Crypto Crow détaille les défis des bots de trading sur les marchés de prédiction

Jason Appleton, connu sous le nom de Crypto Crow, a exposé les défis auxquels il a été confronté en construisant des bots pour trader sur des marchés de prédiction. Lors d une récente diffusion en direct, il a évoqué les coûts et les risques d exécution liés aux stratégies qui cherchent à tirer profit des différences de prix entre marchés.

Appleton a montré des chiffres provenant de l un de ses bots et a décrit une stratégie distincte impliquant des récompenses pour la fourniture de liquidité. Il a également présenté CrowTrader, son outil payant de trading algorithmique.

Comment fonctionne l arbitrage sur les marchés de prédiction

Les marchés de prédiction permettent aux participants d échanger des contrats liés à l issue d un événement. Dans un marché simple à deux issues possibles, un contrat gagnant verse $1 lorsque le marché se résout, tandis que le contrat perdant ne verse rien.

Appleton a décrit l arbitrage comme une tentative d acheter les deux côtés lorsque leur coût combiné est inférieur au paiement final. Par exemple, acheter un côté pour 90 cents et l autre pour 4 cents coûterait 94 cents. Si les deux contrats sont achetés et que leurs conditions de règlement correspondent, l écart serait de six cents par paire avant frais et autres coûts.

L opportunité dépend des prix et des quantités disponibles au moment où les ordres sont passés. Appleton a expliqué qu un bot doit identifier l écart de prix et exécuter les deux achats rapidement. Le montant disponible à un prix donné peut également limiter la taille d une transaction.

Lors de la diffusion en direct, il a affiché un tableau de bord pour l un de ses systèmes d arbitrage montrant $9.39 de résultats réalisés, un autre $6.56 de résultats attendus, et $13.44 de frais payés. Il a indiqué utiliser environ $90 de capital sur chaque plateforme et a présenté ces chiffres comme un exemple de la manière dont les frais affectent son trading.

Appariement des événements et exécution des deux transactions

Appleton a identifié le processus d appariement des événements entre plateformes comme un défi pour les systèmes automatisés. Différents marchés de prédiction peuvent utiliser des noms, des balises et des formats de données différents pour le même événement, obligeant un bot à déterminer si les contrats correspondent à la même issue.

Son tableau de bord a affiché environ 5,929 événements appariés avec succès, tandis que 726 autres nécessitaient un examen car le système ne pouvait pas les apparier avec suffisamment de confiance.

Un mauvais appariement peut laisser un trader détenir des contrats liés à des événements ou à des conditions de règlement différents. Ces positions peuvent ne pas fournir les paiements compensateurs envisagés par la stratégie.

L exécution constitue un défi distinct. Si un ordre est exécuté mais pas l autre, le trader peut se retrouver avec une position ouverte exposée à l issue de l événement ou à une variation de son prix de marché. Appleton a soutenu que des ordres plus importants peuvent rendre plus difficile la réalisation des deux côtés aux prix attendus lorsque la liquidité disponible est limitée.

[NEWSBREAK]

Récompenses de liquidité et CrowTrader

Appleton a également décrit un bot distinct conçu pour rechercher des opportunités d arbitrage dans des marchés qui offrent des récompenses aux apporteurs de liquidité. Ces participants placent des ordres contre lesquels d autres traders peuvent exécuter, et certaines plateformes offrent des incitations pour l activité sur les marchés éligibles.

Il a expliqué que les pools de récompenses peuvent être limités pour des événements individuels et partagés entre les participants éligibles. Le montant disponible pour un trader donné dépend donc des règles de la plateforme, du marché et de la concurrence d autres apporteurs de liquidité.

Lors de la diffusion en direct, Appleton a aussi présenté CrowTrader, son produit distinct de trading algorithmique, qu il a fixé à $20 par mois. Il a décrit des outils pour tester des stratégies sur des données historiques et simuler des transactions avant d utiliser du capital réel.

Appleton a reconnu que les mouvements de marché, les problèmes techniques et les changements opérés par les bourses peuvent affecter le trading automatisé. Il a également mis en garde contre le fait de laisser un bot sans surveillance indéfiniment, expliquant que les utilisateurs peuvent devoir ajuster leurs paramètres à mesure que les conditions évoluent.