgjengelige billig nok til kjøp. En modell kan forbedre poengsummen og samtidig tape penger på dyre gjennomføringer. En annen kan identifisere et lite sett feilprisede situasjoner og samtidig prestere bare middels over et uvedkommende bredt utvalg.

Bruk separate rapporter for sannsynlighetsnøyaktighet, beslutningsselektivitet og økonomiske utfall. Å slå dem sammen til én attraktiv overskrift gjør det vanskelig å se om en endring forbedret prognosen, reduserte kostnadene eller bare tilfeldigvis dro nytte av gunstige utfall i måleperioden.

Bevar informasjonen tilgjengelig på beslutningstidspunktet

Historiske data inneholder ofte revisjoner, endelige etiketter og korrigerte tidsstempler som var utilgjengelige da en handel ville vært vurdert. En ærlig evaluering rekonstruerer informasjonssettet som fantes ved beslutningstidspunktet, fremfor å la senere kunnskap lekke inn i tidligere prognoser.

En hypotetisk økonomisk publisering kan først vise 2,1 og senere revideres til 1,8. Hvis strategien handler på den første publiseringen, gir en historisk modellvariabel som bare bruker den endelig reviderte verdien, en urealistisk fordel. Begge versjoner bør bevares med publiserings- og lokale observasjonstider.

Markedsdata trenger samme disiplin. Prisen brukt i evalueringen bør komme etter signalets faktiske tilgjengelighet og den antatte behandlingsforsinkelsen. Et gunstig tilbud observert før den relevante informasjonen kom, er ikke oppnåelig gjennomføring bare fordi begge registreringer er fra samme minutt.

Veiledningen til algoritmisk handel på prediksjonsmarkeder utvikler etterprøvbarhet mer inngående. Her er hovedkravet enkelt: Den arkiverte dokumentasjonen bør forklare hva algoritmen kunne vite, ikke alt undersøkeren vet etter hendelsen.

Eksemplene med boten for handel med valgodds bruker samme grense for meningsmålingenes feltperioder, korrigerte stemmetall og kunngjøringer fra kontraktskilden.

Tidsveiledningen for en bot for BTC-prisprediksjonsmarkeder bruker prinsippet på referanseprisstrømmer, gjennomsnittsvinduer og manglende observasjoner som en gjenoppkoblet strøm kanskje ikke spiller av på nytt.

Vurder prisen tilgjengelig for den tiltenkte størrelsen

Det beste viste salgstilbudet dekker kanskje bare en liten mengde. Et større kjøp kan bruke flere prisnivåer og endre gjennomsnittskostnaden og den tilsynelatende fordelen mot prognosen. En midtpris eller siste handel er enda mindre direkte dokumentasjon på hva som kan kjøpes nå.

Anta at en hypotetisk prognose verdsetter én vinnende kontrakt til 0,60. De synlige tilbudene omfatter tjue kontrakter til 0,54 og åtti til 0,59. Kjøp av hundre ville koste 10,80 pluss 47,20, altså 58,00 før gebyrer. Gjennomsnittsprisen er 0,58, som gir en anslått bruttofordel på to enheter for hele kjøpet.

Bruk av bare det første tilbudet ville feilaktig anslå en kostnad på 54 og en fordel på seks. Hvis antatte tilleggsutgifter er 1,50 totalt, blir den mer realistiske anslåtte fordelen 0,50. En beskjeden endring i prognosen eller ordreboken kan viske den ut.

Dette er et hypotetisk regnestykke, ikke en aktuell mulighet. Det viser hvorfor størrelse hører hjemme i beslutningsregelen. Økt mengde bør utløse en ny vurdering av gjennomførbar verdi fremfor mekanisk multiplisering av et småordreanslag.

Ta med gjennomføringskostnader i prediksjonsmarkedsalgoritmen

Gjennomføringskostnader for en prediksjonsmarkedsalgoritme kan inkludere handelsstedsgebyrer, prispåvirkning, finansieringsutgifter og kostnader ved å lukke eller innløse posisjonen. Hvilke kostnader som gjelder, avhenger av handelssted, kontrakt, konto og tiltenkt livssyklus. En generell prosent kopiert fra en gammel veiledning er ikke en pålitelig erstatning for gjeldende vilkår.

Den gjeldende gebyrdokumentasjonen for Polymarket beskriver for eksempel markedsavhengige gebyrer og anvendelse ved matching. En undersøkelsesimplementering bør bevare de relevante gebyrforutsetningene og senere avstemme dem mot faktiske registreringer. Artikkelens talleksempler bruker uttrykkelig hypotetiske samlede utgifter fremfor å hevde en gjeldende sats.

Unngå å telle samme effekt to ganger. Hvis et størrelsesfølsomt tilbud allerede inkluderer bruk av flere nivåer i ordreboken, bør et ekstra fratrekk for prispåvirkning representere noe ytterligere, som antatt forverring før gjennomføring. Ellers blir modellen konservativ av en uklar grunn og vanskelig å kalibrere.

En mulig rabatt er heller ikke penger som allerede er opptjent. Hold betingede insentiver atskilt fra grunnøkonomien i handelen til faktisk kvalifikasjon og beløp er fastslått. En strategi bør vise om resultatet hovedsakelig avhenger av prognoser, gjennomføring eller et midlertidig program.

Gjør usikkerhet til en del av inngangsterskelen

Et sannsynlighetsanslag er ikke en måling med perfekt presisjon. Dataknapphet, skiftende hendelsesdynamikk og modellforutsetninger kan gi betydelig usikkerhet. Å kreve bare en svært liten positiv anslått forskjell mellom verdi og kostnad kan få systemet til å handle på støy.

Anta at det sentrale sannsynlighetsanslaget er 0,60, men rimelige alternative forutsetninger gir verdier fra 0,54 til 0,64. En samlet kjøpskostnad på 0,58 ser attraktiv ut med sentralanslaget og uattraktiv i deler av det plausible intervallet. Modellen bør vise følsomheten fremfor å fremstille 0,60 som en ubestridelig sannhet.

Én regel kan kreve at muligheten fortsatt er akseptabel under en angitt ugunstig forutsetning. En annen kan redusere allokeringen når modelluenigheten øker. Dette er utformingsvalg som må evalueres; ingen av dem gjør usikkerhet til en garantert sikkerhetsmargin.

Registrer hvilken usikkerhet terskelen retter seg mot. En større prognosemargin retter ikke en feil kontraktsdefinisjon eller en oversett kontoforpliktelse. Statistisk usikkerhet, gjennomføringsusikkerhet og driftsusikkerhet har ulike årsaker og bør ikke skjules i én vilkårlig justering.

En bot for handel med implisitt sannsynlighet kan gjøre følsomheten tydelig ved å holde gjennomførbar pris, kostnadsterskel og anslagsintervall i separate felt.

Kontroller beholdning på tvers av relaterte hendelser

Posisjonsgrenser bør ta hensyn til beholdninger og ordrer som fortsatt kan skape beholdninger. Hvis et system eier førti kontrakter og har ytterligere seksti som kan fylles, er den potensielle posisjonen hundre. Å behandle bare dagens førti som eksponering kan la en ny beslutning overskride den tiltenkte allokeringen.

Relaterte markeder skaper et lag til. Tre kontrakter kan avhenge av samme kunngjøring med ulike terskler eller formuleringer. Separate identifikatorer gjør ikke utfallene uavhengige. En portefølje som kjøper alle tre, kan konsentrere tapene rundt én underliggende overraskelse.

Bruk scenarioanalyse til å forstå felles eksponering. For et hypotetisk sett terskelkontrakter kan du sammenligne porteføljeutbetalingen ved verdier under alle terskler, mellom tersklene og over alle terskler. Det viser den økonomiske formen tydeligere enn å telle markedsnavn.

Reservasjoner bør også dekke forespørsler med usikkert utfall. Hvis en innsending kan ha nådd handelsstedet, fjerner ikke et manglende lokalt svar den mulige forpliktelsen. Allokeringssystemet må avstemme usikkerheten før samme kapasitet brukes igjen.

Kapitalvarighet fortjener en egen begrensning. To posisjoner med samme anslåtte gevinst kan binde tilgjengelige midler i svært ulike perioder. En kontrakt der resultatet blir observerbart i morgen, kan fortsatt kreve mer behandling før midlene kan brukes igjen. En hendelse mange måneder frem i tid gir et annet budsjetteringsproblem selv om den anslåtte prosentfordelen er større.

For en hypotetisk allokering på fem hundre enheter kan tre hundre være bundet i langvarige posisjoner, hundre støtte åpne ordrer og femti være reservert for uavklarte forespørsler. Bare femti er ubundet med disse forutsetningene. En ny mulighet som krever åtti, kan ikke godtas bare fordi ingen nylige kjøp vises i aktivitetsstrømmen.

Ikke anta at en forventet vinnende utbetaling allerede kan finansiere neste handel. Inntil den relevante posisjonen selges eller handelsstedets oppgjørs- og kontoregistreringer fastslår brukbare midler, forblir den en del av eksisterende forpliktelse. Det hindrer en modell i å finansiere flere samtidige muligheter med samme forventede proveny.

Undersøkelsessammenligningen bør rapportere både avkastning og bindingstid. Å omregne et kort gunstig resultat til årsavkastning fastslår likevel ikke at like attraktive muligheter kan gjentas kontinuerlig. Kapasitet, hendelsesfrekvens og skiftende informasjon begrenser alle gjentakelse.

Skill passive tilbud fra umiddelbare kjøp

En passiv limitordre og et kjøp som kan gjennomføres straks, løser ulike gjennomføringsproblemer. Den passive ordren kan få en foretrukket pris hvis en annen deltaker velger å handle mot den. Det umiddelbare kjøpet prioriterer tilgjengelig gjennomføring, men godtar dagens tilbud innenfor begrensningene.

Historiske simuleringer overdriver ofte passiv ytelse ved å anta utfylling hver gang markedet berører limitprisen. Virkelig gjennomføring kan avhenge av køposisjon, tilgjengelig mengde, ordretiming og endringer i ordreboken. En berøring fastslår en observasjon, ikke nødvendigvis en utfylling for den modellerte kontoen.

Utvelgelse er også viktig. Et passivt tilbud kan fylles oftere når ny informasjon har gjort prisen ugunstig. Å telle den tilsynelatende spreaden uten å evaluere hva som skjer etter utfyllinger, kan forveksle ugunstig utvalg med en gjentakbar fordel.

Drøftingen av market making på prediksjonsmarkeder forklarer beholdningsproblemet bredere. Velg en gjennomføringsmodell for algoritmen som svarer til faktisk ordreatferd, og test følsomheten for konservative utfyllingsforutsetninger.

Hold handelsstedsadaptere og kontraktsbetydning atskilt

En felles prognosemodell kan vurdere hendelser på tvers av handelssteder, men implementeringen trenger fortsatt stedsspesifikk håndtering av identifikatorer, ordrebetydning, saldoer og oppgjør. Lignende markedsspørsmål innebærer ikke utbyttbare forespørsler eller likeverdige kontrakter.

Polymarket International og Polymarket US har separat dokumentasjon og integrasjoner. US-dokumentasjonen viser uttrykkelig leserne til det separate International-materialet. Kontokvalifikasjon, tilgangsopplysninger og støttet funksjonalitet må bekreftes for den tiltenkte tjenesten fremfor å utledes fra det felles navnet.

Kalshis markedsdata for hendelseskontrakter har også en egen representasjon. Markedsdataveiledningen skiller mellom serier, hendelser, markeder og ordrebokobservasjoner. En adapter bør bare normalisere felter der betydningen faktisk er fastslått.

Hold uavklarte forskjeller synlige. En manglende gebyrparameter, usikker utfallskobling eller uforenlig mengdekonvensjon bør stoppe den berørte beslutningen. Å fylle hullene med en praktisk standardverdi kan gi tallmessig ryddige beregninger om feil instrument eller beløp.

Evaluer hele beslutningspopulasjonen

Å lære å evaluere en prediksjonsmarkedsalgoritme krever at du bevarer muligheter som ble hoppet over, så vel som gjennomførte handler. Hvis systemet bare registrerer kjøp, blir det vanskelig å avgjøre om utvalgsregelen ga merverdi eller bare valgte en heldig delmengde i ettertid.

Bevar prognose, gjennomførbare vilkår, beslutning og begrunnelse for hver kvalifiserte observasjon. Begrunnelsene kan være utilstrekkelig anslått fordel, for stor relatert eksponering, gammel informasjon eller uavklarte regler. Kategoriene bidrar til å skille en selektiv praksis fra en feil som stilltiende stoppet deltakelsen.

Evaluer på senere perioder som ikke ble brukt til å velge reglene. Gjentatt terskeljustering til et historisk utvalg ser lønnsomt ut, kan tilpasse seg støy. En sluttrapport bør oppgi hvor mange alternativer som ble prøvd, og hvor den urørte evalueringsperioden begynner.

Unngå å behandle nært beslektede kontrakter som helt uavhengige observasjoner. Ti terskler på samme hendelse kan gi ti registreringer som avhenger av én underliggende realisering. Gruppering av resultater etter hendelse og tid bidrar til å hindre at sikkerhetsanslag blåses opp av duplisert økonomisk informasjon.

Tilordne utfall til prognose, pris og drift

En tapshandel innebærer ikke automatisk en dårlig prognose. En hendelse anslått til sytti prosent kan utebli uten å motsi sannsynligheten. Tilsvarende beviser ikke en vinnerhandel at den opprinnelige prognosen var berettiget. Enkeltutfall inneholder betydelig tilfeldighet.

Gjennomgå flere lag separat. Samsvarte reglene med den tiltenkte hendelsen? Var sannsynligheten rimelig gitt samtidens dokumentasjon? Samsvarte faktisk anskaffelsespris med modellen? Endret uventede gebyrer, delvise utfyllinger eller oppgjørstid resultatet? Oppdelingen identifiserer endringer som kan forbedre prosessen.

I en hypotetisk periode gir brutto handelsgevinster på tolv enheter kombinert med sju i gebyrer og seks i gjennomføringstap et nettotap på én. Å rapportere bare de tolv skjuler delen av systemet som trenger mest oppmerksomhet. Å rapportere bare tapet skjuler om prognosen selv bidro med nyttig informasjon.

Hold realiserte kontantstrømmer atskilt fra verdsatt beholdning og uavklarte kontrakter. Et gunstig anslag for en åpen posisjon er ikke avkastning som allerede er innkrevd. Perioderapporten bør gjøre klart hvilke utfall som er endelige, og hvilke som fortsatt avhenger av fremtidige hendelser eller driftstrinn.

Gjennomgang av en handelsalgoritme for prediksjonsmarkeder pågår kontinuerlig

En nyttig algoritme er en testbar kjede av beslutninger, ikke et permanent svar på usikre hendelser. Grunnlaget kan svekkes når deltakeratferd, likviditet, datatilgjengelighet eller kontraktsutforming endres. Løpende gjennomgang bør se etter endringene fremfor å anta at tidligere kalibrering automatisk vil vedvare.

Bruk en versjonert registrering av vesentlige modell- og regelendringer. Sammenlign den nye versjonen fremover med et definert sammenligningsgrunnlag, og bevar resultatene fra versjoner som ble tatt ut av bruk. Det hindrer at den offentlige fortellingen blir en samling av bare periodene som så gunstige ut.

Den praktiske standarden er at en annen grundig leser kan følge veien fra kontraktsregler til dokumentasjon, prognose, pris, allokering og målt resultat. Å oppfylle standarden garanterer ikke gevinst. Det synliggjør algoritmens begrensninger og gir fremtidige forbedringer et tydelig mål forankret i observasjoner fremfor bare selvsikkerhet.