原創：把結算條款當成資料管線的規格書

核心主張（原創）：每個市場的結算條款是一份用自然語言寫的資料管線規格書，而幾乎沒有人把它當成規格書來讀。

一個 Polymarket 市場的 rules 欄位長這樣（示意）：

本市場在 2026 年 12 月 31 日 23:59 ET 前，若美國勞工統計局（BLS）公布的月度 CPI 年增率（未經季調，全項目）於任一次發布中低於 2.0%，則結算為 Yes。以 BLS 官方發布為準。

這段文字裡有一整條資料管線的全部參數：

條款成分	管線參數
「美國勞工統計局（BLS）」	權威來源
「月度 CPI 年增率（未經季調，全項目）」	欄位與序列 ID
「低於 2.0%」	閾值與比較運算子
「任一次發布中」	聚合方式：任意（OR over releases）
「2026-12-31 23:59 ET」	時間邊界與時區
「以 BLS 官方發布為準」	仲裁優先權：官方 > 媒體轉述

只要能把這六個欄位抽出來，這個市場的監控器就可以被自動生成。 這是這篇的全部內容。

為什麼這是一個 edge，而不只是一個便利

三個理由，強度遞增：

理由一：條款指名的來源，定義上就是答案。 不是「相關資訊」，是判定依據本身。監控它，等於監控結算結果。任何其他來源（新聞、社群、專家意見）都只是它的有雜訊的代理。

理由二：D − d 在這類來源上特別大。 見訊號分類學——多數參與者透過新聞轉述得知官方發布，而新聞轉述有數十秒到數分鐘的延遲，加上撰稿、審稿、推播。直接輪詢 BLS 的 API 與等 Bloomberg 推播之間，是一個真實存在的時間窗。

理由三：這件事的成本結構讓它難以被抄。 抄一個交易訊號很容易，抄「三千個市場各自的權威來源監控器」需要複製整條產線。呼應 edge 的持久性取決於成本結構。

抽取管線的設計

第一步：結構化抽取

輸入市場的 question、description、rules（Gamma API 提供），輸出一個嚴格 schema：

{
  "authoritative_source": {
    "name": "US Bureau of Labor Statistics",
    "access": {
      "type": "api",
      "endpoint": "https://api.bls.gov/publicAPI/v2/timeseries/data/",
      "series_id": "CUUR0000SA0",
      "auth_required": true
    },
    "publication_schedule": "monthly, ~08:30 ET, second week"
  },
  "observable": {
    "field": "12-month percent change, all items, NSA",
    "unit": "percent"
  },
  "predicate": { "operator": "<", "threshold": 2.0 },
  "aggregation": "any_release_in_window",
  "window": { "start": "2026-01-01T00:00:00-05:00",
              "end":   "2026-12-31T23:59:00-05:00" },
  "arbitration_priority": ["official_release", "official_revision", "media"],
  "ambiguity_flags": ["revision_handling_unspecified"],
  "extraction_confidence": 0.86
}

ambiguity_flags 是這個 schema 最重要的欄位。 上面那個例子裡，條款沒說「如果 BLS 事後修正數據怎麼辦」——這是一個真實的漏洞，而它同時是條款背離掃描的輸入。抽取管線不只產生監控器，也產生漏洞清單。

extraction_confidence 決定下游怎麼用：高信賴度的走自動監控，低信賴度的進人工審查佇列或直接排除。

第二步：來源解析與存取方式分級

抽出來的來源名稱要對應到一個實際可以打的東西。按可靠度分四級：

等級	存取方式	延遲	穩定度	佔比（估計）
A	官方 API / 結構化 feed	秒	高	少數但最有價值
B	官方頁面（HTML 解析）	秒–分	中（版面會改）	多數
C	官方社群帳號	秒	中	補充用
D	只有媒體轉述	分–時	低	應標記為高風險

維護一份「來源目錄」，讓多個市場共用同一個來源的監控器。 這是規模經濟的關鍵——三千個市場可能只對應一兩百個不同的權威來源。目錄應該是手工審核過的（來源解析是整條管線最容易出錯、也最值得投入人工的一環），而條款抽取則完全自動。

第三步：輪詢排程（發布節奏模型）

天真的做法是每個來源每秒打一次。這會燒掉速率額度、被對方封鎖，而且 99.9% 的時間毫無收穫。

正確做法是發布節奏模型：從歷史發布時間學一個機率分布 P(發布時間)，然後把輪詢頻率設成正比於當下的瞬時發布機率密度：

輪詢間隔(t)  ∝  1 / hazard(t)

實務上：

平時每 5–15 分鐘一次（只為了偵測「排程外的意外發布」）。
預期發布時間前 10 分鐘進入高頻模式（每 1–2 秒）。
發布偵測到之後立刻降回低頻。

技術細節：用 HTTP 條件請求（ETag / If-Modified-Since）而不是重抓全文——這讓高頻輪詢的頻寬成本近乎為零，也讓變更偵測變成一個布林判斷而不是文字比對。對 HTML 來源，額外維護一個版面雜湊：若頁面結構改了但目標欄位沒抓到值，要發警報而不是靜默回傳 null（靜默失敗是這類系統最常見的死法）。

第四步：觸發與下單

偵測到發布 → 抽取數值 → 對照 predicate → 產生確定性訊號。

下單邏輯必須分級，而不是無條件市價掃單：

抽取信賴度	動作
高（數值明確、schema 匹配）	立刻按 Kelly 掃單，上限由盤口深度截斷
中（數值需推導或有歧義）	只掛 maker 單在保守價位
低（版面異常、多重解讀）	不下單，發警報

q 的設定：確定性事件成立時，q = 1 − β，其中 β 是該市場的預言機偽陰性率（見混淆矩陣）。不要設 q = 1——這會讓你在 99¢ 買進，而那是負期望值。

三個容易致命的失效模式

一、數據修正（revision）。 官方統計常有初值與修正值。條款若沒指明用哪個，你的自動判定可能與最終結算相反。處理：把 revision_handling_unspecified 當成阻擋條件，這類市場降級為人工或不交易。

二、時區與定義的細節。 「2026 年」是哪個時區的年底？「月度 CPI」是季調還是未季調？這些細節單獨看都很無聊，但每一個都能讓一筆「確定性」交易變成全損。 這是為什麼 schema 要強制填滿所有欄位，缺一欄就降信賴度。

三、來源本身改版。 API 端點下線、序列 ID 變更、HTML 版面重寫。處理：每個監控器都要有心跳測試——定期用一個已知的歷史值驗證解析器仍然正確，失敗就自動停用該市場的自動交易。

這件事為什麼算「把不能自動化的變成自動化」

「知道該看哪裡」通常被歸為人類判斷：一個有經驗的交易員讀完市場描述，心裡就知道「這要看 BLS 的第二個星期五」。這個知識看起來是隱性的、經驗性的、無法規模化的。

但它其實是寫在條款裡的。 條款是一份規格書，只是用自然語言寫的。LLM 恰好擅長把自然語言轉成結構化 schema——這正是「隱性知識」變成「可執行程式碼」的那個介面。

這個模式（把市場的自我描述當成程式碼來編譯）在其他策略上會反覆出現：

條款—標題背離：把條款編譯成一個判定函數，與標題的語義比對。
邏輯蘊含圖：把條款編譯成一個命題，與其他市場的命題做邏輯運算。

三者共用同一個抽取層。這是本專欄在架構上最重要的一個複用點——條款抽取器是一次投入、三個策略共享的基礎設施。

分級與驗證

主張	等級
條款指名的來源就是判定依據	機制必然（讀條款即可確認）
條款可以被抽成結構化 schema	有證據（結構化輸出是成熟技術；抽取錯誤率待測）
官方來源的 `D − d` 顯著為正	原創假說，可直接驗證
這條 edge 難以被複製	論證（成本結構論），非實證

驗證 D − d 的具體方法（不需要下單就能做）：

選 20 個有明確官方來源的已結算市場。
對每個市場，記錄官方發布的精確時間戳（多數官方來源有）。
從 Polymarket 的歷史成交資料，找出價格開始朝正確方向移動的時間。
兩者相減，得到 D 的經驗分布。

如果 D 的中位數小於 30 秒，這條策略在熱門市場上不成立（但在冷門市場上仍可能成立，要分層看）。這個量測應該在寫任何交易程式碼之前完成——它是整條策略的 go/no-go 門檻。

這篇的重點

結算條款是一份自然語言寫的資料管線規格書，含來源、欄位、閾值、聚合方式、時間邊界、仲裁優先權六個參數。
抽取管線同時產生「監控器」與「漏洞清單」（ambiguity_flags）。
來源目錄要共用：三千個市場可能只對應一兩百個來源。
輪詢用發布節奏模型 + 條件請求，不要暴力高頻。
下單按抽取信賴度分級，且 q = 1 − β 而不是 1。
三個致命失效：數據修正、時區/定義細節、來源改版——各有對應的阻擋機制。
條款抽取層是三個原創策略共用的基礎設施，這是最重要的架構複用點。
上線前先量 D，這是 go/no-go 門檻。

下一步：既有策略盤點與它們的極限。

我的知識庫

探索