核心用法
该 Skill 专为 Polymarket 平台的网球赛事预测市场设计，通过识别多个关联盘口之间的数学约束 violations 来捕捉套利机会。系统自动扫描 Set 1 Games O/U（首盘总局数）、Match Games O/U（全场总局数）、Total Sets O/U 2.5（总局数大小）、Set Handicap（盘数让分）以及胜负盘等关联市场，利用"全场总局数必然大于等于首盘总局数"等数学必然性，检测定价偏差并执行对冲交易。
用户启动后，系统首先通过关键词搜索和 API 轮询发现活跃网球市场，使用正则表达式解析盘口类型和数值，按赛事（选手名称标准化）分组构建"盘口 bundle"。核心约束检查包括：对于相同分数线 X，Match O/U X OVER 的概率必须大于等于 Set 1 O/U X OVER；若 Total Sets O/U 2.5 OVER 概率超过 50%，则 Set Handicap -1.5 的定价应受直落三盘概率约束。一旦发现 violation，系统按偏差幅度排序，选择定价最离谱的盘口进行交易，仓位大小与 conviction（偏差幅度）正相关，而非固定金额。
显著优点
结构性套利优势：不同于依赖预测能力的方向性交易，该策略利用数学必然性（match total ≥ set 1 total），理论上不受赛果不确定性影响，属于 pure arbitrage。
自动化bundle管理：Skill 内置市场发现、盘口关联、风险控制和执行全流程，用户只需提供 alpha 信号（如加入实时比分、场地类型、球员疲劳度等数据）。
安全优先设计：默认启用模拟交易模式（venue="sim"），真实交易需显式传入 --live 参数，有效避免误操作导致的资金损失。
精细化风控体系：提供 9 项可调参数，涵盖仓位上限（40 USDC）、最小交易量门槛（3000 USD）、买卖阈值（0.38/0.62）、最小 violation 触发值（0.03）等，支持通过 Simmer UI 动态调整。
潜在缺点与局限性
市场流动性依赖：Polymarket 的网球盘口市场深度普遍弱于主流胜负盘，可能出现"发现机会但无法成交"或滑点过大的情况。SIMMER_MIN_VOLUME 参数虽可过滤，但也会错失部分有效机会。
延迟与竞争风险：套利窗口狭窄，其他自动化交易者可能同时识别相同 violation，导致价格快速修复。未接入亚毫秒级数据 feed 的普通用户可能处于劣势。
模型简化假设：核心约束基于"理性定价"假设，未完全考虑：选手退赛（walkover）导致的 games 计算特殊规则、赛事特定规则（如温网长盘决胜）、以及 Polymarket 自身的 resolution 争议历史。
单一平台风险：策略完全绑定 Polymarket/Simmer 生态，若平台出现技术故障、监管干预或流动性枯竭，策略将失效。
适合的目标群体
- 量化交易开发者：具备 Python 基础，希望快速部署体育套利策略，不愿从零搭建市场数据基础设施
- 体育数据分析师：拥有网球预测模型（elo 评分、发球胜率、场地转换系数等），希望将研究转化为可执行交易
- 低风险偏好投资者：追求市场中性收益，接受单笔收益有限但胜率较高的结构性套利
- DeFi 原生用户：熟悉链上预测市场机制，希望利用 Polymarket 的 AMM 低效性获取超额收益
使用风险
性能风险：正则解析市场标题、API 轮询发现市场的开销可能导致信号延迟。高并发场景下（大满贯期间数十场同时开赛的赛事），需监控 get_markets 调用频率避免 rate limit。
依赖项风险：核心功能依赖 simmer-sdk，该 SDK 的版本更新可能引入 breaking changes。PyPI 包与 GitHub 源码的同步延迟也可能导致行为不一致。
资金安全风险：虽然代码层面无硬编码密钥，但 SIMMER_API_KEY 作为高价值凭证，一旦环境变量泄露将导致直接资金损失。建议启用专用只读/交易权限分离的 API 密钥，并定期轮换。
监管与合规风险：Polymarket 曾在 2022 年因未注册衍生品交易被 CFTC 处罚 140 万美元，当前 US 用户访问受限。使用者需自行确认所在司法辖区的预测市场合法性，以及自动化交易是否构成需要牌照的"投资顾问"行为。
模型失效风险：若 Polymarket 引入跨盘口做市商机制或批量定价算法（类似传统体育bookmaker），结构性 violation 将显著减少，策略收益可能趋近于交易成本。