> ## Documentation Index
> Fetch the complete documentation index at: https://polymarketcn.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Polymarket 进阶套利策略：跨市场对冲与 API 自动化【2026】
> Polymarket 进阶套利教程：多市场相关性套利、事件对冲策略、API 自动化套利系统搭建。附 Python 代码示例、收益计算和风险管理实战指南。
同一事件、不同平台、低买高卖——这种经典套利的窗口期在缩短。做市商和量化团队反应越来越快，纯粹靠价差吃饭的空间已经不大了。
但这不意味着套利死了。几种更高阶的玩法仍然有效，只是门槛更高、需要更多工具和思考。
本文假设你已经读过[基础套利教程](/trading/polymarket-arbitrage/)，熟悉跨平台价差套利的基本逻辑。如果还没有，先去看那篇。
**合规提醒**：Polymarket 不支持中国大陆、新加坡、法国等地区用户。在使用任何套利策略前，请确认你所在地区的法律规定。套利涉及多平台操作，可能触及不同司法管辖区的监管要求。
## 多市场相关性套利
基础套利盯的是同一个事件在不同平台的价差。相关性套利盯的是**不同事件之间的逻辑矛盾**。
### 什么叫定价不一致
举个具体的例子。假设 Polymarket 上同时存在两个市场：
* **市场 A**："X 会赢得总统大选吗？"——YES 价格 \$0.62
* **市场 B**："X 所在的党会赢得大选吗？"——YES 价格 \$0.48
逻辑上，如果 X 赢了大选（概率 62%），那 X 所在的党一定赢了。所以"党赢"的概率至少应该等于"X 赢"的概率，也就是至少 62%。但市场 B 给出的只有 48%。
这就是一个定价矛盾。
### 怎么操作
1. **买入**市场 B 的 YES（价格偏低，\$0.48）
2. **卖出/做空**市场 A 的 YES，或者买入市场 A 的 NO
这样你实际上在押注"市场 B 的价格会向市场 A 收敛"。不需要猜测选举结果本身——你赌的是这两个市场之间的定价关系会修复。
### 寻找相关性套利的方向
常见的关联市场组合：
* **候选人 vs 政党**：个人胜选概率 vs 政党胜选概率
* **时间维度**："X 年底前发生" vs "X 上半年发生"（后者的概率不应超过前者）
* **包含关系**："GDP 增长超过 3%" vs "GDP 增长超过 2%"（前者概率不能大于后者）
* **因果关系**：某政策通过 vs 该政策产生的具体影响
相关性套利的核心是找逻辑漏洞，不是猜结果。你需要对事件之间的逻辑关系有清晰判断。纯粹看价格是找不到这类机会的。
### 注意事项
相关性套利有一个隐藏的坑：**结算规则不同**。
两个市场看起来相关，但结算条件可能有微妙差别。"X 赢得大选" vs "X 的党赢得大选"——如果 X 中途退选但替补候选人赢了，市场 A 结算为 NO，市场 B 结算为 YES。这时你的对冲就会同时亏损。
做相关性套利之前，一定要把两个市场的结算规则逐字读完。
## 事件对冲策略
套利追求无风险利润，对冲追求降低已有头寸的风险。两件事目标不同，但工具相似。
### 跨资产对冲
你持有加密资产，同时在 Polymarket 上关注政策市场——这两件事可以联动。
**场景**：你持有大量 ETH。Polymarket 上有一个市场："美国是否会在 2026 年通过加密货币全面监管法案？"
* 如果法案通过（严格监管），ETH 可能短期下跌
* 你可以在 Polymarket 买入"法案通过"的 YES 份额
这样，如果法案真的通过导致 ETH 下跌，你在 Polymarket 的盈利可以部分对冲 ETH 的损失。
### 对冲比例怎么算
假设你持有价值 $10,000 的 ETH，估计严格监管法案通过后 ETH 会下跌 15%（即损失 $1,500）。
Polymarket 上"法案通过"的 YES 价格是 \$0.35。
要完全对冲 \$1,500 的潜在损失：
```
需要买入的份额数 = 预期损失 / (1 - YES价格)
= 1500 / (1 - 0.35)
= 1500 / 0.65
≈ 2308 份
对冲成本 = 份额数 × YES价格
= 2308 × 0.35
= $808
```
如果法案通过：你的 Polymarket 盈利 = 2308 × $0.65 = $1,500，刚好覆盖 ETH 的损失。对冲成本是 \$808。
如果法案没通过：ETH 不受影响，但你损失了 \$808 的对冲成本。
对冲不是免费午餐。它的本质是花钱买保险——你付出确定的成本（对冲费用），换取不确定风险的保护。
### 同平台多市场对冲
你也可以在 Polymarket 内部进行对冲。比如你重仓买了"A 候选人赢得初选"的 YES，可以同时小仓位买入"B 候选人赢得大选"的 YES 作为保护。如果 A 输了初选，B 可能因此受益，你的对冲头寸可以减少损失。
这种操作更灵活，但需要你对事件之间的关联性有准确判断。
## API 自动化套利
手动盯盘找套利机会效率太低。用 API 监控价格、发现机会后自动提醒（或自动下单），是进阶玩家的标配。
### 基础架构
一个最小可用的套利监控系统需要三部分：
1. **数据采集**：定时拉取市场价格
2. **信号判断**：检测价差是否超过阈值
3. **通知/执行**：发送提醒或自动下单
### 价格监控脚本
下面是一个用 Python 写的简单监控脚本，定时检查两个相关市场的价格关系：
```python theme={null}
import time
import requests
CLOB_HOST = "https://clob.polymarket.com"
GAMMA_HOST = "https://gamma-api.polymarket.com"
# 两个相关市场的 condition_id
MARKET_A_ID = "你的市场A的condition_id"
MARKET_B_ID = "你的市场B的condition_id"
# 套利阈值（价差超过这个值才提醒）
THRESHOLD = 0.05
def get_market_price(condition_id):
"""获取市场当前中间价"""
url = f"{CLOB_HOST}/midpoint?token_id={condition_id}"
resp = requests.get(url)
if resp.status_code == 200:
data = resp.json()
return float(data.get("mid", 0))
return None
def check_arbitrage():
"""检查两个市场之间的价差"""
price_a = get_market_price(MARKET_A_ID)
price_b = get_market_price(MARKET_B_ID)
if price_a is None or price_b is None:
print("获取价格失败，跳过本轮")
return
spread = price_a - price_b
print(f"市场A: {price_a:.4f} | 市场B: {price_b:.4f} | 价差: {spread:.4f}")
# 如果 A 的概率逻辑上应该 <= B，但实际 A > B + 阈值
if spread > THRESHOLD:
print(f"发现套利机会！价差 {spread:.4f} 超过阈值 {THRESHOLD}")
send_alert(price_a, price_b, spread)
def send_alert(price_a, price_b, spread):
"""发送通知（可以接入 Telegram、微信、邮件等）"""
message = f"套利提醒：市场A={price_a:.4f}, 市场B={price_b:.4f}, 价差={spread:.4f}"
print(f"[ALERT] {message}")
# 这里可以加入你的通知逻辑
# 比如 Telegram Bot、钉钉 Webhook、邮件等
if __name__ == "__main__":
print("套利监控启动...")
while True:
try:
check_arbitrage()
except Exception as e:
print(f"出错了: {e}")
time.sleep(30) # 每 30 秒检查一次
```
### 批量扫描多个市场
实际操作中你会同时监控很多市场。可以用 Gamma API 一次性拉取所有活跃市场，然后筛选出有关联的市场组合：
```python theme={null}
import requests
def get_active_markets():
"""获取所有活跃市场"""
url = "https://gamma-api.polymarket.com/markets?closed=false&limit=100"
resp = requests.get(url)
if resp.status_code == 200:
return resp.json()
return []
def find_related_markets(markets):
"""
按关键词寻找可能存在关联的市场对
这里用的是最简单的关键词匹配，实际可以更精细
"""
pairs = []
for i, m1 in enumerate(markets):
for m2 in markets[i+1:]:
q1 = m1.get("question", "").lower()
q2 = m2.get("question", "").lower()
# 检查是否包含相同的关键实体
# 实际使用时可以用更智能的匹配方式
common_words = set(q1.split()) & set(q2.split())
# 过滤掉常见词，只保留有意义的重叠
stopwords = {"will", "the", "a", "in", "by", "be", "to", "of", "and", "or", "is"}
meaningful = common_words - stopwords
if len(meaningful) >= 2:
pairs.append((m1, m2, meaningful))
return pairs
markets = get_active_markets()
related = find_related_markets(markets)
for m1, m2, words in related[:10]: # 只看前 10 对
print(f"可能关联:")
print(f" - {m1['question']}")
print(f" - {m2['question']}")
print(f" 重叠词: {words}")
print()
```
### 自动下单（谨慎使用）
如果你想让系统自动下单，需要用到 CLOB 客户端。参考 [API 下单教程](/api-tutorial/first-order/)，核心逻辑是：
```python theme={null}
from py_clob_client.client import ClobClient
from py_clob_client.clob_types import OrderArgs, OrderType
from py_clob_client.order_builder.constants import BUY
client = ClobClient(
host="https://clob.polymarket.com",
key="你的私钥",
chain_id=137,
signature_type=1, # 根据你的登录方式选择
funder="你的代理地址"
)
client.set_api_creds(client.create_or_derive_api_creds())
def place_buy_order(token_id, price, size):
"""下一个限价买单"""
order_args = OrderArgs(
price=price,
size=size,
side=BUY,
token_id=token_id,
)
signed_order = client.create_order(order_args)
resp = client.post_order(signed_order, OrderType.GTC)
return resp
```
自动下单有真金白银的风险。在部署自动交易之前：
* 先用极小金额（\$1-5）测试整个流程
* 设置严格的单笔金额上限
* 加入熔断机制（比如连续 3 次交易亏损后暂停）
* 不要把大量资金放在 API 可直接操作的账户里
## 套利收益计算实例
用一个完整的数字例子走一遍相关性套利的全过程。
### 场景设定
Polymarket 上有两个市场：
* **市场 A**："Z 候选人会赢得 2026 年州长选举？"——YES @ \$0.55
* **市场 B**："Z 候选人会获得本党提名？"——YES @ \$0.70
逻辑上，赢得大选的前提是先获得党内提名。所以"赢大选"的概率不可能高于"获提名"的概率。这里的定价是合理的（0.55 \< 0.70）。
但如果定价反过来呢？假设某个时刻：
* **市场 A**（赢大选）YES @ \$0.58
* **市场 B**（获提名）YES @ \$0.50
这就不对了。赢大选的概率（58%）比获提名的概率（50%）还高，逻辑上不可能。
### 操作步骤
**第一步：买入被低估的市场 B（获提名）YES**
* 买入 1000 份 YES @ \$0.50
* 成本 = 1000 × $0.50 = **$500\*\*
**第二步：买入市场 A（赢大选）NO**
* 买入适量的 NO 来对冲
* NO 价格 = 1 - 0.58 = \$0.42
* 买入 700 份 NO @ \$0.42
* 成本 = 700 × $0.42 = **$294\*\*
**总投入 = $500 + $294 = \$794**
### 结果分析
**情况一：Z 获得提名并赢得大选**
* 市场 B（YES）：1000 × $1.00 = $1,000
* 市场 A（NO）：归零，损失 \$294
* 总回收 = \$1,000
* 净利润 = $1,000 - $794 = **+\$206**
**情况二：Z 获得提名但没赢大选**
* 市场 B（YES）：1000 × $1.00 = $1,000
* 市场 A（NO）：700 × $1.00 = $700
* 总回收 = \$1,700
* 净利润 = $1,700 - $794 = **+\$906**
**情况三：Z 没获得提名（也就不可能赢大选）**
* 市场 B（YES）：归零
* 市场 A（NO）：700 × $1.00 = $700
* 总回收 = \$700
* 净利润 = $700 - $794 = **-\$94**
三种情况里两种盈利、一种小亏。而且情况三的亏损幅度远小于情况一和二的盈利幅度。只要你判断定价矛盾确实存在，这就是一个正期望值的交易。
注意：上面的计算没有扣除手续费。Polymarket 对 taker 有手续费，具体费率参考[交易费用说明](/trading/trading-fees/)。实际操作时需要把手续费算进成本。
## 进阶套利的风险管理
进阶套利的风险比基础套利高得多。以下是你必须考虑的几类风险。
### 滑点风险
你看到的价格和你实际成交的价格之间可能有差距。特别是：
* 流动性薄的市场，大单会推动价格
* 两个市场下单有时间差，第二笔单的价格可能已经变了
* 市场波动剧烈时滑点更大
**应对**：使用限价单而非市价单。可以接受成交速度慢一些，但价格有保障。
### 执行风险
套利需要在两个市场**同时**操作。但实际上你做不到真正的同时——总有一条腿先执行。如果第一条腿成交了，第二条腿的价格变了或者没成交，你就暴露在单边风险中。
**应对**：
* 先在流动性差的市场下单（因为这条腿更难成交）
* 确认第一条腿成交后，立刻执行第二条腿
* 用 API 来缩短两条腿之间的时间差
### 结算风险
预测市场的结算依赖于规则解读。两个看起来矛盾的市场，可能因为结算规则的细微差异而同时结算为 YES 或同时结算为 NO，打破你的套利逻辑。
**应对**：逐字阅读结算规则。如果规则表述模糊，放弃这个机会。
### 相关性崩塌
你认为两个市场相关，但实际上这种相关性不是绝对的。突发事件可能打破你预设的关联逻辑。
**应对**：不要假设任何两个市场 100% 相关。留出安全边际，控制单笔交易的资金比例。
套利不是"稳赚不赔"的买卖。进阶策略尤其如此。在你完全理解所有风险之前，只用小资金练手。亏得起的钱才能放进去。
## 套利工具推荐
### API 和数据源
| 工具 | 用途 | 链接 |
| ------------------- | ---------- | --------------------------------------------------- |
| Polymarket CLOB API | 获取实时价格、下单 | [API 文档](/api-tutorial/first-order/) |
| Gamma API | 获取市场列表和元数据 | [Gamma 文档](/api-tutorial/gamma-structure/overview/) |
| Polygonscan | 查看链上交易记录 | polygonscan.com |
| Dune Analytics | 社区数据仪表板 | dune.com |
### 开发环境
* **Python 3.10+**：推荐使用 `py-clob-client` 库
* **虚拟环境**：用 `venv` 或 `conda` 隔离依赖
* **定时任务**：用 `cron`（Linux/Mac）或云函数（AWS Lambda、Cloudflare Workers）跑监控脚本
### 通知渠道
* **Telegram Bot**：最方便，免费，延迟低
* **钉钉/飞书 Webhook**：国内用户首选
* **邮件**：延迟高，但作为备份通知可以
### 电子表格模板
建一个简单的 Google Sheet 或 Excel 表格来追踪你的套利交易：
| 日期 | 市场A | 市场B | 买入价A | 买入价B | 投入 | 结果 | 回收 | 净利润 | 备注 |
| ---- | ----- | ----- | ---- | ---- | ----- | --- | ------- | ------ | ---- |
| 3/10 | 选举YES | 提名YES | 0.58 | 0.50 | \$794 | 情况二 | \$1,700 | +\$906 | 结算正常 |
每笔交易都记录。不记录就没法复盘，策略也就没法迭代。
## 常见问题
### 相关性套利和普通套利有什么区别？
普通套利盯的是同一事件在不同平台的价差——逻辑简单，机会少，竞争激烈。相关性套利盯的是不同事件之间的逻辑矛盾——需要更多思考和判断，但机会更多，竞争相对少。两者的共同点是都不依赖预测事件结果本身。
### 进阶套利需要多少资金？
看你的时间成本。纯手动操作的话，资金至少 \$5,000 以上才有意义，因为进阶套利的利润率通常在 5-15%，太小的资金赚到的钱覆盖不了你花的时间。如果你搭建了自动化系统，资金门槛可以低一些，因为边际时间成本接近零。
### API 自动化套利需要什么技术基础？
能写基础的 Python 脚本就够了。具体来说：会用 `requests` 库调 API、会写 `while` 循环做定时任务、会处理 JSON 数据。不需要机器学习、不需要高频交易架构。参考 [API 下单教程](/api-tutorial/first-order/) 从零开始搭建。
### 对冲成本太高怎么办？
对冲成本取决于市场价格（也就是概率）。如果一个事件的 YES 价格是 \$0.80，你买 YES 来对冲另一个头寸的成本就很高。两个办法：一是只做部分对冲（不追求完全覆盖），二是等价格更有利时再建立对冲头寸。要记住对冲是买保险，保险从来不便宜。
### Polymarket 会限制套利交易者吗？
Polymarket 是去中心化的，不像传统博彩公司那样会封禁套利账户。你的交易都在链上执行，没有人能阻止你下单。但要注意 API 有[速率限制](/api-tutorial/rate-limits/)，短时间内请求太多会被临时限制。另外，大额交易可能影响市场价格，等于自己吃掉了套利空间。
准备好实战了？先用小资金跑通整个流程，再逐步加仓。还没有帐户的话，可以先 [注册 Polymarket](https://polymarket.com/?r=2026VIP)。
## 延伸阅读
跨平台价差套利入门，从这里开始
用代码提交你的第一笔订单
理解价格背后的含义
了解手续费对套利利润的影响