如果你搜索 Polymarket Bot strategy，会看到两种完全不同的内容。
一种是：
“我找到了一个 90%+ 胜率策略。”
另一种是：
“我做了几个月，最后把策略关了。”
我现在反而更愿意读第二种。
因为一个策略为什么死掉，通常比“一个策略为什么看起来能赚钱”更接近真正的研究问题。
过去几个月，公开社区里已经出现了不少有价值的失败记录。它们不一定和我们的 BTC 5分钟策略方向相同，但暴露的问题高度重复。
我总结下来，最值得警惕的是三个陷阱。
1. 第一类：把“高概率”误当成 edge
LayerX 公开过一套 Polymarket 自动交易研究日志。
他们的第一版 15 分钟 Crypto Up/Down 策略，思路很直观：
在接近结算时，买价格已经很高的一侧。
例如市场已经在 0.80 到 0.99 之间，直觉上它“看起来更可能赢”。
结果实盘测试中，该版本亏损 37.81%，最后被关闭。
他们给出的核心复盘是：
高价格只说明市场本身认为这个结果概率高，并不自动意味着市场低估了这个结果。
这是二元市场里一个很基础、但非常容易犯的错误。
价格不是“胜率提示器”
假设 YES = 0.95。
很多人会自然理解成：
“95% 胜率，买它很稳。”
但真正的问题应该是：
真实胜率是否高于这个价格隐含的盈亏平衡要求？
如果真实成功概率也是 95%，那么你没有发现 edge。
你只是用接近公平的价格买了一个高概率结果。
更糟的是，真实交易还要加上：
- spread；
- fee；
- slippage；
- adverse selection。
所以：
“这个结果很可能发生”
和：
“这个价格值得买”
是完全不同的问题。
这也是为什么我不喜欢单独讨论胜率。
2. 第二类：纸面价格不是你能成交的价格
LayerX 后来测试了一种 CEX momentum 思路。
纸面表现一开始看起来不错。
但转到真实执行时，他们发现一个关键问题：
研究/模拟使用的价格和真实下单需要面对的价格不是同一个价格。
他们公开的复盘中，信号侧使用了 Gamma API 的 bid 信息，而真实买入需要面对 CLOB ask。
结果是：
paper opportunity
↓
live ask price
↓
edge 消失
有些订单根本无法按模拟价格成交。
这不是一个“策略预测错了”的问题。
而是：
策略研究从一开始就在回答一个无法真实执行的问题。
为什么这种错误特别危险？
因为它会制造非常漂亮的“幻觉收益”。
例如回测假设：
mid = 0.52
buy at 0.52
真实市场可能是：
bid = 0.50
ask = 0.55
如果你真正是 taker：
你面对的是 0.55，不是 0.52。
一个只有几个百分点 edge 的策略，可能瞬间从正期望变成负期望。
Polymarket 当前真实交易还存在按市场启用的 taker fee。官方文档中，Crypto 类市场的 taker fee 参数和价格相关，而 maker 不收交易费并可能参与 rebate。
所以“信号对不对”之前，还要先问：
这个 edge 在真实可成交价格和费用之后还剩多少？
3. 第三类：不断修参数，直到历史满意
另一个很有意思的公开项目叫 polymarket-bot-graveyard。
作者连续做了六个自动交易机器人，最后没有找到可靠 edge，反而把每一个失败版本按：
Goal
Hypothesis
How I built it
What happened
Why it died
What survived
记录下来。
我很喜欢这种结构。
因为它暴露了量化研究里最常见的诱惑：
一个版本不好，就继续修。
这个过程本身没有错。
危险的是：
V1 失败
↓
看 V1 的亏损
↓
V2 专门修这些亏损
↓
再看 V2
↓
V3 再修
↓
...
如果没有严格的研究边界，最终得到的可能不是一个“越来越理解市场”的策略。
而是：
越来越擅长解释这份历史数据的策略。
4. “失败项目”为什么值得认真看？
因为成功案例通常只让你看到：
最终策略
最终参数
最终结果
失败案例会暴露：
最初假设
↓
为什么当时看起来合理
↓
哪里被现实推翻
↓
研究者如何解释失败
↓
下一版改了什么
这个过程更容易判断一个人的研究有没有自我欺骗。
例如 Reddit 上也有开发者公开过多策略测试，其中第一套短周期高概率入场策略出现大幅亏损，后续才逐步转向更严格的价格、套利和验证思路。
这些帖子本身不是科学论文。
但它们反复指向同一个事实：
短周期 Polymarket 市场并不会因为“看起来简单”就容易获得 edge。
5. 公开回测工具也开始把重点放到“真实可交易性”
最近出现的 prediction-market backtesting 工具，越来越强调：
- timestamp 顺序；
- real order book；
- depth；
- spread；
- slippage；
- costs；
- unseen / forward periods；
- fill assumptions。
这不是偶然。
因为这一类市场里，很容易出现：
方向预测有价值
但：
真实价格没有足够 edge
或者：
小仓位可行
但：
放大仓位后盘口深度不够
这种问题。
6. 这些公开失败案例对我们的启发是什么？
我们的策略和上述公开案例不是同一个策略。
我们也不会因为别人某类 momentum 失败，就推导：
所有 directional strategy 都无效。
这种结论过度了。
真正值得吸收的是研究方法。
第一：不能用“高胜率”替代 edge
一个方向常赢，不等于按当前价格买它有正期望。
第二：研究价格必须和执行问题分开标记
我们的公开五年标准化回放主要衡量方向质量。
所以我们明确不把标准化得分写成真实 PnL。
第三：一个新规则不能只证明自己修复了最近亏损
它还要面对更长历史、不同年份、回撤、连亏和历史选择问题。
第四：允许研究结论是“不上线”
如果每一次研究最终都得到：
“发现新 edge，策略升级。”
那反而很可疑。
7. 我们现在更在意的，是那些“小定义”
做 BTC 5分钟研究之后，我越来越觉得，长期结果不只取决于一个宏大的“策略逻辑”。
更容易决定结果的是这些细节：
当前特征有没有越过时间边界？
一个窗口到底包含哪些数据？
研究标签和 Polymarket 真实结算标签是否完全一致？
这个 candidate 是被什么状态否掉的？
生产代码有没有逐笔复现研究行为？
一个新过滤是不是只解释了近期已知亏损？
这些问题都不会被写成：
“我们的秘密指标是什么？”
但它们才是研究过程中真正花时间的地方。
8. 不同研究者的结论可以相反，但方法仍然值得比较
公开社区里有开发者认为：
5分钟方向 edge 很难存在，执行才是关键。
也有人公开声称：
自己发现了 Binance 到 Polymarket 的短期价格领先关系。
还有项目转向：
- arbitrage；
- market making；
- fair-value；
- ML；
- directional signals。
这些结论彼此冲突。
这很正常。
真正有价值的不是简单选一个你喜欢的故事相信。
而是问：
用了什么数据？
↓
真实价格还是模拟价格？
↓
有没有费用？
↓
有没有 look-ahead？
↓
样本多少？
↓
有没有 OOS / forward？
↓
失败版本有没有公开？
↓
结论能不能被生产实现复现？
这套问题，比“他赚了多少”更值得复制。
最后
我认为现在 Polymarket Bot 内容里最缺的，不是更多“赚钱策略教程”。
而是：
把一个策略为什么被相信、为什么被拒绝，说清楚。
这也是我们这个博客后面会重点记录的东西。
我们不会公开可直接复现策略的公式、阈值和内部规则参数。
但会尽量公开：
- 研究问题；
- 验证逻辑；
- 被否定的假设；
- 公开聚合数据；
- 回测局限；
- 策略与实盘之间还存在的距离。
因为信任不是从一句“我们的策略很强”建立起来的。
它来自：
你能不能看见我们是怎么怀疑自己的。
外部参考
- LayerX — Building an Automated Polymarket Trading Bot: A Research Journey
- Polymarket Bot Graveyard
- DepthFeed — Prediction Market Bot Backtesting
- Polymarket Fees
项目公开方法：
Polymarket BTC 5m Public Backtest Report
外部案例中的结果属于对应作者公开声明，不代表我们对其策略真实性或未来表现进行背书。本文仅用于研究方法讨论。