如何在预测市场上做跨市场统计套利（完整量化路线图）

如何做预测市场的跨市场统计套利（完整量化路线图） 2026 年 5 月 17 日 · 7 分钟阅读 · 查看来源 ↗ 量化 营销 自动化 金融 我要把量化对冲基金到底怎么利用竞争性预测平台（比如 Polymarket 和 Kalshi）之间的结构性价格差异，来锁定无风险 alpha 讲清楚👇 我还发布了一个公开仓库，以及一个 55GB 的数据集，里面包含回溯到 2024 年末的逐笔订单簿 L2 快照。 L2 订单簿数据集现已公开 大多数散户交易者看的是历史成交价（K 线图）。量化基金看的是限价订单簿（L2）。 当一个事件同时在多个平台交易时，暂时的流动性失衡会产生确定性的价差。要回测这些低效，你需要买卖队列的深度，而不仅仅是成交打印。 这个数据集包括： 完整的 L2 订单簿快照（最多 20 档深度），以 100ms 间隔采样。 跨平台同步的时间戳。 超过 8.5 亿条状态更新，以高度优化的 Apache Parquet 格式存储。 在我们深入预测数学之前，先把你的本地环境配置好，以处理机构级的订单簿分析。 如何设置数据集（分步） 前置条件： Python 3.10 或更高版本 60GB 未分配的 SSD 磁盘空间 终端（Mac/Linux）或 PowerShell（Windows） 第 1 步：安装 uv（极速依赖管理器） # Mac/Linux curl -LsSf https://astral.sh/uv/install.sh | sh # Windows（PowerShell） irm https://astral.sh/uv/install.ps1 | iex 第 2 步：克隆量化套利仓库 git clone https://github.com/Jon-Becker/prediction-market-analysis cd prediction-market-arbitrage 第 3 步：同步虚拟环境和依赖 uv sync 这会确定性地配置一个隔离环境，带 polars、scikit-learn、statsmodels，以及高性能分析扩展。 第 4 步：流式下载并解压压缩的 L2 订单簿数据 make download-ob 这会从一个高吞吐的 Cloudflare R2 桶拉取 orderbooks_l2.tar.zst（39GB 压缩包），并原生解压到你的本地目录。 第 5 步：验证数据集完整性 ls data/snapshots/polymarket/ ls data/snapshots/kalshi/ 如果配置正确，你会看到按市场类别拆分的每日 Parquet 文件。你现在正坐在系统化交易台所用的那套确切的数据基础设施上。 对冲基金如何利用这些数据 散户交易者等新闻爆出来，买一份合约，祈祷自己猜对。 对冲基金不在乎谁赢得选举、某个奖项、或某项经济数据发布。他们把预测市场当作一张碎片化的订单簿网络。他们利用数学上的协整和订单流失衡，去交易平台之间的价差，把库存 delta 对冲到零。 下面是在这份数据上部署的两大算法方法论。 方法 1：协整与 Ornstein-Uhlenbeck 均值回归框架 当两个不同的平台就同一个真实世界结果做市时，它们的长期价格必须收敛到相同的终值（1.00 美元或 0.00 美元）。 然而，局部的流动性冲击（比如某个鲸鱼在单一平台上砸出 50 万美元的合约）会造成暂时的背离。我们用统计协整来建模这种关系。 阶段 1：检验协整 令 P_{P,t} 为 t 时刻 Polymarket 上合约的中间价，P_{K,t} 为 Kalshi 上的中间价。我们构造一个代表价差 S_t 的线性组合： > S_t = P_{P,t} - β * P_{K,t} - μ 其中 β 是协整系数，μ 是常数截距。量化基金对历史 Parquet 文件跑 Augmented Dickey-Fuller（ADF）检验或 Johansen 检验，来确认 Sₜ 是一个平稳时间序列（I(0)），即它持续回归到自己的均值。 阶段 2：建模连续价差动力学 一旦协整在统计上得到验证，我们就用一个 Ornstein-Uhlenbeck（OU）随机过程来建模价差的连续时间演化： > dSₜ = θ(μ − Sₜ)dt + σ dWₜ 其中： • θ 代表均值回归速率（价差闭合得多快）。 • μ 是价差的长期均值。 • σ 是价差的历史波动率。 • dWₜ 是一个标准布朗运动增量，代表随机市场噪声。 阶段 3：通过极大似然估计（MLE）做解析校准 通过对我们的历史数据、在采样间隔 Δt 上应用 Euler–Maruyama 离散化，我们把连续方程转化成一个可追踪的回归模型： > S_ti = S_ti−1 e^−θΔt + μ(1−e^−θΔt) + εt 在这 8.5 亿行的数据集上使用极大似然估计，基金提取出 θ 的精确数值。如果 θ 意味着均值回归时间 > τ = 1/θ 比平台的执行延迟还快，这个资产就被判定为高度可交易。 阶段 4：构造最优进出场阈值 一个业余交易者一看到价差出现就进场套利。一个量化台解的是一个最优停止问题。用校准好的 OU 参数，推导出最优进场阈值 x_open 和出场阈值 x_close，以最大化单位时间的期望回报： > 最大化 E [ e^{−r τtrade} (S_t_close − S_t_open − c) / τ_trade ] 其中 c 代表跨两个场所产生的线性交易费用加滑点，r 是连续无风险利率。 价差（S_t） ^ | ============== 最优做空进场（+x_open） | / \ ------|----/---\-------/---------------- 长期均值（μ） | / \ / | / \___/ ==== 最优做多进场（-x_open） +-----------------------------------> 时间（t） 方法 2：订单簿失衡（OBI）与高频微价预测 在毫秒级的时间尺度上，宏观协整模型太慢了。要在跨场所的短期价格波动上抢先，基金直接看流动性分布，用的是订单簿失衡（OBI）。 阶段 1：失衡的数学定义 标准中间价忽略了盘口内盘口的成交量。如果最优买价有 100,000 份合约，而最优卖价只有 1,000 份合约，价格在数学上就被强压着向上移动。 我们用 Level 1 OBI 指标来量化这一点： > I_t = (V_b(t) − V_a(t)) / (V_b(t) + V_a(t)), I_t ∈ [−1,1] 其中 V_b(t) 是最优买价（P_b）上的可用成交量，V_a(t) 是最优卖价（P_a）上的可用成交量。 阶段 2：微价公式 要在成交打印之前算出合约的「真实」瞬时价值，基金计算微价（P_micro），按结构成交量对买卖价做反比例加权： > P_micro(t) = V_b(t)·P_a(t) + V_a(t)·P_b(t) / V_b(t) + V_a(t) 把失衡定义代入微价方程，我们揭示出它对订单簿结构的线性依赖： > P_micro(t) = P_mid(t) + I_t(Δspread / 2) 其中 > P_mid(t) = P_a(t) + P_b(t) / 2 以及 > Δspread = P_a(t) − P_b(t) 阶段 3：跨场所预测信号 真正的 alpha 出现在你跨平台映射 P_micro 的时候。 因为 Polymarket 完全上链/混合，而 Kalshi 是一个中心化的监管清算所，它们的 API 架构以本质上不同的速度处理订单流。 > ΔP_Kalshi(t+δ) = f(I_Polymarket(t), P_micro, Polymarket(t) − P_micro, Kalshi(t)) 量化台在历史 Parquet 数据上计算一个滚动的马尔可夫链转移矩阵。他们测量：平台 A 上的一次显著失衡偏移（I > 0.8）预测平台 B 在 δ = 200ms 窗口内卖单簿被扫空的概率。 如果预测概率超过一个结构性阈值，自动化执行系统立即在滞后的交易所上跨价差成交，赶在散户订单路由甚至还没察觉到这次偏移之前，就捕获了这个价格调整。 过程，而非预测 核心要点很简单：机构交易台对实际底层事件完全无感。他们不读政治民调，不分析宏观经济报告，对未来没有任何专家式观点。 他们不公平的优势完全在于运营过程和结构数学： 持续风险调和：通过经验 Ornstein-Uhlenbeck 参数来校准头寸，而不是名义价差。 微观结构主导：利用多场所订单簿失衡与微价变动之间的数学关系。 延迟资本化：运行优化的执行引擎，在散户 UI 刷新之前就按跨平台预测信号行动。 这个开源仓库和 55GB Parquet 数据集，提供了原生构建、测试和执行这些框架所需的精确测试沙盒。 > 收藏它，别弄丢了 📝 标签：# X # 量化 # 营销 # 自动化 # 金融 # 指南 相关文章 我测过 8000+ 条无露脸 YouTube 脚本……这 7 条拿了 2 亿+ 观看 50+ 细分领域里的 8000+ 条脚本。 Youtube 营销 自动化 金融