📌 策略概述
AI Divergence 策略通过比较 AI 预测价格与 Polymarket 市场价格的差异，发现错误定价机会。当 AI 模型计算的公平价值与市场价格显著偏离时，存在套利空间。
💡 核心思想：AI 模型基于历史数据、民调、经济指标等计算公平价值，市场价格短期可能偏离，长期会回归。
🔄 核心逻辑
1. AI 公平价值计算
- 输入数据：民调数据、经济指标、历史投票模式、人口统计数据
- 模型：贝叶斯层次模型 + 集成学习
- 输出：事件发生的公平概率（如候选人获胜概率 62%）
2. 价差检测
- 市场价格：Polymarket 当前交易价格（如 54%）
- AI 价格：模型计算的公平价值（如 62%）
- 价差：8% 错误定价
- 阈值：价差 >5% 时触发交易信号
3. 执行策略
- AI 价格 > 市场价格 → 买入 YES（市场低估）
- AI 价格 < 市场价格 → 买入 NO（市场高估）
- 价差回归 → 平仓获利
⚙️ 配置要求
- OpenClaw 技能：simmer, ai-divergence
- 数据源：FiveThirtyEight API、民调数据、经济指标
- AI 模型：自定义 Python 模型或 Simmer 内置模型
- 执行频率：每日扫描，发现机会立即执行
📊 优势与风险
优势
- 数据驱动：基于客观数据而非情绪
- 系统性：可回测、可优化
- 低相关性：与其他策略相关性低
风险
- 模型风险：AI 模型可能错误估计
- 收敛时间：价差可能需要较长时间回归
- 黑天鹅：突发事件可能导致模型失效