Polymarket 套利项目深度对比分析

一、项目概览

维度	Poly-Autobetting (jparedesDS)	BTC-15-Minute-Trading-Bot (Kator07)
作者	jparedesDS	Kator07
语言	Python 3.10+	Python 3.14+
定位	实战套利机器人，已部署运行	架构导向的算法交易系统
目标市场	BTC UP/DOWN 5分钟 + 15分钟	BTC UP/DOWN 15分钟
核心策略	Maker 双边挂单 @ 0.45 + Kelly + Bail-out	多信号融合（Spike/情绪/价差）
依赖量	9 个 (精简)	较多（NautilusTrader + Redis + Grafana）
文档语言	西班牙语为主	英语

二、策略架构对比

Poly-Autobetting — "双边 Maker 套利"

核心逻辑：在每个 5m/15m BTC UP/DOWN 市场，同时以 0.45 挂 BUY 限价单
（两边各挂一单），利用 YES + NO 合计 < $1 的价差锁定利润。

流程：
  发现市场 → Kelly 计算仓位 → 双边挂单 @ 0.45
     ↓
  监控 fill → 两边都成交 → 等待结算 → 无论涨跌，稳赚 $0.10/组
     ↓
  只成交一边 → Bail-out 逻辑介入：
    - ONE_LEG_PROFIT：一边盈利锁利
    - BTC 价格信号：RTDS 实时 BTC 价格触发
    - CLOB 价格信号：赢家价格 > 0.68 时止损

关键参数：

PRICE = 0.45（固定挂单价，maker 零手续费 + 返佣）
KELLY_FRACTION = 0.11（11% bankroll/市场）
BAIL_PRICE = 0.68（止损阈值）
P_BOTH_FILL_MODEL = 0.70（双边成交概率）
MAX_MARKETS = 4（最大同时持仓市场数）

BTC-15-Minute-Trading-Bot — "多信号融合方向下注"

核心逻辑：通过多个信号处理器分析 BTC 价格趋势和市场情绪，
融合后决定方向性下注（买 YES 或 NO）。

7 阶段流水线：
  Input → Ingestion → Nautilus Core → Strategy Brain → Risk → Execution → Monitoring → Learning

信号处理器：
  1. SpikeDetection (权重 0.40)：MA 偏差 + 速度突变 → 均值回归
  2. PriceDivergence (权重 0.30)：BTC 现货动量 vs Polymarket 概率差异
  3. SentimentAnalysis (权重 0.20)：Fear & Greed 指数逆向操作

融合引擎：
  score >= 60 且 confidence >= 0.6 → 执行交易

关键参数：

MAX_POSITION_SIZE = $1（每笔最大 $1）
STOP_LOSS_PCT = 0.30（30% 止损）
TAKE_PROFIT_PCT = 0.20（20% 止盈）
SPIKE_THRESHOLD = 0.15
DIVERGENCE_THRESHOLD = 0.05

三、核心差异深度分析

1. 策略思路本质不同

	Poly-Autobetting	BTC-15min-Bot
策略类型	市场中性套利 — 不预测方向	方向性下注 — 预测 BTC 涨跌
盈利来源	YES + NO < $1 的结构性价差	正确预测 BTC 15分钟方向
理论胜率	~70%（取决于双边成交率）	~50-75%（取决于信号质量）
风险特征	低风险低回报，主要风险是单边成交	高风险高回报，预测错误即亏损
边际优势	Maker 零手续费 + 返佣；价格固定在 0.45	多源信号比人类判断更快更全面

深度解读：

Poly-Autobetting 的核心洞察是：在 Polymarket 上，UP 和 DOWN token 价格之和经常 < $1（例如 0.45 + 0.45 = $0.90）。如果两边都以 0.45 成交，无论结果如何，一边赚 $0.55，另一边亏 $0.45，净赚 $0.10/组。这是一个结构性套利，不需要预测方向。

BTC-15min-Bot 则是一个经典的量化信号系统：它收集多个维度的数据（价格突变、市场情绪、概率/现货背离），通过加权融合做出方向性判断。胜率完全取决于信号质量和市场状态。

2. 数据源与信号体系

数据源	Poly-Autobetting	BTC-15min-Bot
Polymarket CLOB 订单簿	✅ WebSocket 实时 (WSBookFeed)	❌ 不直接使用
BTC 实时价格	✅ RTDS (Binance + Chainlink)	✅ Coinbase + Binance WS
Fear & Greed 情绪	❌	✅ 作为信号源
Gamma API 市场数据	✅ 获取市场 token ID	✅ 获取市场数据
Solana 数据	❌	✅ (实验性)
链上余额	✅ Web3 Polygon RPC	❌ 通过 CLOB API

分析： Poly-Autobetting 更重视微观市场结构（订单簿深度、best_bid/best_ask），因为它需要实时监控成交状态和 bail-out 条件。BTC-15min-Bot 更重视宏观信号（价格趋势、情绪、跨市场背离），因为它需要预测方向。

3. 风控体系

风控维度	Poly-Autobetting	BTC-15min-Bot
仓位管理	Kelly 公式 + Monte Carlo 回测标定	固定 $1/笔，最大持仓限制
止损机制	3 层 Bail-out（单腿盈利/BTC价格/CLOB价格）	30% 固定止损
止盈机制	结算时自动（双边套利无需止盈）	20% 固定止盈
回撤控制	P95 DD < 20%（Monte Carlo 验证）	无显式回撤控制
最低资金	$50-100 USDC	$10-20 USDC
风控数学基础	强（Kelly + Monte Carlo）	弱（固定参数）

分析： Poly-Autobetting 的风控体系显著更成熟：

Kelly 公式根据当前余额动态调整每笔下注大小
Monte Carlo 模拟 用历史数据跑 5000-10000 条路径来验证 Kelly 参数是否安全
3 层 bail-out 机制处理最危险的场景（只成交一边）

BTC-15min-Bot 使用固定的 $1/笔 + 30% 止损，简单但缺乏数学优化基础。

4. 技术栈与工程复杂度

维度	Poly-Autobetting	BTC-15min-Bot
框架依赖	无框架，纯 asyncio	NautilusTrader (重型交易框架)
外部服务	无（纯 Python + API）	Redis + Grafana + Prometheus
代码行数	中等（核心逻辑集中在单文件）	大量（分散在 7 个模块 58+ 文件）
依赖数	9 个 pip 包	更多（NautilusTrader 单独就很重）
部署复杂度	低（Python + .env 即可）	高（需要 Redis、可选 Grafana）
可观测性	Telegram 仪表盘 + Rich 终端	Grafana 仪表盘 + Prometheus 指标
模式切换	无（直接实盘）	Redis 控制 sim/live/test

分析： 两个项目的工程哲学完全不同：

Poly-Autobetting 走的是 "实用主义" 路线——核心逻辑集中在 place_45_5m.py 一个文件中，依赖精简，部署简单。作者明显有实盘运行经验，文档中包含了大量运维细节（429 错误处理、recovery checklist、relayer 限速等）。
BTC-15min-Bot 走的是 "架构主义" 路线——7 阶段流水线、融合引擎、多信号处理器、NautilusTrader 集成。设计精美但复杂度高，部分模块（Learning Engine、Redis 模式切换）还标记为 "not stable yet" 或 placeholder。

5. 回测与验证

	Poly-Autobetting	BTC-15min-Bot
回测工具	✅ Monte Carlo 回测脚本	❌ 无专门回测
历史数据	✅ 下载 Gamma API 已结算市场	❌
模拟交易	❌ 无 paper trading	✅ Paper trading + P&L 追踪
参数优化	✅ grid_search_kelly 自动搜索	❌ 固定参数
统计验证	✅ P95 回撤、ROI 分布、安全 Kelly	❌

分析： Poly-Autobetting 在策略验证上显著领先——Monte Carlo 回测脚本可以用真实历史数据模拟数千条路径，输出 P95 回撤、ROI 分布、最优 Kelly 等。BTC-15min-Bot 有 paper trading 但缺少系统性的统计回测。

6. Polymarket 集成深度

	Poly-Autobetting	BTC-15min-Bot
CLOB 客户端	✅ py-clob-client (深度使用)	✅ py-clob-client (基础使用)
订单类型	GTD 限价单（固定 0.45）	GTC/IOC
Gasless Redeem	✅ Builder Relayer 集成	❌
Fee 感知	✅ 动态获取 fee_rate_bps	❌
链上操作	✅ Web3 余额查询 + allowance 审批	❌ 通过 CLOB API
WS 订单簿	✅ 自建 WSBookFeed	❌
API Key 管理	✅ 支持派生 + 手动配置	✅ 手动配置

分析： Poly-Autobetting 对 Polymarket 生态的集成远更深入——它实现了自己的 WebSocket 订单簿 feed、动态手续费查询、gasless 赎回、链上余额检查等。BTC-15min-Bot 主要通过 NautilusTrader 的 Polymarket 适配器间接交互，直接集成较浅。

四、成熟度与生产可用性评估

评估维度	Poly-Autobetting ⭐	BTC-15min-Bot
实盘就绪度	🟢 高 — 有实盘运营痕迹	🟡 中 — 部分模块未完成
文档完整度	🟢 极高 — 20+ 文档文件	🟡 中 — 仅 README
运维支持	🟢 Telegram 控制 + Recovery 清单	🟡 Grafana 监控（需自建）
错误处理	🟢 完善（重连/限速/降级）	🟡 基础（try/except）
策略数学基础	🟢 强（Kelly + Monte Carlo）	🟡 中（经验性权重）
代码可维护性	🟡 中（核心逻辑集中在大文件）	🟢 高（清晰模块分离）
可扩展性	🟡 中（新策略需改核心文件）	🟢 高（插件式信号处理器）

五、总结

Poly-Autobetting 的核心优势

策略可靠性高 — 市场中性套利不依赖预测，数学上可证明盈利（前提：双边成交）
风控体系成熟 — Kelly + Monte Carlo + 3 层 bail-out 经过回测验证
实盘验证 — 大量运维文档（429 限速、recovery checklist）说明有真实运行经验
Polymarket 深度集成 — WS 订单簿、gasless redeem、动态手续费
部署简单 — Python + .env 即可运行

Poly-Autobetting 的核心劣势

代码集中在单文件（place_45_5m.py），可维护性一般
策略回报有限（每组 ~$0.10，需要高频运行）
强依赖双边成交率（P_BOTH_FILL ~70%）

BTC-15min-Bot 的核心优势

架构优美 — 7 阶段流水线、融合引擎、插件式信号、清晰分层
可扩展性强 — 新增信号处理器只需实现 BaseProcessor 接口
可观测性好 — Grafana/Prometheus 集成（生产级监控）
模式切换 — Redis 控制 sim/live 无需重启

BTC-15min-Bot 的核心劣势

策略风险高 — 方向性下注本质上是预测问题，信号质量决定一切
缺乏回测验证 — 没有统计性的回测来验证信号有效性
部分模块未完成 — Learning Engine 是 placeholder，Redis 模式切换 "not stable yet"
部署复杂 — 需要 Redis，可选 Grafana，NautilusTrader 依赖重
风控原始 — 固定 $1/笔 + 固定止损，缺乏 Kelly 等数学基础

如果要实盘运行

选 Poly-Autobetting — 策略经过数学验证和回测标定，风控体系完整，有实盘运营经验的痕迹。它的市场中性特性意味着不需要"预测对"也能盈利。

如果要学习架构设计

选 BTC-15min-Bot — 7 阶段流水线、信号融合引擎、模块化设计是教科书级的量化系统架构。适合作为模板开发更复杂的策略系统。

如果要融合两者优点

最佳路径是：用 BTC-15min-Bot 的架构 + Poly-Autobetting 的策略和风控。具体来说：

保留 7 阶段流水线和信号处理器框架
用 Poly-Autobetting 的双边 Maker 套利替换方向性下注策略
引入 Kelly + Monte Carlo 回测体系
集成 WSBookFeed 和 gasless redeem
用 Grafana 监控 + Telegram 控制作为运维层

Polymarket 套利项目深度对比分析 ​

一、项目概览 ​

二、策略架构对比 ​

Poly-Autobetting — "双边 Maker 套利" ​

BTC-15-Minute-Trading-Bot — "多信号融合方向下注" ​

三、核心差异深度分析 ​

1. 策略思路本质不同 ​

2. 数据源与信号体系 ​

3. 风控体系 ​

4. 技术栈与工程复杂度 ​

5. 回测与验证 ​

6. Polymarket 集成深度 ​

四、成熟度与生产可用性评估 ​

五、总结 ​

Poly-Autobetting 的核心优势 ​

Poly-Autobetting 的核心劣势 ​

BTC-15min-Bot 的核心优势 ​

BTC-15min-Bot 的核心劣势 ​

如果要实盘运行 ​

如果要学习架构设计 ​

如果要融合两者优点 ​