我来解释顶级 Polymarket 量化交易者如何将价格建模为一系列状态，从而持续找到高概率交易，并为你提供完整的框架，你今天就可以开始搭建。
直接进入正题 →
打开任意一个市场，观察你的大脑反应。你看到 "42 美分"，会直觉地感到这太便宜、太贵、或者差不多——然后这种感觉就变成了点击。这是平台上几乎所有人的完整决策过程：一个数字、一种直觉、一个头寸。
现在，看看专业团队对同样的图表会怎么做。他们看到的不是一个数字，而是一个在过去六周里一直停留在某些区间、从其他区间反弹、偶尔被卡在边缘附近的价格。他们看到的是一个会根据自身所处位置移动（而非去过哪里）的东西。他们对这种行为的物体有一个名称，因为同样的行为也出现在信用违约、基因序列、中子在反应堆核心的弹跳、以及决定哪个网页重要的算法里——早在 Google 成为动词之前。
这个物体就是马尔可夫链（Markov Chain）。它是应用概率论中久经考验的工具之一，但几乎没有人把它用在预测市场上。
大众忙着回答错误的问题。他们想知道 "这件事会不会以 YES 结算"？这不过是披着热点判断外衣的抛硬币游戏。而专业团队在回答一个更有用的问题：基于当前价格的确切位置，下一步所有可能移动的完整分布是怎样的，每种情况实际发生的频率如何？ 用真实数据回答好这个问题，交易规模自己就知道了。
你不需要有量化金融的学位。你需要五个步骤、几十行 Python 代码，以及相信计算结果而非直觉的纪律——这就是本文的全部内容。
读完这篇文章，你将学会：像状态机一样（而非赌徒）解读合约；将原始价格历史转化为一张转移地图，展示市场实际做出的每一个动作；在该地图上，用不到一秒钟的时间运行一万次模拟结算；用 7210 万笔交易的实际证据将这些结果拉回现实，以免模型为长尾事件付出过高代价；并避免那个在结算前就不动声色地将你的优势拱手让人的一键交易习惯。
第一部分 - 核心概念
马尔可夫链为在状态之间移动的系统建模，其中下一个状态的概率仅取决于当前状态，而非全部历史。
在 Polymarket 上，“状态”就是合约价格。
一份合约在 0 美分到 100 美分之间交易。在任何时刻，价格都处在其中一个状态中。它会移动到哪个下一个状态，取决于它现在在哪里——而不是三周前在哪里。
正是这一个特性让问题变得可处理。你无需为一个市场的全部历史建模。你只需要知道两件事：它现在处于什么状态，以及历史上它从那个状态转移到每一个其他状态的频率。
第二件事——价格如何在状态之间转移的地图——被称为转移矩阵。一切都从这里开始。
第二部分 - 第一步：建立转移矩阵
转移矩阵是你的市场地图。它告诉你：从任何给定价格出发，接下来移动到其他每个价格的概率是多少。
以下是构建方法。
首先，获取一个市场的价格历史。然后，将价格离散化为状态——对于 Polymarket，10 个状态效果不错 [0-10 美分, 10-20 美分, ..., 90-100 美分]。接着，统计价格从每个状态移动到每个其他状态的次数，并进行归一化，使每一行的概率之和为 1.0。
关键洞察：接近 50 美分的市场具有较宽的转移分布——它们可能向任一方向摆动。接近 5 美分或 95 美分的市场分布较窄——它们往往被限制在极端值上。
这种不对称性完全是长尾偏差的基础，我们将在第三步中利用它。
一条关键规则：矩阵中的每个状态都需要基于至少 20-30 次观察到的转移来估算。如果某个价格区间只被访问过两次，那么它所在的行就是噪音。要么收集更多历史数据，要么合并稀疏的状态。
第三部分 - 第二步：运行蒙特卡罗模拟
转移矩阵告诉你一步之内会发生什么。但你关心的不是一步，你关心的是市场在结算时的最终结果。
所以，你进行模拟。从当前价格状态开始。沿着矩阵向前走，每一步随机选择，直到到期。然后重复这个过程 10000 次，并统计有多少条路径最终落在了 YES 的区域内。
这个比例就是你估算的真实概率：
这 10000 条模拟路径中的每一条都代表一种可能的未来。有些会飙升至 90 美分（YES 结算），有些会暴跌至 5 美分（NO 结算）。落在 YES 区域的路径的比例就是你的概率估计值——而 10000 次模拟运行只需要大约十分之一秒的时间。
这与物理学家在首批核反应堆中模拟中子行为的方法相同。你不需要解析出所有可能的未来。你只需对数千种可能性进行抽样并计数。
第四部分 - 第三步：根据长尾偏差进行校准
这里是大多数人模型的崩溃点。
你的蒙特卡罗模拟会系统地高估长尾事件的概率。为什么？因为原始的转移矩阵并不知道便宜的合约在结构上被人群高估了。
我们之所以知道这个，是因为有数据支持。
2026 年，研究员 Jonathan Becker 分析了 7210 万笔交易，总交易额达 182.6 亿美元。这是有史以来针对预测市场微观结构进行的规模最大的实证研究。其发现残酷且一致：
定价为 5 美分的合约本应 5% 的时间获胜。实际上，它只赢了 4.18%。定价为 1 美分的合约本应 1% 的时间获胜。实际上，它只赢了 0.43%。
作为吃单者，你每在前者（1 美分合约）投入 1 美元，只拿回 43 美分。这比老虎机还差，老虎机大约能返还 90 美分。
因此，在根据蒙特卡罗输出采取行动之前，你要根据这个已知的偏差对其进行校准：
还有第二个发现值得牢记。Becker 发现，在 99 个价格水平中，NO 在 69 个水平上表现优于 YES。吃单者不成比例地购买 YES——他们押注自己的球队、自己的候选人、自己的持仓。这种需求抬高了 YES 价格，并压低了 NO 价格。
规则是：如果你必须在 30 美分以下作为吃单者交易，购买 NO 而非 YES。你不是在对抗偏差，而是在顺应它。
第五部分 - 第四步：用凯利公式确定头寸规模
你已经有了校准后的概率。市场有了定价。存在优势。现在问题来了：你该押注多少？
错误的答案是：“很多，因为我很有信心。”这是拥有真正优势的交易者仍然会破产的方式——他们仓位太大，遇到连续亏损，就再也无法翻身。
正确的答案是凯利公式（Kelly Criterion），它能为任何优势给出数学上最优的押注规模。
凯利做了一些直觉永远无法做到的事：它根据你的优势自动调整押注规模。优势小，就押注小；优势大，就押注大——但绝不会大到让你在一次糟糕的连续亏损中归零。
使用四分之一凯利（0.25×）。完整的凯利在理论上能最大化长期增长，但其回撤在心理上难以承受，并且一次估算错误就可能是灾难性的。每个专业人士都会缩小规模。
第六部分 - 第五步：使用限价单执行
你可以拥有完美的模型，但仍然会在执行层面流血。这是散户交易者经常跳过的步骤，而它的价值甚至超过了模型本身。
Becker 基于 7210 万笔交易的数据发现了预测市场中最重要的一个执行事实：
做市商（限价单）每笔交易赚取 +1.12%。吃单者（市价单）每笔交易亏损 -1.12%。
这带来了 2.24 个百分点的差距，并且在整个数据集中统计上坚不可摧。
人们容易忽略的一点是：做市商获胜并非因为他们预测更准。购买 YES 的做市商赚取 +0.77%。购买 NO 的做市商赚取 +1.25%。他们获胜是因为他们向那些系统性地支付过高价格以求立即成交的人群提供了流动性。
你下达的每一个市价单都在支付 Becker 所说的“乐观税”。你的蒙特卡罗模型可能高喊“买入”，但如果你通过市价单跨越价差，你在交易甚至还没开始之前就已经交出了自己的优势。
标的类别也很重要。Becker 发现，不同类别之间的做市商-吃单者差距相差 40 倍。金融市场几乎有效（差距 0.17 个百分点）——那里充斥着用概率思考的宏观分析师。娱乐和世界事件市场的差距为 4.79-7.32 个百分点——那里充斥着粉丝和押注叙事的交易者，他们为 YES 付出了过高的代价。
如果你在运行做市策略，瞄准体育、加密货币和娱乐类别，那里的乐观税最丰厚。
第七部分 - 完整的系统
以下是组合成一个完整流程的全部内容：价格历史输入。一个完整的交易决策——方向、规模和执行指令——输出。
这就是整个框架。五个步骤，一个类，完全可运行。输入一个市场的价格历史和当前价格，它就会返回一个经过校准、规模合适、执行正确的交易决策——或者告诉你不参与。
五步系统总结
- 建立马尔可夫模型。获取 30-60 天的价格历史。离散化为 10 个状态。计算转移矩阵。这捕捉了市场实际如何移动，而非你认为它如何移动。
- 运行蒙特卡罗模拟。从当前状态开始。通过矩阵进行 10000 次随机游走。落在 YES 区域的路径比例是你的原始概率估计值。
- 根据偏差进行校准。应用 Becker 的实证修正。原始的 5% 变成真实的 4.18%。跳过这一步是为什么大多数自制模型会亏钱的原因。
- 用四分之一凯利确定规模。永远不要押注超过数学允许的范围。完整凯利在理论上最优，在实践中具有毁灭性。四分之一凯利才能存活。
- 使用限价单执行。做市商 = +1.12%。吃单者 = -1.12%。这 2.24 个百分点的差距比你的模型更有价值。除非你的优势巨大且时间紧迫，否则永远不要跨越价差。
结论 - 下一步做什么
这个框架可以在一个周末内完全实现。转移矩阵只需要十几行 Python 代码。蒙特卡罗模拟只需要十分之一秒。校准表就在本文中，来源于 7210 万笔真实交易。
但回测并非实盘交易。在冒一分钱的风险之前，请做三件事：
首先，进行滚动前向测试。在每一步仅使用当时可用的数据重新估计转移矩阵。绝不让未来的价格泄漏到过去的估计中。一个带有前瞻性偏差看起来很棒的模型，在实盘时会悄悄让你失血。
其次，从模拟交易开始。在无实盘资金的情况下，在实时市场上运行整个系统两周。将其校准后的概率与实际结算结果进行比较。如果模型校准良好，那么 55% 概率的预测应该大约有 55% 的时间以 YES 结算。
第三，尊重假设。马尔可夫性质是一种近似——市场有时会比一步拥有更长的记忆。转移概率随时间漂移，因此要在滚动窗口上重新估计。永远不要相信一个由少于 20-30 次转移构建的矩阵单元格。
马尔可夫链并不能预测未来。它做了一件更有用的事：根据你当前所处的位置，量化每一种可能未来的概率，并精确地告诉你市场何时错误地定价了该概率。
这就是全部的竞争优势。人群关注价格。你关注价格之下的结构。
现在，开始构建吧！
