Polymarket Bot Tutorial · บทที่ 16 จาก 32
Statistical arbitrage บน Polymarket: cross-market pairs (เหตุการณ์ที่มีความสัมพันธ์กัน), ส่วนต่าง Polymarket-vs-Kalshi, mean reversion และวิธีกำหนดขนาดตำแหน่ง stat-arb เมื่อ markets สุดท้ายมีการ resolve
บทนี้ครอบคลุมอะไรบ้าง
Statistical arbitrage บน Polymarket ใช้ประโยชน์จากการตั้งราคาคลาดเคลื่อนชั่วคราวระหว่าง markets ที่มีความสัมพันธ์กัน-เหตุการณ์เดียวกันบน Polymarket เทียบกับ Kalshi หรือ markets ที่เกี่ยวข้องกันภายใน Polymarket เอง ส่วนต่างมักเล็กมาก (โดยทั่วไป 1-3 เซนต์) และเปราะบางต่อการปฏิบัติการ บทนี้จะพูดตรง ๆ ว่าอะไรใช้ได้ อะไรใช้ไม่ได้ และความเสี่ยงจาก multi-leg execution ที่ทำให้ความพยายามส่วนใหญ่ล้มเหลว
Cross-market statistical arbitrage ใช้ประโยชน์จากความไม่สอดคล้องของราคาแบบชั่วคราวระหว่าง Polymarket และ Kalshi, Polymarket และ Manifold หรือระหว่าง markets ที่มีความสัมพันธ์กันภายใน Polymarket ส่วนต่างมักเล็กมาก (โดยทั่วไป 1-3 เซนต์) และต้องใช้การ execute ที่รวดเร็วทั้งสองขา บทนี้คือ playbook แบบตรงไปตรงมาที่รวมความซับซ้อนด้านปฏิบัติการซึ่งทำให้ความพยายามส่วนใหญ่ล้มเหลว
- ความหมายของ stat-arb ใน prediction markets
- ตัวอย่างส่วนต่าง Polymarket-vs-Kalshi
- pairs ภายใน Polymarket (เหตุการณ์ที่มีความสัมพันธ์กัน)
- mean reversion เทียบกับ trend continuation
- การกำหนดขนาดสำหรับ markets ที่ resolve ได้ (ไม่ใช่ perpetual)
- ความเสี่ยง: divergence เกินช่วงก่อน resolution
- Code: pairs monitor และ threshold-trigger
stat-arb หมายถึงอะไรใน prediction markets
Statistical arbitrage ใน prediction markets หมายถึงการเทรดส่วนต่างระหว่างสอง markets ที่ควรถูกตั้งราคาให้สอดคล้องกัน มีอยู่ 3 รูปแบบที่พบบ่อยบน Polymarket
- Cross-venue: เหตุการณ์เดียวกันบน Polymarket และ Kalshi (หรือ Manifold, PredictIt) ราคาควร converge แต่ในทางปฏิบัติมัก drift 2-5 เซนต์
- Same-event-pair: parent เทียบกับผลรวมของ legs ใน NegRisk multi-outcome markets invariant แบบ sum-to-1 ทำให้คุณสามารถ arb ได้เมื่อผลรวมของ legs น้อยกว่า 1.0
- Correlated-event-pair: สอง markets ที่เกี่ยวกับผลลัพธ์ที่สัมพันธ์กัน (เช่น "Trump president on Jan 1" เทียบกับ "Trump president on Mar 1") ควรมีราคาต่างกันไม่เกิน 2-3 เซนต์
ส่วนต่างเล็กมาก ความซับซ้อนด้านปฏิบัติการมีจริง ความพยายามส่วนใหญ่ตายที่ execution ไม่ใช่ที่ทฤษฎี
ตัวอย่างส่วนต่าง Polymarket-vs-Kalshi
จากการสังเกตในปี 2025-26 Polymarket และ Kalshi ลงรายการเหตุการณ์ใหญ่ของสหรัฐฯ เหมือนกัน แต่ตั้งราคาต่างกันอย่างสม่ำเสมอราว 1-4 เซนต์ ช่องว่างนี้มีอยู่ด้วยเหตุผลเชิงโครงสร้าง ซึ่งคุณต้องนำไปจำลองใน arb ทุกแบบ
ปัจจัยเชิงโครงสร้าง:
- Fee asymmetry: Kalshi หัก 4-7% จากการเทรดที่ชนะ (แตกต่างกันไปตาม market); Polymarket ไม่มี taker fee ต้องคิด math ของ arb แบบหักส่วนที่ Kalshi กินเข้าไปให้เรียบร้อย
- Settlement risk premium: เมื่อ resolution ของ market คลุมเครือ UMA ของ venue หนึ่งอาจ resolve ต่างจาก judges ของอีก venue หนึ่ง ตลาดจะสะท้อนเรื่องนี้ไว้ในราคา
- Trader population: ผู้ใช้ Polymarket มักอายุน้อยกว่าและ native กับ crypto มากกว่า; ส่วน Kalshi มักเป็นสายมืออาชีพ / hedge พวกเขามักเห็นต่างกันอย่างเป็นระบบในเหตุการณ์เดียวกัน
arb จะใช้ได้เมื่อช่องว่างมากกว่า structural premium บวกค่าธรรมเนียม ช่องว่าง 5 เซนต์ใน market ที่ structural premium คือ 1c และค่าธรรมเนียมรวม 1c คือ edge จริง 3c
pairs ภายใน Polymarket (เหตุการณ์ที่มีความสัมพันธ์กัน)
ภายใน Polymarket pairs ของ correlated events arb ง่ายกว่าการข้าม venue เพราะใช้โครงสร้างค่าธรรมเนียมเดียวกัน ใช้ wallet เดียวกัน และทำ atomic execution ได้
ตัวอย่างที่มักตั้งราคาไม่สอดคล้องกันอย่างต่อเนื่อง:
- Trump president on date A เทียบกับ Trump president on date B (โดย B ช้ากว่า A ไม่เกิน 90 วัน)
- Bitcoin จะทะลุ $100k ภายในวันที่ 31 กรกฎาคม เทียบกับภายในวันที่ 31 สิงหาคม
- ฝั่ง Yes เทียบกับฝั่ง No ใน binary market เดียวกัน (ผลรวมควร = 1.0; บางครั้ง drift ไปไกลถึง 1.04 ใน books ที่บางมาก)
arb แบบ Yes+No=1 เป็นแบบที่สะอาดที่สุด: อ่านทั้งสองฝั่งจาก market เดียวกัน ยิง FOK ทั้งสองขาเมื่อผลรวมต่ำกว่า 0.97 (เผื่อ spread tax) เงินทุนที่ต้องใช้โดยประมาณใกล้เคียงกันทั้งสองขา; execution เป็น atomic เมื่อ fills ทั้งสองกลับมาใน response เดียวกัน
mean reversion เทียบกับ trend continuation
stat-arb มี 2 regime: mean reversion คือ pair แยกออกจากกันเพราะ noise แล้วคุณเดิมพันว่าจะ converge; trend continuation คือ pair เริ่ม diverge เพราะมีข้อมูลใหม่เข้ามา แล้วคุณเดิมพันว่าจะ diverge ต่อ
การแยกสองแบบนี้ออกจากกันคือส่วนที่ยาก heuristic: ถ้า divergence เกิดขึ้นพร้อม volume ที่มองเห็นได้ชัด (มี whale เดิน order book ของขาใดขาหนึ่ง) แปลว่าเป็น news-จะ fade ก็ต่อเมื่อคุณมี model ถ้ามัน drift ช้า ๆ พร้อม volume ต่ำ แปลว่าเป็น noise-เทรด reversion ได้ด้วยความมั่นใจ
สำหรับผู้สร้างใหม่: เทรดเฉพาะ mean reversion ใน pairs ที่ divergence น้อยกว่า 1 standard deviation ของ historical drift trend continuation ต้องใช้ model ที่จับข่าวได้ ถ้าไม่มี คุณกำลังเทรดสวน flow ที่มีข้อมูลเหนือกว่า
การกำหนดขนาดสำหรับ markets ที่ resolve ได้ (ไม่ใช่ perpetual)
Prediction markets มีการ resolve ส่วน crypto pairs ไม่มี สิ่งนี้เปลี่ยน math ไปเลย
ตำแหน่ง pair-arb บน Polymarket มี payout schedule ที่ตายตัว: เมื่อ markets ทั้งสอง resolve แล้ว ส่วนต่างระหว่าง predicted spread กับ actual spread จะถูกล็อก ไม่มีการ roll ต่อ ไม่มีการถือแบบไม่สิ้นสุด
ผลต่อการกำหนดขนาด: ขนาดสูงสุดที่ถือได้ถูกจำกัดด้วย time-to-resolution เพราะเงินทุนจะถูกล็อกจนกว่าจะถึงตอนนั้น pair ที่ resolve ใน 6 เดือนอาจทำกำไรให้คุณ 3c ต่อ share แต่คุณไม่สามารถเอาเงินก้อนเดิมไปทำงานต่อได้ในระหว่างนั้นถ้า markets ทั้งสองถูก size เต็มแล้ว
มุมมองที่ถูกต้อง: stat-arb บน Polymarket คือชุดของ trades ที่มีเวลาจำกัด ไม่ใช่กลยุทธ์ต่อเนื่อง เปรียบเทียบ PnL ต่อหน่วยของ locked capital ต่อวัน ไม่ใช่ gross PnL
ความเสี่ยง: divergence เกินช่วงก่อน resolution
ผลลัพธ์ที่แย่ที่สุดของ stat-arb คือการคาดการณ์ว่าราคาจะ converge แต่คุณคิดผิดเพราะสมมติฐานพื้นฐานผิด ตัวอย่าง:
- คุณ short "Trump president on Apr 1" โดยคาดว่าจะ converge ไปหา "Trump president on Mar 1"-แต่ market วันที่ 1 resolve เป็น YES และ market วันที่ 2 resolve เป็น NO เพราะเกิดการ impeachment ในเดือนมีนาคม thesis ที่ว่า "spread ควรแบน" จึงผิด
- คุณ arb Polymarket กับ Kalshi ใน NBA Finals winner เดียวกัน Polymarket resolve ไปที่ทีมที่ชนะซีรีส์อย่างเป็นทางการ; Kalshi resolve ตามนิยามที่ต่างออกไปเล็กน้อยซึ่งนับ overtime tie-breakers ไม่เหมือนกัน ทั้งสอง resolve เป็น YES ตามเงื่อนไขของตนเอง แต่ไปคนละทิศกัน
อ่านเกณฑ์ resolution ของทุก market อย่างละเอียด Cross-venue arb เสี่ยงพังเต็มตัวทั้งสองขาถ้าการ resolve ไม่ตรงกันเพียงจุดเดียว
Code: pairs monitor และ threshold-trigger
อ้างอิง: monitor token ที่มีความสัมพันธ์กันสองตัว แล้ว trigger arb เมื่อ spread ข้าม threshold
def pairs_monitor(token_a, token_b, threshold_cents=3, size=10):
"""Buy A and Sell B when (1 - ask_A) + bid_B > 1 + threshold."""
while True:
book_a = fetch_book(token_a)
book_b = fetch_book(token_b)
if not (book_a.best_ask and book_b.best_bid):
time.sleep(2); continue
# implied: cost of buying A at ask + value of selling B at bid
edge = (1 - book_a.best_ask) + book_b.best_bid - 1
if edge > threshold_cents / 100:
print(f"ARB edge={edge:.3f}; firing")
r_a = fok_buy(token_a, price=book_a.best_ask, size=size)
if r_a.status != "matched": continue
r_b = fok_sell(token_b, price=book_b.best_bid, size=size)
if r_b.status != "matched":
# leg A filled, B failed -- unhedged, exit A
fok_sell(token_a, price=book_a.best_bid, size=size)
time.sleep(3)การ cleanup เมื่อ partial fill สำคัญมาก ถ้าไม่มีส่วนนี้ การ execute บางส่วนจะทำให้บอทมี exposure ตามทิศทาง ซึ่งตรงข้ามกับจุดประสงค์ทั้งหมดของ stat-arb
