“4000 万美元套利”不是致富教程：读完 Polymarket 论文后，最该记住的是执行风险
源帖用了一个极强的叙事：当普通人还在手算 YES + NO 是否小于 1 美元时，量化系统已经在巨大的组合空间里寻找逻辑约束，并从 Polymarket 提取了接近 4000 万美元。 核心研究确实存在，而且比社交媒体版本更有价值。 AFT 2025 正式论文《Unravelling the Probabilistic Forest: Arbitrage in Prediction Markets
“4000 万美元套利”不是致富教程：读完 Polymarket 论文后，最该记住的是执行风险
源帖用了一个极强的叙事：当普通人还在手算 YES + NO 是否小于 1 美元时，量化系统已经在巨大的组合空间里寻找逻辑约束，并从 Polymarket 提取了接近 4000 万美元。
核心研究确实存在，而且比社交媒体版本更有价值。
AFT 2025 正式论文《Unravelling the Probabilistic Forest: Arbitrage in Prediction Markets》研究了 Polymarket 的两类套利：单一 market/condition 内部的 Market Rebalancing Arbitrage，以及跨相关市场的 Combinatorial Arbitrage。论文用历史订单簿与链上执行数据估算，在测量期内两类策略合计约有 4000 万美元价值被提取。
但一旦把论文变成“普通人也可以去抢无风险钱”的行动内容，几个关键边界就丢了。
先把数字校正
社交媒体版本写的是 39,688,585 美元。
论文正文给出的合计估算是 39,587,585.02 美元；利润最高的账户约 2,009,631.76 美元，涉及 4,049 个成功机会/执行记录。
数字差异本身不大，但它提醒了一件事：当一个内容把论文数字用于“赚钱叙事”时，必须回到论文，而不是继续引用二次转述。
“保证套利”有两个完全不同的层级
层级一：Payoff-space guarantee
如果你已经以确定成本完整买到了一个结果组合，并且无论哪个结果发生，最终总兑付都高于成本，那么数学上的 payoff 可以被锁定。
这是“套利”的理论层。
层级二：Protocol-executable guarantee
真实交易前还要问：
- 订单簿里真的有足够深度吗？
- 多条腿能否同时成交？
- 第一条成交后，第二条价格会不会消失？
- 协议是否支持所需的资产转换方向？
- 手续费、gas、滑点和资金占用是多少？
- 机会持续多久？
- 发现方法公开后，市场参与者会适应；
- 机会持续时间可能很短；
- 订单深度会限制可执行规模；
- 协议机制/市场结构会变化；
- 论文是历史测量，不是实时 signal feed。
AFT 论文自己明确提醒，多订单执行是非原子的：你可能只成交其中一部分。这意味着“最终 payoff 结构无风险”和“下单过程无风险”不能写成同一句话。
2026 年 8 月一篇更近的预印本进一步把这个区别正式化为 payoff-space no-arbitrage 与 protocol-executable no-arbitrage。这个新框架反而让原帖最重要的漏洞更清楚：
价格关系满足套利条件，不等于你的协议路径、订单深度和执行顺序允许你无风险拿到它。
为什么 YES + NO 只是最简单的一层
单一二元市场里，互斥且完备的两个结果最终合计兑付 1 美元，因此价格严重偏离时容易观察。
难的是跨市场逻辑。
例如 B 发生必然意味着 A 发生，那么 B 的价格与 A 的价格之间存在约束。市场越多，潜在结果组合呈指数增长，不可能靠人手穷举。
AFT 论文通过时间、主题相似性、组合关系等启发式缩小候选，再识别逻辑依赖并分析历史订单数据。
这才是“数学基础设施”的真正价值：
Dependency Discovery → Constraint Model → Order Book → Execution Evidence
而不是“算得比别人快一点”。
历史上的 4000 万美元，也不能直接当今天的机会规模
至少有五个原因：
2026 年对 Polymarket NBA 市场的另一项研究就发现，可执行机会受到持续时间和浅订单簿显著约束，很多理论价差的实际容量很小。
因此，“历史上存在大量套利提取”与“现在普通用户有同等机会”之间没有直接推导关系。
原帖后半的“充值、增加交易量、拿奖励”必须完全剥离
这是本条最重要的合规修正。
论文讨论的是预测市场套利结构。它不证明某个推广活动、空投、奖励计划真实存在，更不证明“充值 10–50 美元、增加交易量就能获得资格”。
如果一篇内容先用学术研究建立可信度，再无缝接到开户链接、充值和提高交易量，那就必须做 Evidence Boundary：
论文证据到这里结束。后面的商业推广必须重新单独核验。
不能让论文替营销背书。
论文到底是怎么把“指数级问题”压缩到可研究范围的
源帖把这部分写成“量化系统用整数规划扫描 2^63 种可能结果”，容易让读者产生一种印象：只要算力足够就能暴力搜索所有组合。
论文的方法恰恰不是这样。
跨市场依赖关系数量巨大，研究者先利用时间接近、主题相似、候选组合等启发式方法缩小搜索空间，再判断条件之间是否存在 implication / exclusion 等逻辑关系，最后用历史订单簿去寻找这些约束被价格违反的时间段以及是否真的有人执行。
因此它的通用研究方法可以抽象成四步：
Candidate Reduction → Logical Validation → Price Constraint Test → Realized Execution Evidence
这比“Frank-Wolfe 很高级”更值得普通研究者学习。算法名会随问题变化，但先把巨大空间缩成可信候选、再找可证伪约束，是很多 Evidence OS 都能复用的方法。
还要分清“发现机会”和“证明有人赚到”
论文的问题并不是只问“历史上有没有价差”。它还试图识别这些机会是否被链上账户实际利用。
这又对应两种完全不同的证据：
- Opportunity Evidence：某一时刻的订单状态满足理论套利条件；
- Extraction Evidence：后续交易/链上行为与该策略一致，并能估算实际提取价值。
- Logical Payoff Graph：结果之间的逻辑与兑付关系；
- Market Microstructure Graph：订单簿深度、队列、成交与延迟；
- Protocol Capability Graph：哪些资产转换/赎回/合并路径实际可调用。
- Outcomes 是否互斥；
- 是否穷尽所有结果；
- 跨市场 implication 是否成立；
- 看到的是 mid/last 还是可成交 bid/ask；
- 深度是否足够；
- 多腿是否 atomic；
- 协议是否支持所需 transformation；
- fee/gas/slippage 是否计入；
- latency 和 queue priority；
- capital lock-up；
- opportunity freshness；
- falsifier / stop condition。
社交媒体内容经常只看到前者，就直接写“可以赚”。高质量研究必须把两者分开。
同样，论文里的“realized estimate”仍然是研究者在特定数据与假设下的估算，不应该被包装成每笔交易都能无争议复现的会计净利润。
2026 年后续研究为什么让结论更谨慎，而不是更兴奋
2026 年关于 Polymarket NBA 市场的研究发现，可执行机会的持续时间、订单簿深度和容量都可能非常有限；其中大量 combinatorial opportunities 的可成交规模被浅深度约束。
2026 年 8 月另一项研究进一步指出，协议支持的转换方向本身会影响哪一类价差真正可在结算前利用。
这两个后续方向共同强化了一件事：
市场效率不是只看价格关系，还要看协议把哪些 payoff equivalence 暴露成可执行 primitive。
换句话说，未来做套利研究，数据模型至少应该同时有三张图：
三张图同时成立，才有资格讨论“可执行套利”。
对普通人最危险的不是不会算，而是把容量忽略掉
即使一个价差是真的，如果只有极少量深度，它可能只能容纳很小资金；当更多资金进入，自己的订单就会把价差吃掉。
因此任何套利收益案例都应该额外记录：
Profit per Opportunity / Max Executable Size / Capital Lock Time / Recycle Speed
这四个字段决定“数学上有 edge”能不能变成可规模化业务。
一个每次只能赚几美元但需要大量基础设施的机会，和一个可持续容纳大资金的机会，商业意义完全不同。
Arbitrage Evidence Gate：看到“无风险”先过 12 关
任何一层答不上来，结论就应该从“套利”降级成“潜在价差”或“研究线索”。
alphahole 应该怎么把这条变成长期产品
不做 Polymarket 抢跑机器人，也不提供实时投注指令。
它应该进入 Evidence OS / Trading Process Evidence Lab，形成 Executable Arbitrage Auditor：
输入一段“套利”宣传、一个策略或一组市场，系统不直接告诉你怎么下注，而是检查：
Payoff Identity → Logical Dependency → Market Depth → Atomicity → Transformation → Costs → Capacity → Realized Evidence → Freshness → Risk Grade
免费层做概念审计；研究会员保存不同套利 Claim 的证据状态与更新日期；专业服务只做研究流程和风险说明，不代替用户交易。
这条素材最值得留下的不是“4000 万美元”。
而是一个更普遍的判断：
> 数学上的确定性，只有穿过协议、订单簿、成本和执行之后，才可能成为账户里的确定性。
> 本文为学术研究解读与风险教育，不构成预测市场、加密资产或任何交易建议。