← 返回 Quant Digests · 站点首页

别把这份 2026 Kalshi 新 repo 只读成预测市场工具链：对 short-cycle desk，更该先测的是「spot-trend × strike-gap × binary-mid mispricing」这条完整 raw alpha

更新时间：2026-04-03 09:12 UTC 研究时间：2026-04-03 09:08 UTC 类型：2026 GitHub 新 repo source audit（GitHub API metadata + `README.md` + `backtester.py` + `train.py` + `data/sample_features.csv`）+ Kalshi / Coinbase 公共数据路径 主题标签：raw-alpha/cross-market/relative-value/prediction-market/kalshi/coinbase/15m/binary-probability/spot-trend/price-vs-strike/orderbook/kelly/fixed-expiry/1m/3m/5m/15m/repo/public-data/external-data/cost 证据类型：repo source + sample dataset + official public data docs（repo-based）

源文件：research/quant_digests/2026-04-03_0908_kalshi-strikegap-binary-mispricing-alpha.md

1. 这次看了什么

这轮看的是一个 2026-02-28 创建 的小型新仓库：kapelame/kalshi-crypto-bot（GitHub 目前约 3 stars，但代码很短、可读、可直接拆策略）。

repo headline 写的是 Kalshi 15-minute crypto prediction market trading framework。表面上它更像一个“数据采集 + 回测 + paper trader + dashboard”的壳子，而且 README 还明确说 live trader 里的 your_strategy() 是空的。

但真正值得 desk intake 的，不是“框架已经能下单”，而是：

  1. 它把 crypto 15m hard-expiry binary market 的一整套工程壳子都搭好了；
  2. backtester.py 里其实已经写出一条 可独立复现的 raw alpha 骨架，不是纯空壳；
  3. 这条骨架的本体不是宏观赔率解释，也不是慢频 gate，而是 fair probability - quoted probability 的可交易偏离。

翻成人话： 别把它看成“Kalshi 工具箱”。对我们更重要的是：它已经把一条 15m 二元合约 mispricing 策略，拆成了 signal / entry / sizing / fee / risk 的完整骨架。

2. 先回答一句：这篇东西的 base alpha 是什么？

这轮的 base alpha 很清楚：

> 外部现货价格路径与当前合约参考价（floor strike）共同决定“这 15 分钟最终涨/跌”的公平概率；而 Kalshi 的当前合约中价并不会每一秒都完全跟上这条公平概率，所以会留下一个可交易的二元错价。

因此它不是：

它是一条可以单独站住的 cross-market / binary-probability / fixed-expiry raw alpha。

3. 为什么这轮值得写，而不是继续补第 N 条 shape/filter

结合当前文档与最近 digest 节奏，这轮有三点价值：

  1. 它仍然是 raw alpha，不是又一层 gate。 当前 bot7 明显更该继续补可独立下单的 alpha，而不是再堆一个共享过滤器。
  2. 它扩了素材池的资产形态。 最近池子里已经有很多 perp/perp、spot/perp、pairs、cross-sectional、microstructure；这轮补的是 公开 prediction-marketized crypto alpha，但仍然保持短周期、可回测、可定义成本。
  3. 它比 04-03 02:28 那篇 Kalshi 宏观 gate 更贴近 desk 主线。 那篇更适合作 volatility regime gate；这轮则是能直接写成完整交易规则的主信号。

如果要再说得更直白一点： 现在更值得补的是“能直接下注的 15m raw alpha”，而不是继续给现有策略找第 N 个 veto。

4. 最值得记住的硬数据

4.1 市场结构与数据频率

README 把交易对象说得很清楚：

数据采集器默认：

4.2 repo 已经给出明确 risk shell，不是“以后再想”

backtester.py 的默认风控参数很具体：

这很关键，因为它说明： 这不是“先拍方向、风控以后再补”的想法单；它已经是一条完整策略壳。

4.3 fee model 与 sample spread 也足够具体

repo 使用 Kalshi 官方风格的 fee 近似：

这意味着在 P=0.5 附近，单合约手续费最高：

我顺手看了 sample 数据里的 spread：

所以 repo 的 max_spread = 4c 并不是随便拍出来的，它大致对应了 sample 里“还能交易、但已经接近宽价尾部”的边界。

5. repo 真正值得拿走的，不是框架，而是概率错价 skeleton

5.1 规则策略已经写出来了

backtester.py 里的 rule_strategy() 实际就是这条 alpha 的第一版：

作者给的组合权重甚至都写死了：

然后把综合信号通过 tanh 映射成一个 estimated_p，再直接和市场中价 mid 比：

这就是一条完整的 fair probability - market mid raw alpha。

5.2 ML 版本只是同一 alpha 的升级壳，不是另一条本体

train.py / backtester.py 里的 ML 版本，本质上没有改 base alpha，只是把公平概率估计器从规则版换成：

训练字段大约 14 个核心特征，包括：

而且作者评估口径也比较老实：

这对我们有个很重要的启发： 第一轮根本不需要上复杂模型；只要先验证 estimated_p - mid 是否在 edge decile 上单调变好，就足以判断这条 alpha 本体值不值得继续。

5.3 它和上一轮 Polymarket raw alpha 不是同一件事

虽然都属于 prediction market / binary 交易，但这轮跟 04-02 那篇 Polymarket digest 不完全一样：

所以这轮更适合作为一个单独的 raw alpha intake，而不是重复写 prediction-market lead-lag。

6. 3.5 策略拆解（必填）

7. 和当前 1m / 3m / 5m / 15m 的关系

7.1 它天然是 15m 主信号

这条线的交易载体本身就是 15m binary contract，所以：

7.2 对 perp/spot desk 也有迁移价值

即使最后不下 Kalshi，这条材料也有 desk 价值，因为它等价于在问：

> “当一个 hard-expiry 概率市场吸收 crypto 现货信息不够快时，能不能把这份滞后反过来当外部 price discovery 载体？”

这层读法后面可迁移到：

但这轮要坚持一个边界： 本篇主 digest 讨论的是 raw alpha 本体，不是把它降级成 filter。

8. 数据源、公开性、更新频率、最小可复现实验口径

8.1 数据源

8.2 公开性

8.3 更新频率

8.4 最小可复现实验口径

第一轮可以先不碰 live trading，只做一个 honest baseline：

  1. 资产：BTC / ETH / SOL / XRP
  2. 样本：repo sample + 自己再抓 2~7 天新数据
  3. 特征：
  1. 标签：本期 YES/NO 结算结果
  2. 规则：
  1. 执行：必须 one-sample lag，不能 same-tick 幻觉成交

9. 下一步怎么测

最小实验 1：先把 repo 的 5s/15s/30s 特征改写成 desk 常用 1m / 3m / 5m

不要直接照搬 5 秒级 mom。 第一步更适合做：

看 edge decile 是否仍然单调。

最小实验 2：把 price_vs_strike_pct 和外部趋势拆开做 ablation

至少分 4 组：

  1. 只用 price_vs_strike_pct
  2. 只用现货趋势
  3. price_vs_strike_pct + 现货趋势
  4. 再加 ob_imbalance

要回答的核心问题是： 真正的 alpha 是“离 strike 多远”本身，还是“外部价格趋势告诉你它会不会继续越过 strike”？

最小实验 3：先做 time_to_expiry bucket

把样本切成：

大概率 edge 不会均匀分布在整段生命周期里。 如果只有某个 bucket 存活，就别假装它是全时段 alpha。

最小实验 4：先用 maker-ish / taker-ish 两套成本一起压

这类 binary 市场很容易死在成本上，所以必须一开始就给：

三组同时看。

最小实验 5：确认这条线能不能服务现有 crypto desk

如果 Kalshi 盘口容量太薄，就再做一版映射实验：

这样就算 Kalshi 自身容量一般，它也可能变成一个 外部 alpha sensor。

10. 风险与保留意见

  1. repo 规模很小。 只有几个 stars，不能因为它是新仓库就自动抬成高置信 production 候选。
  2. live trader 主策略其实留空。 所以这轮真正能 intake 的，是 backtester 里那条 rule/ML probability alpha，而不是 README 里承诺的完整 live 策略。
  3. binary 市场容量与滑点可能很伤。 即使 sample spread 不离谱，真实成交深度仍可能限制容量。
  4. 硬结算结构会放大 late-entry 风险。 临近结算的错误成交，不像 perp 那样还能慢慢磨回来。
  5. 样本还不够长。 repo sample 只有 2470 行，明显不够给 production verdict；它更像一个“今天就能开工”的 starter kit。

所以我对它的定位是： 高可复现度的 raw alpha skeleton，适合先做 first verdict；是否能进实盘池，要靠更长样本与 cost ladder 决定。

11. 来源

11.1 主来源（repo）

11.2 公共数据 / 文档

11.3 直接审阅文件

12. 一句话结论

这份 2026 Kalshi repo 最值钱的不是“预测市场基础设施”，而是它已经把一条可快速复现的 15m raw alpha 摆在桌上：外部 spot trend + strike gap -> fair YES probability，再去交易 fair probability - market mid 的回补。先做 cost-first 的 first verdict，很值得。