Crypto Crow erläutert die Herausforderungen von Trading Bots auf Prognosemärkten

Jason Appleton, bekannt als Crypto Crow, hat die Herausforderungen skizziert, denen er beim Aufbau von Bots für den Handel auf Prognosemärkten begegnete. In einem jüngsten Livestream sprach er über die Kosten und Ausführungsrisiken hinter Strategien, die versuchen, von Preisunterschieden zwischen Märkten zu profitieren.

Appleton zeigte Zahlen eines seiner Bots und beschrieb eine separate Strategie mit Prämien für die Bereitstellung von Liquidität. Er stellte außerdem CrowTrader vor, sein kostenpflichtiges algorithmisches Trading Werkzeug.

Wie Arbitrage auf Prognosemärkten funktioniert

Prognosemärkte ermöglichen es Teilnehmenden, Kontrakte zu handeln, die an den Ausgang eines Ereignisses gekoppelt sind. In einem einfachen Markt mit zwei möglichen Ausgängen zahlt ein gewinnender Kontrakt bei Auflösung des Marktes $1, während der verlierende Kontrakt nichts zahlt.

Appleton beschrieb Arbitrage als den Versuch, beide Seiten zu kaufen, wenn ihre Gesamtkosten unter der späteren Auszahlung liegen. Beispielsweise würde der Kauf der einen Seite für 90 Cent und der anderen für vier Cent 94 Cent kosten. Wenn beide Kontrakte gekauft werden und ihre Abrechnungsbedingungen übereinstimmen, ergäbe sich vor Gebühren und anderen Kosten ein Unterschied von sechs Cent pro Paar.

Die Gelegenheit hängt von den Preisen und verfügbaren Mengen zum Zeitpunkt der Orderaufgabe ab. Appleton erklärte, dass ein Bot die Preisdifferenz erkennen und beide Käufe schnell ausführen muss. Die zu einem bestimmten Preis verfügbare Menge kann zudem die Größe eines Trades begrenzen.

Während des Livestreams zeigte er ein Dashboard für eines seiner Arbitrage Systeme mit $9.39 an realisierten Ergebnissen, weiteren $6.56 an erwarteten Ergebnissen und $13.44 an gezahlten Gebühren. Er berichtete, auf jeder Plattform ungefähr $90 an Kapital eingesetzt zu haben, und präsentierte die Zahlen als Beispiel dafür, wie Gebühren seinen Handel beeinflussen.

Ereignisse abgleichen und beide Trades ausführen

Appleton bezeichnete den Abgleich von Ereignissen über Plattformen hinweg als Herausforderung für automatisierte Systeme. Unterschiedliche Prognosemärkte können für dasselbe Ereignis verschiedene Bezeichnungen, Tags und Datenformate verwenden, was einen Bot dazu zwingt festzustellen, ob Kontrakte demselben Ausgang entsprechen.

Sein Dashboard zeigte etwa 5,929 erfolgreich abgeglichene Ereignisse, während weitere 726 eine Prüfung erforderten, weil das System sie nicht mit ausreichender Sicherheit zuordnen konnte.

Eine Fehlzuordnung kann dazu führen, dass ein Trader Kontrakte hält, die an unterschiedliche Ereignisse oder Abrechnungsbedingungen geknüpft sind. Diese Positionen liefern möglicherweise nicht die durch die Strategie beabsichtigten ausgleichenden Auszahlungen.

Die Ausführung stellt eine weitere Herausforderung dar. Wenn eine Order ausgeführt wird, die andere jedoch nicht, bleibt der Trader mit einer offenen Position zurück, die dem Ausgang des Ereignisses oder einer Änderung seines Marktpreises ausgesetzt ist. Appleton argumentierte, dass größere Orders es erschweren können, beide Seiten zu den erwarteten Preisen zu vervollständigen, wenn die verfügbare Liquidität begrenzt ist.

[NEWSBREAK]

Liquiditätsprämien und CrowTrader

Appleton beschrieb außerdem einen separaten Bot, der darauf ausgelegt ist, Arbitragemöglichkeiten in Märkten zu suchen, die Liquiditätsanbietern Prämien bieten. Diese Teilnehmenden platzieren Orders, gegen die andere Trader handeln können, und einige Plattformen bieten Anreize für Aktivität in berechtigten Märkten.

Er erklärte, dass Prämientöpfe für einzelne Ereignisse begrenzt sein und unter qualifizierten Teilnehmenden aufgeteilt werden können. Der einem einzelnen Trader zur Verfügung stehende Betrag hängt daher von den Regeln der Plattform, dem Markt und dem Wettbewerb durch andere Liquiditätsanbieter ab.

Während des Livestreams stellte Appleton auch CrowTrader vor, sein separates algorithmisches Trading Produkt, das er mit $20 pro Monat bepreiste. Er beschrieb Tools zum Testen von Strategien anhand historischer Daten und zum Simulieren von Trades, bevor echtes Kapital eingesetzt wird.

Appleton räumte ein, dass Marktbewegungen, technische Probleme und von Börsen vorgenommene Änderungen den automatisierten Handel beeinflussen können. Er warnte außerdem davor, einen Bot unbeaufsichtigt auf unbestimmte Zeit laufen zu lassen, und erklärte, dass Nutzer ihre Einstellungen anpassen müssen, wenn sich die Bedingungen ändern.