Polymarket 做市机器人：报价与库存

Polymarket 做市机器人的报价设计

Polymarket 做市机器人的报价设计从价值估计和账户持有敞口的意愿出发。当前中间价是有用的市场信息，但并不自动成为每个报价的正确中心。过时或深度不足的订单簿可能只能提供较弱的参考。

假设某做市者认为 Yes 的价值接近 0.50，可能考虑报出 0.48 的买价和 0.52 的卖价。如果它按这些价格先买入、随后卖出相同数量，每份的往返毛价差为 0.04。发布这些报价并不能确定其中任何一笔交易会发生。

做市者必须愿意持有任意一侧先成交所形成的头寸。如果一个报价只有在两侧按方便的顺序成交时才显得有吸引力，那就不是完整的策略。报价设计应考虑一侧反复成交、另一侧始终无人触及这种不对称路径。

区分限价与被动行为

限价约束执行价格，但本身并不意味着订单会增加流动性。足够激进的限价可能立即与现有订单撮合。如果策略要求被动行为，受支持的 post-only 约束所起的作用就不同于价格上限或下限。

官方做市指南 区分了被动报价行为与立即再平衡，并说明修改订单需要先撤销再替换。这些机制很重要，因为修改报价是一项存在不确定性的操作，而不只是本地改动一个显示数字。

当某个被动报价提案会穿过订单簿时，应用应遵循策略规定的应对方式。它可能重新考虑价格，也可能不予报价。悄然将其转换成即时交易，会同时改变预期经济结果和库存路径。这种改变需要单独决策，不能仅为技术便利而进行。

为每一侧准备资源

买入某个结果需要可用抵押品，卖出则需要相应的结果份额。做市者不能假定愿意卖出就等于拥有可供交付的库存。账户资源限制了哪些报价可行。

在一个假设市场中，200 单位抵押品可以支持部分买单，100 份 Yes 份额可以支持部分卖单。这些资源承担不同的承诺。如果现有订单已经占用了各项余额的一部分，新报价就应只使用政策允许的剩余容量。

在受支持的市场结构中，完整份额组操作可以改变资源构成，但它们是独立的账户操作，有各自的证据要求。在相关结果得到确认之前，报价引擎不应假定计划中的资源转换已经完成。库存规划首先是一个会计问题，然后才是定价问题。

Polymarket 做市机器人的库存

Polymarket 做市机器人的库存是通过成交和其他账户操作积累的敞口。应按结果以及连接多个市场的事件关系来衡量库存。仅统计未成交订单数量，无法描述已经取得的头寸。

假设某做市者最初有 100 份 Yes 份额，卖出 30 份、买入 50 份。在没有其他活动的情况下，最终 Yes 库存为 120 份。两个方向并未完全抵消；净变化是增加 20 份。

做市者可能通过减少买单数量、调整报价位置或拒绝新增敞口来应对。适当的应对方式取决于其估值和限额。库存控制不应自动强迫账户不计价格地卖出，赚取更多价差的愿望也不应成为忽视头寸已超过预定资金分配额度的理由。

有意识地运用报价偏斜

互补结果也需要谨慎核算。持有数量相等且兼容的 Yes 和 No 份额，与将相同总份额全部持有在一侧，可能具有不同的经济敞口。因此，仅看代币总数量，几乎无法说明方向性风险。

对于一个假设的标准二元市场，60 份 Yes 和 40 份 No 包含 40 组完整配对和 20 份未配对的 Yes。在受支持的市场机制约束下，配对份额与未配对份额在库存计划中有不同用途。做市者仍应单独跟踪承诺给未成交订单的资源。某一时刻平衡的头寸，可能随着报价仅有一侧成交而变为方向性头寸，因此核算必须跟踪变化，而不能永久将该市场标记为中性。

报价偏斜会随着库存变化，改变买入与卖出的相对吸引力。Yes 敞口高于预期的做市者，可能减少继续获取 Yes 的意愿，并在经济约束范围内改善出售现有份额的条件。

价格和数量是不同的控制手段。减少买单数量可以在不移动报价的情况下限制继续积累。调整价格可以改变成交可能性，但也可能降低预期价值。设计应明确在什么条件下使用哪种控制，而不是对所有库存失衡一视同仁。

假设目标为持有 80 份 Yes，当前持仓为 110 份，则超额部分为 30 份。这个算术结果并不能确定应立即卖出 30 份。现有卖单、不确定的成交和价值估计都会影响下一步决策。偏斜的目的是管理已知失衡，而不是用直觉式调价掩盖尚未解决的核算问题。

理解逆向选择

当交易对手因自身的信息或判断认为某个报价对其有吸引力，从而与该报价成交时，就发生了逆向选择。做市者可能恰好在市场估值下降前买入，或在其上升前卖出。因此，高成交率也可能伴随较差的经济结果。

设想某做市者以 0.48 买入 100 份份额。随后不久，可信信息使相关价值估计降至 0.43。按该估值对库存计价，相对于买入成本意味着下降五个单位，尽管原始报价看起来低于此前 0.50 的估值。

这里的教训并不是每次不利价格变化都能证明另一位交易者掌握了更好的信息。随机变化也会发生。研究任务是检查多次成交中的规律，并将其与未成交报价比较。如果成交后系统性地紧接着出现不利变化，那么忽视交易选择效应的价差计算就遗漏了一项核心成本。

谨慎衡量成交后的价格变化

成交后的比较通常称为 markout，它检查执行之后参考价格如何变化。在查看结果前，应先选定参考指标、时间跨度和正负号约定。买方受益于随后更高的价值参考，卖方则受益于更低的价值参考。

假设以 0.46 买入，随后参考价为 0.49，则有利差额为每份 0.03。若参考价为 0.42，则产生 0.04 的不利差额。这些比较可以诊断报价质量，但除非头寸确实相应平仓或结算，否则不属于已实现利润。

应使用多个相关时间跨度，而不是只选最有利的一个。很短的时间跨度可能突出即时选择效应，较长的跨度则混入更广泛的事件风险。对于缺失或深度不足的参考价格，也需要明确的处理方式。根据不可靠中间价计算的 markout 看似精确，却可能几乎无法帮助理解实际可实现的退出价值。

AI 辅助做市分析 将预测校准与成交后选择效应、完整交易结果区分开来，避免将模型评分改善误认为已实现利润。

将报价宽度与预期收益区分开来

更宽的价差可以增加每次完整往返交易的潜在收益，同时降低获得平衡交易流的可能性。它也可能使报价在别人认为足够有吸引力并与之成交之前，暴露于更大的信息变化。

考虑两种假设的报价政策。一种完成十次每次 100 份的平衡往返交易，毛价差为 0.02，在其他影响之前产生 20 单位收益。另一种以 0.05 的价差完成两次，产生十单位收益。仅凭任一结果，都无法确定哪种政策更好，因为剩余库存、成本和敞口持续时间可能不同。

应评估完整账户路径。一对报价中未成交的一侧并不是已经完成的盈利机会。如果某策略将每次买入所对应的价差计入结果，仿佛相应卖出已得到保证，就会夸大结果。报价宽度是流程的输入，而不是收入的直接衡量指标。

考虑竞争与执行不确定性

其他参与者可以报出相近或更好的价格。即使附近有交易发生，订单簿中可见的某个报价也可能很少成交。历史评估不应假定每笔按相同显示价格发生的交易都属于该策略。

应用的模拟需要明确的成交模型，并说明其局限。如果历史记录无法确定所需时点的优先级或可用数量，应使用保守的替代假设并报告不确定性。有利的模型假设不是订单本来会成交的证据。

不断替换报价可能改变其成交前景，也会增加操作工作。策略应权衡更新报价的收益与撤单、替换的后果。相关问题是修改后的政策能否改善完整结果，而不是其显示价格在截图中是否显得反应更快。

将撤单视为与成交之间的竞态

撤单请求可能在订单的一部分已经撮合后才到达。做市者需要保留这些成交，并确认剩余数量。本地决定停止报价，本身并不会移除远端订单。

假设有一笔 100 份的买单，开始撤单时已知成交了 20 份。后续证据显示成交 35 份、撤销 65 份。库存增加量为 35 份。如果未将这一变化计入就替换整个原始买单，可能使敞口超过预定限额。

应将旧请求和替换请求关联起来，同时保持两者独立。在撤单和账户证据足够明确之前，策略应计入可能仍然存在的承诺。这可能暂时降低报价容量，但能保留资金分配约束。仅为保持两侧报价可见而忽视不确定性，就是选择接受额外敞口，无论界面是否如此标注。

根据重要原因刷新报价

报价可能因估值变化、库存变化或市场约束变化而需要修改。这些是不同的触发因素。记录原因，有助于评估机器人是在对有用信息作出反应，还是在产生不必要的活动。

应在策略范围内设定有实际意义的重新考虑阈值。不确定参考值的微小波动，可能不足以支持反复尝试撤单。即使可见中间价几乎不动，重要来源更新也可能需要立即重新评估。

预测市场交易自动化指南 解释调度与事件处理如何相互影响。对于做市者，实际目标是优先处理会影响经济敞口的变化。例行刷新不应挤占紧急核对或账户检查，报价也不应仅因定时任务尚未到下一个周期就继续有效。

围绕信息事件制定计划

预定发布和事件截止时间可以同时改变信息到达速度及过时报价的价值。策略应事先说明在这些时段如何行动，而不是在发布期间才摸索敞口政策。

可供研究的选择包括减少数量、扩大报价价差，或在指定时间段暂停新报价。这些是需要评估的假设，而不是普遍正确的指令。每一种都可以降低某些风险，同时牺牲潜在交易机会，或让现有库存仍未得到处理。

非预定信息需要不同的应对，因为无法事先知道其时间。做市者需要能够发现估值输入可能已过时，并停止依赖这些输入。如果对合约实际衡量的事件解释缓慢或错误，再快的订单循环也无法弥补。

将激励与交易结果分开

挂单返佣和流动性奖励是不同机制，各有资格条件和计算规则。官方挂单返佣文档 涉及符合条件且已执行的挂单流动性，而流动性奖励文档 描述所配置的报价资格和评分。必须针对具体市场和时期检查当前条款。

不要将显示的计划分配金额视为保证支付给个人的款项。其他参与者、资格条件和不断变化的设置，都会影响做市者可能获得的金额。过去的推广活动也不能证明今天仍存在有效激励。

应先报告不含激励的交易结果，再单独报告经核实的激励，最后报告合并结果。这样可以显现策略对这些计划的依赖。如果假设的八单位交易亏损由十单位经核实的激励抵消，合并收益为二；将该结果描述为十单位价差收入，会歪曲它的形成方式。

Polymarket 激励核算框架 也会在计算合并结果之前，区分符合条件的持仓价值、未支付奖励估计和已确认到账。

计入再平衡成本

做市者有时需要通过即时交易减少失衡。这种操作可能跨越价差，并产生适用成本。它应与产生库存的被动报价记入同一经济记录。

在一个假设序列中，被动活动在估值变化前赚取六单位，但减少剩余头寸相对于此前计价耗费四单位，另有假定的一单位费用。合并贡献为一，而不是六。遗漏清理头寸的交易，会使策略看起来比账户实际经历更有利可图。

应区分由正常交易流引起的再平衡和由操作故障引起的再平衡。两者都会影响结果，但指向不同的改进方向。一种可能需要更能响应库存的报价，另一种可能需要更可靠的撤单或观测。单一汇总成本数字无法解释流程中哪一部分需要关注。

评估资金占用

报价和库存会占用资源，不能假定这些资源仍可供其他地方使用。做市者可能在多个市场发现有吸引力的机会，却缺乏足够未承诺的抵押品或份额来同时支持它们。

应在衡量回报的同时衡量资源使用。假设五单位收益由 500 单位资源支持一周，与相同收益由 50 单位支持一小时并不相同。这个比较不能成为机械地将任一结果年化的理由；它解释了为何资金和时间都应纳入评估。

还应检查最差的库存路径。平均余额可能掩盖重大事件临近时的一段集中敞口。做市者需要足够的容量和监督，来承受其报价政策实际可能形成的路径，而不只是回顾性摘要所显示的平均情况。

Polymarket 做市机器人的评估

Polymarket 做市机器人的评估应结合报价行为、成交选择效应、库存和账户结果。有用的问题包括：报价有多长时间处于有效状态，哪一侧成交，参考价值随后如何变化，以及评估结束时还剩多少敞口。

应尽可能使用相互独立的事件和时期。不断调整报价宽度，直到某一个历史周看起来有吸引力，可能只是拟合了该周的特殊情况。预测市场交易策略指南 解释在尝试许多变体时，为何选择过程和留出评估很重要。

应说明历史数据无法重建的内容。如果缺少优先级、深度变化或消息时序，模拟就不应声称得到了精确成交。应比较几种站得住脚的执行假设，并确定结论是否依赖最乐观的一种。清楚说明局限，比在未经验证的执行基础上给出高度精确的结果更有用。

中断后恢复之前先核对

断线后，做市者可能持有过时报价和不完整的成交记录。恢复公共数据流并不能确定账户当前库存。恢复运行应取决于重新连接订单、交易和资源所需的观测。

假设某工作进程最后已知有 80 份 Yes，在中断期间发生一些成交后，返回时可能已有 130 份。根据旧库存报价，可能加重已经过量的失衡。因此，账户恢复应先于新的库存敏感定价决策。

应检查尚未完成的订单是否仍符合当前估值。恢复不只是继续旧日程，而是利用当前证据作出新的评估，任何不确定承诺都保留到解决为止。这样，暂停就成为重建一致账户模型的机会，而不是急于将过时报价重新推向市场的理由。

判断工作流程是否适合操作者

做市需要同时关注事件信息和账户机制。如果某个策略依赖频繁干预，即使历史模型显示经济结果为正，也可能不适合无法提供这种干预的操作者。

应评估不利条件下的预期工作量：单侧成交、无法撤单、规则变化以及长期持有库存。在这些情况发生之前，就应能理解必要的应对方式。机器人可以自动执行政策，但不能消除选择和监督该政策的必要性。

从教育角度正确理解 Polymarket 做市机器人，应从有条件的结果出发。报价可能不成交；成交可能不利；激励可能与预期不同；库存可能持续存在。理解这些关系，才是将流动性提供作为完整交易过程进行评估的基础，而不是用显示价差乘以想象中的成交量。

相关指南与演算示例

• Kalshi 做市机器人：为报价风险定价 — 在构建报价时考虑库存、逆向选择和撤单不确定性。
• 预测市场做市机器人：核心经济机制 — 研究在管理库存和预测不确定性的同时，对两侧报价的经济机制。