流动性状态：在市场变得“可交易”之前识别它（先于大众）
流动性状态：在市场变得“可交易”之前识别它（先于大众）
Polymarket上大多数“糟糕的交易”之所以糟糕，并不是因为你误判了事件结果。 而是因为你交易了一个尚未形成真正市场的市场。
同一个合约可能表现出截然不同的行为：
- 一个薄而跳跃的品种，每笔交易都会推动价格
- 或者一个深度订单簿，大单可以平稳成交，信号可复制
这种转变就是流动性状态变化。
如果你能提前识别它，你将获得两个优势：
- 在散户注意到之前，执行成本已经下降
- 大户的资金流向变得可解读，而非充满噪音
内部链接：
- 了解我们如何将执行视为α：/smart-money
- 按流动性桶测试阈值：/backtesting
- 仅在市场可交易时获取提醒：/subscribe
1) “可交易”意味着什么（操作性定义）
“可交易”不是一种感觉，而是一组条件：
- 价差足够窄，以至于成交不会吞噬你的期望收益
- 顶部档位的深度足以容纳你的交易量
- 订单簿会重新填充（流动性是真实的，而非快照）
- 价格对知情交易有反应，而非随机噪音
换句话说：执行是稳定的。
2) 可交易性评分（简单、实用、可审计）
我们将从三个维度构建一个0-100分的评分：
- 价差分（紧密度）
- 深度分（冲击）
- 稳定分（填充 vs 撤单压力）
A) 价差分
Polymarket的CLOB API提供了一个公开的价差端点（代币级别）。 外部来源（CLOB端点列表）：https://docs.polymarket.com/quickstart/reference/endpoints
设 spread 为最佳卖价减最佳买价（以概率单位计）。
定义归一化的价差分：
spread_score = clamp(1 - spread / spread_target, 0, 1)
其中：
spread_target对于流动性好的市场可取 0.005（0.5美分），一般使用可取 0.01（1美分）。
B) 深度分
拉取订单簿，计算如果交易固定名义金额（例如2000美元）时订单簿移动多少。
如果你能以低于0.5美分的冲击买入2000美元，深度良好。 如果头200美元就使价格移动2美分，那么深度尚未形成市场。
C) 稳定分（撤单压力代理）
单次快照无法获得完美的撤单率数据。 但你可以通过重复快照来估计稳定性：
- 每10秒采样一次订单簿，持续10分钟
- 计算顶部流动性消失与重新填充的频率
代理指标：
stability = 1 - (mean_abs_change(top_depth) / mean(top_depth))
然后截断到 [0, 1]。
3) 可复现的数据拉取（Gamma + CLOB）
你需要代币ID，然后获取订单簿。
Polymarket文档说明：
- Gamma API是公开的（市场元数据、代币ID）
- CLOB API有公开的端点用于订单簿/中点/价差 外部来源：https://docs.polymarket.com/quickstart/reference/endpoints
通过slug获取市场（Gamma）：
curl "https://gamma-api.polymarket.com/markets?slug=YOUR_MARKET_SLUG"
然后拉取订单簿/价差（CLOB）：
curl "https://clob.polymarket.com/book?token_id=YOUR_TOKEN_ID"
curl "https://clob.polymarket.com/spread?token_id=YOUR_TOKEN_ID"
curl "https://clob.polymarket.com/midpoint?token_id=YOUR_TOKEN_ID"
4) 一个计算评分的最小脚本
该脚本：
- 重复采样订单簿
- 计算价差、2000美元冲击和稳定性代理指标
- 生成0-100的可交易性评分
import json
import time
import urllib.request
from statistics import mean
TOKEN_ID = "YOUR_TOKEN_ID"
NOTIONAL_USD = 2000
SAMPLES = 60 # 10分钟，每10秒一次
INTERVAL_SECONDS = 10
def get_json(url: str):
with urllib.request.urlopen(url) as r:
return json.loads(r.read().decode("utf-8"))
def snapshot():
book = get_json(f"https://clob.polymarket.com/book?token_id={TOKEN_ID}")
spread = get_json(f"https://clob.polymarket.com/spread?token_id={TOKEN_ID}")
mid = get_json(f"https://clob.polymarket.com/midpoint?token_id={TOKEN_ID}")
return book, float(spread["spread"]), float(mid["midpoint"])
def vwap_for_notional(asks, notional_usd):
# 计算买入指定名义金额的成交量加权均价和冲击
total_cost = 0.0
total_size = 0.0
for price, size in asks:
price = float(price)
size = float(size)
cost = price * size
if total_cost + cost <= notional_usd:
total_cost += cost
total_size += size
else:
remaining = notional_usd - total_cost
total_cost += remaining
total_size += remaining / price
break
avg_price = total_cost / total_size if total_size > 0 else 0
return avg_price
# 主循环
spreads = []
impacts = []
depths = []
for _ in range(SAMPLES):
book, spread, mid = snapshot()
asks = book.get("asks", [])
if not asks or spread is None:
continue
spreads.append(spread)
# 计算冲击：买入2000美元后的均价与中点的差异
avg_price = vwap_for_notional(asks, NOTIONAL_USD)
impact = abs(avg_price - mid) / mid if mid else 0
impacts.append(impact)
# 记录顶部卖单的总深度
top_depth = sum(float(size) for _, size in asks[:5])
depths.append(top_depth)
time.sleep(INTERVAL_SECONDS)
if not spreads:
print("无法获取数据")
exit()
# 计算各分项
spread_target = 0.01
spread_score = max(0, min(1, 1 - (mean(spreads) / spread_target)))
impact_threshold = 0.005 # 0.5美分
depth_score = max(0, min(1, 1 - (mean(impacts) / impact_threshold)))
# 稳定性：深度变化越小越稳定
if depths:
mean_depth = mean(depths)
abs_changes = [abs(depths[i] - depths[i-1]) for i in range(1, len(depths))]
mean_abs_change = mean(abs_changes) if abs_changes else 0
stability = max(0, min(1, 1 - (mean_abs_change / mean_depth))) if mean_depth > 0 else 0
else:
stability = 0
# 综合评分（0-100）
tradability_score = (spread_score * 0.4 + depth_score * 0.4 + stability * 0.2) * 100
print(f"可交易性评分: {tradability_score:.1f}/100")
5) 下一步
- 接入实时数据流，而非轮询
- 按流动性桶（高、中、低）调整阈值
- 当评分超过阈值时发送警报
内部链接：
- 查看我们如何将执行视为α：/smart-money
- 测试不同流动性桶的阈值：/backtesting
- 仅在市场可交易时获取提醒：/subscribe
发布于: 2026年6月23日 · 8 分钟 · SightWhale