Kalshi 做市机器人：为报价风险定价

设计报价之前先准入事件

做市者需要理解成交后可能持有的合约。应阅读结果定义、观测期间、结果来源和特殊结算规则。简短标题和活跃订单簿，并不足以确定策略能够为敞口估值。

对于某个特定模型，有些事件类型比另一些更容易理解。预定测量可能有清楚的信息日历，而由不可预测公告驱动的事件，可能需要不同撤回政策。选择应遵循模型经过测试的范围。

应评估距离事件还有多久。远离判定时看似保守的报价，在临近信息发布时可能很快过时。无法表示这种变化的模型，应缩小其合资格报价窗口。

准入也应考虑运行容量。机器人能否足够可靠地观测市场和账户，以支持报价政策？如果只有一侧成交，负责人能否解释头寸？如果答案是否定的，扩大报价价差并不能补上缺失的理解。

预测市场策略指南 提供通用研究框架。对于做市者，问题是可重复报价政策在现实成交下，能否赚取足够收益以补偿成本和不想持有的库存。

开始 Kalshi 做市机器人的价差分析

Kalshi 做市机器人的价差分析，始于区分报价价差与已实现价差。44 美分买价和 48 美分卖价显示四美分差额。机器人只有在实际买入和卖出、且经济上能够匹配的数量上，才能赚取该差额。

在一个假设的完整往返交易中，机器人以 44 美分买入 20 份合约，随后以 48 美分卖出 20 份。买入金额为 8 美元 80 美分，卖出所得为 9 美元 60 美分，交易毛收益为 80 美分。

本练习假设合并成本为 30 美分，则净收益变为 50 美分。这些成本是虚构的，不是在说明当前费用。计算展示了为何不能将可见价差报告为账户最终利润。

现在假设只有买入成交。机器人持有 20 份合约。仅因卖价仍然可见，它并未完成四美分价差。该库存的价值和未来卖价，决定接下来发生什么。

因此，研究报告应将已完成匹配数量与未平仓库存分开。将两者混入同一价差指标，可能让做市者看似盈利，却不断积累最终亏损超过先前小额往返收益的头寸。

诚实反映不确定性地估计参考价值

市场中间价是有用观测，不是不容质疑的公允价值。它可能反映流动性薄弱、过时报价或临时压力。做市者应知道参考价值为何适合该合约，以及估计有多不确定。

参考可能来自预测模型、相关合约信息或仔细定义的市场估计。无论来源是什么，都应保留时间和假设。支持价值的信息失效后，报价不应无限期保持有效。

假设一个简单、兑付一美元的 YES 结果估计概率为 46%，则费用前预期兑付为 46 美分。43 和 49 美分的报价在估计周围留出空间，但这并不能证明任一报价在每个合理概率下都有利。

如果模型不确定性覆盖 38% 至 54%，两个报价可能在不同状态下都易受损。机器人可能需要更小数量、更宽价格，或不报价。应根据明确的不确定性政策应对，而不是为持续活跃而行动。

应将参考值与报价政策分别评估。良好预测配上糟糕撤单时机可能亏损，有利的一连串成交也可能暂时掩盖薄弱价值模型。分开的记录让这些影响更容易识别。

理解 Kalshi 做市机器人的逆向选择

Kalshi 做市机器人的逆向选择，是指交易倾向于在对报价不利的时刻到来。其他参与者可能掌握更新信息，或更好理解事件。做市者的交易意愿，成为由他人选择性行使的期权。

回到 44 美分买价。假设在机器人移除报价之前，新观测将合理价值估计降至 35 美分。如果 20 份合约以 44 美分成交，买入金额为 8 美元 80 美分，而按 35 美分计价时价值为七美元。计价差额是费用前亏损 1 美元 80 美分。

该亏损不一定已经实现，计价本身也是估计。但它仍说明，一次不利成交如何超过几次小额价差收益。策略不能只统计两侧均成交的时候来评估报价。

应衡量相关时间间隔内成交后发生什么。如果市场在执行后不久反复向不利于做市者的方向移动，这种模式可能表明报价过时或参考模型薄弱。分析应考虑事件时机和库存，而不是依赖一个汇总平均值。

预测市场算法交易指南 支持这种基于证据的评估。做市者需要未成交报价和已成交报价的记录，因为成交选择本身就是策略经济机制的一部分。

读取订单簿时不要混淆结果价格

报价系统必须准确解释当前订单簿表示。Kalshi 的订单簿响应指南 解释 REST 结果买单结构和互补卖价。机器人应先规范化这些数据，再构造自己的报价。

假设最优 NO 买价为 41 美分，则互补 YES 卖价为 59 美分。将 41 美分当作可用 YES 买入价，会反转经济含义。如果测试例子只使用接近 50 美分的价格，错误可能一直隐藏。

订单簿也显示数量，这同时关系到竞争和潜在敞口。深度很薄的窄价差，与存在大量挂单兴趣的相同价差，行为可能不同。做市者不应仅凭价差就推断执行质量相同。

应保留观测时间。公告前捕获的订单簿，可能不再描述新报价获接受时的环境。策略应相对于事件模型评估观测年龄。

当前订单和成交方向约定，各有文档规定的含义。客户端不应在未检查来源表示的情况下，将一种途径的价格转换带到另一种途径。精确解释是有意义价差研究的前提。

考虑排队位置，但不要追逐每次更新

在相同价格下，订单在队列中的位置影响何时可能成交。Kalshi 的排队位置参考 描述价格时间优先。这使报价维护成为价格相关性与修改订单后果之间的权衡。

反复撤销并替换报价的做市者，可能花费精力却得不到有用成交。从不更新的做市者，则可能在价值估计变化后继续留下过时价格。政策需要区分有意义的信息变化与无关紧要的噪声。

排队信息不保证执行。前方订单可以撤销，可能出现新活动，市场也可能远离。应将其作为执行模型中的一项观测，而不是承诺固定时间后就会成交。

一个假设研究测试，可以在相同观测下比较两种报价政策：一种只在价值发生重大变化后更新，另一种响应每次小波动。比较应包含成本、成交质量和剩余库存，而不只是报价更新数量。

目标不是最大化消息数量，也不是始终维持尽可能接近市场的报价，而是在其他参与者决定交易时，为账户能够承担的敞口数量提供仍可接受的价格。

频繁报价管理分析 为有用优先级与过时敞口之间的这种权衡，补充请求预算和撤单竞态示例。

设置 Kalshi 做市机器人的报价限额

Kalshi 做市机器人的报价限额，应约束系统反应前可能到来的敞口。应计入现有库存、有效报价和结果仍不确定的请求。很小的显示订单，也可能是大得多的合并承诺的一部分。

应同时使用单市场限额与相关事件限额。相邻阈值上的多个报价，可能在同一次发布后一起成交。即使每笔订单看似适中，将它们视为独立也可能集中风险。

假设账户持有 30 份合约，并有另外 40 份买单。只检查已成交的 30 份，无法执行最大头寸 50 份的限制。需要减少有效数量或以其他方式约束，使潜在成交仍符合预定政策。

控制也应处理快速连续成交。本地模型更新前，机器人可能收到多次撮合。场所提供的机制可能在其文档范围内有所帮助，但不应将滚动活动控制误标为完整账户损失限额。

限额需要明确后果。程序可以停止增加某方向敞口、撤回选定报价，或要求审查。后果应保留账户观测，使负责人能在任何在途活动之后确定最终数量。

将挂单成本视为市场特定输入

挂在订单簿上，并不能确定每次成交都免费。Kalshi 的费用指南 解释某些市场可能收取挂单方费用。报价模型应使用当前适用成本，并在之后核对实际收费。

应分别记录预期价差、交易费用、取整影响和运行费用。很小的毛利，可能在计入账户实际成本后消失。只展示价格差异的报告，不能确定经济结果。

订单碎片化可能使估计复杂。报价可能分多次成交，成本可能按简单每份合约捷径忽视的精度或调整方式报告。应保留账户报告的组成部分，以及解释它们所需的订单关系。

敏感性分析很有用。如果一个示例报价对每份匹配合约赚取四美分毛收益，应在几个合理成本假设下比较结果，而不是只选最低值。分析可以显示策略是否依赖脆弱的费用估计。

运行成本也重要。数据访问、计算和审查时间，可能超过小型报价程序的收益。扩大数量不一定是答案，因为更大订单会改变库存风险和可获得成交的质量。

定义何时必须撤回报价

撤回政策应识别哪些变化会使报价前提失效，例如预测过期、重要来源更新、账户差异，或事件进入模型不支持的时段。政策应足够具体，以便测试。

预定发布可以是计划中的撤回点。机器人可能在公告前停止报价，并在之后等待信息和账户视图恢复当前状态。这是应当评估的运行选择，而不是普遍声称每个发布窗口都不适合报价。

非预定新闻需要证据政策。可靠更新可能支持立即限制，未经验证的传闻则可能需要审查。系统不应允许任意检索文本覆盖账户控制。

撤单是结果需要验证的请求。它生效前可能发生成交。最终账户记录应包含执行数量和剩余订单，而不是假定请求撤回就立即移除了全部敞口。

预测市场交易自动化指南 解释这些转换期间如何继续观测。对于做市者，只有相关有效承诺得到理解，撤回才算完成，而不只是报价生成器停止运行。

为无法恢复中性的库存制定计划

做市者可能因事件向一个方向移动，或只有一侧报价对其他参与者有吸引力，而积累单侧库存。策略不应假定另一侧最终会以有利价格成交。

应定义库存期限。账户可能允许有限数量持有至事件结束、要求在某时刻前减少，或切换到另一项获批管理政策。选择应匹配负责人的资金和模型范围。

强制退出的成本可能超过原始价差。如果做市者以 44 美分买入，随后需要以 39 美分卖出，价格损失就是每份合约费用前五美分。过去曾显示四美分价差，并不能防止这个结果。

避免仅为改善平均入场价而加倍下注。额外买入会增加依赖同一事件的数量。任何规模变化都应遵循账户资金分配政策，而不是为了让库存报告看起来更接近盈亏平衡。

报告应清楚展示剩余头寸。已实现价差收益和未实现库存亏损，应纳入同一经济审查，并说明估值方法。否则，策略可能看似赚取稳定收入，却只是推迟承认集中风险。

将报价作为一组决策评估

做市者的数据集应包含报价创建、修改、撤回、成交，以及每个阶段使用的信息。只研究成交，会丢失未执行选项，也更难理解市场如何选择与机器人交易。

应按事件环境衡量结果。安静期间、预定发布和临近结束的交易，可能具有不同成交质量。一个总数字可能掩盖某政策在一种环境有效、在另一种环境严重失败。

应跟踪有用成交与不想持有库存的比率，但不要认为高成交率天然有利。过时报价可能很容易成交，因为它给掌握更好信息的人提供了有吸引力的交易。质量比活动量更重要。

应将策略与不报价基线和更简单报价规则比较。额外复杂性应通过有关净结果或控制的更好证据证明价值，而不只是依靠更复杂仪表盘。

评估应保留失败会话和暂停。需要频繁人工救援的系统，与始终遵守所述库存限额的系统，有不同运行负担。负责人的时间和干预属于真实策略的一部分。

用小型报价实验检验论点

首个实验应定义事件族、报价窗口、规模上限和撤回条件。目标是了解假定价差能否经受现实执行，以及账户能否管理单侧结果。

任何实盘敞口之前，应使用受控模拟和适当测试环境验证机制。这些练习可以确认限额、撤单和记录行为正确，而实际流动性和逆向选择仍是独立问题。

在有限实盘观测期间，应在每次成交后比较预测报价价值与证据。参考值是否过时？成本是否偏离估计？撤单是否在更多敞口积累前生效？每个答案都可能指向具体变化。

良好结果可能是更窄报价窗口，或决定排除某个事件族。做市是在规定价格下有条件地愿意持有合约，而不是必须在每个市场保持活跃。严格的机器人将这种意愿明确表达，并在证据不再支持报价时修订它。

相关指南与演算示例

• Polymarket 做市机器人：结果库存 — 将结果库存和抵押品与异步 Polymarket 执行相连接。
• Polymarket 做市机器人：报价与库存 — 研究被动报价、库存限额，以及信息变化后才成交的风险。