Arbitraj antara pasaran ramalan
Apabila peristiwa yang sama didagangkan pada dua platform dengan harga yang berbeza dengan ketara pada masa yang sama, mungkin untuk mengunci keuntungan yang hampir pasti dengan membeli sisi yang dinilai rendah dan menjual sisi yang dinilai tinggi.
Arbitraj antara pasaran ramalan
Cara arbitraj berfungsi
Jika Kalshi menetapkan harga YA pada peristiwa politik pada $0.45 dan Polymarket pada $0.55, beli pada Kalshi pada $0.45 dan jual pada Polymarket pada $0.55. Jika peristiwa berlaku: Kalshi bayar $1.00, short Polymarket kos $1.00 = bersih 0. Jika tidak: Kalshi $0, short untung $1.00 = bersih $1. Kedua-dua senario, ~$0.10 keuntungan setiap kontrak sebelum yuran.
Mencari peluang
Perbezaan harga muncul apabila: satu platform mempunyai kecairan lebih rendah dan harganya hanyut; maklumat baru sampai kepada peniaga satu platform dahulu; pesanan besar menggerakkan pasaran nipis. Peniaga khusus memantau kedua-dua platform terus-menerus melalui API.
Had praktikal
Yuran sering memakan spread yang ketara. Jurang 3 sen dengan yuran 2% Polymarket dan 5% Kalshi meninggalkan sedikit keuntungan. Masa pengeluaran mencipta risiko modal. Keperluan KYC menghalang banyak peniaga daripada memiliki akaun pada kedua-dua platform serentak.
Komplikasi crypto pada Polymarket
Polymarket diselesaikan dalam USDC pada blockchain Polygon. Mengalihkan modal memerlukan penukaran USD→USDC, yuran gas Polygon dan mungkin bridging. Semasa tempoh kesesakan rangkaian tinggi, yuran ini boleh memakan keuntungan arbitraj.
Related articles
Apakah kebarangkalian tersirat dalam pasaran ramalan?
Mengapa saham YA yang didagangkan pada $0.62 bermakna kebarangkalian tersirat ~62% dan bila bacaan ini tidak tepat.
ClusterBuku pesanan vs AMM dalam pasaran ramalan
Kalshi dan Polymarket menggunakan buku pesanan; platform on-chain lama menggunakan pembuat pasaran automatik. Bagaimana setiap satu menetapkan harga risiko secara berbeza.
ClusterApakah LMSR (Peraturan Pemarkahan Pasaran Logaritma)?
Formula pembuat pasaran yang direka Robin Hanson untuk pasaran ramalan, mengapa ia mengehadkan kerugian dan siapa yang masih menggunakannya.