核心用法
该Skill是一套面向Polymarket预测市场的自动化长尾交易策略系统，专为捕捉"非对称收益机会"设计。其核心逻辑是扫描市场中定价在2%-10%区间的"冷门事件"，通过跨类别宏观信号分析识别哪些长尾事件被系统性低估——即市场定价5%但实际概率可能达15%-30%的机会。
具体执行流程包括：首先通过关键词搜索和批量接口发现活跃市场，筛选出概率在设定阈值内的长尾标的；然后按类别（加密货币、健康疫情、地缘政治、经济宏观、政治事件）进行分类；接着计算"宏观支持分数"——通过检查同一类别内的关联市场（如加密市场的价格阶梯、健康事件的病例数阶梯、地缘冲突的升级链条）来判断该长尾事件是否具备隐藏支撑；最后仅对支持分数达标的标的执行交易，仓位大小根据置信度动态调整。
该策略的精髓在于"概率阶梯平滑性"原理：当BTC站上6万美元的概率达80%、站上6.5万美元达50%时，站上7万美元定价6%就可能被低估，因为零售投资者往往过度低估尾部场景。同理适用于疫情病例数升级、地缘冲突 escalation 等具有连锁效应的领域。
显著优点
非对称收益结构是该策略最大亮点。即使单标的命中率仅20%，10倍赔付下期望收益仍为2倍，符合"盈利在聚合、非单点"的投资逻辑。系统化的宏观信号框架将随机便宜的标的与系统性低估的标的区分开来，避免了凭直觉选长尾的盲目性。
安全设计出色：默认采用模拟交易模式，真实交易需显式--live标志，极大降低误操作风险。所有风险参数（仓位上限、单笔最小金额、支持分数阈值等）均可通过UI动态调整，适应不同风险偏好。
可扩展性良好：提供清晰的"remix接口"，开发者可叠加新闻情感NLP、专家预测聚合（Metaculus/Good Judgment Open）、社交媒体热度检测等信号源，构建多因子模型。
依赖可信：核心依赖simmer-sdk来自SpartanLabsXyz组织，PyPI官方发布，供应链风险可控。
潜在缺点与局限性
流动性约束：长尾市场天然存在交易量低、买卖价差大的问题。虽然设置了MAX_SPREAD=10%的过滤条件，但极端情况下仍可能面临滑点损失或无法及时平仓。
信号滞后风险：宏观支持分数基于关联市场的同步定价计算，若关联市场本身定价滞后或存在操纵，分数可能失真。加密阶梯分析假设概率分布应平滑，但市场非理性可能持续较久。
尾部事件本质风险：长尾策略依赖于"小概率事件实际发生频率高于市场预期"，但单笔失败即损失全部本金，心理承受要求高。连续失利场景下的回撤可能显著。
数据覆盖局限：依赖Polymarket单一数据源，未整合其他预测市场（Kalshi、PredictIt等）的套利机会。
计算精度问题：代码使用float进行资金计算，金融场景下可能产生微小精度误差，虽设有上下限保护，极端场景仍需谨慎。
适合的目标群体
该Skill面向量化交易背景的策略研究者、预测市场资深玩家以及对冲基金/crypto fund的另类策略团队。需要用户具备：
- 对预测市场机制（二元合约、AMM流动性、概率定价）的深度理解
- 概率论与期望值计算基础，能理性接受"高赔付-低胜率"的心理特征
- Python环境配置与API密钥管理能力
- 风险偏好为进取型，可接受单笔本金损失以换取非对称收益
不适合保守型投资者、无衍生品经验的散户，或期望"稳定收益"的资金管理需求。
使用风险
API密钥安全：SIMMER_API_KEY为高价值凭证，虽通过环境变量获取，但共享环境、日志泄露、进程嗅探仍可能导致密钥暴露。建议隔离运行环境，定期轮换密钥。
依赖供应链风险：simmer-sdk若遭供应链攻击（如恶意版本发布），将直接影响资金安全。建议固定版本号并审查更新日志。
过度交易风险：find_markets函数可能发起大量API请求，若未设置速率限制，可能触发平台限流或账号限制。
模型失效风险：宏观支持信号基于历史相关性，市场结构变化（如流动性危机、黑天鹅事件）可能导致信号失真，需持续回测验证。
监管不确定性：预测市场监管政策变化可能影响Polymarket可用性，需关注合规动态。