Polymarket Informed Market Making 策略框架

核心理念：用做市的壳执行方向性交易。手续费从 Taker fee 变成 Maker rebate，方向性收益叠加 spread 收益。

0. 为什么不跟单 SM（Copy Trading 策略审查）

0.1 结论：跟单 SM 大概率亏钱

经过 DeepSeek 模型独立审查，纯跟单 Smart Money 策略存在系统性缺陷，实盘大概率亏损。

0.2 核心问题

① 信息延迟 — 你买到的是残渣

SM 下单 → 链上确认 → indexer 捕获 → 信号生成 → AI 过滤 → 你挂单
                    ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
                           这段延迟 = 30 秒到几分钟
                           价格已经被 SM 推上去了

你不是唯一一个在跟单。其他跟单机器人也在抢，你买在最差的价格。

② 止损与 SM 的赚钱方式矛盾（最致命）

SM 的盈利模式：

如果你加 -30% 止损 + 50% 止盈：

期望值 = 0.1 × (+200%) + 0.9 × (-30%) = +20% - 27% = -7% ❌

你继承了 SM 的高亏损频率，但截断了他们赚钱的方式（尾部收益）。

③ 幸存者偏差

从 748 个 trader 中选出 57 个历史赢家 = 事后选股。学术界反复证明：过去的 alpha 对未来预测力极弱。

④ LLM 概率估计不可靠

用 Gemini 估算"公允概率"然后跟市场价比 → 发现的 "Edge" 更可能来自 LLM 的系统性偏差，而不是真实的市场低效。

⑤ 跟单拥挤

你不是唯一监控 SM 的人。SM 甚至可以利用跟单者：先买入 → 等跟单者推高价格 → 反手卖给你。

⑥ 流动性不足

Polymarket 大部分市场 order book 很薄。3+ SM 同向操作后，流动性已被吃光。你的限价单要么不成交，要么成交在更差价位。

0.3 SM 数据的真正价值

SM 数据不是用来跟单的，而是用来：

0.4 正确的策略：Informed Market Making

❌ 跟单: SM 买 → 你也买 (Taker, 付手续费, 买在高点)
✅ 做市: SM 买 → 你的报价偏移到 SM 方向 (Maker, 赚手续费 + spread + 方向)

以下是完整的 Informed Market Making 策略框架。

1. 费率结构

Polymarket CLOB 费率：

2. 策略核心：Informed Market Making

2.1 两层收益叠加

总收益 = Spread 收益 + Maker Rebate + 方向性收益（Alpha）
         ~~~~~~~~~~~~   ~~~~~~~~~~~~   ~~~~~~~~~~~~~~~~~~
         确定性收益       确定性收益      概率性收益（靠信号质量）

与纯跟单的区别：跟单是 Taker（交手续费 + 只赚 alpha）。

做市是 Maker（赚手续费 + 赚 spread + 赚 alpha）。

2.2 报价模式

无方向信号（纯做市）:
  BID 0.48 ← 0.50 → 0.52 ASK     对称，纯赚 spread

弱方向信号（1-2 SM 同向）:
  BID 0.49 ← 0.50 → 0.53 ASK     轻微偏移，低风险积累方向

中等方向信号（3+ SM 同向 或 博彩赔率偏差）:
  BID 0.50 ← 0.50 → 0.54 ASK     明显偏移，积极积累方向

强方向信号（多信号共振）:
  BID 0.51 ← 0.50 → 0.56 ASK     激进偏移，主动吃方向
  （bid 高于 mid = 主动买入，但仍以 Maker 方式挂单等成交）

极强信号 + 时间紧迫:
  直接 Taker 吃单                   牺牲手续费换速度（极少使用）

3. 方向预测信号系统

3.1 信号源（按可靠性和权重排序）

SIGNAL_WEIGHTS = {
    'sm_consensus':      0.30,   # SM 共识（核心信号）
    'odds_edge':         0.25,   # 博彩赔率差（体育类最强信号）
    'onchain_flow':      0.20,   # 链上资金流向
    'price_momentum':    0.10,   # 价格动量
    'event_catalyst':    0.10,   # 事件催化剂
    'sentiment':         0.05,   # 新闻情绪（最弱，仅辅助）
}

3.2 信号 1: SM Consensus（权重 30%）

数据源: 现有 SM 监控系统（57 个 SM，2700 万条历史数据）

信号分级：

SM 质量分层（不等权）：

sm_weight = {
    'tier1': 3.0,   # Top 10 SM (PnL > $2M, 近 30 天活跃)
    'tier2': 2.0,   # 中等 SM (PnL $500K-$2M)
    'tier3': 1.0,   # 其他 SM
}

# 加权 consensus 比简单数人头更准
weighted_consensus = sum(sm_weight[tier] * direction) / sum(sm_weight[tier])

SM 按类别评估：

时效性：

3.3 信号 2: 博彩赔率差（权重 25%）

仅适用于体育类市场（Sports 类别 ~30% 的活跃市场）

数据源:

Edge 计算：

# 博彩隐含概率（去 vig 后）
pinnacle_prob = devig(pinnacle_odds)

# Polymarket 价格 = 隐含概率
poly_prob = token_price

# Edge
edge = pinnacle_prob - poly_prob

# 体育市场的博彩公司概率非常准（Brier score ~0.02）
# 所以 edge > 3% 就值得做
if abs(edge) > 0.03:
    signal_strength = min(edge * 10, 1.0)  # 3% edge → 0.3, 10% edge → 1.0
    direction = 'YES' if edge > 0 else 'NO'

为什么这个信号可靠：

3.4 信号 3: 链上资金流向（权重 20%）

数据源: Polygon 链上数据（免费 RPC 或 Alchemy）

信号逻辑：

# 监控特定 market 的 CTF token 转账
# 大额 USDC 流入 = 有人准备大量买入
# 大额 token 转入交易所 = 有人准备卖出

# 1. 监控 USDC 大额转入 CLOB 合约
if usdc_inflow > $50K in 1h:
    signal = 'BULLISH' if usdc_into_yes_token else 'BEARISH'
    
# 2. 监控 token mint/burn
if large_mint_event:  # 有人在铸造新的 outcome token
    signal = 'NEW_LARGE_PLAYER'

# 3. 已知 SM 地址的链上动作（比 Activity API 更快）
if sm_address_approves_usdc_to_clob:
    # SM 正在准备交易！在 API 数据更新之前就知道了
    signal = 'SM_PREPARING'

优势: 比 Activity API 更快 5-30 秒（链上确认 vs API 索引延迟）

3.5 信号 4: 价格动量（权重 10%）

# 短期动量（趋势跟随）
momentum_1h = (price_now - price_1h_ago) / price_1h_ago
momentum_6h = (price_now - price_6h_ago) / price_6h_ago

# 预测市场有均值回归倾向（不同于股市）
# 但在事件催化剂驱动时有动量效应
if has_catalyst:
    signal = momentum_direction    # 趋势跟随
else:
    signal = -momentum_direction   # 均值回归

# 成交量确认
if momentum_1h > 5% AND volume_1h > 3x_avg:
    signal_strength = 'HIGH'      # 放量突破 = 真信号
else:
    signal_strength = 'LOW'       # 缩量变动 = 噪声

3.6 信号 5: 事件催化剂（权重 10%）

# 临近关键日期时，市场波动加大，方向性机会增多
days_to_expiry = (market.end_date - now).days

catalyst_multiplier = {
    '>14d':  0.5,   # 远期：方向信号弱，纯做市为主
    '7-14d': 1.0,   # 中期：正常权重
    '3-7d':  1.5,   # 近期：方向信号放大
    '1-3d':  2.0,   # 临近：方向主导（但风险也大）
    '<1d':   0.0,   # 最后一天：停止做市，清仓
}

# 特定事件类型的催化剂
event_catalysts = {
    'sports':    ['game_day', 'injury_report', 'lineup_announce'],
    'politics':  ['debate', 'poll_release', 'endorsement'],
    'crypto':    ['fed_meeting', 'eth_upgrade', 'btc_halving'],
    'geopolitics': ['un_vote', 'summit', 'military_action'],
}

3.7 信号 6: 新闻情绪（权重 5%）

# 不用 LLM 估概率（不可靠），只做情绪分类
# 用 Google News RSS 搜索市场相关新闻
news = search_google_news(market.question, max_results=10)

sentiment = classify_sentiment(news)  # POSITIVE / NEGATIVE / NEUTRAL
# 分类方法：关键词 + 简单 NLP，不用 LLM

# 只在极端情绪时作为辅助信号
if sentiment == 'VERY_POSITIVE' AND sentiment_count > 5:
    signal = 'YES', strength=0.3
elif sentiment == 'VERY_NEGATIVE' AND sentiment_count > 5:
    signal = 'NO', strength=0.3

3.8 综合信号计算

def calculate_direction_signal(market):
    """返回 (-1.0 到 +1.0) 的方向信号，正=YES 负=NO"""
    
    signals = {}
    
    # 各信号源独立计算
    signals['sm'] = get_sm_consensus_signal(market)          # -1.0 ~ +1.0
    signals['odds'] = get_odds_edge_signal(market)           # -1.0 ~ +1.0 (仅体育)
    signals['flow'] = get_onchain_flow_signal(market)        # -1.0 ~ +1.0
    signals['momentum'] = get_momentum_signal(market)        # -1.0 ~ +1.0
    signals['catalyst'] = get_catalyst_signal(market)        # 0.5 ~ 2.0 (乘数)
    signals['sentiment'] = get_sentiment_signal(market)      # -1.0 ~ +1.0
    
    # 加权合成
    weighted = 0
    total_weight = 0
    for name, value in signals.items():
        if name == 'catalyst':
            continue  # catalyst 是乘数
        w = SIGNAL_WEIGHTS[name]
        # 体育市场没有 odds 信号时重新分配权重
        if name == 'odds' and signals['odds'] is None:
            continue
        weighted += value * w
        total_weight += w
    
    if total_weight > 0:
        composite = weighted / total_weight
    else:
        composite = 0
    
    # 应用催化剂乘数
    composite *= signals.get('catalyst', 1.0)
    
    # 截断到 [-1, 1]
    composite = max(-1.0, min(1.0, composite))
    
    return composite

4. 报价引擎

4.1 从信号到报价

def calculate_quotes(market, signal, inventory):
    """根据方向信号和库存计算 bid/ask"""
    
    mid = get_mid_price(market)
    base_spread = calculate_base_spread(market)
    
    # ── 方向偏移 ──
    # signal > 0 = 看涨 YES → bid 上移（想买），ask 上移（不想卖）
    # signal < 0 = 看涨 NO  → bid 下移（不想买 YES），ask 下移（想卖 YES）
    direction_skew = signal * MAX_DIRECTION_SKEW  # MAX = 5%
    
    # ── 库存偏移 ──
    # 持有太多 YES → 想卖 YES → ask 下移
    inventory_skew = -inventory.net_yes_exposure * INVENTORY_PENALTY
    
    # ── 合成 ──
    fair_price = mid + direction_skew + inventory_skew
    
    # ── 不对称 Spread ──
    if signal > 0.3:  # 看涨
        bid_spread = base_spread * 0.5   # 压缩 bid spread（更愿意买）
        ask_spread = base_spread * 1.5   # 放大 ask spread（不愿意卖）
    elif signal < -0.3:  # 看跌
        bid_spread = base_spread * 1.5
        ask_spread = base_spread * 0.5
    else:  # 中性
        bid_spread = base_spread
        ask_spread = base_spread
    
    bid = fair_price - bid_spread
    ask = fair_price + ask_spread
    
    # ── Size 调整 ──
    base_size = calculate_base_size(market)
    
    if abs(signal) > 0.6:  # 强信号
        # 信号方向加大 size，反方向减小 size
        if signal > 0:
            bid_size = base_size * 2.0    # 多买
            ask_size = base_size * 0.5    # 少卖
        else:
            bid_size = base_size * 0.5
            ask_size = base_size * 2.0
    else:
        bid_size = base_size
        ask_size = base_size
    
    return Quote(bid, bid_size, ask, ask_size)

4.2 报价更新频率

UPDATE_TRIGGERS = {
    'periodic':       30,      # 每 30 秒常规更新
    'sm_activity':    0,       # SM 交易 → 立即更新
    'price_change':   0.02,    # 价格变动 > 2% → 立即更新
    'fill':           0,       # 自己的单被成交 → 立即更新
    'inventory_limit': 0,      # 库存接近限制 → 立即更新
}

5. 市场选择引擎

5.1 Market Scoring

def score_market(market):
    """评估一个市场是否值得做市，返回 0-100 分"""
    score = 0
    
    # 交易量（最重要）
    if market.daily_volume > 50000:  score += 25
    elif market.daily_volume > 10000: score += 20
    elif market.daily_volume > 5000:  score += 15
    elif market.daily_volume > 1000:  score += 5
    
    # SM 关注度
    sm_count = count_sm_active(market, hours=48)
    score += min(sm_count * 5, 20)     # 最多 20 分
    
    # Spread 机会
    current_spread = market.ask - market.bid
    if current_spread > 0.05:   score += 15   # 5% spread = 大机会
    elif current_spread > 0.03: score += 10
    elif current_spread > 0.02: score += 5
    
    # 方向信号强度
    signal = abs(calculate_direction_signal(market))
    score += signal * 20                # 最多 20 分
    
    # 到期时间
    days = (market.end_date - now).days
    if 3 < days < 30:    score += 10    # 最佳窗口
    elif days > 30:       score += 5     # 太远
    elif days <= 3:       score += 0     # 太近，风险大
    
    # 体育 + 有博彩赔率 = 额外加分
    if market.category == 'Sports' and has_odds_data(market):
        score += 10
    
    return score

# 选择 Top N 个市场做市
active_markets = sorted(all_markets, key=score_market, reverse=True)[:MAX_MARKETS]

6. 库存管理（方向性增强版）

6.1 有信号时的库存规则

# 传统做市：库存是风险，要减
# Informed MM：有方向信号时，库存是收益来源

def manage_inventory(market, inventory, signal):
    # 库存与信号同向 = 好事（方向性持仓）
    # 库存与信号反向 = 坏事（被割了或信号错误）
    
    inventory_direction = 1 if inventory.net_yes > 0 else -1
    aligned = (inventory_direction * signal) > 0
    
    if aligned:
        # 库存和信号同向 → 放宽库存限制
        effective_max = MAX_POSITION * 1.5
        # 但仍然要有上限
        if abs(inventory.net_exposure) > effective_max:
            reduce_inventory()
    else:
        # 库存和信号反向 → 积极减仓
        if abs(signal) > 0.5:
            # 强反向信号 → 快速清仓
            cancel_all_orders(market)
            place_aggressive_exit_order(market, inventory)
        else:
            # 弱反向 → 通过报价偏移慢慢减
            skew_quotes_to_reduce(market, inventory)

6.2 到期管理

def expiry_management(market, inventory, signal):
    days = (market.end_date - now).days
    
    if days > 7:
        # 正常做市 + 方向偏移
        return 'NORMAL'
    
    elif 3 < days <= 7:
        # 减小仓位上限，但强信号仍可持有
        max_position *= 0.5
        return 'REDUCED'
    
    elif 1 < days <= 3:
        if abs(signal) > 0.7:
            # 强信号 → 保留方向性仓位（这是赚大钱的时刻）
            # 但停止做市（不再双边挂单）
            return 'DIRECTIONAL_ONLY'
        else:
            # 弱信号 → 开始清仓
            return 'LIQUIDATING'
    
    elif days <= 1:
        if abs(signal) > 0.9 and aligned_with_inventory:
            # 极强信号 + 库存同向 → 持有到结算
            return 'HOLD_TO_SETTLEMENT'
        else:
            # 否则全部清仓
            return 'FORCE_CLOSE'

7. 风险控制

7.1 硬性限制

RISK_LIMITS = {
    # 仓位限制
    'max_position_per_market': 0.05,     # 单市场最大仓位 = 5% 资金
    'max_directional_position': 0.08,    # 有强信号时可放宽到 8%
    'max_total_exposure': 0.40,          # 总敞口 = 40% 资金
    'max_category_exposure': 0.15,       # 单类别最大 = 15%
    
    # 亏损限制
    'max_loss_per_market': 0.03,         # 单市场最大亏损 = 3% 资金
    'max_daily_loss': 0.05,              # 日最大亏损 = 5% 资金
    'max_weekly_loss': 0.10,             # 周最大亏损 = 10% 资金
    
    # 做市参数
    'min_spread': 0.01,                  # 最小 spread = 1%
    'max_markets_active': 10,            # 同时做市最多 10 个市场
    
    # 方向性交易参数
    'min_signal_for_skew': 0.2,          # signal < 0.2 → 纯对称做市
    'min_signal_for_directional': 0.6,   # signal > 0.6 → 可以做方向性仓位
    'max_direction_skew': 0.05,          # 最大报价偏移 5%
}

7.2 紧急停止

CIRCUIT_BREAKERS = {
    'daily_loss_5pct':     '停止所有做市，撤所有单，通知微信',
    'weekly_loss_10pct':   '停止 48h，人工审查后恢复',
    'price_jump_15pct':    '撤该市场所有单，暂停 5 分钟',
    'api_latency_5s':      '撤所有单，等 API 恢复',
    'sm_whale_trade':      '暂停该市场 60 秒，重新评估',
    'signal_flip':         '信号反转 → 撤单 + 重新报价',
    'settlement_dispute':  '立即平仓退出该市场',
}

7.3 策略衰减检测

def check_strategy_health():
    """滚动检查策略是否还在赚钱"""
    
    rolling_7d_pnl = get_rolling_pnl(days=7)
    rolling_30d_sharpe = get_rolling_sharpe(days=30)
    fill_rate_7d = get_fill_rate(days=7)
    adverse_selection_rate = get_adverse_selection_rate(days=7)
    
    warnings = []
    
    if rolling_7d_pnl < 0:
        warnings.append('7 天 PnL 为负')
    if rolling_30d_sharpe < 0.5:
        warnings.append('30 天 Sharpe < 0.5')
    if fill_rate_7d < 0.1:
        warnings.append('成交率 < 10%（报价没竞争力）')
    if adverse_selection_rate > 0.5:
        warnings.append('被 informed trader 割的比例 > 50%')
    
    if len(warnings) >= 2:
        send_wechat_alert(f'⚠️ 策略健康警告: {warnings}')
        reduce_all_positions(50%)  # 减仓 50%
    
    if len(warnings) >= 3:
        stop_all_trading()
        send_wechat_alert('🛑 策略暂停！需要人工审查')

8. 收益模型（方向性增强版）

8.1 收益分解

假设 $10,000 资金，同时做市 5 个市场：

A. Spread 收益（确定性）
   5 市场 × $400 成交/天 × 2% spread = $40/天

B. Maker Rebate（确定性）
   5 市场 × $400 × 0.5% rebate = $10/天

C. 方向性收益（概率性）
   假设 60% 的方向信号正确（SM + 赔率的优势）
   平均仓位 $500，平均持有期 5 天
   正确时赚 +15%，错误时亏 -10%（非对称因为做市有 spread 缓冲）
   
   每天 ~1 个方向信号：
   0.6 × $500 × 15% = $45（赢）
   0.4 × $500 × 10% = $20（亏）
   净 = $25/天

总毛收益 = $40 + $10 + $25 = $75/天

扣除：
- 库存亏损: -$15/天 (估)
- 不利选择: -$10/天 (估)
- Gas 费: -$2/天

净收益 = $48/天
年化 = $17,520 (175% APR)

8.2 与纯策略的对比

9. 技术架构

┌─────────────────────────────────────────────────────┐
│           Informed Market Maker Engine               │
├────────────┬──────────────┬──────────┬──────────────┤
│  Signal    │  Price       │  Order   │  Risk        │
│  Engine    │  Engine      │  Manager │  Engine      │
│            │              │          │              │
│ • SM       │ • Fair price │ • Place/ │ • Position   │
│   consensus│ • Direction  │   cancel │   limits     │
│ • Odds     │   skew       │ • Fill   │ • Loss       │
│   edge     │ • Inventory  │   track  │   limits     │
│ • Onchain  │   skew       │ • Quote  │ • Circuit    │
│   flow     │ • Spread     │   update │   breakers   │
│ • Momentum │   calc       │          │ • Health     │
│ • Catalyst │              │          │   check      │
│ • Sentiment│              │          │              │
├────────────┴──────────────┴──────────┴──────────────┤
│                 Market Selector                      │
│ Score markets → Pick Top N → Monitor lifecycle       │
├─────────────────────────────────────────────────────┤
│                   Data Layer                         │
│ • CLOB WebSocket (real-time orderbook + fills)       │
│ • Polygon RPC (on-chain flow monitoring)             │
│ • SM Activity DB (27M+ records)                      │
│ • Odds API (sports markets)                          │
│ • Google News RSS (sentiment)                        │
│ • Market Metadata (expiry, volume, category)         │
├─────────────────────────────────────────────────────┤
│                 Notification Layer                    │
│ • WeChat alerts (via OpenClaw)                       │
│ • Web Dashboard (existing Flask app)                 │
│ • Strategy health reports                            │
└─────────────────────────────────────────────────────┘
         │              │               │
         ▼              ▼               ▼
   CLOB API        SQLite DB      WeChat/OpenClaw
   (trading)       (state)        (monitoring)

10. 实施路线

Phase 0: 准备（1 周）

Phase 1: 纯做市 Paper Trading（2 周）

Phase 2: 加入方向信号 Paper Trading（2 周）

Phase 3: 小资金实盘（2 周）

Phase 4: 扩展（持续）

11. 监控与报告

每日自动报告（微信推送）

📊 做市日报 2026-04-02

💰 今日 PnL
  Spread 收益:  +$42.30
  Rebate:       +$11.50
  方向性收益:   +$38.20 (3 赢 1 亏)
  库存变动:     -$12.40
  净收益:       +$79.60

📈 活跃市场 (5/10)
  1. Iran by April 30 → BID 0.22 / ASK 0.26 | PnL +$15
  2. NCAA Michigan → BID 0.31 / ASK 0.35 | PnL +$22
  ...

🎯 方向性持仓
  Iran YES: $300 (signal: 0.72, SM: 4)
  NCAA No: $200 (signal: -0.55, odds edge: 8%)

⚠️ 风险状态
  总敞口: 23% (< 40% ✅)
  最大单仓: 4.2% (< 5% ✅)
  日亏损: 0% (< 5% ✅)
  策略健康: ✅ Sharpe 2.1