97.7% 胜率却在亏钱：买入热门方策略回测

流传最广的 Polymarket Up/Down 策略也是最简单的：在还剩一分钟时，买入明显领先的那一方。它很直观，容易自动化，胜率也是那种会被人截图分享的水平。

我们在真实订单簿快照上用 17,002 笔模拟交易测试了它。胜率确实非同寻常，收益却是负的。

测试方法

• 样本范围：PolyTest 存档中所有已结算的 BTC、ETH 和 SOL 5 分钟 Up/Down 市场，滚动 31 天窗口，覆盖 2026 年 8 月 5 日至 9 月 5 日。
• 入场：每个市场一笔交易，在最接近到期前 60 秒的快照处入场。每个市场只有一个观测值，因此不会因为重复采样同一市场而产生自相关。
• 方向：报价较高的那一方，即热门方。
• 成交价：按卖价，而不是中间价。在这批数据中 price_up + price_down 平均为 1.0117，所以约 1.2¢ 的双边价差在入场时就已经付出了。
• 排除：任一方卖单簿为空的市场。如果没人挂卖单，交易就不可能发生；把它们算进来等于凭空捏造不可能发生的成交。
• 收益：赢家按 $1.00 结算，输家为 $0。

结果：按价格区间买入热门方

先看最下面两行，因为成交量都在那里。超过一半的交易发生在 90¢ 或以上，而这两个区间都在高统计置信度下亏钱。90–97¢ 区间最差：你花 93.56¢ 买一个发生概率为 91.16% 的结果，每笔交易流失 2.39 个百分点，z 值为 −5.09。

中间几个区间看起来好一些，60–70¢ 的 ROI 为 +3.16%，但都没有达到显著性。z = 1.66 和 z = 1.49，这就是把抛硬币包装成 1,500 笔交易后你会预期看到的收益。没有任何区间显示出统计显著的正优势。

校准曲线

暂时把策略放一边，看看市场本身：这些价格有多准确？对于每个 BTC 5 分钟市场，我们取到期前 60 秒的 Up 报价，与 Up 实际获胜的频率进行比较。

这是教科书式的热门-冷门偏差（favourite–longshot bias），几十年来在赛马投注和预测市场中都有记录。冷门被系统性地高估：报价约 17¢ 的合约获胜概率为 13.2%，报价约 22¢ 的为 18.0%。中等价位的热门方则被低估了几个百分点。

这个偏差是真实的，方向也是对的，但很难变现：偏差最大的区间，恰恰是订单簿最薄、相对价差最大的区间。偏差体现在校准曲线上，却在盈亏里消失了，这通常就是一个广为人知的异常现象的归宿。

那么，偏差到底存不存在？

既存在也不存在，而这个区别正是关键所在：

• 作为对价格的描述，存在。低于约 25¢ 的冷门持续被高估 3–4 个百分点。这是这些市场真实、可测量的属性。
• 作为一种策略，不存在。扣除价差后，买入热门方毫无收益；而在成交量最集中的价位上，它在高置信度下的收益低于零。
• 不对称性说明了问题。如果冷门被高估，正确的交易不是买入热门方，而是卖出冷门。这需要挂出限价卖单，等待别人的市价单来成交，也就是做市，以及随之而来的全部库存风险。这不是一个靠吃卖单就能执行的策略。

自己复现

上面的每个数字都来自你可以拉取的数据。测试的结构比我们的数字更重要：在你自己的时间窗口上运行，看看结论是否仍然成立。

import os, requests
from statistics import mean

BASE, H = "https://api.polytest.io/api/v1", {"X-API-Key": os.environ["POLYTEST_KEY"]}

trades = []
markets = requests.get(f"{BASE}/markets", headers=H, params={
    "coin": "btc", "market_type": "5m", "limit": 100,
}).json()["markets"]

for m in markets:
    if not m.get("winner"):
        continue
    # The snapshot nearest 60s before expiry — one observation per market.
    snap = requests.get(f"{BASE}/markets/{m['id']}/snapshots/at", headers=H, params={
        "timestamp": m["end_time"], "offset_seconds": -60,
        "include_orderbook": "true",
    }).json().get("snapshot")
    if not snap:
        continue

    up, down = snap.get("price_up"), snap.get("price_down")
    if up is None or down is None:
        continue                       # no offer on one side: untradeable

    side = "Up" if up >= down else "Down"
    cost = max(up, down)               # pay the ask, not the mid
    trades.append((cost, m["winner"] == side))

n = len(trades)
cost = mean(c for c, _ in trades)
wr = sum(w for _, w in trades) / n
print(f"n={n}  cost={cost:.4f}  win_rate={wr:.4f}  ROI={(wr-cost)/cost*100:+.2f}%")

这项研究能证明什么，不能证明什么

• 只有一个月。滚动 31 天窗口，2026 年 8 月 5 日至 9 月 5 日。足以产生 17,002 笔交易，但不足以覆盖多种波动率环境。
• 按盘口最优价成交。我们按最优卖价计费，并假设整笔交易都在那里成交。真实规模的订单需要逐档吃单，所以实盘结果会比这些更差，而不是更好。
• 未计入手续费或 gas。加上它们，每一行都会下降。
• 仅限 5 分钟市场。更长的时间周期流动性不同，表现可能也不同。
• 严格在 T−60s 入场。事实证明时机影响巨大，见入场时机研究。

我们愿意为之辩护的结论是：按卖价买入热门方不是一种策略，而是一种付 17,000 次价差的方式。如果你想要一个真正有效的版本，现货滞后研究测试了一个相关的想法，它确实显示出真实的优势，同时也揭示了阻止它扩大规模的约束。

这里的每个数字都来自带完整订单簿深度的 PolyTest 快照。Polymarket 自己的 API 无法支撑这项测试：已结算市场的订单簿返回 404，它保留的价格历史大约每分钟一个点，太粗糙，无法说明一笔成交当时要花多少钱。如果你想运行自己的版本，免费开始。