mc-skills/catalog

Fork 0

mc-skills 52efc07510 catalog: 更新 2026-04-07 11:44

2026-04-07 11:44:56 +08:00

9.0 KiB

Raw Permalink Blame History

Polymarket模拟交易

量化交易 AI代理 模拟交易 预测市场 MCP

polymarket-paper-trader

你的 AI 代理现在成为了 Polymarket 交易员。

安装 → 代理获得 $10,000 虚拟资金 → 在真实 Polymarket 订单簿上交易 → 追踪盈亏 → 参与公开排行榜竞争。零风险，真实价格。

"我的 AI 代理在 Polymarket 一周内实现了 +18% 的投资回报率。零风险，真实订单簿。"

隶属于 agent-next —— 自主进化智能代理开源研究实验室。

60 秒演示

npx clawhub install polymarket-paper-trader    # 通过 ClawHub 安装
pm-trader init --balance 10000                 # $10k 虚拟资金
pm-trader markets search "bitcoin"             # 搜索市场
pm-trader buy will-bitcoin-hit-100k yes 500    # 买入 $500 的 YES
pm-trader stats --card                         # 生成可分享的统计卡片

就这些。你的 AI 代理现在可以零风险地在 Polymarket 上交易了。

安装

# 通过 pip
pip install polymarket-paper-trader

# 通过 ClawHub（适用于 OpenClaw 代理）
npx clawhub install polymarket-paper-trader

# 从源码安装（开发模式）
uv pip install -e ".[dev]"

需要 Python 3.10+。

不是玩具——这是真实的交易所模拟器

其他工具使用模拟价格或随机数。我们模拟真实交易所：

逐档订单簿撮合 —— 你的订单逐档消耗真实 Polymarket 买/卖盘的流动性，与真实交易完全一致
精确手续费模型 —— bps/10000 × min(价格, 1-价格) × 份数 —— 与 Polymarket 官方公式相同
滑点追踪 —— 每笔交易记录实际成交价与中间价的偏差（以基点计）
限价单状态机 —— 支持 GTC（长期有效）和 GTD（定期有效）的完整生命周期管理
策略回测 —— 将策略在历史价格快照上重放验证
多结果市场 —— 不仅限于 YES/NO 二元，支持任意数量的结果

你的虚拟盈亏与真实盈亏的差距不超过买卖价差。这正是本工具的意义所在。

快速开始

# 初始化 $10k 虚拟账户
pm-trader init --balance 10000

# 浏览市场
pm-trader markets list --sort liquidity
pm-trader markets search "bitcoin"

# 交易
pm-trader buy will-bitcoin-hit-100k yes 100      # 买入 $100 的 YES
pm-trader sell will-bitcoin-hit-100k yes 50       # 卖出 50 份

# 查看持仓和盈亏
pm-trader portfolio
pm-trader stats

CLI 命令

命令	说明
`init [--balance N]`	创建虚拟交易账户
`balance`	显示现金、持仓价值和总盈亏
`reset --confirm`	清除所有数据
`markets list [--limit N] [--sort volume\|liquidity]`	浏览活跃市场
`markets search QUERY`	全文搜索市场
`markets get SLUG`	查看市场详情
`price SLUG`	YES/NO 中间价和价差
`book SLUG [--depth N]`	订单簿快照
`watch SLUG [SLUG...] [--outcome yes\|no]`	监控实时价格
`buy SLUG OUTCOME AMOUNT [--type fok\|fak]`	以市价买入
`sell SLUG OUTCOME SHARES [--type fok\|fak]`	以市价卖出
`portfolio`	含实时价格的持仓列表
`history [--limit N]`	交易历史
`orders place SLUG OUTCOME SIDE AMOUNT PRICE`	下限价单
`orders list`	待成交限价单
`orders cancel ID`	取消限价单
`orders check`	对照实时价格撮合限价单
`stats [--card\|--tweet\|--plain]`	胜率、ROI、利润、最大回撤
`leaderboard`	本地账户排行榜
`pk ACCOUNT_A ACCOUNT_B`	对战：谁是更好的交易员？
`export trades [--format csv\|json]`	导出交易历史
`export positions [--format csv\|json]`	导出持仓
`benchmark run MODULE.FUNC`	运行交易策略
`benchmark compare ACCT1 ACCT2`	对比账户表现
`benchmark pk STRAT_A STRAT_B`	对战：谁的策略更强？
`accounts list`	列出所有命名账户
`accounts create NAME`	创建用于 A/B 测试的账户
`mcp`	启动 MCP 服务器（stdio 传输）

全局参数：--data-dir PATH、--account NAME（或环境变量 PM_TRADER_DATA_DIR、PM_TRADER_ACCOUNT）。

MCP 服务器——你的代理能做什么

你的代理通过 Model Context Protocol 获得 26 个工具：

pm-trader-mcp  # 在 stdio 上启动

添加到你的 Claude Code 配置：

{
  "mcpServers": {
    "polymarket-paper-trader": {
      "command": "pm-trader-mcp"
    }
  }
}

MCP 工具

工具	功能说明
`init_account`	创建虚拟账户并设置初始余额
`get_balance`	现金、持仓价值和总盈亏
`reset_account`	清除所有数据，重新开始
`search_markets`	按关键词搜索市场
`list_markets`	按交易量/流动性排序浏览市场
`get_market`	含结果和价格的市场详情
`get_order_book`	实时订单簿快照（买盘+卖盘）
`watch_prices`	监控多个市场的价格
`buy`	以最优价格买入份额
`sell`	以最优价格卖出份额
`portfolio`	含实时估值和盈亏的持仓列表
`history`	含执行详情的近期交易记录
`place_limit_order`	限价单——保持挂单直至成交、取消或到期
`list_orders`	待成交限价单
`cancel_order`	取消待成交订单
`check_orders`	对照实时价格执行待成交订单
`stats`	胜率、ROI、利润、最大回撤
`resolve`	结算已关闭市场（获胜方每份获 $1）
`resolve_all`	结算所有已关闭市场
`backtest`	在历史快照上回测策略
`stats_card`	可分享的统计卡片（推文/Markdown/纯文本）
`share_content`	平台专属内容（Twitter/Telegram/Discord）
`leaderboard_entry`	生成可验证的排行榜提交记录
`leaderboard_card`	所有本地账户的 Top 10 排行卡片
`pk_card`	两个账户的头对头对比
`pk_battle`	两个策略头对头运行并自动对比

策略示例

examples/ 目录中提供三个即用策略：

动量策略（`examples/momentum.py`）

当 YES 价格突破 0.55 时买入，0.70 时止盈，0.35 时止损。

pm-trader benchmark run examples.momentum.run

均值回归策略（`examples/mean_reversion.py`）

当 YES 价格跌至公允价值 0.50 以下 12+ 美分时买入，回归时卖出。

pm-trader benchmark run examples.mean_reversion.run

网格限价策略（`examples/limit_grid.py`）

在当前价格下方布置网格限价买单，并在上方设置止盈卖单。

pm-trader benchmark run examples.limit_grid.run

编写自己的策略

# my_strategy.py
from pm_trader.engine import Engine

def run(engine: Engine) -> None:
    """你的策略接收一个完全初始化的 Engine 对象。"""
    markets = engine.api.search_markets("crypto")
    for market in markets:
        if market.closed or market.yes_price < 0.3:
            continue
        engine.buy(market.slug, "yes", 100.0)

pm-trader benchmark run my_strategy.run

使用历史数据进行回测：

def backtest_strategy(engine, snapshot, prices):
    """每个历史价格快照调用一次。"""
    if snapshot.midpoint > 0.6:
        engine.buy(snapshot.market_slug, snapshot.outcome, 50.0)

多账户支持

使用隔离账户并行运行多个策略：

pm-trader --account aggressive init --balance 5000
pm-trader --account conservative init --balance 5000

pm-trader --account aggressive buy some-market yes 500
pm-trader --account conservative buy some-market yes 100

pm-trader benchmark compare aggressive conservative

分享你的成绩

生成可分享的统计卡片并发布到 X/Twitter：

pm-trader stats --tweet    # X/Twitter 优化格式
pm-trader stats --card     # Telegram/Discord 的 Markdown 格式
pm-trader stats --plain    # 纯文本格式

AI 代理可使用 stats_card MCP 工具自动生成并分享卡片。

OpenClaw / ClawHub

已在 ClawHub 上以 polymarket-paper-trader 名称发布：

npx clawhub install polymarket-paper-trader

测试

pytest -m "not live"             # 单元测试 + 集成测试（跳过实时 API 测试）
pytest                           # 完整测试套件（需要网络）
pytest tests/test_e2e_live.py    # 仅实时 API 集成测试

许可证

MIT

9.0 KiB Raw Permalink Blame History Unescape Escape