Crypto Crow 详述预测市场交易机器人的挑战

被称为 Crypto Crow 的 Jason Appleton 概述了他在构建用于在预测市场进行交易的机器人时遇到的挑战。在最近的一场直播中，他讨论了试图从跨市场价差中获利的策略背后的成本与执行风险。

Appleton 展示了其一台机器人的数据，并介绍了一种涉及为提供流动性而获得奖励的独立策略。他还演示了 CrowTrader，这是一款付费的算法交易工具。

预测市场套利如何运作

预测市场允许参与者交易与某一事件结果相关联的合约。在一个只有两种可能结果的简单市场中，获胜合约在市场结算时支付$1，而失败合约不支付任何金额。

Appleton 将套利描述为当双方合计成本低于最终兑付时同时买入两边的尝试。例如，以90美分买入一边、以4美分买入另一边，总成本为94美分。如果两份合约都被买入且其结算条件一致，在扣除手续费和其他成本之前，每对可获得6美分的差额。

机会取决于下单时可用的价格和数量。Appleton 解释说，机器人必须识别价差并快速执行两笔买单。某一价格下的可用数量也会限制交易规模。

在直播期间，他展示了其一套套利系统的仪表盘，显示$9.39 的已实现结果、另有$6.56 的预期结果，以及$13.44 的已支付费用。他称在每个平台上投入了约$90的资金，并以此作为手续费如何影响其交易的示例。

匹配事件并完成双边交易

Appleton 指出，在多个平台之间匹配事件的过程对自动化系统而言是一大挑战。不同的预测市场可能会针对同一事件使用不同的名称、标签和数据格式，这要求机器人判断合约是否对应同一结果。

他的仪表盘显示约有5,929 个成功匹配的事件，另有726个因系统无法确信匹配而需要复核。

匹配错误可能会让交易者持有与不同事件或结算条件相关的合约。这些头寸可能无法提供该策略所期望的对冲性收益。

执行是另一项挑战。如果一笔订单成交而另一笔未成交，交易者可能会留下未对冲头寸，暴露于事件结果或其市场价格变化的风险。Appleton 认为，在可用流动性受限时，较大的订单会使按预期价格完成双边交易更加困难。

[NEWSBREAK]

流动性奖励与 CrowTrader

Appleton 还介绍了一款独立的机器人，旨在在向流动性提供者提供奖励的市场中寻找套利机会。这些参与者会挂出订单，供其他交易者与之成交，且一些平台会为在符合条件的市场上的活动提供激励。

他解释说，单个事件的奖励池可能有限，并在符合条件的参与者之间分配。因此，任何单个交易者可获得的金额取决于平台规则、具体市场以及来自其他流动性提供者的竞争。

在直播期间，Appleton 还展示了CrowTrader，这是一款独立的算法交易产品，定价为每月 $20。他介绍了用于基于历史数据测试策略并在投入真实资金之前模拟交易的工具。

Appleton 承认，市场波动、技术问题以及交易所做出的变更都会影响自动化交易。他还提醒不要无限期地让机器人无人看管，并解释说，随着条件变化，用户可能需要调整其设置。