核心功能
Kalshalyst是一套完整的预测市场情报交易系统，采用五阶段流水线（FETCH→CLASSIFY→ESTIMATE→EDGE→ALERT）主动寻找市场错误定价。其核心创新在于反共识模式：向Claude Sonnet展示市场价格并要求其找出错误原因，而非传统的盲估模式，从而产生具有真实方向性优势的交易信号。
显著优点
- 反共识估计引擎：通过提示工程让AI主动质疑市场价格，识别市场遗漏的信息（突发新闻、政治动态、时机错配等），典型可产生10-30%的有效边际
- 系统化风险控制：内置完整的Brier分数追踪系统，按类别（政治、加密、政策等）校准估计准确度；采用分数凯利准则（α=0.25）结合置信度平方惩罚进行仓位管理，设置合约数量、单笔成本、组合敞口三重硬顶
- 智能过滤机制：通过80/20法则自动屏蔽天气、日内指数、娱乐八卦等噪音市场，聚焦可分析的高信噪比机会
- 闭环反馈优化：每次估计自动记录至SQLite数据库，市场结算后计算校准度，识别系统性高估/低估的类别并触发再校准
潜在局限
- API成本门槛：单次扫描50个市场约需$0.20-0.50（Claude API），月运行成本约$60
- 执行分离设计：仅提供情报信号，实际交易需配合Kalshi Command Center等执行层工具
- 本地化分类器暂不可用：Qwen分类器因可靠性问题禁用，目前所有市场采用默认值通过
- 市场覆盖限制：仅支持Kalshi平台，其他预测市场需额外适配
适用人群
适合具备Python基础、已开通Kalshi和Anthropic API账户的量化交易者，尤其擅长宏观/政治事件分析、追求系统化边缘追踪和严格仓位管理的投资者。
常规风险
预测市场存在流动性风险（尤其边缘市场）、模型校准漂移（需持续监控Brier分数）、AI估计置信度虚高（已通过置信度平方惩罚缓解），以及极端事件尾部风险（凯利准则假设概率分布已知）。建议先用模拟资金验证2-4周校准度后再投入实盘。