golden-date — Conviction Ladder

핵심 수식

favorite = YES/NO 중 확률 높은 쪽,  p = favorite 가격,  h = 해결까지 잔여 시간

BUY if (  6 < h ≤  24 AND 0.80 ≤ p ≤ 0.95)   # 밴드1
    or ( 24 < h ≤  72 AND 0.75 ≤ p ≤ 0.92)   # 밴드2
    or ( 72 < h ≤ 168 AND 0.70 ≤ p ≤ 0.88)   # 밴드3
   AND Δp(최근 6h) ≥ -0.01                     # 모멘텀 게이트: 하락 추세 아님

왜 이 전략인가

Favorite-longshot bias. 예측시장 참가자는 복권성 longshot을 과대평가하고 favorite을 과소평가한다. 70~95% 구간의 favorite은 실현 확률 대비 구조적으로 저평가되어 있어 favorite 매수는 +EV다.

사전 해결 수렴. 해결이 가까워질수록 불확실성이 사라지며 가격이 1.0으로 수렴한다. cherry가 인용한 Dune Analytics 데이터에 따르면 해결 24h 전 정확도 88.6% → 4h 전 94.2%. 이 마지막 수렴 구간의 "시간가치 소멸"이 수익 원천이다.

시간-확신 비례. 잔여 시간이 길수록 반전 리스크가 크다. 같은 0.93짜리 favorite이라도 하루 뒤 해결과 일주일 뒤 해결은 기대값이 다르다 — 그런데 cherry는 같은 밴드로 같은 가격을 지불했다. date는 이를 시간 사다리로 교정한 cherry 고도화 전략이다.

cherry에서 배운 것 — 수정한 5가지 허점:

banana에서 배운 것. 개수 기반 스냅샷 윈도우는 Jenkins 중단 시 "15분 윈도우"가 몇 시간을 커버하는 버그 → timestamp 기반 윈도우 + 커버리지 검증으로 수정. cold-start 시 관대한 폴백이 사실상 무전략 퇴화로 이어지던 문제는 윈도우 invalid면 진입하지 않는 원칙으로 교체하고, 대신 CLOB prices-history 백필로 cold start 자체를 줄인다.

진입 규칙

청산 규칙

우선순위 순으로 매 사이클 검사한다.

파라미터 (환경변수)

이 전략이 실패하는 경우

• 막판 반전 이벤트: 해결 2h 전까지 보유하므로 cherry(12h 전 청산)보다 막판 반전에 더 노출된다. 0.9대 favorite이 뒤집히면 -8% 손절로는 못 막는 갭 하락(0.9 → 0.2)이 가능하다.
• 트레일링이 손절을 대체하는 whipsaw: max_price가 매수가로 초기화되므로 실효 손절선은 -5%다. 70~80% 구간의 일상 노이즈(±3~5%p)에 반복적으로 털리면 수수료 없는 시장이어도 스프레드 비용이 누적된다.
• 모멘텀 게이트의 후행성: 6h 윈도우 변화는 후행 지표다. 급락 직전의 "평온한" favorite은 통과시키고, 일시 조정 후 반등할 favorite은 걸러내는 양방향 오류가 있다.
• endDate 신뢰성: Gamma endDate는 마감 예정일이지 실제 해결 시각이 아니다. 조기 해결되면 time exit 기회 없이 EXPIRED로 빠질 수 있다 (leak 처리로 좀비는 안 남지만 P&L은 미확정).
• 상관 리스크 무관리: 같은 이벤트의 여러 시장(예: 한 선거의 후보별 시장)을 동시 매수해 동일 리스크를 중복으로 질 수 있다. max_positions는 총량 제한일 뿐이다.
• 저변동 구간의 재진입 쿨다운: 24h 쿨다운은 완만히 수렴하는 시장에서 두 번째 진입 기회를 놓치게 할 수 있다 (반대로 쿨다운이 없으면 손절 반복 위험 — 트레이드오프).

A/B 검증 계획

1) 시뮬레이션 — uv run python main.py run --simulate --job sim을 Jenkins 3~5분 주기로 1~2주 축적. data/sim/trades_sim.db + 월별 CSV에서 진입 사유별 성과를 분리 집계한다. 회고 전용 컬럼(strategy_name="date", mode="live"/"sim", volume_24h_at_buy, ladder_band_at_buy 1/2/3, momentum_at_buy)이 trades·CSV에 함께 기록되므로 entry_reason 문자열 파싱 없이 사다리 단별·모멘텀 구간별 집계가 가능하다.

2) 소액 실전 — POLYBOT_BUY_AMOUNT=5로 실주문 2주. 시뮬레이션과의 체결 편차(midpoint 가정 vs 실제)를 확인한다.

3) 판단 기준 — 4주, 30+ 거래 기준:

• 승률 ≥ 70% AND 평균 손익 > 0 (수렴 전략은 소수 대형 손실 + 다수 소형 이익 구조이므로 평균이 중요)
• 사다리 단별 승률 비교: 밴드3(멀리)이 밴드1(가까이)보다 유의미하게 나쁘면 h3 축소
• exit_reason 분포: trailing_stop이 과반이면 whipsaw 의심 → 트레일링 지연/완화 검토

4) cherry와의 A/B — 같은 기간 cherry 계정 성과와 비교. 동일 GTC midpoint 체결 가정을 유지했으므로 회계 기준이 같다.

베리에이션 후보 (job 분리로 동시 운영 가능):

실행 (Jenkins)

#!/bin/bash
export POLYBOT_BUY_AMOUNT=20
export POLYMARKET_PRIVATE_KEY=<Jenkins credential>
export POLYMARKET_FUNDER_ADDRESS=<Jenkins credential>
export LOG_LEVEL=INFO
# 전략 주요 env 예시
export POLYBOT_MOMENTUM_MIN_CHANGE=-0.01
export POLYBOT_REENTRY_COOLDOWN_HOURS=24
export POLYBOT_TRAILING_STOP_PERCENT=0.05

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

Jenkins job별로 DB/로그를 분리하려면 --job <이름>을 붙인다. YES 토큰만 매수하려면 --yes-only를 추가한다.