ฉันจะอธิบายให้คุณเข้าใจว่าว่าผู้เล่นระดับท็อปบน Polymarket ใช้โมเดลราคาเป็นลำดับของสถานะเพื่อหาเทรดที่มีความน่าจะเป็นสูงอย่างสม่ำเสมอได้อย่างไร และจะให้กรอบการทำงานที่สมบูรณ์ที่คุณสามารถเริ่มสร้างได้ตั้งแต่วันนี้
มาเริ่มกันเลย →
เปิดตลาดไหนก็ได้แล้วดูว่าสมองคุณทำอะไร คุณเห็น "42 เซ็นต์" คุณรู้สึกว่ามันถูกเกินไป แพงเกินไป หรือพอดี แล้วความรู้สึกนั้นกลายเป็นการคลิก นั่นคือกระบวนการตัดสินใจทั้งหมดของเกือบทุกคนบนแพลตฟอร์ม ตัวเลข สัญชาตญาณ แล้วก็ออเดอร์
ทีนี้ดูว่าห้องเทรดทำอะไรกับกราฟเดียวกัน พวกเขาไม่เห็นตัวเลข พวกเขาเห็นราคาที่ใช้เวลาหกสัปดาห์ที่ผ่านมาอยู่ในกรอบบางกรอบ กระเด้งออกจากกรอบอื่น บางครั้งก็ติดอยู่ใกล้ขอบ พวกเขาเห็นสิ่งที่เคลื่อนที่โดยมีความจำว่ามันอยู่ที่ไหน แต่ไม่ใช่ว่ามันเคยไปที่ไหนมาก่อน และพวกเขามีชื่อสำหรับวัตถุที่มีพฤติกรรมแบบนั้น เพราะพฤติกรรมเดียวกันนี้ปรากฎในเครดิตดีฟอลต์ ในลำดับพันธุกรรม ในวิธีที่นิวตรอนกระเด้งไปมาในแกนเครื่องปฏิกรณ์ ในอัลกอริทึมที่ตัดสินใจว่าเว็บเพจไหนสำคัญก่อนที่ Google จะกลายเป็นคำกริยา
วัตถุนั้นคือ Markov Chain มันเป็นหนึ่งในเครื่องมือที่ผ่านการทดสอบการรบมากที่สุดในความน่าจะเป็นประยุกต์ และแทบไม่มีใครในตลาดทำนายราคาใช้มัน
ฝูงชนกำลังยุ่งอยู่กับการตอบคำถามผิด พวกเขาอยากรู้ว่าเหตุการณ์นี้จะจบที่ YES หรือไม่ นั่นคือการโยนเหรียญที่ถูกแต่งเป็นความคิดเห็นเด็ด ห้องเทรดกำลังตอบคำถามที่มีประโยชน์กว่ามาก: เมื่อพิจารณาจากตำแหน่งราคาที่แน่นอนตอนนี้ โอกาสในการเคลื่อนไหวครั้งต่อไปทั้งหมดมีหน้าตาอย่างไร และแต่ละอย่างเกิดขึ้นบ่อยแค่ไหน ตอบคำถามนั้นด้วยข้อมูลจริง แล้วขนาดเทรดจะกำหนดตัวเอง
คุณไม่จำเป็นต้องมีปริญญาด้านควอนต์เพื่อทำสิ่งนี้ คุณต้องการห้าขั้นตอน โค้ด Python สองสามสิบบรรทัด และวินัยที่จะเชื่อมั่นในผลลัพธ์มากกว่าสัญชาตญาณของคุณ นั่นคือบทความทั้งหมด
นี่คือสิ่งที่คุณจะได้กลับไปทำ: อ่านสัญญาแบบที่เครื่องสถานะทำแทนที่จะเป็นแบบนักพนัน; เปลี่ยนประวัติราคาดิบเป็นแผนที่การเปลี่ยนสถานะที่แสดงทุกการเคลื่อนไหวที่ตลาดทำจริง; จำลองการยุติ 10,000 ครั้งจากแผนที่นั้นในเสี้ยววินาที; ปรับผลลัพธ์เหล่านั้นให้กลับมาสู่ความเป็นจริงโดยใช้หลักฐานจากการเทรด 72.1 ล้านครั้ง เพื่อให้โมเดลของคุณหยุดจ่ายแพงเกินไปสำหรับเหตุการณ์ที่มีโอกาสน้อย; และหลีกเลี่ยงนิสัยการสั่งซื้อด้วยคลิกเดียวที่แอบมอบความได้เปรียบของคุณให้คนอื่นก่อนที่ตลาดจะยุติด้วยซ้ำ
ส่วนที่ 1 - แนวคิดหลัก
Markov Chain คือแบบจำลองระบบที่เคลื่อนที่ระหว่างสถานะ โดยที่ความน่าจะเป็นของสถานะถัดไปขึ้นอยู่กับสถานะปัจจุบันเท่านั้น ไม่ใช่ประวัติทั้งหมด
บน Polymarket "สถานะ" คือราคาสัญญา
สัญญาซื้อขายระหว่าง 0 เซ็นต์ถึง 100 เซ็นต์ ในทุกขณะ ราคาจะอยู่ในสถานะใดสถานะหนึ่ง การเคลื่อนที่ครั้งต่อไปขึ้นอยู่กับว่าตอนนี้อยู่ที่ไหน ไม่ใช่ว่าอยู่ที่ไหนเมื่อสามสัปดาห์ก่อน
คุณสมบัติเดียวนี้ทำให้เรื่องนี้จัดการได้ คุณไม่จำเป็นต้องสร้างแบบจำลองประวัติทั้งหมดของตลาด คุณแค่ต้องรู้สองสิ่ง: ว่าตอนนี้อยู่ในสถานะอะไร และในอดีตมันย้ายจากสถานะนั้นไปยังสถานะอื่นๆ บ่อยแค่ไหน
สิ่งที่สองนั้น แผนที่ว่าราคาเคลื่อนที่ระหว่างสถานะอย่างไร เรียกว่า transition matrix (เมทริกซ์การเปลี่ยนสถานะ) ทุกอย่างเริ่มต้นจากตรงนั้น
ส่วนที่ 2 - ขั้นตอนที่ 1: สร้าง Transition Matrix
Transition matrix คือแผนที่ของตลาดของคุณ มันบอกคุณว่า: จากราคาที่กำหนด โอกาสที่จะเคลื่อนไปยังราคาอื่นทุกๆ ราคาในครั้งต่อไปคือเท่าไร
นี่คือวิธีสร้าง
ขั้นแรก ใช้ประวัติราคาของตลาด จากนั้นแยกราคาเป็นสถานะ สำหรับ Polymarket 10 สถานะใช้ได้ดี [0-10¢, 10-20¢, ... 90-100¢] จากนั้นนับว่าราคาย้ายจากแต่ละสถานะไปยังทุกสถานะอื่นบ่อยแค่ไหน และทำ normalization เพื่อให้แต่ละแถวรวมกันได้ 1.0
ประเด็นสำคัญ: ตลาดใกล้ 50 เซ็นต์มีการกระจายตัวของการเปลี่ยนสถานะที่กว้าง พวกมันสามารถแกว่งไปทางใดก็ได้ ตลาดใกล้ 5 เซ็นต์หรือ 95 เซ็นต์มีการกระจายตัวที่แคบ พวกมันมักจะติดอยู่ที่ปลายสุด
ความไม่สมมาตรนั้นคือรากฐานทั้งหมดของอคติต่อเหตุการณ์ที่มีโอกาสน้อย (longshot bias) ซึ่งเราจะใช้ประโยชน์ในขั้นตอนที่ 3
กฎสำคัญข้อหนึ่ง: ทุกสถานะในเมทริกซ์ของคุณต้องประมาณจากการเปลี่ยนสถานะที่สังเกตได้อย่างน้อย 20-30 ครั้ง หากกลุ่มราคามีการเยี่ยมชมเพียงสองครั้ง แถวนั้นคือสัญญาณรบกวน ให้รวบรวมประวัติเพิ่มหรือรวมสถานะที่เบาบาง
ส่วนที่ 3 - ขั้นตอนที่ 2: จำลองแบบมอนติคาร์โล (Monte Carlo Simulation)
Transition matrix บอกคุณว่าเกิดอะไรขึ้นในหนึ่งก้าว แต่คุณไม่สนใจหนึ่งก้าว คุณสนใจว่าตลาดจะไปจบลงที่ไหนเมื่อถึงวันยุติ
ดังนั้นคุณจึงจำลอง เริ่มจากสถานะราคาปัจจุบัน เดินไปข้างหน้าผ่านเมทริกซ์ ทีละก้าวสุ่ม จนถึงวันหมดอายุ จากนั้นทำซ้ำ 10,000 ครั้งและนับว่ามีกี่เส้นทางที่จบลงในอาณาเขต YES
เศษส่วนนั้นคือค่าประมาณความน่าจะเป็นที่แท้จริงของคุณ:
แต่ละเส้นทางจำลอง 10,000 เส้นทางคืออนาคตที่เป็นไปได้หนึ่งอย่าง บางเส้นพุ่งไปที่ 90¢ (YES จบลง) บางเส้นตกไปที่ 5¢ (NO จบลง) เศษส่วนที่ลงจอดในอาณาเขต YES คือค่าประมาณความน่าจะเป็นของคุณ และการจำลอง 10,000 ครั้งใช้เวลาประมาณหนึ่งในสิบของวินาที
นี่เป็นวิธีเดียวกับที่นักฟิสิกส์ใช้จำลองพฤติกรรมนิวตรอนในเครื่องปฏิกรณ์นิวเคลียร์เครื่องแรก คุณไม่ต้องคำนวณทุกอนาคตที่เป็นไปได้ด้วยการวิเคราะห์ คุณสุ่มตัวอย่างหลายพันครั้งแล้วนับ
ส่วนที่ 4 - ขั้นตอนที่ 3: ปรับเทียบกับอคติต่อเหตุการณ์ที่มีโอกาสน้อย
นี่คือจุดที่โมเดลของคนส่วนใหญ่พัง
การจำลองแบบมอนติคาร์โลของคุณจะประเมินความน่าจะเป็นของเหตุการณ์ที่มีโอกาสน้อยสูงเกินไปอย่างเป็นระบบ เพราะเหตุใด? เพราะ transition matrix ดิบไม่รู้ว่าสัญญาราคาถูกมีราคาแพงเกินไปโดยโครงสร้างจากฝูงชน
เรารู้ว่ามันเป็นเช่นนั้นเพราะข้อมูล
ในปี 2026 นักวิจัย Jonathan Becker วิเคราะห์การเทรด 72.1 ล้านครั้งในปริมาณ 18.26 พันล้านดอลลาร์ ซึ่งเป็นการศึกษาเชิงประจักษ์ที่ใหญ่ที่สุดเกี่ยวกับโครงสร้างจุลภาคของตลาดทำนายราคาที่เคยตีพิมพ์ ผลการวิจัยนั้นรุนแรงและสม่ำเสมอ:
สัญญาที่ราคา 5 เซ็นต์ควรชนะ 5% ของเวลา แต่จริงๆ แล้วชนะ 4.18% สัญญาที่ราคา 1 เซ็นต์ควรชนะ 1% ของเวลา แต่จริงๆ แล้วชนะ 0.43%
สำหรับทุก ๆ ดอลลาร์ที่คุณใส่ในสัญญา 1 เซ็นต์ในฐานะ taker คุณจะได้กลับมา 43 เซ็นต์ ซึ่งแย่กว่าเครื่องสล็อตที่คืนประมาณ 90 เซ็นต์ต่อดอลลาร์
ดังนั้นก่อนที่คุณจะดำเนินการตามผลลัพธ์มอนติคาร์โล คุณต้องปรับเทียบกับอคติที่รู้จักนี้:
มีการค้นพบอีกอย่างที่ควรจดจำไว้ Becker พบว่า NO มีประสิทธิภาพดีกว่า YES ที่ 69 จาก 99 ระดับราคา Takers ซื้อ YES อย่างไม่สมส่วน พวกเขาเดิมพันทีมของตน ผู้สมัครของตน สินทรัพย์ของตน ความต้องการนั้นทำให้ราคา YES สูงขึ้นและราคา NO ต่ำลง
กฎ: ถ้าคุณต้องเทรดเป็น taker ต่ำกว่า 30 เซ็นต์ ให้ซื้อ NO แทน YES คุณไม่ได้ต่อสู้กับอคติ คุณกำลังขี่มัน
ส่วนที่ 5 - ขั้นตอนที่ 4: กำหนดขนาดด้วย Kelly Criterion
คุณมีความน่าจะเป็นที่ปรับเทียบแล้ว ตลาดมีราคา มีส่วนต่างของความได้เปรียบ (edge) ตอนนี้: คุณควรเดิมพันเท่าไร?
คำตอบที่ผิดคือ "เยอะ เพราะฉันมั่นใจ" นั่นคือวิธีที่เทรดเดอร์ที่มีความได้เปรียบแท้จริงยังคงเจ๊ง พวกเขากำหนดขนาดใหญ่เกินไป เจอช่วงขาดทุนติดต่อกัน และไม่ฟื้นตัว
คำตอบที่ถูกคือ Kelly Criterion ซึ่งให้ขนาดเดิมพันที่เหมาะสมทางคณิตศาสตร์สำหรับส่วนต่างของความได้เปรียบใดๆ
Kelly ทำสิ่งที่ไม่มีสัญชาตญาณใดทำได้: มันปรับขนาดเดิมพันของคุณโดยอัตโนมัติตามความได้เปรียบ ความได้เปรียบเล็กน้อย เดิมพันเล็กน้อย ความได้เปรียบมหาศาล เดิมพันใหญ่ แต่ไม่ใหญ่พอที่จะทำลายคุณในช่วงที่แย่
ใช้ quarter-Kelly (0.25 เท่า) Full Kelly ช่วยเพิ่มการเติบโตในระยะยาวในทางทฤษฎี แต่การขาดทุนสะสมนั้นทนไม่ได้ทางจิตใจ และความผิดพลาดในการประมาณเพียงครั้งเดียวอาจถึงขั้นหายนะ ผู้เชี่ยวชาญทุกคนใช้ขนาดเศษส่วน
ส่วนที่ 6 - ขั้นตอนที่ 5: ดำเนินการด้วยคำสั่งจำกัด (Limit Orders)
คุณสามารถมีโมเดลที่สมบูรณ์แบบและยังคงเสียเงินในการดำเนินการ นี่คือขั้นตอนที่นักเทรดรายย่อยข้ามไป และมันมีค่ามากกว่าโมเดลเสียอีก
ข้อมูลของ Becker จากการเทรด 72.1 ล้านครั้งพบข้อเท็จจริงสำคัญที่สุดเกี่ยวกับการดำเนินการในตลาดทำนายราคา:
Makers (คำสั่งจำกัด) ได้กำไร +1.12% ต่อการเทรด Takers (คำสั่งตลาด) ขาดทุน −1.12% ต่อการเทรด
นั่นคือส่วนต่าง 2.24 จุดเปอร์เซ็นต์ และมันมีนัยสำคัญทางสถิติตลอดทั้งชุดข้อมูล
นี่คือส่วนที่คนส่วนใหญ่พลาด: makers ไม่ชนะเพราะพวกเขาทำนายดีกว่า Makers ที่ซื้อ YES ได้กำไร +0.77% Makers ที่ซื้อ NO ได้กำไร +1.25% พวกเขาชนะเพราะพวกเขาให้สภาพคล่องแก่คนที่จ่ายแพงเกินไปอย่างเป็นระบบเพื่อให้ได้คำสั่งเติมทันที
ทุกคำสั่งตลาดที่คุณวาง คุณจ่ายสิ่งที่ Becker เรียกว่า "ภาษีมองโลกในแง่ดี" (Optimism Tax) มอนติคาร์โลของคุณอาจตะโกนว่า BUY แต่ถ้าคุณข้าม spread ด้วยคำสั่งตลาด คุณได้คืนความได้เปรียบก่อนที่การเทรดจะเริ่มต้นด้วยซ้ำ
หมวดหมู่ก็สำคัญเช่นกัน Becker พบว่าช่องว่าง maker-taker แตกต่างกันถึง 40 เท่าข้ามหมวดหมู่ ตลาดการเงินเกือบจะมีประสิทธิภาพ (ช่องว่าง 0.17 pp) เพราะเต็มไปด้วยนักวิเคราะห์มหภาคที่คิดในแง่ความน่าจะเป็น ตลาดบันเทิงและเหตุการณ์โลกมีช่องว่าง 4.79-7.32 pp เพราะเต็มไปด้วยแฟนๆ และนักเดิมพันที่เล่าเรื่องและจ่ายแพงเกินไปสำหรับ YES
ถ้าคุณใช้กลยุทธ์ maker ให้กำหนดเป้าหมาย Sport, Crypto และ Entertainment ซึ่ง Optimism Tax หนาที่สุด
ส่วนที่ 7 - ระบบสมบูรณ์
นี่คือทุกอย่างที่รวบรวมเป็นไปป์ไลน์เดียว ประวัติราคาเข้าไป และการตัดสินใจเทรดที่สมบูรณ์ ทั้งทิศทาง ขนาด และคำสั่งดำเนินการ ออกมา
นั่นคือกรอบการทำงานทั้งหมด ห้าขั้นตอน หนึ่งคลาส ทำงานได้อย่างสมบูรณ์ ป้อนประวัติราคาของตลาดและราคาปัจจุบัน มันจะคืนการตัดสินใจเทรดที่ปรับเทียบแล้ว มีขนาดที่ถูกต้อง และดำเนินการอย่างถูกต้อง หรือบอกให้คุณผ่าน
ระบบ 5 ขั้นตอน สรุป
- สร้างแบบจำลอง Markov ใช้ประวัติราคา 30-60 วัน แยกราคาเป็น 10 สถานะ คำนวณ transition matrix สิ่งนี้จับภาพว่าตลาดเคลื่อนไหวจริงๆ ไม่ใช่ว่าคุณคิดว่ามันเคลื่อนไหว
- จำลองแบบมอนติคาร์โล เริ่มจากสถานะปัจจุบัน วิ่งสุ่ม 10,000 ครั้งผ่านเมทริกซ์ เศษส่วนที่จบในอาณาเขต YES คือค่าประมาณความน่าจะเป็นดิบ
- ปรับเทียบกับอคติ ใช้การแก้ไขเชิงประจักษ์ของ Becker ค่าดิบ 5% กลายเป็นจริง 4.18% การข้ามขั้นตอนนี้คือสาเหตุที่โมเดลทำเองส่วนใหญ่เสียเงิน
- กำหนดขนาดด้วย quarter-Kelly อย่าเดิมพันมากกว่าที่คณิตศาสตร์อนุญาต Full Kelly เหมาะสมในทางทฤษฎีและหายนะในทางปฏิบัติ quarter-Kelly อยู่รอด
- ดำเนินการด้วยคำสั่งจำกัด Maker = +1.12% Taker = −1.12% ส่วนต่าง 2.24 pp นี้มีค่ามากกว่าโมเดลของคุณ อย่าข้าม spread เว้นแต่ความได้เปรียบของคุณจะมหาศาลและจำเป็นต้องดำเนินการทันที
บทสรุป - สิ่งที่ต้องทำต่อไป
กรอบการทำงานนี้สามารถนำไปใช้ได้ภายในสุดสัปดาห์ transition matrix คือ Python สองสามสิบบรรทัด มอนติคาร์โลใช้เวลาเสี้ยววินาที ตารางการปรับเทียบอยู่ตรงนี้ในบทความนี้ ดึงมาจากการเทรดจริง 72.1 ล้านครั้ง
แต่การทดสอบย้อนหลังไม่ใช่การเทรดจริง ก่อนที่คุณจะเสี่ยงเงินสักดอลลาร์ ให้ทำสามสิ่ง:
ประการแรก ทดสอบแบบ walk-forward ประเมิน transition matrix ใหม่ในแต่ละขั้นตอนโดยใช้ข้อมูลที่มี ณ เวลานั้นเท่านั้น อย่าปล่อยให้ราคาในอนาคตรั่วไหลเข้าสู่การประมาณการในอดีต โมเดลที่ดูดีด้วย lookahead bias จะทำให้คุณเสียเลือดอย่างเงียบๆ ในการเทรดจริง
ประการที่สอง เริ่มด้วยการเทรดจำลอง ใช้ระบบเต็มรูปแบบกับตลาดจริงโดยไม่มีเงินจริงเป็นเวลาสองสัปดาห์ เปรียบเทียบความน่าจะเป็นที่ปรับเทียบแล้วกับผลลัพธ์จริง ถ้ามันปรับเทียบมาอย่างดี การเรียกที่ 55% ควรจบ YES ประมาณ 55% ของเวลา
ประการที่สาม เคารพข้อสมมติฐาน คุณสมบัติ Markov เป็นการประมาณ ตลาดบางครั้งมีความจำยาวนานกว่าหนึ่งก้าว ความน่าจะเป็นของการเปลี่ยนสถานะเปลี่ยนแปลงไปตามเวลา ดังนั้นให้ประเมินใหม่บนหน้าต่างที่เลื่อนไป และอย่าเชื่อถือเมทริกซ์เซลล์ที่สร้างจากการเปลี่ยนสถานะน้อยกว่า 20-30 ครั้ง
Markov Chain ไม่ได้ทำนายอนาคต มันทำสิ่งที่มีประโยชน์กว่า: มันวัดปริมาณความน่าจะเป็นของทุกอนาคตที่เป็นไปได้เมื่อพิจารณาจากตำแหน่งที่คุณอยู่ตอนนี้ และบอกคุณอย่างแม่นยำเมื่อตลาดกำหนดราคาความน่าจะเป็นนั้นผิด
นั่นคือความได้เปรียบทั้งหมด ฝูงชนดูราคา คุณดูโครงสร้างที่อยู่ภายใต้มัน
ลงมือสร้างมันเลย!
