为什么一个 Polymarket 机器人必须学会“不交易”？

很多自动交易系统从一个很自然的问题开始：

下一场是 Up 还是 Down？

这个问题没有错。

但做得越久，我越觉得真正重要的问题其实是另一个：

这一场到底值不值得交易？

这两个问题只差一句话，却会把一个交易机器人变成完全不同的系统。

从二选一，变成三选一

最简单的 BTC 5分钟方向系统可能只有：

UP
DOWN

也就是说，每个窗口都必须给答案。

这种设计的隐含假设是：

市场里永远存在一个值得下注的方向。

我不认为这个假设成立。

在我们的系统里，一个候选信号形成以后，还会经过行情环境、内部状态、冲突和后置判断。

最终结果可以高层理解为：

KEEP
ADJUST
STOP

也就是：

交易原方向
调整当前候选
不交易

公开回测快照里，18,633 个历史信号中有 348 次最终 STOP，约占 1.87%。

这 348 次不是异常。

它们是系统正常输出的一部分。

为什么“有信号”不等于“有交易”

假设一个信号在过去通常有效。

到了某一个具体时刻，仍然可能出现：

当前市场环境与这个信号历史上更适合的环境不同；
局部结构在信号产生后发生了变化；
多个候选方向发生冲突；
数据完整性不足；
同一类触发在短时间内过度集中；
风险或执行条件不满足。

如果策略层只会说：

“我刚才看到 Up，所以现在仍然买 Up。”

那它其实没有重新回答：

“这个 Up 现在还值得相信吗？”

这也是我理解的 Signal ≠ Trade。

信号是一个候选。

订单是通过完整约束之后的最终行为。

NO TRADE 不是“胆小”

很多人会自然担心：

如果 STOP 掉的交易最后本来会赢，不就亏了吗？

是的。

任何过滤器都会产生两类错误：

拦住原本会亏的交易；
也拦住原本会赢的交易。

所以 STOP 的目标从来不是：

把所有亏损都删除。

如果一个规则在回测中神奇地只删除亏损，从来不误伤盈利交易，我反而会非常警惕。

因为真实研究更常见的是权衡：

少做一些交易
↓
损失一部分正确机会
↓
但希望减少更糟糕的风险暴露

真正需要验证的是：

这个过滤在更长时间、不同市场阶段和完整策略里，是否仍然值得存在？

一个危险的思路：最近亏了，所以加一个 STOP

这件事在研究中非常常见。

你看到最近一段时间表现变差。

然后打开亏损样本。

很快就能发现某个共同特征。

于是写一个规则：

以后出现这种情况就不交易。

重新跑最近的数据：

结果变好了。

这一步极其诱人。

因为你已经知道哪些交易亏了，再去解释它们，几乎总能找到一个“看起来合理”的共同点。

但这不等于你发现了一个可以推广到未来的规律。

我们内部研究里就有过类似候选：它针对近期弱势设计，从局部窗口看有改善，但在完整策略的回撤、连续亏损和历史选择验收中没有达到上线标准。

最后的决定不是继续调参数，而是：

不进入生产版本。

对我来说，这种被否定的规则和最终留下来的规则一样重要。

为什么我们不会公开 STOP 的精确条件

可以公开的是：

为什么需要 STOP；
STOP 在整个决策流程中的角色；
它不是软件错误；
如何评估一个过滤思路是否值得留下；
历史总体 STOP 数量和比例。

不会公开的是：

精确特征；
指标组合；
历史窗口；
阈值；
内部分支映射；
动作边界；
规则优先级。

原因很简单：

公开研究方法，不等于公开策略配方。

真正值得讨论的是“为什么要这样研究”，而不是把可复现条件完整贴出来。

STOP 的价值可能不体现在总胜率里

一个后置过滤是否有价值，不一定会让总胜率发生巨大变化。

因为它可能只命中非常少的一部分事件。

这类小规则的价值有时会体现在：

最差周有没有改善；
某些极端路径有没有收敛；
连续亏损是否减少；
某类明显异常的市场环境是否被排除；
策略在不同年份是否更一致。

这也是量化研究里一个很重要的视角：

不要只看总收益变没变。

一条规则可能让总分略好，却把最大回撤变得更差。

也可能总分只改善一点，但极端路径更稳定。

它们不是同一种升级。

为什么“每场都交易”听起来反而让我不安

BTC 5 分钟市场每天会不断产生新窗口。

如果一个系统被设计成每个窗口都必须下注，它实际上是在假设：

无论市场状态如何，我永远有 edge。

这是一个非常强的假设。

我更愿意接受另一种系统行为：

没有足够确定的候选
→ 跳过

候选冲突
→ 跳过

状态没准备好
→ 跳过

风险条件不满足
→ 跳过

执行条件不满足
→ 跳过

少交易不是目的。

选择性才是目的。

一个好 Bot 的目标不是“更多预测”

自动化很容易给人一种错觉：

既然程序可以 24/7 跑，那就应该尽量多做交易。

但计算机最有价值的地方恰恰是它可以机械执行“什么都不做”。

人盯着行情时很容易因为无聊、FOMO、连续亏损后想追回，或者连续盈利后过度自信，而降低入场标准。

程序不需要这样。

如果我们把“不交易”定义成合法输出，它就可以严格执行同一套约束。

这比“24 小时不停下注”更接近我理解的自动交易价值。

公开回测里的 STOP

在 2026-09-01 的公开历史快照里：

Historical signals  18,633
Executed orders     18,285
STOP                348
STOP rate            1.87%

完整报告：

Public Backtest Report

如果你只看 18,285 笔已经执行的结果，很容易忽略前面还有一层：

并不是每个信号都应该变成订单。

这层差异，对我来说比再加一个指标更重要。