모두가 트레이딩 봇에는 화려한 AI와 데이터 센터가 필요하다고 말했죠.
그건 초보자들이 시작조차 못하게 만드는 거짓말입니다.
여기 진실이 있습니다: 수익성 있는 Polymarket 날씨 봇은 주말 프로젝트이며, 이 글을 다 읽으면 전체 파이프라인을 갖추게 될 겁니다.
날씨는 5분 봇의 정반대입니다.
BTC 방향은 예측할 수 없는 동전 던지기이며, 속도 경쟁은 같은 데이터 센터에 있는 봇들이 지배합니다.
온도는 진정으로 예측 가능하고, 몇 시간에 걸쳐 해결되므로 속도는 의미가 없으며, 데이터는 무료입니다.
솔로 개발자가 저렴한 VPS로 여전히 두뇌로 승부를 걸 수 있는 마지막 시장입니다.
전체 기계는 6단계로 이루어져 있습니다.
시장을 발견하고, 예보를 가져오고, 편향을 수정하고, 확률로 변환하고, 8%의 우위를 찾고, 크기를 정하고 실행하세요.
그게 전부입니다.
각 단계를 알려드리겠습니다.
저는 수백 개의 봇을 만들었고, 수익을 내는 봇들은 항상 이렇게 단순했습니다. 사람들이 필요하다고 생각하는 과도하게 설계된 봇이 아니라요.
제 공개 날씨 봇 예시입니다: \[[https://polymarket.com/profile/0xca75fbadcc238afd23c317e253a8b5c47b390a64?via=surferhttps://polymarket.com/profile/0xca75fbadcc238afd23c317e253a8b5c47b390a64?via=surfer)]
아직 개발 중이고, 고치려고 노력 중인 연패를 겪고 있습니다.
하지만 그래도 이전 버전처럼 항상 피를 흘리지는 않습니다.
이제 돈을 버는 기계를 만들어 봅시다.
1. 개념과 아이디어
코드 작성 전에 그림을 명확히 하세요. 그러면 모든 단계가 명확해집니다.
Polymarket은 전 세계 도시의 일일 기온 시장을 나열합니다.
각 시장은 버킷 세트로 구성됩니다.
하나의 버킷은 1달러에 YES로 해결되고, 나머지는 0이 됩니다.
시장은 날씨 앱에 표시되는 도시가 아닌 정확한 공항 관측소 하나에서 해결됩니다.
봇의 임무는 간단하게 말하면 다음과 같습니다.
각 버킷의 실제 확률을 군중보다 더 잘 파악한 다음, 시장이 저평가한 버킷을 매수하세요.
여러분이 직접 날씨를 예측하는 것이 아닙니다.
수십억 달러 규모의 모델이 이미 몇 시간 전에 그 작업을 수행했습니다.
여러분은 그들의 예보를 읽고, 정리하고, 시장 가격과 비교하는 겁니다.
여러분의 정직한 확률이 가격보다 훨씬 높을 때, 거기에 우위가 있습니다.
아래의 모든 내용은 그 차이를 계산하고, 자신을 속이지 않고 행동하는 방법에 대한 것입니다.
모든 설정은 하드코딩하지 말고 설정 파일에 보관하여, 로직을 건드리지 않고 조정할 수 있게 하세요.
시작 잔액, 최대 거래량, 최소 우위, 가격 상한, Kelly 분수.
몇 초 안에 편집할 수 있는 한 곳에 모두 보관하세요.
2. 시장 발견
봇은 Polymarket에서 거래할 가치가 있는 활성 온도 시장을 스캔하는 것으로 시작합니다.
모든 시장을 거래하고 싶지는 않을 겁니다.
예보 호출이나 1달러를 낭비하기 전에 쓰레기를 걸러내는 필터가 필요합니다.
세 가지 필터가 대부분의 작업을 수행합니다:
> 거래량 기준
거래량이 수천 미만인 얇은 시장은 건너뛰세요.
얇은 호가창은 스프레드가 넓고 신뢰할 수 없는 가격을 가집니다.
> 시간 창
약 2시간에서 72시간 후에 해결되는 시장만 거래하세요.
2시간 미만이면 우위가 이미 가격에 반영되었습니다.
72시간을 넘으면 예보가 너무 불확실하여 의존할 수 없습니다.
> 가격 상한
이미 약 45센트 이상에 거래되는 버킷은 건너뛰세요.
그 가격에서는 시장이 대부분의 우위를 가격에 반영했으며, 상승 여력이 적습니다.
살아남은 각 시장은 도시, 날짜 및 해결 관측소를 가리킵니다.
그 관측소가 전부이므로, 정확한 공항 좌표와 ICAO 코드를 저장하고, 도시 중심은 절대 사용하지 마세요.
도시 중심 좌표를 사용하면 봇이 생각을 시작하기도 전에 3-8도의 오차가 발생할 수 있습니다.
이제 각각 예보가 목표로 해야 할 정확한 지점에 연결된 거래 가능한 시장의 깨끗한 목록이 생겼습니다.
3. 예보 수집 (코드)
이제 둘 이상의 소스에서 각 시장의 정확한 관측소에 대한 예보를 가져옵니다.
하나의 모델은 의견일 뿐입니다.
세 가지 모델을 사용하면 일치와 불일치를 볼 수 있으며, 이는 그 자체로 정보입니다.
기준은 ECMWF로, 글로벌 표준이며 Open-Meteo를 통해 무료로 사용할 수 있고 키가 필요 없습니다.
단기 예보의 미국 도시의 경우 실시간 관측을 읽는 더 높은 해상도의 모델을 추가합니다.
ECMWF 가져오기 코드입니다:
1def get_ecmwf(lat, lon, unit):2 url = (3 "https://api.open-meteo.com/v1/forecast"4 f"?latitude={lat}&longitude={lon}"5 f"&daily=temperature_2m_max&temperature_unit={unit}"6 "&forecast_days=7&models=ecmwf_ifs025"7 "&bias_correction=true"8 )9 data = requests.get(url, timeout=(5, 8)).json()10 return data["daily"]["temperature_2m_max"]
bias_correction=true 플래그가 중요합니다. 이 플래그는 무료로 위치 기반 오류 수정의 첫 번째 패스를 적용합니다.
약 48시간 이내의 미국 도시의 경우 더 높은 해상도 모델을 선호하세요:
1def get_hrrr(lat, lon):2 url = (3 "https://api.open-meteo.com/v1/forecast"4 f"?latitude={lat}&longitude={lon}"5 "&daily=temperature_2m_max&temperature_unit=fahrenheit"6 "&forecast_days=3&models=gfs_seamless"7 )8 return requests.get(url, timeout=(5, 8)).json()["daily"]["temperature_2m_max"]
간단한 규칙: 미국 단거리는 고해상도, 그 외 모든 것은 ECMWF를 사용하세요.
각 도시는 자체 단위(미국은 화씨, 나머지는 섭씨)로 요청하고, 모든 비교는 동일한 척도로 유지하세요.
4. 편향 수정 (여기가 돈이 되는 곳입니다)
여기가 승자와 다른 모든 사람을 구분 짓는 곳입니다.
모든 모델은 일관된 방향으로 체계적으로 잘못됩니다.
GFS는 냉기 편향을 가지고 있으며, 온도를 과소평가하고, 그 오차의 크기는 도시, 시간 및 예보의 기간에 따라 다릅니다.
이 단계를 건너뛰면, 우위는 종종 모델이 평소와 같이 잘못된 것에 불과합니다.
그것은 우위가 아닙니다.
우위 코스튬을 입은 노이즈일 뿐입니다.
따라서 단일 확률을 계산하기 전에 모델 자체의 과거 오류를 사용하여 모델을 수정합니다.
편향은 정의하기 매우 간단합니다.
> 편향 = 예보 - 실제
도시, 기간, 시간대별로 별도로 측정하고, 알려진 오류만큼 새 예보를 이동합니다.
효과가 있는 가장 간단한 버전은 최근 오류의 감쇠 평균으로, 최근의 실패에 더 많은 가중치를 부여합니다.
이를 위해 신경망이 필요하지 않습니다.
기본적인 감쇠 평균 또는 작은 회귀 분석으로 가능한 모든 개선의 60-80%를 얻을 수 있습니다.
먼저 그것을 출시하세요.
화려한 ML 편향 수정은 실제이지만, 마지막 20%이며, 간단한 버전이 이미 수익을 내고 있을 때만 중요합니다.
먼저 입력을 수정하세요.
수정된 지루한 무료 모델이 원시 데이터를 공급받은 화려한 모델을 이깁니다.
5. 예보를 버킷 확률로 변환
이제 하나의 수정된 예보 숫자를 각 버킷에 대한 확률로 변환합니다.
초보자들이 저지르는 실수는 다음과 같습니다.
그들은 예보를 가져와서 해당 버킷에 넣고 그 버킷을 100%라고 부릅니다.
하지만 예보는 정확하지 않습니다.
그것은 주변에 알려진 오차 범위가 있는 중심점입니다.
그 범위가 전부입니다.
수정된 예보가 41F이고 해당 도시에 대한 모델의 일반적인 오차가 약 2도라고 가정해 보겠습니다.
실제 최고 기온은 한 버킷 위나 아래에 쉽게 위치할 수 있습니다.
따라서 하나의 버킷에 100%를 베팅하지 않습니다.
오차 크기를 고려하여 각각의 가능성에 따라 가중치를 부여하여 예보 버킷과 이웃 버킷에 확률을 분산합니다.
역사적 오차가 좁을수록 중심 버킷에 더 많은 확률이 집중됩니다.
오차가 넓을수록 이웃 버킷으로 분산됩니다.
이것이 바로 실제 오차, 즉 시그마를 아는 것이 왜 그렇게 중요한지에 대한 이유입니다.
그것 없이는 자신의 신뢰도를 추측하는 것입니다.
그것을 알면 예보를 시장과 비교할 수 있는 정직한 확률 분포로 변환하는 것입니다.
그 분포가 버킷별로 실제로 거래하는 기준입니다.
6. 우위 찾기 및 Kelly로 크기 조정
이제 확률을 시장 가격과 비교하고 격차가 실제일 때만 행동합니다.
먼저, 기대 가치, 달러당 우위:
1def calc_ev(p, price):2 if price <= 0 or price >= 1:3 return 0.04 return round(p * (1.0 / price - 1.0) - (1.0 - p), 4)
모델이 버킷이 80%라고 말하고 14센트에 거래되고 있다면:
0.80 * (1/0.14 - 1) - 0.20 = +4.94
엄청난 우위입니다.
하지만 모든 양수에 실행하지는 않습니다. 기준을 설정하고, EV가 약 8%를 초과할 때만 거래하여 약한 신호를 건너뜁니다.
그런 다음 Kelly는 자본금의 얼마를 베팅할지 알려줍니다:
1def calc_kelly(p, price, kelly_fraction=0.25):2 b = 1.0 / price - 1.03 f = (p * b - (1.0 - p)) / b4 return min(max(0.0, f) * kelly_fraction, 1.0)
여러분을 지켜주는 두 개의 안전장치가 있습니다.
> 분수 Kelly 사용, 전체 Kelly의 1/4
전체 Kelly는 롤러코스터와 같으며, 분수는 변동성을 크게 줄입니다.
> 설정 파일의 최대 베팅으로 모든 거래를 하드캡
Kelly가 크게 베팅하라고 외쳐도, 캡이 단일 잘못된 시장으로부터 여러분을 보호합니다.
실제로 지불하는 가격인 ASK(매도호가)에 진입하고, BID(매수호가)를 청산 가격으로 취급하지 않으면 백테스트가 여러분을 속입니다.
7. 실행, 중단 및 모든 것 기록
이제 봇이 행동하고, 마찬가지로 중요한 것은 기록합니다.
메인 루프는 예를 들어 매시간과 같은 일정에 따라 실행되며, 각 시장에 대해 동일한 작업을 순서대로 수행합니다.
모든 소스에서 새로운 예보 가져오기
일치하는 Polymarket 시장을 찾고 기록 로드
현재 예보를 스냅샷으로 저장, 이 기록이 미래의 우위
열린 포지션의 중단 확인
EV가 기준을 초과하고 가격이 적절할 때만 새 포지션 오픈
https://x.com/0xSurferX/status/2078620667272896555
중단은 간단하고 기계적입니다.
가격이 진입가에서 설정된 퍼센트만큼 하락하면 청산합니다.
예보가 버킷에서 충분히 멀어져서 논리가 무효화되면 청산합니다.
전체 스캔 사이에 몇 분마다 가벼운 패스를 실행하여 모든 도시를 다시 스캔하지 않고 중단만 모니터링합니다.
그리고 절대적으로 모든 것을 기록하세요.
모든 예보 스냅샷, 본 모든 시장 가격, 모든 거래, 모든 해결.
시장당 하나의 파일에 시간이 지남에 따라 추가됩니다.
그 로그는 잡일이 아닙니다.
정적 봇을 매주 더욱 날카로워지는 봇으로 바꾸는 마지막 단계의 원자재입니다.
8. 스스로 보정하고 더 똑똑해지도록 하기
추측하는 봇과 아는 봇을 구분하는 것은 다음과 같습니다.
첫날, 봇은 각 도시에 대한 예보가 얼마나 정확한지 실제로 알지 못합니다.
따라서 아직 자신을 완전히 신뢰해서는 안 됩니다.
소액으로 거래하고, 모든 해결을 기록하고, 기다려야 합니다.
도시에 대해 충분히 해결된 시장(약 30개)이 있으면 실제 오차를 측정할 수 있습니다.
해당 도시에 대해 만든 모든 예보를 가져와서 실제로 발생한 일과 비교하고 평균 오차를 계산합니다.
그 평균 오차가 해당 도시와 소스에 대한 실제 신뢰도인 시그마가 됩니다.
그리고 그 시그마는 4단계로 직접 피드백됩니다.
더 나은 시그마는 버킷 전체에 걸쳐 더 정직한 확률 분포를 의미하며, 이는 더 나은 우위 탐지와 더 나은 크기 조정을 의미합니다.
봇은 더 많은 해결된 시장을 수집함에 따라 문자 그대로 스스로를 개선합니다.
이것은 제가 만드는 모든 봇에 대해 설교하는 것과 동일한 규율입니다:
모든 것을 기록하고, 처음에는 적게 리스크를 감수하라
실제 해결된 결과가 실제 정확도를 측정하도록 하라
데이터가 우위를 증명한 후에만 크기를 늘려라
첫날에 자신을 90%라고 믿는 날씨 봇은 10,000% 백테스트로 배포된 암호화폐 봇과 같은 재앙입니다.
둘 다 결코 얻지 못한 숫자를 신뢰했습니다.
이런 상황은 보고 싶지 않을 겁니다, 절대 믿으세요:
계속 진행합시다.
9. 모든 것을 하나로 모으기
이제 결론을 내려봅시다.
**
한 걸음 물러서서 여러분이 구축한 것을 살펴보세요:**
정확한 해결 관측소에 연결된 깨끗한 시장 발견
해당 관측소에 대한 세 가지 예보 소스 가져오기
각 모델의 알려진 편향 수정
실제 오차를 사용하여 수정된 예보를 버킷 확률로 변환
우위가 8%를 초과할 때만 거래
분수 Kelly와 하드 캡으로 크기 조정
스스로를 날카롭게 할 때까지 실행, 중단, 기록 및 보정
시작하는 데 신경망, 데이터 센터 또는 같은 위치의 서버가 필요하지 않습니다.
무료 예보, 정직한 수학, 그리고 실제 해결을 통해 스스로를 증명할 인내심만 있으면 됩니다.
판단하기 전에 2-3주 동안 실행해 두세요. 날씨 시장은 매일 해결되며, 무엇을 얻었는지 알기 위해서는 50-100개의 해결된 거래가 필요하기 때문입니다.
저는 200개 이상의 봇을 만들었고, 이 정확한 형태가 화려한 것들이 미완성으로 남아 있는 동안 실제로 수익을 냅니다.
간단한 파이프라인, 정직한 보정, 지루한 규율.
그것이 실제로 필요한 전부입니다.
날씨는 Polymarket에서 마지막으로 남은 정직한 시장입니다.
이번 주말에 6단계를 구축하고, 보정하도록 두고, 군중이 깨어나기 전에 참여하세요.
편향 수정 단계에 대한 전체 분석은 다음에 나옵니다. 놓치지 마세요.
수요일에 2부를 공개합니다.
연결하고 싶다면 제 작은 텔레그램 채널에도 가입하세요.
여기서 가입하세요: https://t.me/+jCBHygDAJa9hMTJk
여기서 우리는 함께 구축하고, 토론하고, 문제를 해결합니다.
이 글이 유용하셨길 바랍니다. 이것이 바로 핵심이니까요.
행운을 빕니다!
