核心用法
该技能专为 Polymarket 预测平台上的股权价格阶梯市场设计，将离散的二元期权式市场转化为连续的隐含概率分布曲线。系统通过关键词搜索发现目标市场（PLTR、MSFT、NVDA、TSLA、SpaceX、纳斯达克 100 等），提取股票代码、执行价格、到期日期等关键信息，按（标的+期限）分组构建概率曲线。对于每个包含两个以上点的曲线，系统自动执行三类数学一致性检测：单调性违规（低价执行概率必须高于高价执行概率）、区间求和一致性（区间概率应等于上下界概率之差）、 exhaustive 分箱求和（全部分箱概率之和必须约为 100%）。检测到的违规按幅度排序，仅当同时满足阈值门控（YES_THRESHOLD/NO_THRESHOLD）时触发交易，仓位大小与违规幅度挂钩而非固定金额。
显著优点
数学严谨性是该技能的核心竞争力。与传统依赖主观判断的交易策略不同，该技能识别的套利机会基于可证明的数学不一致性，而非市场情绪或基本面观点。这种"机械化"优势降低了主观判断带来的噪声风险。其次，基础设施红利显著：传统期权市场有做市商维持曲线无套利定价，而 Polymarket 的每个市场独立定价，缺乏跨执行价的协调机制，创造了系统性的微观定价错误机会。风控设计周全：默认模拟交易模式，真实交易需显式 --live 标志；完整的可调参数体系（最大仓位、最小交易量、价差限制、违规幅度阈值等）允许用户根据风险偏好精细控制敞口。此外，覆盖范围广泛，理论上适用于任何具有多执行价市场的股权或指数标的。
潜在缺点与局限性
首要局限在于流动性约束。Polymarket 的零售主导结构意味着单个市场的订单簿深度有限，大额交易可能显著冲击价格，使理论套利空间在执行过程中消失。"交易修复"假设——即定价错误会被市场纠正——在时间尺度上不确定，可能在持仓期间持续偏离。其次，机会稀缺性问题：数学违规需要特定市场结构（至少两个相关执行价），且需满足用户自定义的最小违规幅度（默认 3%），实际可交易信号可能稀疏。第三，标的覆盖依赖平台：技能仅能交易 Polymarket 实际列出的市场，对新IPO或小众标的可能缺乏覆盖。第四，模型风险：隐含概率重构假设市场价格是风险中性概率的反映，但预测市场的参与者结构、资金成本、结算机制与传统衍生品市场差异显著，该映射关系可能存在系统性偏差。
适合的目标群体
该技能最适合量化交易背景的预测市场参与者，尤其是熟悉期权定价理论、理解无套利原则的专业投资者。对统计套利策略有实践经验的开发者能够快速理解曲线重构逻辑并进行参数优化。风险偏好明确、具备金融衍生品知识的个人投资者可在充分测试后谨慎使用实盘模式。此外，学术研究者可将该技能作为预测市场效率研究的实证工具，其生成的违规信号数据集具有分析价值。不适合纯零售赌徒或缺乏概率论基础的被动用户，也不适合追求高频交易或需要深度流动性的机构级策略。
使用风险
财务风险是首要关切：尽管默认模拟模式提供了安全网，但启用 --live 后的真实交易涉及 USDC 资金损失可能，且预测市场存在结算争议、平台风险等非传统因素。执行风险包括滑点、部分成交、以及 Polymarket 智能合约的技术故障。参数敏感性：风险阈值（如 MIN_VIOLATION=0.03）的设置直接影响信号频率与假阳性率，不当调参可能导致过度交易或错失机会。API 依赖风险：技能深度依赖 simmer-sdk，该 SDK 的更新、维护状态或 Polymarket API 政策变化可能影响功能。合规与监管不确定性：预测市场的法律地位在部分司法管辖区尚不明确，用户需自行评估当地法规。网络安全基础风险：API 密钥管理、运行环境安全等常规基础设施风险仍需用户自行管控。