Polymarket Bot 教程 · 第 16 章，共 32 章
Polymarket 上的统计套利：跨市场配对（相关事件）、Polymarket 与 Kalshi 价差、均值回归，以及当市场最终结算时如何控制 stat-arb 仓位大小。
本章内容
Polymarket 上的统计套利利用相关市场之间的短暂错误定价-例如 Polymarket 与 Kalshi 的同一事件，或 Polymarket 内部的相关市场。可捕捉的边际很小（通常 1-3 美分），而且在执行上非常脆弱。本章会坦诚说明哪些方法有效、哪些无效，以及那些会让大多数尝试失败的多腿执行风险。
跨市场统计套利利用 Polymarket 与 Kalshi、Polymarket 与 Manifold，或 Polymarket 内部相关市场之间的短暂定价不一致。可捕捉的边际很小（通常 1-3 美分），并且要求两条腿都快速执行。本章是一份诚实的实战手册，也包含了会让大多数尝试失败的操作复杂性。
- stat-arb 在 prediction markets 中意味着什么
- Polymarket-vs-Kalshi 价差示例
- Polymarket 内部的配对（相关事件）
- 均值回归 vs 趋势延续
- 如何给会结算的（非永续）市场控制仓位大小
- 风险：延续到结算之后的背离
- 代码：配对监控与阈值触发
stat-arb 在 prediction markets 中意味着什么
prediction markets 中的 statistical arbitrage，指的是交易两个本应以一致价格定价的市场之间的价差。Polymarket 上最常见的有三种形式。
- 跨交易所：Polymarket 和 Kalshi（或 Manifold、PredictIt）上的同一事件。价格应当收敛；但在实际中通常会偏离 2-5 美分。
- 同事件配对：NegRisk 多结果市场里，母市场与各个腿的总和之间的关系。总和应满足 = 1 的不变式，因此当各腿之和小于 1.0 时就可能套利。
- 相关事件配对：两个关于相关结果的市场（例如“Trump 在 1 月 1 日时仍是 president”与“Trump 在 3 月 1 日时仍是 president”）。它们的价格通常应相差不超过 2-3 美分。
边际很小。操作复杂性是真实存在的。大多数尝试失败在执行上，而不是理论上。
Polymarket-vs-Kalshi 价差示例
根据 2025-26 年的观察，Polymarket 和 Kalshi 会挂出同样的美国重大事件，但长期来看价格通常会相差 1-4 美分。这种差距有结构性原因，而任何套利模型都必须把这些因素纳入计算。
结构性驱动因素：
- 费用不对称：Kalshi 会对盈利交易收取 4-7% 的费用（因市场而异）；Polymarket 的 taker fee 为 0。套利计算必须扣除 Kalshi 的抽成。
- 结算风险溢价：当某个市场的 resolution 存在歧义时，一个交易所的 UMA 可能会和另一个交易所的 judge 给出不同结果。市场会把这一点计入价格。
- 交易者结构：Polymarket 的用户通常更年轻、更 crypto-native；Kalshi 的用户更偏专业 / hedge。它们对同一事件的看法经常系统性不同。
当价差超过结构性溢价加费用时，套利才成立。某个市场若结构性溢价是 1c、合并费用是 1c，那么 5c 的价差就意味着 3c 的真实边际。
Polymarket 内部的配对（相关事件）
在 Polymarket 内部，相关事件配对比跨交易所套利更容易。费用结构相同、钱包相同，而且可以实现原子化执行。
长期会出现定价不一致的例子：
- Trump 在 date A 时仍是 president vs Trump 在 date B 时仍是 president（其中 B 比 A 晚 < 90 天）。
- Bitcoin 是否会在 July 31 前达到 $100k vs 是否会在 August 31 前达到 $100k。
- 同一个二元市场里的 Yes 与 No 腿（总和应等于 1.0；但在薄书中有时会偏离到 1.04 左右）。
Yes+No=1 的套利最干净：从同一个市场读取两条腿，如果总和跌破 0.97，就对两条腿同时下 FOK（给点 spread tax 缓冲）。所需资金在两条腿上大致相等；当两边的成交回执同时返回时，执行就是原子化的。
均值回归 vs 趋势延续
有两种 stat-arb 状态：均值回归-配对因噪音而偏离，你预期其重新收敛；趋势延续-配对因为新信息到来而开始分化，你预期其继续分化。
区分它们才是难点。经验法则：如果背离发生在可见成交量上（某个 whale 把一条腿的订单簿打穿了），那就是 news-除非你有模型，否则不要逆势。若它是在低成交量下缓慢漂移，那就是噪音-可以更有把握地做均值回归。
对新手 builder 来说：只做均值回归，并且只在历史漂移的标准差 < 1 的配对上交易。趋势延续需要一个能捕捉 news 的模型；没有模型时，你就是在和 informed flow 博弈。
如何给会结算的（非永续）市场控制仓位大小
prediction markets 会结算，但 crypto pairs 不会。这改变了数学模型。
Polymarket 上的配对套利仓位有固定的 payout schedule：当两个市场都结算后，预测价差与实际价差之间的差异就被锁定了。这里不存在 rolling，也没有无限持有。
这对仓位大小的含义是：你能持有的最大规模受限于到结算的时间，因为资本会一直被锁住直到那一刻。一个 6 个月后结算的配对也许每股能赚你 3c，但如果两边都已经完全建仓，在此期间你就无法把更多资本投入进去。
正确的理解方式是：Polymarket 上的 stat-arb 是一系列有时间边界的交易，而不是连续策略。应该比较单位锁定资本、每天的 PnL，而不是总 PnL。
风险：延续到结算之后的背离
最糟糕的 stat-arb 结果，是你对“收敛”的预测本身就是错的，因为底层前提错了。比如：
- 你做空 “Trump 在 Apr 1 时还是 president”，以为它会收敛到 “Trump 在 Mar 1 时还是 president”-但 date 1 市场结算为 YES，而 date 2 因为 3 月发生弹劾而结算为 NO。你“价差应该持平”的论点是错的。
- 你在 Polymarket 和 Kalshi 上对同一个 NBA Finals winner 做套利。Polymarket 按官方系列赛胜者结算；Kalshi 却按一个略有不同的定义结算，对 overtime tie-breakers 的处理也不同。两边都按各自条款结算为 YES，但方向相反。
务必仔细阅读每个市场的 resolution criteria。跨交易所套利只要碰到一次结算规则不一致，就可能两条腿都全损。
代码：配对监控与阈值触发
参考实现：监控两个相关 token，当价差跨过阈值时触发套利。
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)partial fill 后的清理非常关键。如果没有这一步，部分成交会让 bot 暴露方向性风险，这与 stat-arb 的初衷完全相反。
