golden-mango — Patience Premium

핵심 수식

연환산 캐리 수익률  y = ((1 - p) / p) × (8760 / hours_left)
진입 ⇔ y >= y_min                     (기본 y_min = 2.0 = 연 200%)

# p에 사서 만기에 1.00을 받으면 수익률 = (1-p)/p — 이를 잔여 시간으로 연환산한 값이 y

왜 이 전략인가

이 전략은 기존 골든 시리즈(apple/banana/cherry 및 date~lime)의 내부 아이디어와 독립적으로, 공개 학술 문헌과 실증 연구에서 도출되었다. 핵심 근거는 arXiv 2605.31431 "When Certainty Is Not Worth It: Capital Lock-Up and Settlement Discounting in Prediction Markets"다. 이 연구는 예측시장 가격의 기간구조를 실측해, 만기까지 자본이 잠기는 기간에 비례하는 settlement discount가 체계적으로 존재함을 보였다. ASW(기간구조) 할인을 보정하면 근확실(near-certain) 구간의 가격 왜곡이 48~88% 소거된다. 즉 0.95짜리 "거의 확실" 계약이 0.95인 이유의 절반 이상이 "확률이 95%라서"가 아니라 "돈이 묶여서"다. 그 할인이 곧 이 전략이 사는 물건이다.

이 왜곡은 구조적으로 지속된다. arXiv 2602.21091 "Can Interest-Bearing Positions Solve the Long-Horizon Problem in Prediction Markets?"는 담보에 이자가 붙지 않는 예측시장 구조가 장기 계약 가격을 구조적으로 왜곡함을 이론화했다. Polymarket의 USDC 담보는 무이자이므로 이 왜곡이 그대로 존재하고, 시장이 이 문제를 해결하기 전까지 캐리는 구조적으로 지속된다. 고전적 근거로는 "The cost of capital in a prediction market" (International Journal of Forecasting)이 예측시장 가격에 자본비용이 반영되어 있음을 이미 보였다.

방향의 실증도 있다. CEPR VoxEU "The economics of the Kalshi prediction market"는 Kalshi 실증에서 고가(고확률) 계약이 양(+)의 초과수익을 보였음을 확인했다 — favorite-longshot bias의 favorite 쪽이다. 대중은 롱샷에 복권 심리로 과지불하고 favorite을 과소평가하며, 캐리 매수는 이 편향의 수혜 방향과 정확히 일치한다. arXiv 2602.19520 "Decomposing Crowd Wisdom" (Kalshi+Polymarket 2.92억 거래 분석)은 가격 구간별 수익 구조가 체계적으로 다름을 확인한 보조 근거다.

요약하면 "확률이 틀렸다"에 베팅하는 것이 아니라, "대중의 조급함이 만든 할인"을 봇의 무한한 인내로 사들이는 전략이다 — 봇은 자본 잠김을 심리적으로 괴로워하지 않는다. cherry(Resolution Momentum)·date(Conviction Ladder)도 고확률 favorite을 사지만 심리적 타이밍이 진입 논리인 반면, mango의 진입 판단은 수익률 허들 단일 수식이다. 시간과 확률을 각각 조건으로 두지 않고 y = ((1-p)/p) × (8760/h) 하나로 환산해 비교하므로, 시장이 스스로 진입 frontier를 형성한다: 같은 0.98이라도 24h 남으면 y=7.45로 진입하고, 336h 남으면 y=0.53으로 걸러진다. 수식이 항상 계산 가능해 banana의 골든크로스처럼 도달 불가능한 threshold로 퇴화할 여지가 없다. 청산도 다르다 — 조기 익절(trailing/작은 TP) 없이 0.99 수렴까지 보유한다. 캐리는 만기 수렴이 수익의 원천이므로 중간에 파는 것은 전략 부정이다.

진입 규칙

캐리 수확은 "가격이 그대로 만기에 수렴한다"가 전제이므로, 모멘텀 가드가 급락 중 진입을 차단한다.

청산 규칙

take_profit_percent는 env로 남겨두되 기본 9.99로 두어 목표가 캡(0.99)만 작동한다. 즉 코드상 익절 조건은 "0.99 도달" 하나다.

파라미터 (환경변수)

우선순위: env > config.yaml > 코드 기본값

이 전략이 실패하는 경우

• UMA 오라클 분쟁 — 최대 리스크. favorite이 해결 직전에 뒤집힌 실사례가 있다: Ukraine Minerals 시장이 9% → 100%로 반전된 사건처럼, 오라클 분쟁/재해석 한 방이 0.95 매수 포지션을 0으로 만든다. 캐리 전략의 기대수익은 건당 수 %이므로 전액 손실 1회가 수십 회의 정상 수익을 지운다. 방어책은 POLYBOT_MAX_POSITIONS를 유한하게 설정하고 포트폴리오 대비 건당 소액 사이징을 유지하는 것 — 무제한 포지션 + 큰 사이징은 이 전략에서 자멸이다. SL -6%는 분쟁이 가격에 반영되기 시작하면 이탈하게 해주지만, 갭 하락(한 번에 0.9→0.1)은 막지 못한다.
• tail risk의 체계적 과소평가 가능성. 시장 가격 0.95가 실제 확률 0.97의 할인이 아니라 정확한 0.95일 수 있다. 이 경우 20번 중 1번 전액 손실로 캐리가 상쇄된다. settlement discount 문헌이 "할인이 존재한다"를 보였지만 모든 시장·모든 구간에서 할인 > 실제 리스크임을 보장하지는 않는다.
• 선택 편향. y >= 2.0을 넘는 시장은 "시장이 유독 할인을 크게 매긴" 시장인데, 그 할인이 조급함이 아니라 우리가 모르는 진짜 위험(해결 기준 모호함, 분쟁 가능성)의 프리미엄일 수 있다. 모멘텀 가드가 일부를 거르지만 전부는 못 거른다.
• 금리 환경 변화. settlement discount의 크기는 기회비용(금리·DeFi 수익률)에 비례한다. 무위험 수익률이 낮아지면 할인 자체가 축소되어 y >= 2.0을 넘는 시장이 드물어진다 (손실이 아니라 기회 소멸).
• 저거래량 시장의 stale 가격. volume 필터가 기본 비활성이므로 조용한 시장의 midpoint가 실제 체결 가능 가격과 다를 수 있다. GTC limit이 어느 정도 방어하지만 체결 가정의 한계와 결합하면 시뮬레이션 성과가 과대평가될 수 있다.

A/B 검증 계획

• 시뮬레이션 (1~2주): uv run python main.py run --simulate --job sim을 Jenkins 3~5분 간격으로 실행. data/sim/trades_sim.db + 월별 CSV로 검토.
• 소액 실전 (4주): POLYBOT_BUY_AMOUNT=5(기본), POLYBOT_MAX_POSITIONS=10 권장.
• 판단 기준 (4주 / 30+ 거래): 승률 >= 85% (캐리 전략은 고승률·소수익 구조가 정상) · stop_loss 비중 <= 15%, resolved_unredeemed(EXPIRED) 0건 유지 · 건당 평균 수익 > 0 이고 최악 거래 손실이 평균 수익의 20배 이내 · carry_yield_at_buy 구간별(2~4 / 4~8 / 8+) 성과 비교 → y_min 조정 근거.
• 교차 봇 비교: trades에 strategy_name/mode가 기록되므로 cherry/date와 UNION 쿼리로 같은 기간 고확률 구간 성과를 직접 비교할 수 있다.

베리에이션: A-1 보수(POLYBOT_YIELD_MIN=4.0, POLYBOT_PROB_MIN=0.90, POLYBOT_MAX_POSITIONS=5 — 진짜 싼 캐리만), A-2 단기 집중(POLYBOT_ENTRY_HOURS_MAX=72 — 오라클 분쟁 노출 시간 축소), A-3 YES 한정(--yes-only — NO-favorite 해결 기준 모호성 회피, 모수 절반 포기).

실행 (Jenkins)

#!/bin/bash
export POLYBOT_BUY_AMOUNT=1000
export POLYMARKET_PRIVATE_KEY=<Jenkins credential>
export POLYMARKET_FUNDER_ADDRESS=<Jenkins credential>
export LOG_LEVEL=INFO
# 전략 주요 env 예시
export POLYBOT_YIELD_MIN=2.0
export POLYBOT_MAX_POSITIONS=10
export POLYBOT_REENTRY_COOLDOWN_HOURS=24

cd ./golden-mango
uv sync
uv run python ./main.py run

job별 DB/로그 분리는 --job <이름>, YES 토큰만 매수는 --yes-only. UMA 오라클 리스크 때문에 실전에서는 POLYBOT_MAX_POSITIONS 제한과 소액 사이징을 권장한다.