Всё большая часть дневного объёма Polymarket приходится на автоматические торговые стратегии, а на некоторых контрактах основную часть книги заявок обеспечивают несколько ботов. Рынок предсказаний, где вы думаете, что торгуете против других людей? Всё чаще это не так.
За последние полгода тихая революция изменила саму механику работы рынков предсказаний. Алгоритмические трейдеры — со стратегиями от простых арбитражных скриптов до сложных систем на основе языковых моделей — переместились с периферии в центр экосистемы. И их присутствие меняет всё: ликвидность, эффективность цен, скорость реакции рынков на новости и опыт розничных трейдеров, которые считали себя «умными деньгами».
Чтобы показать, что на самом деле происходит под поверхностью, мы следим за тремя собирательными трейдерами — по одному на каждую основную стратегию. Trader A, Trader B и Trader C — это иллюстрации, собранные из того, как операторы ботов публично описывают свои системы, а не реальные люди, у которых мы брали интервью.
Восстание машин
Автоматическая торговля на рынках предсказаний не новость. Простые арбитражные боты — скрипты, которые зарабатывают на разнице цен между платформами вроде Polymarket и Kalshi, — существуют с тех пор, как у обеих платформ появилось достаточно ликвидности, чтобы спред того стоил. Изменилась сложность.
Нынешнее поколение ботов на рынках предсказаний делится примерно на три категории:
Арбитражные боты в реальном времени отслеживают расхождения цен между платформами. Когда Polymarket оценивает контракт в 43¢, а на Kalshi эквивалент стоит 38¢, бот покупает дешёвую сторону и продаёт дорогую, забирая спред за вычетом комиссий и проскальзывания. Это самая простая и самая понятная категория.
Боты-маркетмейкеры обеспечивают ликвидность, выставляя ордера на покупку и продажу по обе стороны контракта и зарабатывая на спреде между ценой покупки и продажи. Они динамически подстраивают котировки под поток ордеров, волатильность и риск по позиции. Ряд контрактов Polymarket, которые выглядят так, будто у них глубокие и ликвидные книги заявок, на деле почти целиком держатся на двух-трёх автоматических маркетмейкерах.
Сигнальные боты — самая новая и самая интересная категория. Эти системы поглощают внешние данные — новостные ленты, настроения в соцсетях, экономические индикаторы, даже ответы больших языковых моделей — и превращают эту информацию в торговые решения быстрее, чем способен любой человек. Представьте себе машину для чтения новостей, которая выражает своё мнение через сделки на рынках предсказаний.
Изнутри: как работает бот
«Trader A», наш собирательный оператор сигнальной стратегии, ведёт операцию с номинальным объёмом около $200,000 в неделю на политических и макроконтрактах Polymarket.
Его система на первый взгляд обманчиво проста. Кластер облачных серверов следит за отобранным списком источников: лентами AP и Reuters, несколькими авторитетными политическими аналитиками в X, заявлениями Федеральной резервной системы и публикациями макроэкономических данных. LLM обрабатывает поступающую информацию и выдаёт оценки вероятности по каждому контракту, которым он торгует. Когда оценка модели заметно расходится с рыночной ценой, система совершает сделки.
«Преимущество не в самой модели, — объясняет он. — Любая приличная LLM умеет оценивать вероятности. Преимущество — в скорости и дисциплине. Когда член совета ФРС отпускает незапланированный комментарий на региональной конференции, моя система уже переоценила нужные контракты, прежде чем большинство трейдеров-людей вообще увидят заголовок».
В его систему встроена и обратная связь. Она отслеживает собственную историческую точность и соответственно корректирует уровень уверенности. По контрактам, где она исторически хорошо работала, позиции крупнее. Там, где результаты неоднозначны, позиции меньше или контракт вообще обходится стороной.
Операторы подобных систем редко публикуют свою доходность и описывают свой бизнес скромно: «Это не деньги из серии „быстро разбогатеть“. Это деньги за рутинную работу. Сотни маленьких преимуществ, которые складываются».
Арбитражный слой
«Trader B» ведёт чистую стратегию межплатформенного арбитража. Её система отслеживает эквивалентные контракты на Polymarket, Kalshi и нескольких платформах поменьше и совершает сделки, когда спред превышает её порог затрат.
«Люди думают, что арбитраж — это бесплатные деньги. Это не так, — говорит она. — Вы имеете дело с разными механизмами расчётов, разными структурами комиссий, разными сроками пополнения и вывода и постоянным риском того, что контракт, который на двух платформах выглядит одинаково, имеет чуть разные критерии разрешения».
Сценарий, которого боятся арбитражёры, выглядит так: противоположные позиции по контрактам на Polymarket и Kalshi, которые кажутся эквивалентными. Базовое событие разрешается, и Polymarket платит, но контракт Kalshi, сформулированный с чуть иными условиями разрешения, ещё три недели остаётся неразрешённым из-за спора о трактовке. Трейдер в плюсе на одной стороне, а деньги на другой заморожены.
«Главный риск в арбитраже на рынках предсказаний — не ценовой. Это риск разрешения и риск платформы».
Несмотря на трудности, за последний год арбитражный слой заметно сузил межплатформенные спреды. Контракты, по которым раньше расхождение между платформами составляло 5–8 центов, теперь обычно сходятся в пределах 1–2 центов. «Честно говоря, мы оказываем рынку услугу. Мы делаем цены точнее во всей экосистеме».
Вопрос маркетмейкинга
Третий оператор, «Trader C», ведёт стратегию маркетмейкинга на Polymarket. Он обеспечивает ликвидность примерно по 30 активным контрактам, выставляя ордера на покупку и продажу и зарабатывая на спреде.
«Большинство розничных трейдеров не понимают, что ликвидность, которую они видят в книге заявок, не органическая. Это я и, может быть, ещё пара ребят, — говорит он. — Если бы мы завтра выключили своих ботов, спреды на половине контрактов среднего уровня на Polymarket выросли бы с 1–2 центов до 8–10 центов».
Это поднимает неудобный для экосистемы вопрос: рынки предсказаний задуманы как механизм, который сводит убеждения людей в точные оценки вероятности. Если значительную часть потока ордеров генерируют алгоритмы, которые сами реагируют на другие алгоритмы, что на самом деле отражает итоговая цена?
Trader C с этим не согласен. «Мы не искажаем цены. Мы делаем рынок эффективнее. Наши котировки основаны на реальной информации — паттернах потока ордеров, подразумеваемой волатильности, межрыночных сигналах. Мы просто обрабатываем эту информацию быстрее и последовательнее, чем человек за ноутбуком».
Но другие участники рынка в этом не так уверены.
Опыт розничного трейдера
Для частных трейдеров рост числа ботов оказался палкой о двух концах.
С одной стороны, рынки стали ликвиднее, а спреды — уже, чем когда-либо. Розничный трейдер, ставивший в 2024 году ордер на $500 по крупному контракту Polymarket, мог получить 3–5 центов проскальзывания. Сегодня проскальзывание по такой же сделке часто меньше цента.
С другой стороны, информационное преимущество, которое когда-то привлекало продвинутых розничных трейдеров, размывается. Если вы из тех, кто читает срочную новость, открывает Polymarket и пытается торговать на свежей информации, — вы почти наверняка опоздали. Пока вы осмыслили заголовок и добрались до контракта, сигнальные боты уже сдвинули цену.
Активные розничные трейдеры сравнивают это с игрой в покер против того, кто видит ваши карты: не потому, что кто-то жульничает, а потому, что боты работают с такой скоростью, при которой процесс принятия решений человеком теряет смысл.
Эта динамика знакома всем, кто следил за эволюцией традиционных финансовых рынков. Фондовые рынки прошли через похожую трансформацию в 2000-х и 2010-х, когда доминирование захватили фирмы высокочастотной торговли. Итогом стали более узкие спреды и лучшее исполнение для обычных инвесторов, но гораздо более сложная среда для активных трейдеров, пытавшихся обыграть рынок за счёт информационного преимущества.
Рынки предсказаний, возможно, идут по той же траектории — только сжатой до нескольких лет вместо пары десятилетий.
Что с этим делают платформы
Polymarket публично признала присутствие автоматической торговли на платформе и в целом заняла разрешительную позицию. Главный тезис платформы — что открытые ликвидные рынки дают самые точные оценки вероятности — безразличен к тому, обеспечивают ли эту ликвидность люди или алгоритмы.
Kalshi высказывалась о своём подходе менее определённо, но ввела лимиты частоты запросов и контроль соотношения ордеров и сделок, которые косвенно ограничивают некоторые виды высокочастотных стратегий. Регуляторные обязательства платформы под надзором CFTC также накладывают ограничения против манипулирования рынком, которые действуют независимо от того, человек трейдер или алгоритм.
Платформы поменьше выбрали разные подходы. Одни ввели задержки или «лежачих полицейских», чтобы немного выровнять условия для трейдеров-людей. Другие, наоборот, сделали ставку на экосистему ботов и предлагают доступ по API и документацию, специально рассчитанные на то, чтобы привлечь алгоритмических трейдеров и приносимую ими ликвидность.
Фактор LLM
Пожалуй, самое интересное — появление торговли на основе LLM как отдельной категории. В отличие от традиционных количественных стратегий, которые опираются на структурированные данные и статистические закономерности, системы на базе LLM умеют обрабатывать неструктурированную информацию — речи, интервью, программные документы, посты в соцсетях — и превращать её в оценки вероятности.
Несколько исследовательских групп и частных операторов сейчас проводят эксперименты: большой языковой модели задают вопрос с рынка предсказаний, дают нужный контекст и просят назвать вероятность. Когда эта вероятность расходится с рыночной ценой, совершается сделка.
Первые результаты говорят о том, что такие системы неплохо справляются с вопросами, ответ на которые зависит от синтеза большого объёма публичной информации, — то есть ровно с теми вопросами, для ответа на которые и созданы рынки предсказаний.
Вывод отсюда провокационный: если LLM может прочитать ту же информацию, что и коллективный рынок, и прийти к более точной оценке вероятности, что это говорит о тезисе «мудрости толпы», на котором построены рынки предсказаний? Не заменяет ли толпу одна очень начитанная машина?
Ответ на сегодня — скорее нет. Трейдеры на основе LLM пока дают лишь небольшую долю общего объёма, а их преимущество выглядит узким и нестабильным. Но направление очевидно. По мере улучшения моделей и прихода новых операторов роль ИИ в формировании цен на рынках предсказаний будет только расти.
Что дальше
Экосистема ботов на рынках предсказаний всё ещё на ранней стадии. Нынешние операторы — в основном энтузиасты, небольшие команды и криптонативные трейдеры, которые оказались в этой нише почти случайно. Инфраструктура кустарная: облачные серверы, самописные скрипты, ручной мониторинг.
Но возможности привлекают внимание более серьёзных игроков. Традиционные торговые фирмы уже здесь: Susquehanna International Group стала первым институциональным маркетмейкером Kalshi в 2024 году. Если и когда придут капитал и инфраструктура институционального уровня, динамика снова изменится.
Практический вывод для розничных трейдеров прост: информационное преимущество на рынках предсказаний сокращается. Стратегии, основанные на скорости, против ботов обречены. Что по-прежнему работает — это глубокая экспертиза в конкретных темах, терпение, чтобы держать позиции во время волатильности, и готовность торговать на более длинных горизонтах, где преимущество ботов минимально.
Для платформ задача — сохранить и ощущение, и реальность того, что цены на рынках предсказаний отражают подлинный коллективный разум, а не просто результат работы горстки хорошо финансируемых алгоритмов. Мир традиционных финансов пытается удержать этот баланс уже много лет.
Рынки предсказаний обещали стать рынком истины. Теперь вопрос в том, есть ли у истины API.
Раскрытие информации: у PredictReport есть партнёрские отношения с Polymarket и Kalshi. Эта статья — независимый редакционный анализ, и ни одна из платформ не просматривала её до публикации.
Есть информация об автоматической торговле на рынках предсказаний? Пишите на support@predictreport.io.
