피드로 돌아가기
Dev.toDatabase
원문 읽기
8.9M 데이터 기반 Polymarket 평균 회귀 전략 및 최적 보유 시간 도출
I Collected 8.9 Million Polymarket Price Points — Here's What I Found About How Markets Really Move
AI 요약
Context
단일 마켓 위주의 단편적 분석으로 인한 플랫폼 전체의 가격 움직임 패턴 파악 불가. 예측 시장의 효율성 가설과 실제 데이터 간의 간극을 검증하기 위한 전수 조사 필요성 대두.
Technical Solution
- Gamma API 및 CLOB API를 활용한 전 마켓 대상 15분 주기 스냅샷 자동 수집 파이프라인 구축
- 9,550개 마켓 및 8.9M 데이터 포인트를 확보하여 플랫폼 전반의 상관관계 분석 환경 조성
- 20% 이상 급락 시 발생하는 Mean Reversion 패턴을 정량적으로 측정하는 분석 로직 설계
- 보유 시간(Hold Time)에 따른 Win Rate와 P&L 변화를 시뮬레이션하여 자본 효율성 최적 지점 산출
- 카테고리별 이벤트 해결 방식(Event-driven vs Slow-moving)에 따른 리스크 차별화 분석 적용
Impact
- 급락 후 15분 내 평균 6.6% 반등 및 1시간 내 11.0% 수익률 확인
- 보유 시간 12시간 설정 시 Win Rate 70% 및 자본 회전율 최적화 달성
- Crypto(78%) 및 Sports(79%) 카테고리에서 가장 높은 승률 기록
- 전체 시장의 NO 결괏값 비율 52.3% 확인을 통한 기존 73% 가설 오류 증명
Key Takeaway
데이터 인프라를 통한 전수 조사는 일부 샘플 기반의 시장 가설을 부정하고 실제 동작하는 정량적 엣지(Edge)를 발견하는 핵심 수단임.
실천 포인트
- 정량적 분석 전 데이터 수집 주기를 결정하여 샘플링 편향 제거 - 단순 수익률보다 자본 잠식 기간을 고려한 Time-weighted Return 분석 수행 - 도메인 특성(이벤트 기반 vs 지표 기반)에 따라 서로 다른 리스크 모델 적용