Polymarket Bot Tutorial · Chapter 29 of 32

লাইভে যাওয়ার আগে একটি Polymarket paper trading engine তৈরি করুন: real prices-এর বিরুদ্ধে orders simulate করুন, P&L track করুন, কোনো live capital ব্যবহার করার আগে 30-trade gate (>=55% win rate, +PnL) enforce করুন, এবং code skeleton তৈরি করুন।

Harley Young দ্বারা, Polymarkets.co.il এর প্রধান লেখক। সর্বশেষ পর্যালোচনা: মে 2026।

এই chapter-এ কী covered আছে

Paper trading হলো strategy idea আর live deployment-এর মাঝের non-negotiable step। এই chapter-এ আছে simple paper engine, যা আমরা shipped করা প্রতিটি live bot-এর আগে gate হিসেবে ব্যবহার করেছি - 200 lines-এরও কম Python, প্রতিটি trade JSONL diary-তে track করে, live path-এর মতোই fees/slippage apply করে।

  • কেন live-এর আগে paper (সবসময়)
  • 30-trade gate (verified +55% WR + positive PnL)
  • একটি simple paper engine তৈরি করা
  • live diary-এর পাশাপাশি paper diary track করা
  • কখন paper live থেকে diverge করে (এবং কেন)
  • live-এ graduate করা: first deposit ছোট রাখা
  • Code: minimal paper engine

কেন live-এর আগে paper (সবসময়)

30-trade paper gate হলো সেই single discipline, যা profitable Polymarket traders-এর 7.6% অংশকে 84.1% loss করা trader থেকে আলাদা করে। বেশিরভাগ builder এটি skip করে এবং tuition দেয়। এটা কাজ করে - এই honest reason হলো: paper trading যথেষ্ট sample-এ strategy-এর real win rate reveal করে, যাতে signal আর luck আলাদা করা যায়।

Paper skip করা saving-এর চেয়ে বেশি খরচ করায়। Backtest-এ profitable দেখানো কিন্তু আসলে coin flip হওয়া একটি strategy live capital-এর $200-500 খেয়ে ফেলতে পারে, তার আগে 30-sample size-এর live data তৈরি করার আগেই। একই 30 trades paper-এ করতে খরচ $0।

Paper engine-কে sophisticated হওয়ার দরকার নেই। এটিকে honest হতে হবে - same fees, same slippage, live path-এর মতোই same fill latency। যত simple তত ভালো, কারণ যা কিছু optional, তা কেটে ফেলা হয় এবং bot live-এ খুব তাড়াতাড়ি ship হয়ে যায়, যখন উচিত নয়।

30-trade gate (verified +55% WR + positive PnL)

Gate-টি binary: 30 closed paper trades, আগে থেকেই লেখা success criteria (সাধারণত positive-EV strategy-এর জন্য WR ≥ 55%), নইলে live deployment নয়।

30 হলো minimum sample size, যেখানে true win rate-এর 95% confidence interval যথেষ্ট narrow হয় signal আর noise আলাদা করার জন্য। 30-এর নিচে, 60% observed rate-এর মানে true rate 45-75% হতে পারে। 30+ এ interval narrows to ~50-70% - এখনও wide, তবে “strategyটা coin flip” নয়, এটা rule out করার জন্য যথেষ্ট।

Success criteria অবশ্যই paper run শুরু হওয়ার আগেই set করতে হবে। পরে set করলে post-hoc rationalization হয় (আপনি যেকোনো 30 trades-কে “good enough” বলে interpret করার উপায় খুঁজে পাবেন)।

একটি simple paper engine তৈরি করা

Paper engine মূলত live trading code-ই, শুধু order-placement function-এর জায়গায় simulated fill বসানো হয়। Simulation:

  • Live order book পড়ে: live bot যেমন call করত, ঠিক সেই call।
  • Fill simulate করে: যদি FOK-এ buy করেন এবং price ≥ best ask হয়, তাহলে asks consumed-এর volume-weighted average-এ order fill হবে; paper diary-তে fill record হবে।
  • Fees apply করে: live path যে same fees দিত, তা subtract করে।
  • Inventory track করে: parallel paper-balance এবং paper-positions dictionary maintain করে।

পুরো engine 100-200 lines-এর Python-এ fit হয়ে যায়। Key discipline: live path যা কিছু assume করে (fill rate, latency, fee), paper-এ সেটাই reproduce করতে হবে, এমনকি reality থেকে সামান্য worse হলেও - paper হওয়া উচিত floor, ceiling নয়।

live diary-এর পাশাপাশি paper diary track করা

Paper trading run একটি JSONL diary তৈরি করে, যা structure-এ পরে bot যে live diary লিখবে তার থেকে আলাদা করা যায় না। Same fields: timestamp, action, market_slug, side, size, price, expected_fill_price, simulated_pnl_at_exit।

একই format ব্যবহার করার দুটো কারণ। প্রথমত, live trades পড়ে এমন analysis tools (PnL reports, win-rate calculators) কোনো modification ছাড়াই paper-এ কাজ করে। দ্বিতীয়ত, পরে paper আর live compare করলে divergence ধরা পড়ে, যা bug-এর ইঙ্গিত দেয়।

Production tip: paper engine-কে live per_trade.jsonl-এর একই directory-তে per_trade_paper.jsonl এ লিখতে বলুন। Single command-এ দুটো compare করুন: diff -y <(jq -r .market_slug per_trade.jsonl) <(jq -r .market_slug per_trade_paper.jsonl).

কখন paper live থেকে diverge করে (এবং কেন)

Paper আর live-এর মধ্যে inevitable divergence হয়। তিনটি common one:

  • Slippage: paper ask snapshot-এ fill হয়; live book walk করে এবং thin markets-এ 1-2c worse fill হতে পারে। Solution: paper-এ per-trade penalty যোগ করে slippage simulate করুন, spread-এর অর্ধেকের সমান।
  • Fill latency: paper instantly fill হয়; live-এ 200-500ms লাগে, এই সময়ে price move করতে পারে। Solution: paper-এ “filling” করার আগে wait করে book re-read করে simulate করুন।
  • Adverse selection: paper ধরে নেয় আপনি best ask পেলেন; live-এ অন্য bot-এর সঙ্গে compete করতে হয়, যারা হয়তো ইতিমধ্যেই সেই ask তুলে নিয়েছে। Solution: simulate করা কঠিন; নিজেকে honest disclosure দিন যে paper overestimate করে।

Paper যদি বলে +5%/month, আর live চলে -2%/month-এ, gap সাধারণত এদের একটির কারণে হয়। Strategy-টাকে ভুল ধরে নেওয়ার আগে একে একে audit করুন।

Live-এ graduate করা: first deposit ছোট রাখা

Paper 30 trades pass করেছে। Live deployment plan:

  1. $25-50 deposit করুন smoke-test capital হিসেবে। এটিকে tuition হিসেবে ধরুন; হারালে শেখার দাম তা-ই ছিল।
  2. Bot-টি live mode-এ 5-10 trades চালান, minimum size (5 shares)-এর positions নিয়ে।
  3. প্রতিটি fill paper expectations-এর সঙ্গে 2c-এর মধ্যে match করে কিনা verify করুন। তার চেয়ে বড় gap হলে continue করার আগে investigate করুন।
  4. যদি 5-10 live trades paper-এর সঙ্গে match করে, $200-500 deposit করুন এবং normal-size positions চালান।
  5. যদি match না করে, halt করুন, debug করুন, fix করুন, step 1 থেকে restart করুন।

প্রথম deployment-এ সবচেয়ে common live-paper gap হলো missing fee বা slippage misestimate। এগুলো fix করা straightforward; discipline হলো capital scale করার আগে gap ধরতে পারা।

Code: minimal paper engine

Reference: simple paper engine, যা live book পড়ে + FOK fill simulate করে।

import json, time
PAPER_BAL = 10_000.0   # USD starting
positions = {}         # token_id -> shares

def paper_fok_buy(token_id, max_price, size):
    book = fetch_book(token_id)
    # Walk asks, fill what we can within max_price
    filled = 0; cost = 0
    for level in book.asks:
        px = float(level["price"])
        if px > max_price: break
        avail = float(level["size"])
        take = min(avail, size - filled)
        filled += take
        cost += take * px
        if filled >= size: break
    if filled < size:
        return {"status":"rejected","filled":0}  # FOK semantics

    global PAPER_BAL
    PAPER_BAL -= cost
    positions[token_id] = positions.get(token_id, 0) + filled

    log_paper({"ts": int(time.time()), "action":"buy",
               "token": token_id, "size": filled, "price": cost/filled})
    return {"status":"matched","filled":filled,"cost":cost}

Production additions: paper sell function (buy-এর mirror), paper GTC simulation (book-এ price পোস্ট করা, mid price-এ পৌঁছালে fill simulate করা), paper diary আর “would-have-been” live diary-এর মধ্যে reconciliation।

প্রায়শই জিজ্ঞাসিত প্রশ্ন

30-trade gate কী?
আমাদের internal gating rule, paper থেকে live-এ যাওয়ার জন্য: কমপক্ষে 30 closed paper trades, win rate >= 55%, এবং slippage net করে net PnL positive। এদের যেকোনো একটিতে fail করলে আপনি paper-এই থাকবেন। 2025-এ কয়েকটি premature go-live attempt account wipe করার পর আমরা এই rule তৈরি করি।
100 নয়, কেন 30 trades?
Statistical power। 30 trades-এ 55% win rate-কে real edge (noise নয়) হওয়ার probability প্রায় 70%। 100 trades-এ সেই confidence 90%+ হয়। আমরা 30-কে minimum bar হিসেবে বেছে নিয়েছি, কারণ দীর্ঘ paper period প্রায়ই overfitting তৈরি করে - traderরা test করার বদলে strategy-টা খুব বেশি tweak করতে থাকে।
আমি confident হলে কি paper trading skip করতে পারি?
আপনি যখন confident, তখনই skip করা উচিত নয়। Polymarket-এ সবচেয়ে ভালো bot-গুলো চালান এমন মানুষ, যারা আগে ভুল হয়েছে। 30-trade gate আছে এমন strategies ধরার জন্য, যেগুলো ঠিক মনে হয় কিন্তু আসলে নয়। আমাদের নিজেরও বেশিরভাগ strategy প্রথমে paper-এ fail করেছে - এটাই এর value।
Paper results কি live results-এর সঙ্গে match করে?
সাধারণত হ্যাঁ, ধীরে চলা strategies-এর জন্য (politics, weather), না fast ones-এর জন্য (5-min crypto, sports microstructure)। Gap হলো “paper trading does not pay slippage” - real fills আপনি যা দেখেছিলেন তার চেয়ে খারাপ। বিশেষ করে fast strategies-এর ক্ষেত্রে live-এর জন্য বিশ্বাস করার আগে আমরা paper returns 30-50% discount করি।
Python-এ paper engine কীভাবে implement করব?
আপনি যে markets trade করেন, সেগুলোর real CLOB WebSocket subscribe করুন। Strategy যখন “place an order” decide করে, সেটিকে JSONL file-এ log করুন would-be fill price দিয়ে (buy-এর জন্য current bid, sell-এর জন্য current ask)। Positions virtualভাবে track করুন। Live price-এর বিরুদ্ধে mark-to-market করুন। পুরো engine প্রায় 200 lines-এর Python।
Live-এ যাওয়ার আগে কতক্ষণ paper trade করা উচিত?
30-trade gate met হওয়া পর্যন্ত, অথবা 2-4 weeks - যেটি বেশি। যদি খুব দ্রুত gate-এ পৌঁছে যাচ্ছেন, তাহলে overfitting হচ্ছে; ধীরে যান এবং verify করুন win rate ছোট parameter changes-এও robust। মাসের পর মাসেও যদি gate না পৌঁছান, তাহলে সম্ভবত strategy-তে edge নেই এবং সেটিকে kill করা উচিত।
বুঝেছেন? এবার অনুশীলন করুন
$1,000 ভার্চুয়াল টাকায় ফ্রি অনুশীলনঅথবা Polymarket-এ লাইভ ট্রেড করুন