核心用法
Kalshalyst是一套完整的预测市场智能交易系统，专为Kalshi平台设计。其核心创新在于逆向估计模式——不同于传统"盲估"（不显示市场价格导致共识化预测），该系统主动向Claude Sonnet展示当前市场价格并强制其寻找错误理由，从而产生具有真实边缘的方向性交易信号。
系统运行五阶段流水线：FETCH（抓取并过滤市场）→ CLASSIFY（分类标记）→ ESTIMATE（Claude逆向概率估计）→ EDGE（边缘计算与筛选）→ ALERT（高价值机会推送）。每轮扫描约2-4分钟，处理50个经预过滤的市场。
关键配置参数：最小边缘阈值3%、预警边缘6%、最小置信度0.4、扫描间隔60分钟。系统内置多层阻断机制，自动屏蔽天气、日内指数、体育、娱乐等低信噪比类别，聚焦政治、经济、政策等可分析领域。
显著优点
1. 逆向估计产生真实边缘：显示价格强制Claude"找错"的设计突破AI预测工具常见的共识化陷阱，实测可产生15-30%的有效边缘
2. Brier分数追踪校准：完整记录每笔估计并计算Brier分数（0=完美，0.25=随机基准），支持按类别、估计器、信息密度拆解校准度，持续优化信号质量
3. Kelly仓位管理：采用分数Kelly（默认α=0.25）结合置信度平方惩罚，计算最优仓位；硬上限控制（单标的最大25美元、组合最大100美元）形成多层防御
4. 自动化降级机制：Claude不可用时自动切换本地Qwen模型，3次连续失败后进入纯本地模式，保障系统可用性
5. 生态系统集成：作为OpenClaw预测市场交易栈的核心组件，无缝输出边缘数据至Market Morning Brief、Kalshi Command Center等下游技能
局限性与风险
- API成本敏感：Claude调用为可变成本，高频扫描将产生持续费用；虽提供Qwen零成本降级路径，但估计质量显著下降
- 体育/娱乐市场排除：主动屏蔽体育类别（经评估未显示持久模型优势），专注领域外的交易者需自行调整阻断列表
- 市场流动性限制：最低50合约成交量过滤可能错过早期机会；极限订单假设在真实执行中可能面临滑点
- 估计器校准依赖：Brier追踪需要市场结算后才能反馈，新类别或突发事件期间可能存在系统性校准偏差
- 监管与合规：Kalshi为受CFTC监管的预测市场，用户需自行确认所在司法管辖区合法性及税务处理
适合人群
- 已具备预测市场基础知识的系统交易者
- 希望将AI估计转化为量化规则、而非依赖主观判断的进阶用户
- 能够承担API成本并接受 Kelly 仓位管理约束的风险控制型投资者
- 正在构建自动化交易基础设施的技术型交易者
- 愿意投入时间解读Brier校准报告并迭代策略的数据驱动型用户
不建议：寻求零成本方案、期望稳赚不赔、或无法理解概率边缘与Kelly数学的初学者。