Hello 👋

最近没事时看一个素人写的回忆录，很有意思。 其中有一段细数了家庭婚姻中从未间断的冲突：从兴趣爱好、生活方式、价值观到性格习惯，都让人感觉是折磨，并说很少有过片刻安宁。 引用： 这样的两个人走到一起，婚姻里的冲突从未间断，细数来大抵有四端。 其一：是兴趣爱好的格格不入。父亲喜欢四处游历，可带母亲和我出门时，她总处处挑剔，不愿远走；父亲喜静，爱书法，读书、侍弄花草，母亲却常常熬夜打麻将，张口闭口都是谁胡了牌、谁输了钱、谁耍了赖。 其二：是家庭价值观的相悖。父亲曾故意留在深机的外留工作乡照料爷爷奶奶，母亲却觉得这般选择性价比太低；家中的家务、三餐皆由父亲操持，母亲却事事撒手，还总抱怨父亲给的钱不够用。 其三：是性格与生活方式的迥异。父亲偏爱独处，就连一家三口吃饭，也只求安稳清净，可母亲打小在麻将馆长大，习惯了三桌人同席的热闹，觉得那样才叫有氛围。母亲总想活跃家中气氛，却总被父亲嫌话多；父亲重教育，总借着吃饭的功夫对我进行思想说教，母亲却认为饭桌该聊日常趣事，这般分歧，总让夹在中间的我左右为难。 其四：是教育观念与子女期许的天差地别。父亲希望我勤勉朴素，日日穿校服，不重打扮，将所有心思放在学业与读书上，慢慢积淀文化底蕴，可母亲与外婆家的人，觉得这样的活法是书呆子，不懂为人处世。我每次找母亲要钱买书，总会被她厉声赶走，可她却愿意为我买漂亮的衣服鞋子，支持我学跳舞、登台表演，只盼我能开开心心、漂漂亮亮地长大。 这四重矛盾，每周轮番上演，家里三天一小吵、五天一大吵，从未有过片刻安宁。 我很震惊 ta 在这样的环境下生活和成长了这么多年。（虽然我也不觉得我父母的婚姻不折磨 🙄） 然后好奇和 AI 探讨了一下，大概多少比例的家庭是这样的。随后发现： 25%-30% 的婚姻其实大体上都处于类似的状态。互相很难受，只是外表看着正常，都不会对外说而已。 中间 60% 是凑合，不太难受，也不算多舒服。随机换个人过，大概率也差不了多少，甚至可能更好。 剩下的 10% 是比较契合，相处比较舒服，互相也欣赏和珍惜。 这些是近年来一些相关问卷得来的综合数据。90后、尤其是00后，由于价值观普遍相对更注重自我，以上比例可能会稍微好一点。 我觉得这个很好，挺祛魅的。 大部分人的生活状态其实都挺"糟糕"的，充满各种问题和不满，无论是在婚姻还是其他很多维度上。虽然每个人都不想有类似的感受，不过这确实也是一种比较普遍的常态。 不过有意义的是，一方面可以问问自己：有时候是不是对自己要求太高了？ 信息流、自媒体上面很多看着理所当然的东西，其实很多是不正常的，或者很多的幸存者偏差。我们每个人的基线和起点相对都比较普通，很多事情不该放在一起比较。或者以更长期的心态去看会更好。 另外一点比较值得思考的启发是，DS 给出的一个很理性的观点：“高质量的单身远好于折磨的相处”。 以及对于年轻人如何面对这概率不高的理想婚姻的建议，我觉得这些挺好的。我们往往潜意识会受到外部不自觉的影响，很难理性抽离去看比较重要的问题。 那么也不是说就躺平了（那也是另一种无脑），而是更清醒、更负责地去看待和选择。该追求期待的事情还是要的。

简单的开始 我从2025年12月底开始探索使用系统的方式来代替手动进行Polymarket事件交易，除了年初工作忙一点、时间不多，到现在差不多五个月了。 这件事的想法很简单。 在这之前，我曾经尝试过一段时间Polymarket事件的手动交易。 那段时间手动交易的表现虽然不算好（做了二十来个事件，最后的结果是基本持平），不过对于亏损和盈利的事件，基本上都能看到比较明确的逻辑。如果能执行得很好，其实是可优化的。 所以我就想，既然依赖自己的交易纪律性实在靠不住，用程序的方式来复刻我的交易逻辑，不就会好很多吗？ Polytrader开发过程 目前我的系统（Polytrader）的各个部分，和刚开始时几乎都不太一样。 准确地说，要比我最开始预想的复杂很多倍。这并不是我想要的复杂度，但是我发现为了达到我当初的预期，很多事情你很难不做，很多规律很难不去遵守。 我之前的手动交易方法是，把适合LLM（大语言模型）做预测分析的事件的结构性特征总结出来，然后只做这类事件。 那个时候不算很系统，不过也有一些初步的标准。 比如总结了一些维度（并根据表现去优化），根据这些维度对新事件进行评分，这是筛选逻辑。 那时使用的LLM是Google的Deep Research，配合GPT的Deep Research，一个事件会跑十次深度研究。只有在其结论和分析概率比较一致的情况下（往往是极大或极小，极小居多），才会进行交易。 然后每笔事件交易会记录到Excel中，其中包括交易的时间、建仓成本、edge，以及d_edge（衡量事件在最迟到期前的预期日均edge），还有Kelly（不过那时只算参考），以及下次重新评估的时间。 然后对于持仓的重点事件会进行重新评估，以衡量其基本面发展的变化并做对应处理。 所以系统开发的逻辑，也完全是按照如何最简单、务实地符合我的交易逻辑去做的。 目前迭代的交易执行流 Polytrader的主要交易思路是：主要交易那些具有公开信息的事件（也就是市场参与方在信息层的能力是平等的），借助LLM的客观无情绪分析能力和模拟人的交易执行流程，通过确定性的交易纪律性和避免情绪认知偏差来获得优势。 这个思路应该挺好理解，不过其中确实有很多要解决和妥善处理的问题。 所以关于系统的流程如何设计以达到比较好的效果，目前已经迭代了好几版（不是因为现在的有多好，相反，是因为最初自己的理解远达不到效果的预期）。 目前的Polytrader执行流简要来说，分为以下步骤（均由LLM和代码来自动执行）： 阶段 0. 事件入库 阶段 1. 事件侧写环节（Profile） 明确事件主体、解决这个事件的"what"和"why"的问题。因为同样一个主体的名称在不同的场景下可能就有歧义，如有些LLM看到Trump默认就只记住他是45任总统（即使他也是47任），这就导致了其推理的信息默认前提差距很大。这些问题都会为系统埋下不可预测的未知隐患。所以这个流程是为了解决这个问题。 阶段 2. 明确事件判定规则 把冗长的事件判定规则使用LLM做理解和清洗，明确最重要的判定规则和判定源。所以后续的实际判定概率分析的LLM就可以专注于整合各阶段既有干净的信息进行高质量分析，而不需要损耗额外的注意力来解析判定Rules。 阶段 3. 匹配UMA历史相似事件争议率 争议风险环节：为当前事件检索历史上相似的事件，判定争议率是多少？争议率高的事件就不会交易。需要提前做RAG库，以实现事件的抽象匹配（即忽略不同的主体，只专注于判定模式和判定源的相似性）。 阶段 4. 信息检索环节 4-1. 使用几个不同的检索方式/渠道去获取：为了能够准确判定，应该搜索什么信息？以及执行搜索。 4-2. 信息搜索补足环节：根据 4-1 的结果，以最新的信息证据去考虑，还差哪些信息？是否需要补足搜索什么信息？然后执行信息补足搜索。 4-3. 信息归档、源分级：按时间线、信息源的可信度质量等级，结构化整理4-2的最终结果信息。这里有一个重点是：不同信息源的质量和可信度是不同的。比如判定官方源 > 国际主流媒体 > 区域性知名媒体 >= 地方性可信媒体 > 个人社媒。这一点非常重要，因为信息永远不缺，缺的是可信的信息。所以系统应该根据掌握信息的信息质量等级，来进行评估。 4-4. 信息完整性评估：回答"未知的未知"，而不是基于实际有缺失（但是目前十分高质量）的信息，做出自负的交易决策。即：为了准确判定这个事件，当前系统已掌握的信息的完整性分数是多少？这一点也非常重要，理论上你的系统信息检索流程设计的再好，只能接近100%的获取率，永远会存在遗漏的问题或可能，这一点则是为了这个考虑。 阶段 5. CEO评估环节 根据以上所有必要信息，去分析和输出这个事件的发生概率、概率的置信度（基于上述信息源的分级质量），以及分析结论、给出初步交易信号等。这个环节就相当于是系统的大脑，最终的分析和决策是它基于所有信息做出的。但是它的输出只为后续的交易门槛提供判断条件数据，不触发交易。 阶段 6. 交易策略分发及匹配 如果CEO评估通过了，那么系统会对当前已有交易策略的各项数据与结构性特征进行匹配，判断是否满足对应的交易策略。 阶段 6-1. edge交易门槛条件匹配 当阶段 6 的所有条件命中和满足之后，会进行edge/d_edge门槛条件匹配。若是在edge层也满足了合理的预期交易门槛，才会根据对应的策略仓位触发交易。 ...

其实在没做交易之前我也写过公众号，不过由于很多原因都搁置了。这次能够重启我感到挺愉快。 做技术和交易其实是一件挺无聊的事情（即使你能从中感到乐趣），虽然这种无聊也挺珍贵，代表着没有太多的烦恼。 我想记录一下足迹，以后看起来也是一件很有意思的事情吧。 也许在这过程中也会有一些未知的连接和发现。 这本身对我目前一个资源有限、不喜欢社交的年轻人来说也算是一件最好去积累的正确的事。 作者 目前我是一名独立开发者。 主业是开发，交易算是业余的兴趣。 为什么想做事件量化交易系统？其实也算是一系列经历和探索的巧合。 很早之前我在财务方面做过挺多糟糕的决定，以及在工作和经济方面是没有积累和复利的认识的。 也正因为如此，所以很自然在工作发展和财务方面也吃了很多不必要的亏，确实很难受。/cry 后来通过这个过程，我先是逐渐理解了财务方面的复利对于一个人（哪怕是很普通的工作）意味着什么，以及通过其比较现实的实现手段——指数（主要是美指，如纳指）。 还有对Bitcoin的理解和学习，以及一些美股的配置探索。 这些算是学习，不过逐渐也对此产生了兴趣。 这两年在做开发的过程中，之前也折腾过一段时间的手动事件交易。 但是限于交易纪律、心态等多方面的原因，那段时间做下来，结果不算好。 不过我发现对于这个事情还算比较投入，过程中感觉也还好。 然后去年晚些时候，我发现大模型的开发能力应该可以比较好的支撑去用自动和系统的方式来做了。 所以就想好好探索一下。 关于本博客 这个博客的内容主要记录我在事件量化交易、AI协作，以及个人成长方面的足迹、学习、思考、问题。 其中交易方面主要是行为认知偏差策略方向。 最后 但愿我们都能在过程中有所收获。 回见~ 图片：之前在青山湖散心拍的