Crypto Crow detalla los desafíos de los bots de trading en mercados de predicción

Jason Appleton, conocido como Crypto Crow, ha descrito los desafíos que encontró al crear bots para operar en mercados de predicción. En una transmisión en vivo reciente, habló sobre los costos y los riesgos de ejecución detrás de estrategias que buscan beneficiarse de las diferencias de precio entre mercados.

Appleton mostró cifras de uno de sus bots y describió una estrategia aparte que implica recompensas por proporcionar liquidez. También presentó CrowTrader, su herramienta de trading algorítmico de pago.

Cómo funciona el arbitraje en mercados de predicción

Los mercados de predicción permiten a los participantes negociar contratos vinculados al resultado de un evento. En un mercado simple con dos posibles resultados, un contrato ganador paga $1 cuando el mercado se resuelve, mientras que el contrato perdedor no paga nada.

Appleton describió el arbitraje como un intento de comprar ambos lados cuando su costo combinado está por debajo del pago final. Por ejemplo, comprar un lado por 90 centavos y el otro por cuatro centavos costaría 94 centavos. Si se compran ambos contratos y sus condiciones de liquidación coinciden, la diferencia sería de seis centavos por par antes de comisiones y otros gastos.

La oportunidad depende de los precios y las cantidades disponibles cuando se colocan las órdenes. Appleton explicó que un bot debe identificar la brecha de precios y ejecutar ambas compras con rapidez. La cantidad disponible a un precio dado también puede limitar el tamaño de una operación.

Durante la transmisión en vivo, mostró un panel para uno de sus sistemas de arbitraje que indicaba $9.39 en resultados realizados, otros $6.56 en resultados esperados y $13.44 en comisiones pagadas. Indicó que utilizó aproximadamente $90 de capital en cada plataforma y presentó las cifras como un ejemplo de cómo las comisiones afectan su operativa.

Emparejar eventos y ejecutar ambas operaciones

Appleton identificó el proceso de emparejar eventos entre plataformas como un desafío para los sistemas automatizados. Diferentes mercados de predicción pueden usar distintos nombres, etiquetas y formatos de datos para el mismo evento, lo que exige que un bot determine si los contratos corresponden al mismo resultado.

Su panel mostró aproximadamente 5,929 eventos emparejados con éxito, mientras que otros 726 requirieron revisión porque el sistema no pudo emparejarlos con suficiente confianza.

Un desajuste puede dejar a un operador con contratos vinculados a eventos o condiciones de liquidación diferentes. Esas posiciones pueden no proporcionar los pagos compensatorios que la estrategia pretende.

La ejecución presenta un desafío aparte. Si una orden se ejecuta pero la otra no, el operador puede quedarse con una posición abierta expuesta al resultado del evento o a un cambio en su precio de mercado. Appleton sostuvo que las órdenes más grandes pueden dificultar completar ambos lados a los precios esperados cuando la liquidez disponible es limitada.

[NEWSBREAK]

Recompensas por liquidez y CrowTrader

Appleton también describió un bot aparte diseñado para buscar oportunidades de arbitraje en mercados que ofrecen recompensas a los proveedores de liquidez. Estos participantes colocan órdenes contra las que otros operadores pueden ejecutarse, y algunas plataformas ofrecen incentivos por la actividad en mercados elegibles.

Explicó que los fondos de recompensas pueden ser limitados para eventos individuales y compartidos entre los participantes que cumplan los requisitos. Por lo tanto, el monto disponible para cada operador depende de las reglas de la plataforma, del mercado y de la competencia de otros proveedores de liquidez.

Durante la transmisión en vivo, Appleton también presentó CrowTrader, su producto de trading algorítmico independiente, al que fijó un precio de $20 por mes. Describió herramientas para probar estrategias con datos históricos y simular operaciones antes de usar capital real.

Appleton reconoció que los movimientos del mercado, los problemas técnicos y los cambios realizados por los exchanges pueden afectar el trading automatizado. También advirtió contra dejar un bot sin supervisión de forma indefinida, y explicó que los usuarios pueden necesitar ajustar su configuración a medida que cambian las condiciones.