如果一个 Polymarket Bot 的历史交易数量突然扩大了接近 8 倍，第一反应通常会是什么？
可能是：
交易更多了。
但对于一个量化交易系统来说，这其实不是最重要的问题。
真正需要问的是：
当策略开始覆盖更多市场状态以后，原来的优势还在不在？
如果交易数量增加了 8 倍，但胜率明显下降、回撤扩大、连续亏损变长，那么所谓的“覆盖提升”，很可能只是把更多低质量交易塞进了系统。
所以这次我们关注的重点，并不是交易次数本身，而是：
覆盖扩大之后，稳定性有没有被稀释？
最新一轮接近五年的代码侧完整回放，给出了一个值得继续观察的结果。
从约 1.8 万笔，到 14.6 万笔
此前公开的 Polymarket Bot 回放基准大约包含 1.8 万笔实际参与交易。
最新研究方向下，完整历史回放中的实际参与交易增加到了：
146,846 笔。
覆盖规模接近之前的 8 倍。
但交易数量本身没有太大意义。
真正重要的是，在覆盖明显扩大的同时，整体胜率仍然维持在：
63.87%。
历史标准化 Score 为：
+109,880
平均每笔标准 Score：
+0.748
最大回撤：
-88
最长连续亏损：
9 笔
也就是说，新增的大量交易并没有明显把原有的方向质量摊薄。
这才是这次变化真正值得关注的地方。
扩大交易覆盖，比提高一点胜率更难
量化研究里有一个很常见的现象：
一个策略在非常苛刻的筛选条件下，可以得到很高的历史胜率。
但这种结果未必很有用。
因为它可能一年只出现几十次，甚至只在某一种非常特殊的市场环境中成立。
真正困难的问题是：
能不能在不显著降低单位交易质量的情况下，找到更多可重复出现的有效状态？
这一次研究方向的变化，本质上更接近这个问题。
我们并没有把目标放在：
“怎样把胜率从 63% 做到 65%？”
而更关注：
“怎样扩大有效覆盖，同时不破坏原来的稳定性？”
从目前的五年历史回放来看，覆盖扩大以后，整体胜率依然保持在与此前相近的区间。
因此相比一个更漂亮的单点胜率数字，我们更关心另外一件事：
时间维度上的表现有没有变差。
年度：没有出现负收益年份
当前历史数据从 2021 年 9 月延伸至 2026 年 9 月。
按完整历史回放统计：
- 2021：正
- 2022：正
- 2023：正
- 2024：正
- 2025：正
- 2026：截至当前仍为正
各年度胜率大致维持在 63%—65% 区间。
最值得注意的不是某一年特别突出，而是：
没有出现某个年份明显失效。
对于一个长期 Polymarket 量化交易系统来说，我们通常更愿意看到这种结果，而不是某一年极高、另一年突然失效的收益分布。
月度：59 个完整自然月全部为正
如果把观察尺度继续缩小到月份，结果更加直观。
当前完整历史中共有：
59 个完整自然月。
全部为正。
这并不意味着未来不会出现负收益月。
它只能说明：
在目前这段接近五年的历史回放中，策略没有出现完整自然月的标准 Score 为负。
相比单纯看累计 Score，这种时间分布对我们更重要。
因为一条总结果很好看的回测曲线，完全可能由少数极强阶段贡献，而中间存在大量长时间弱势区间。
月度结果是在检查另外一个问题：
优势是不是集中在少数时间段？
目前来看，没有出现这种非常明显的集中现象。
周度：稳定性进一步下沉
此前的研究版本已经能够做到年度和月度层面的整体稳定，但历史中仍存在少量负收益周。
这一次新的研究方向下，当前完整回放中的完整周也全部保持为正。
这是我们认为非常重要的一次变化。
因为这意味着观察尺度从：
年 → 月
进一步下沉到了：
周。
对于一个高频率参与 BTC 5分钟市场的 Polymarket Bot 来说，交易数量本身并不稀缺。
真正困难的是让大量交易在更细的时间尺度上仍然保持相对一致的统计表现。
当然，历史上的“所有周为正”并不意味着未来每一周都一定盈利。
它只是说明，在当前冻结历史样本内，没有发现完整周级别的负 Score。
日度：92.51% 的完整交易日为正
如果继续向下观察到日级别，当然不可能要求每一天都为正。
当前完整历史一共有：
1,828 个完整交易日。
其中：
- 正收益日：1,691 天
- 负收益日：129 天
- 零收益日：8 天
正收益日占比：
92.51%。
更值得注意的是：
历史中最长连续负收益日只有：
2 天。
没有出现连续 3 个负收益日。
这并不代表每天的波动很小。
历史最差完整交易日仍然出现过明显的负 Score。
但这些负收益日目前更多表现为离散事件，而不是持续形成长时间负收益区间。
对于我们来说，这种区别非常重要。
近期表现有没有恶化？
长期回放好看，并不代表当前市场环境仍然有效。
因此我们同时观察了多个近期窗口。
最近 365 天、180 天、90 天、30 天、14 天和 7 个完整交易日，目前全部保持正的标准 Score。
其中：
最近 30 个完整交易日：
29 正，1 负。
最近 14 个完整交易日：
全部为正。
最近 7 个完整交易日：
全部为正。
最近 365 天胜率约为：
64.54%。
最近 90 天约为：
65.55%。
至少从当前数据来看，没有观察到随着时间接近现在，历史优势明显衰减的现象。
不过这仍然只是历史回放。
真正的新数据验证，仍然需要依靠上线后的 forward observation。
为什么这次我们更关注稳定性，而不是 Score 增加多少？
策略研究很容易掉进一个陷阱：
不断寻找能够增加历史总收益的规则。
今天多 +100。
明天再多 +200。
最后历史曲线越来越漂亮。
但这恰恰可能是过拟合开始出现的地方。
所以这一次，我们对新方向的评价并没有只看累计 Score。
我们更关注：
- 不同年份是否稳定；
- 不同月份是否稳定；
- 周度是否存在明显弱势阶段；
- 日度负收益是否形成连续聚集；
- 最大回撤是否明显扩大；
- 最长连续亏损是否恶化；
- 近期窗口是否与长期结果产生明显背离。
换句话说：
我们不是只想让回测赚得更多。
我们更希望新的策略覆盖在扩大之后，仍然表现得像同一个稳定系统。
这两件事并不一样。
交易更多，不等于机器人更好
这次数据里还有一个很容易被忽略的数字。
在超过 52 万个历史事件中，最终真正参与的只有约 27.9%。
也就是说：
大多数情况下，系统仍然选择：
不交易。
所以从约 1.8 万笔扩大到 14.6 万笔，并不意味着机器人开始“什么都做”。
相反，NO TRADE 仍然是整个决策体系里非常重要的一部分。
一个 Polymarket Bot 的目标不应该是最大化交易次数。
真正的目标应该是：
在更多市场环境中识别出值得参与的状态，同时仍然有能力拒绝大量不值得参与的交易。
这是两个完全不同的概念。
这是不是意味着策略已经被证明有效？
不是。
这仍然是一份历史回放报告。
目前使用的标准 Score 只是用于研究方向判断的统一记分口径，并不是账户实际 pUSD 收益。
回放没有完整模拟：
- CLOB 实际成交价格；
- 盘口深度；
- 部分成交；
- 滑点；
- 手续费；
- 网络延迟；
- 动态仓位后的真实账户曲线。
同时，这段历史数据本身曾经参与过策略研究。
因此它也不能被描述成一个从未查看过的五年纯盲测集。
这是一个非常重要的边界。
我们可以说：
当前代码逻辑在接近五年的顺序历史回放中表现出了较强的稳定性。
但不能因此说：
未来也一定会复制同样的结果。
更重要的一步才刚刚开始
如果只看历史数据，这可能是目前整个 Polymarket Bot 研究过程中变化最大的一次。
不是因为某一个指标突然提高了很多。
而是因为：
策略覆盖扩大到了接近原来的 8 倍，同时长期稳定性并没有同步恶化。
年级别为正。
月级别为正。
周级别为正。
日级别超过 92% 为正。
但对于量化研究来说，真正重要的问题永远不是：
历史回放已经有多漂亮？
而是：
当我们停止修改规则之后，新数据会发生什么？
所以接下来最重要的工作，不是继续为了历史 Score 寻找更多优化。
而是冻结当前逻辑。
上线。
然后继续观察。
如果未来新增的数据仍然表现出与历史接近的结构，那么这次变化才真正具有意义。
结语
做 Polymarket 自动交易越久，我们越觉得：
一个好的交易机器人，不应该只是找到一个高胜率信号。
真正困难的是同时解决三个问题：
- 找到有效的交易机会；
- 把有效机会扩大到足够大的覆盖范围；
- 扩大覆盖之后，仍然保持长期稳定。
第一件事已经很难。
第二件事更难。
而第三件事，可能才是真正决定一个量化交易系统能不能长期存在的东西。
目前接近五年的历史回放，只能说明：
我们正在朝这个方向靠近。
接下来，让新的数据继续回答这个问题。
本文记录的是 Polymarket Bot 的量化研究过程和历史回放结果，不构成投资建议，也不代表未来收益。标准化 Score 不等同于实际账户利润。