كتاب استراتيجيات Polymarket: الفجوة الحقيقية تكمن في البنية التحتية الرياضية

العنوان الأصلي: الرياضيات اللازمة للتداول على بوليماركت (خريطة طريق كاملة)

المؤلف الأصلي: Roan

المصدر الأصلي:

نقلاً عن: مارس فاينانس

خلال تأسيس @insidersdotbot، تواصلت بشكل عميق مع العديد من فرق السوق عالية التردد وفرق التحكيم، وكان أكبر طلب لديهم هو كيفية بناء استراتيجيات التحكيم.

مستخدمونا، أصدقاؤنا، شركاؤنا، جميعهم يستكشفون مسار التحكيم على Polymarket، وهو مسار معقد ومتعدد الأبعاد. إذا كنت مستخدمًا نشطًا على تويتر، فإني أؤمن أنك قد صادفت من قبل تغريدات تقول: «لقد ربحت من استراتيجيات XX للتحكيم في سوق التوقعات» أو شيء من هذا القبيل.

لكن معظم المقالات تبسط بشكل مفرط المنطق الأساسي للتحكيم، وتحول الأمر إلى نمط تداول «أنا أيضًا أستطيع»، «باستخدام Clawdbot يمكن حل الأمر»، دون شرح مفصل لكيفية فهم وتطوير نظام تحكيم خاص بك بشكل منهجي.

إذا أردت فهم كيف تربح أدوات التحكيم على Polymarket، فهذه المقالة هي الأكثر شمولاً حتى الآن.

نظرًا لوجود العديد من الأجزاء التقنية المعقدة في النص الأصلي والتي تتطلب دراسة إضافية، قمت بإعادة صياغتها وتكملتها لتسهيل الفهم، بحيث يمكنك الاعتماد على هذه المقالة فقط دون الحاجة للتوقف والبحث عن مصادر أخرى لفهم النقاط الأساسية.

تحكيم Polymarket ليس مجرد مسألة رياضيات بسيطة

عندما ترى سوقًا على Polymarket:

السعر نعم (YES) 0.62 دولار، السعر لا (NO) 0.33 دولار.

تظن: 0.62 + 0.33 = 0.95، أقل من دولار، إذًا هناك فرصة للتحكيم! بشراء نعم ولا، بمجموع 0.95 دولار، بغض النظر عن النتيجة، يمكنك استرداد 1.00 دولار، وربح صافٍ 0.05 دولار.

أنت على حق.

لكن المشكلة — عندما تكون لا تزال تحسب هذه العملية يدويًا، فإن النظام الكمي ينجز شيئًا مختلفًا تمامًا.

هو يبحث في 17,218 شرطًا، ويقارن بين 2^63 احتمالًا للنتائج، ويجد خلال ميلي ثانية جميع التناقضات في التسعير. وعندما تنفذ أمرين، يكون الفرق قد اختفى. النظام كان قد وجد الثغرة في عشرات الأسواق ذات الصلة، وحساب الحجم الأمثل للمراكز بعد أخذ عمولات السوق وعمق دفتر الأوامر في الاعتبار، ونفذ جميع الصفقات بشكل متوازي، ثم حول الأموال إلى الفرصة التالية.[1]

الفرق ليس فقط في السرعة. إنه البنية التحتية الرياضية.

الفصل الأول: لماذا «الجمع» غير كافٍ — مشكلة متعدد الأوجه الحدية

خطأ السوق الأحادي

لنبدأ بمثال بسيط.

السوق أ: «هل سيفوز ترامب في انتخابات بنسلفانيا؟»

السعر نعم 0.48 دولار، لا 0.52 دولار. المجموع 1.00 دولار.

يبدو مثالًا مثاليًا، لا توجد فرصة للتحكيم، أليس كذلك؟

خطأ.

إضافة سوق آخر، والمشكلة تظهر:

السوق ب: «هل يتجاوز الحزب الجمهوري خصمه بأكثر من 5 نقاط في بنسلفانيا؟»

نعم 0.32 دولار، لا 0.68 دولار. المجموع أيضًا 1.00 دولار.

كل سوق على حدة «طبيعي». لكن هناك علاقة منطقية بينهما:

انتخابات الرئاسة الأمريكية لا تُحسب على مستوى البلاد بشكل موحد، بل حسب الولايات. كل ولاية تعتبر «ميدانًا مستقلًا»، والفائز فيها يحصل على جميع أصوات الناخبين (نظام «الفائز يأخذ الكل»). ترامب مرشح الحزب الجمهوري، إذًا «فوز الحزب الجمهوري في بنسلفانيا» و«فوز ترامب في بنسلفانيا» — هما نفس الشيء. إذا فاز الحزب الجمهوري بأكثر من 5 نقاط، فهذا يعني أن ترامب فاز في الولاية، وفاز بفارق كبير.

بمعنى آخر، سعر نعم في السوق ب (الفوز الكبير للحزب الجمهوري) هو جزء من سعر نعم في السوق أ (فوز ترامب). الفوز الكبير يعني الفوز، لكن الفوز لا يعني بالضرورة الفوز الكبير.

وهذا الاعتماد المنطقي يخلق فرصة للتحكيم.

يشبه الأمر أنك تراهن على شيئين — «هل ستمطر غدًا» و«هل سيكون هناك عواصف رعدية غدًا».

إذا كانت هناك عواصف رعدية، فهي بالتأكيد ستترافق مع المطر (العواصف الرعدية جزء من المطر). إذًا، سعر «نعم للعواصف الرعدية» لا يمكن أن يكون أعلى من سعر «نعم للمطر». إذا كانت التسعيرات في السوق تخالف هذا المنطق، يمكنك شراء الأرخص وبيع الأغلى، وتحقيق «ربح بدون مخاطر»، وهو ما يُعرف بالتحكيم.

الانفجار في الحسابات: لماذا البحث العنيف غير عملي

بالنسبة لأي سوق يحتوي على n شرط، هناك نظريًا 2^n احتمالًا لتشكيلة الأسعار.

يبدو الأمر بسيطًا؟ لننظر إلى حالة حقيقية.

سوق NCAA للبطولة 2010 [2]: 63 مباراة، ولكل مباراة نتيجتان (فائز/خاسر). عدد النتائج المحتملة هو 2^63 = 9,223,372,036,854,775,808 — أكثر من تسعة كوينتليون. السوق يحتوي على أكثر من 5000 سعر.

كم حجم هذا الرقم؟ إذا فحصت مليار مجموعة في الثانية، فستحتاج حوالي 292 سنة لإنهاء الفحص بالكامل. هذا يوضح أن «البحث العنيف» غير ممكن هنا.

فحص كل مجموعة على حدة؟ غير عملي حسابيًا.

ننظر الآن إلى انتخابات 2024 الأمريكية. فريق البحث اكتشف 1,576 زوجًا من الأسواق التي قد تعتمد على بعضها البعض. إذا كان لكل زوج 10 شروط، فكل زوج يحتاج إلى فحص 2^10 = 1024 مجموعة. مضروبًا في 1,576 زوج، ستنتهي قبل أن تظهر نتائج الانتخابات.

البرمجة الصحيحة: استبدال التعداد بالقيود

الحل الذي يستخدمه النظام الكمي ليس «العد الأسرع»، بل هو عدم العد على الإطلاق.

يستخدمون البرمجة الصحيحة (Integer Programming) لوصف «النتائج القانونية».

لنأخذ مثالًا حقيقيًا. سوق مباراة Duke ضد Cornell: كل فريق لديه 7 احتمالات (0 إلى 6 انتصارات)، أي 14 شرطًا، و2^14 = 16,384 احتمالًا.

لكن هناك قيد: لا يمكن أن يفوز الفريق بأكثر من 5 مباريات، لأنه إذا فاز بـ6 أو 7، فسيواجه نفسه في نصف النهائي (فقط واحد يمكن أن يتأهل).

كيف تتعامل البرمجة الصحيحة مع ذلك؟ بثلاث قيود:

· القيد الأول: في 7 احتمالات Duke، يوجد بالضبط واحد صحيح (أي أن عدد انتصارات Duke هو رقم واحد فقط).

· القيد الثاني: في 7 احتمالات Cornell، يوجد بالضبط واحد صحيح.

· القيد الثالث: مجموع الانتصارات لـ Duke و Cornell لا يمكن أن يتجاوز 1 (أي لا يمكن أن يفوزا معًا بأكثر من 4 مباريات، أو أن يفوز أحدهما ويخسر الآخر).

ثلاث قيود خطية، تغني عن فحص 16,384 احتمالًا بشكل عشوائي.

بمعنى آخر، فحص كل الاحتمالات يدويًا يشبه قراءة كل كلمة في قاموس للعثور على كلمة معينة. البرمجة الصحيحة تشبه فتح الصفحة التي تبدأ بالحرف المطلوب مباشرة. أنت لا تحتاج لفحص كل الاحتمالات، فقط تصف «ما هو الشكل القانوني للنتيجة»، وتدع الخوارزمية تبحث عن أي انتهاك للقواعد.

البيانات الحقيقية: 41% من الأسواق تحتوي على فرص تحكيم [2]

ذكر النص أن فريق البحث حلل البيانات من أبريل 2024 حتى أبريل 2025:

• فحص 17,218 شرطًا

• 7,051 منها تحتوي على فرصة تحكيم واحدة على الأقل (41%)

• الانحراف الوسيط في التسعير: 0.60 دولار (مفترض أن يكون 1.00 دولار)

• 13 زوجًا من الأسواق يمكن استغلالها للتحكيم عبر الأسواق

الانحراف الوسيط 0.60 دولار يعني أن السوق غالبًا ما ينحرف عن القيمة العادلة بنسبة 40%. هذا ليس «قريبًا من الكفاءة»، بل «قابل للاستغلال على نطاق واسع».

الفصل الثاني: إسقاط بريجمان — كيف نحسب أفضل صفقة تحكيمية

اكتشاف التحكيم هو مشكلة، وحساب أفضل صفقة هو مشكلة أخرى.

لا يمكنك ببساطة «أخذ المتوسط» أو «تعديل السعر قليلاً». عليك أن تسقط الحالة السوقية الحالية على الفضاء القانوني الخالي من التحكيم، مع الحفاظ على بنية المعلومات في الأسعار.

لماذا «المسافة المستقيمة» غير مناسبة

الفكرة الأكثر بديهية هي: العثور على «السعر القانوني» الأقرب إلى السعر الحالي، ثم تنفيذ الصفقة.

بصيغة رياضية، هو تقليل المسافة الإقليدية: ||μ - θ||²

لكن هناك مشكلة قاتلة: هذا يحسب كل تغير في السعر على أنه متساوٍ.

من 0.50 إلى 0.60، ومن 0.05 إلى 0.15، كلاهما زيادة 10 سنتات. لكن المعلومات التي يحملها كل تغير مختلفة تمامًا.

لماذا؟ لأن السعر يمثل الاحتمال الضمني. من 50% إلى 60% هو تعديل معتدل في الرأي. من 5% إلى 15% هو انقلاب كبير في الاعتقاد — حدث غير محتمل بشكل كبير أصبح «محتملًا نوعًا ما».

تخيل أنك تزن نفسك. من 70 إلى 80 كجم، تقول «زاد وزني قليلاً». لكن من 30 إلى 40 كجم (لو كنت بالغًا)، فهذا يعني «انتقلت من على حافة الموت إلى سوء تغذية شديد». نفس التغير في الوزن، لكن معاناة مختلفة تمامًا. الأمر نفسه ينطبق على السعر — كلما اقترب من 0 أو 1، كانت التغيرات ذات قيمة معلوماتية أكبر.

مسافة Bregman: المسافة الصحيحة

مقدم السوق على Polymarket يستخدم LMSR (قاعدة تقييم السوق اللوغاريتمية)[4]، حيث تمثل الأسعار توزيع احتمالي.

في هذا الهيكل، المقياس الصحيح للمسافة ليس المسافة الإقليدية، بل هو تباين Bregman.[5]

بالنسبة لـ LMSR، يتحول تباين Bregman إلى تباين KL (كولباك-ليبلر)[6] — وهو مقياس «مسافة المعلومات» بين توزيعين احتماليين.

لا تحتاج لحفظ الصيغة. فقط عليك أن تفهم أن:

تباين KL يعطي وزنًا أكبر للتغيرات حول الأسعار المتطرفة. من 0.05 إلى 0.15، يكون أكثر «بعدًا» من 0.50 إلى 0.60، في مقياس KL. هذا يتوافق تمامًا مع حدسنا — التغيرات عند الأسعار المتطرفة تعني تأثيرًا أكبر على المعلومات.

مثال جيد هو سوق @zachxbt الأخير، حيث تفوقت Axiom على Meteora في اللحظة الأخيرة، وكان ذلك نتيجة تغيرات أسعار متطرفة.

ربح التحكيم = مسافة إسقاط Bregman

هذه واحدة من أهم الاستنتاجات في الورقة الأصلية:

أي صفقة يمكن أن تحقق أقصى ربح مضمون، هو المسافة بين الحالة السوقية الحالية ومساحة خالية من التحكيم وفقًا لـ Bregman.

بمعنى آخر: كلما ابتعدت الأسعار عن «الفضاء القانوني»، زادت أرباحك المحتملة. وBregman يخبرك بـ:

1. ماذا تتداول (اتجاه الإسقاط يخبرك باتجاه الصفقة)

2. كم تتداول (مراعاة عمق دفتر الأوامر)

3. كم يمكن أن تربح (مسافة الإسقاط هي الحد الأقصى للربح)

أفضل متداول تحكيم ربح خلال سنة واحدة 2,009,631.76 دولار.[2] استراتيجيته كانت أسرع وأدق في حل هذا التمرين التحليلي.

كمثال، تخيل أنك على قمة جبل، وقاع النهر (الفضاء الخالي من التحكيم) على بعد مسافة منك.

Bregman الإسقاط هو أن يساعدك في العثور على «أقصر مسار من مكانك إلى حافة النهر» — وليس خطًا مستقيمًا، بل مسار يأخذ بعين الاعتبار التضاريس (هيكل السوق). طول هذا المسار هو أقصى ربح يمكنك تحقيقه.

الفصل الثالث: خوارزمية Frank-Wolfe — تحويل النظرية إلى كود قابل للتنفيذ

الآن، بعد أن عرفت أن حساب أفضل تحكيم يتطلب إسقاط Bregman، السؤال هو — كيف تنفذ ذلك عمليًا؟

لماذا حساب الإسقاط مباشرة غير ممكن؟

لأن الفضاء الخالي من التحكيم (الحدود الحدية الموجبة) يحتوي على عدد هائل من الرؤوس. الطرق التقليدية للبرمجة المجمعة (Convex Optimization) تتطلب الوصول إلى كل قيد، أي فحص كل نتيجة قانونية. وهذا غير ممكن على نطاق واسع.

الفكرة الأساسية لخوارزمية Frank-Wolfe [7]

العبقرية في خوارزمية Frank-Wolfe هي أنها لا تحاول حل المشكلة دفعة واحدة، بل تقترب تدريجيًا من الحل.

كيف تعمل؟

1. تبدأ بمجموعة صغيرة من النتائج القانونية المعروفة.

2. تقوم بتحسينها على هذه المجموعة، وتجد الحل الأمثل الحالي.

3. تستخدم برمجة صحيحة (Integer Programming) لإيجاد نتيجة قانونية جديدة، وتضيفها للمجموعة.

4. تتحقق مما إذا كانت قريبة بما يكفي من الحل الأمثل. إذا لم تكن، تعود إلى الخطوة 2.

كل دورة، تضيف رأسًا واحدًا فقط. حتى لو كررت 100 مرة، تتعقب 100 رأس — وليس 2^63.

تخيل أنك في متاهة ضخمة تبحث عن مخرج.

الطريقة العنيفة هي أن تجرب كل طريق. طريقة Frank-Wolfe هي: تمشي طريقًا عشوائيًا، ثم تسأل «مرشدًا» (مُحَل البرمجة الصحيحة) «أي اتجاه هو الأكثر احتمالًا للوصول إلى المخرج؟»، ثم تتجه في ذلك الاتجاه خطوة. لا تحتاج لاستكشاف المتاهة كاملة، فقط تتخذ قرارات صحيحة عند المفاصل الحاسمة.

مُحَل البرمجة الصحيحة: «المرشد» في كل خطوة

كل دورة من خوارزمية Frank-Wolfe تتطلب حل مشكلة برمجة صحيحة خطية. وهي NP-hard من الناحية النظرية (أي لا يوجد خوارزمية سريعة معروفة لها).

لكن الحلول الحديثة، مثل Gurobi[8]، فعالة جدًا للمشاكل ذات الهيكل الجيد.

فريق البحث استخدم Gurobi 5.5. والأوقات الفعلية للحل:

• في المراحل المبكرة (عند انتهاء عدد قليل من المباريات): أقل من ثانية واحدة

• في المراحل المتوسطة (عند انتهاء 30-40 مباراة): 10-30 ثانية

• في المراحل المتأخرة (عند انتهاء 50+ مباراة): أقل من 5 ثوانٍ

لماذا تكون المرحلة الأخيرة أسرع؟ لأن مساحة الحل الممكن تتقلص مع تحديد نتائج المباريات، مما يقلل من عدد الحلول الممكنة ويجعل الحل أسرع.

مشكلة انفجار التدرج (Gradient Explosion) وخوارزمية Barrier Frank-Wolfe

المشكلة التقنية في Frank-Wolfe التقليدي هي أن عندما تقترب الأسعار من 0، فإن تدرج LMSR يتجه نحو اللانهاية السالبة، مما يسبب عدم استقرار في الخوارزمية.

الحل هو استخدام Barrier Frank-Wolfe: لا يتم تحسين على الفضاء الكامل، بل على نسخة «مضغوطة» منه، حيث يتم تقليل ε تدريجيًا بشكل ذاتي مع التكرارات — بدايةً يكون أبعد عن الحدود (مستقر)، ثم يقترب تدريجيًا من الحدود الحقيقية (دقيق).

الدراسات أظهرت أن 50 إلى 150 تكرارًا كافية للتقارب.

الأداء الحقيقي

الورقة البحثية أظهرت [2]:

في أول 16 مباراة من بطولة NCAA، أداء FWMM (مُحَسِّن السوق باستخدام خوارزمية Frank-Wolfe) كان مشابهًا جدًا لمُحَسِّن السوق باستخدام قيود خطية بسيطة (LCMM)، لأن مُحَل البرمجة لم يكن سريعًا بما يكفي.

لكن بعد 45 مباراة، تم إنجاز الإسقاط في 30 دقيقة لأول مرة.

ومنذ ذلك الحين، تفوق FWMM على LCMM بنسبة 38% في تسعير السوق.

التحول كان عندما تقلصت مساحة الحل إلى حجم يمكن أن يحله مُحَّل برمجي خلال مدة زمنية مناسبة.

FWMM يشبه طالبًا يتدرب قبل الامتحان، وفي البداية يختبر، ثم يبدأ في التفوق. LCMM هو الطالب الثابت الذي يظل على أدائه المحدود. الفرق الرئيسي هو أن FWMM يمتلك «أسلحة» أقوى (إسقاط Bregman)، لكنه يحتاج وقتًا «لتحميلها» (انتظار أن ينتهي المُحَل).

الفصل الرابع: التنفيذ — لماذا قد تخسر رغم حسابك

لقد اكتشفت فرصة تحكيم، وحسبت أفضل صفقة.

الآن، عليك التنفيذ.

وهذا هو المكان الذي تفشل فيه معظم الاستراتيجيات.

مشكلة التنفيذ غير الذري

Polymarket يستخدم CLOB (دفتر أوامر مركزي محدود السعر)[9]. على عكس البورصات اللامركزية، يتم تنفيذ الطلبات بشكل تسلسلي — لا يمكنك ضمان تنفيذ جميع الأوامر في آن واحد.

خطة التحكيم الخاصة بك:

شراء نعم بسعر 0.30 دولار، وشراء لا بسعر 0.30 دولار. التكلفة الإجمالية 0.60 دولار. بغض النظر عن النتيجة، استرداد 1.00 دولار. الربح 0.40 دولار.

لكن الواقع:

· تقديم طلب نعم → يتم التنفيذ بسعر 0.30 ✓

· طلبك يغير سعر السوق.

· تقديم طلب لا → يتم التنفيذ بسعر 0.78 ✗

· التكلفة الإجمالية: 1.08 دولار. الاسترداد: 1.00 دولار. النتيجة: خسارة 0.08 دولار.

تم تنفيذ طرف واحد، والطرف الآخر لم يُنفَّذ. أنت تعرضت للمخاطر.

لهذا السبب، تذكر الورقة أن الفرص التي تتجاوز 0.05 دولار هي الوحيدة التي يُحتمل أن تنفذ بشكل موثوق. فروق الأسعار الأصغر قد تُستهلك بواسطة مخاطر التنفيذ.

VWAP: السعر الحقيقي للصفقة

لا تفترض أنك ستتم الصفقة بالسعر المعروض. عليك حساب متوسط سعر التنفيذ المرجح بالحجم (VWAP)[10].

فريق البحث يستخدم طريقة: لكل كتلة على شبكة Polygon (حوالي كل 2 ثانية)، يحسب VWAP لكل من عمليات البيع والشراء. إذا كانت القيمة المطلقة لـ |VWAP_yes + VWAP_no - 1.0| > 0.02، يُعتبر ذلك فرصة تحكيم [2].

VWAP هو «متوسط السعر الذي دفعتَه فعليًا». إذا أردت شراء 10,000 رمز، وطلبك على دفتر الأوامر بسعر 0.30 دولار فقط 2000، و3,000 بسعر 0.32، و5,000 بسعر 0.35، فإن VWAP سيكون:

(2000×0.30 + 3000×0.32 + 5000×0.35) / 10000 = 0.326 دولار.

أي أعلى من السعر «الأمثل» المعلن وهو 0.30 دولار.

قيود السيولة: كم يمكنك أن تربح يعتمد على عمق دفتر الأوامر

حتى لو كانت هناك انحرافات سعرية، فإن أرباحك محدودة بكمية السيولة المتاحة.

مثال حقيقي [2]:

السوق يظهر فرصة تحكيم: سعر نعم الإجمالي 0.85 دولار. الربح المحتمل: 0.15 دولار لكل دولار. لكن عمق دفتر الأوامر على السعر محدود بـ 234 دولارًا فقط. إذًا، الحد الأقصى للربح هو:

234 × 0.15 = 35.10 دولار.

بالنسبة للتحكيم عبر الأسواق، تحتاج إلى وجود السيولة في جميع المراكز في آن واحد. وأصغر مبلغ هو الذي يحدد الحد الأعلى للربح.

وهذا يوضح أهمية عرض الأسعار وتأثيرها على التنفيذ في أنظمة التداول الآلية.

الفصل الخامس: النظام الكامل — ما الذي تم تنفيذه فعليًا

النظرية نظيفة، لكن البيئة الإنتاجية فوضوية.

إليك كيف يبدو نظام التحكيم القابل للتشغيل [2].

خط أنابيب البيانات

البيانات الحية: اتصال WebSocket مع API الخاص بـ Polymarket [9]، لتلقي تحديثات دفتر الأوامر (تغيرات الأسعار/الكميات)، إشعارات التنفيذ، أحداث إنشاء السوق/تسويته.

البيانات التاريخية: استعلام عبر API الخاص بـ Alchemy Polygon عن أحداث العقود — مثل OrderFilled (تنفيذ الصفقة)، PositionSplit (توليد رموز جديدة)، PositionsMerge (حرق الرموز).

فريق البحث حلل 86 مليون عملية تداول [2]. هذا الحجم يتطلب بنية تحتية، وليس مجرد سكربتات.

كما يخطط الفريق لفتح API عالي السرعة للتداول، لمن يرغب في تجربة نماذج تداول مماثلة، يمكنه التواصل معي مباشرة.

طبقة اكتشاف الاعتمادية

بالنسبة لـ 305 سوقًا للانتخابات الأمريكية، هناك 46,360 زوجًا من الاحتمالات التي تحتاج للفحص. التحليل اليدوي غير ممكن.

استخدم الفريق طريقة ذكية: استُخدم نموذج لغة كبير (LLM) من نوع DeepSeek-R1-Distill-Qwen-32B للفرز الأولي.

المدخلات: وصف الشروط في السوقين. المخرجات: JSON يصف النتائج القانونية.

ثم يتم التحقق بثلاث مراحل: هل يوجد شرط واحد صحيح في كل سوق؟ هل عدد النتائج القانونية أقل من n×m (أي وجود اعتماد)؟ هل مجموعة الاعتماد تلبي شروط التحكيم؟

النتائج: 40,057 زوجًا مستقلًا (بدون تحكيم)، 1,576 زوجًا يعتمد على بعضه، 374 زوجًا يحقق شروطًا صارمة، و13 زوجًا يمكن استغلالها يدويًا [2].

دقة النموذج في الأسواق المعقدة ذات الشروط المتعددة تصل إلى 81.45%. كافية للفرز الأولي، لكن قبل التنفيذ يتطلب مراجعة يدوية.

محرك تحسين ثلاثي المراحل

· المرحلة الأولى: قيود خطية بسيطة (LCMM). فحص سريع للقواعد الأساسية — «مجموع الاحتمالات يساوي 1»، «إذا كان A يتضمن B، فلا يمكن أن يكون P(A) أكبر من P(B)». يتم خلال ميلي ثانية، لإزالة التسعيرات الواضحة الخاطئة.

· المرحلة الثانية: إسقاط برمجي صحيح (Frank-Wolfe + Gurobi). هو القلب. المعلمات: Alpha = 0.9 (استخراج 90% على الأقل من الفرص)، ε ابتدائي = 0.1 (تقليل التقييد بنسبة 10%)، حد التوقف = 1e-6، زمن الحد الأقصى = 30 دقيقة. عدد التكرارات النموذجي: 50-150. زمن كل تكرار: 1-30 ثانية.

· المرحلة الثالثة: التحقق من التنفيذ. قبل تقديم الطلب، يحاكي السوق الحالي. يتأكد من: هل السيولة كافية؟ ما هو الانزلاق المتوقع؟ بعد خصم الانزلاق، هل الربح مضمون ويتجاوز الحد الأدنى (0.05 دولار)؟ فقط إذا اجتاز الجميع، يتم التنفيذ.

إدارة المراكز: معادلة Kelly المعدلة

معادلة Kelly القياسية [11] تخبرك كم من رأس مالك تستثمر في صفقة. لكن في سياق التحكيم، يجب تعديلها لمراعاة مخاطر التنفيذ:

f = (b×p - q) / b × √p

حيث b هو نسبة الربح المحتملة، p هو احتمالية التنفيذ الكامل (تقديرًا من عمق دفتر الأوامر)، q = 1 - p.

الحد الأقصى: 50% من عمق دفتر الأوامر. أكثر من ذلك، ستؤثر على السوق بشكل كبير.

النتائج النهائية

من أبريل 2024 إلى أبريل 2025، إجمالي الأرباح المستخرجة:

التحكيم بشرط واحد: شراء منخفض على الجانبين 5,899,287 دولار + بيع مرتفع على الجانبين 4,682,075 دولار = 10,581,362 دولار

إعادة توازن السوق: شراء منخفض لكل YES 11,092,286 دولار + بيع مرتفع لكل YES 612,189 دولار + شراء لكل NO 17,307,114 دولار = 29,011,589 دولار

التحكيم عبر الأسواق: 95,634 دولار

المجموع: 39,688,585 دولار

أفضل 10 متداولين حققوا 8,127,849 دولار (20.5% من الإجمالي). المتصدر حقق 2,009,632 دولار من 4049 عملية، بمعدل حوالي 496 دولار لكل عملية [2].

ليست لعبة حظ، وليست صدفة. إنها تنفيذ منهجي دقيق باستخدام الرياضيات.

الواقع الأخير

بينما يتصفح المتداولون «نصائح سوق التوقعات العشرة»، تعمل الأنظمة الكمية على:

• فحص الاعتمادية بين 17,218 شرطًا باستخدام برمجة صحيحة

• حساب أفضل صفقة تحكيمية باستخدام إسقاط Bregman

• التعامل مع انفجار التدرج عبر خوارزمية Frank-Wolfe

• تقدير الانزلاق عبر VWAP وتنفيذ الطلبات بشكل متوازي

• استخراج 40 مليون دولار من الأرباح المضمونة بشكل منهجي

الفرق ليس حظًا، بل بنية تحتية رياضية.

الورقة البحثية منشورة [1]. الخوارزميات معروفة. الأرباح حقيقية.

السؤال هو: هل ستتمكن من بناء نظام مماثل قبل أن تُستَغل 40 مليون دولار أخرى؟

مراجعة مفاهيمية سريعة

• الحد الحدّي (Marginal Polytope) → مساحة «الأسعار القانونية». يجب أن تكون الأسعار داخلها لكونها خالية من التحكيم.

• البرمجة الصحيحة (Integer Programming) → وصف النتائج القانونية بقيود خطية، لتجنب التعداد العنيف. تحويل 2^63 فحص إلى قيود قليلة [3].

• تباين Bregman / KL → قياس «المسافة» بين توزيعين احتماليين، أكثر ملاءمة لأسواق السعر/الاحتمال. التغيرات عند الأسعار المتطرفة لها وزن أكبر [5][6].

• LMSR (قاعدة تقييم السوق اللوغاريتمية) → آلية تسعير Polymarket، حيث تمثل الأسعار احتمالات ضمنية [4].

• خوارزمية Frank-Wolfe → خوارزمية تحسين تدريجية، تضيف رأسًا واحدًا في كل تكرار، وتتجنب التعداد الأسي للنتائج [7].

• Gurobi → مُحَّل برمجي ممتاز للبرمجة الصحيحة، «المرشد» في كل تكرار [8].

• CLOB (دفتر أوامر مركزي محدود السعر) → آلية تنفيذ الطلبات على Polymarket، الطلبات تُنفذ بشكل تسلسلي، ولا تضمن التنفيذ الذري [9].

• VWAP (متوسط السعر المرجح بالحجم) → السعر الذي دفعتَه فعليًا، يأخذ في الاعتبار عمق دفتر الأوامر. أكثر واقعية من السعر المعلن [10].

• معادلة Kelly → تحدد نسبة رأس المال للاستثمار، لتحقيق توازن بين الربح والمخاطر [11].

• التنفيذ غير الذري → مشكلة عدم ضمان تنفيذ جميع الطلبات في آن واحد، مما يعرض للمخاطر.

• DeepSeek → نموذج لغة كبير يستخدم للفرز الأولي للعلاقات الاعتمادية بين الأسواق، بدقة 81.45%.