核心用法
Twitter Weekend Drift Trader 是一款专注于社交媒体预测市场的量化交易技能，利用公众人物周末发帖率系统性低于工作日的市场低效性进行套利。该技能自动解析Polymarket上关于Twitter发帖数量的二元预测市场，根据实际日期跨度中的工作日与周末天数比例，调整预期发帖率，识别因市场做市商按固定日均发帖率定价而产生的定价偏差。
使用者需配置SIMMER_API_KEY环境变量并安装simmer-sdk依赖。技能默认以纸面交易模式运行（venue="sim"），仅在显式传入--live参数时才会执行真实资金交易，有效隔离操作风险。
显著优点
1. 统计套利逻辑清晰：基于经过验证的行为模式（周末发帖量下降20-30%），而非噪声交易，具备可持续的alpha来源。
2. 开箱即用的基础设施：Simmer SDK封装了市场发现、订单执行、头寸管理等复杂操作，用户仅需专注信号优化。
3. 灵活的信号扩展：提供 holiday calendar、小时级分布、时区感知、滚动率更新等 remix 方向，支持策略迭代。
4. 完善的风险控制：内置头寸上限（$40/市场）、最小交易量过滤（$1,000）、最大买卖价差限制（10%）、最大持仓数（8个）等多层风控。
5. 安全优先的执行设计：默认纸面交易，真实交易需显式激活，且autostart: false防止意外自动运行。
潜在缺点与局限性
1. 市场容量有限：预测市场流动性较低（$1,000即被视为有效市场），大额资金难以规模化部署。
2. 信号衰减风险：若更多交易者识别该模式，周末漂移溢价将被压缩，策略有效性下降。
3. 固定参数依赖：默认的20-30%周末降幅基于历史数据，特定人物的行为模式可能发生变化（如重大事件期间的周末活跃发帖）。
4. 短期市场特性：发帖数量市场通常快速结算（Min days to resolution: 0），持仓周期短，需持续寻找新的市场机会。
5. 单平台锁定：当前仅支持Polymarket，缺乏跨市场比较和套利能力。
适合的目标群体
- 量化交易开发者：熟悉Python和预测市场机制，希望快速验证社交数据套利假设的研究人员。
- DeFi 原生用户：已持有USDC并活跃于Polymarket，寻求系统化交易工具替代手动操作。
- 数据科学家：对社交媒体行为模式建模感兴趣，希望将学术洞察转化为实际交易策略的实践者。
使用风险
- API密钥安全风险：
SIMMER_API_KEY具备真实交易权限，需严格保密。技能文档明确警告"不要将具备实盘能力的密钥放置在自动代码可能调用--live的环境中"。 - 第三方依赖风险：
simmer-sdk为外部维护的PyPI包，虽然开源可审计，但更新或漏洞可能影响交易执行。 - 链上交易风险：实盘模式下涉及Polygon网络USDC转账，存在智能合约风险、gas费波动和链上确认延迟。
- 模型失效风险：若Twitter/X平台算法调整可见性、名人改变发帖习惯或市场问题描述存在歧义（日期解析错误），信号可能产生亏损。
- 流动性风险：低成交量市场可能出现无法以合理价格建仓或平仓的情况，即使满足
MIN_VOLUME过滤条件。