预测市场 on MessageDailyhttps://inkeast.github.io/MessageDaily/tags/%E9%A2%84%E6%B5%8B%E5%B8%82%E5%9C%BA/Recent content in 预测市场 on MessageDailyHugozh-cnSun, 01 Nov 2026 18:05:00 +0800Sift 周预测第 44 周：14 事件 9 注净赚 2 美元，与 Eli Lilly「一份预测、两条相反交易」https://inkeast.github.io/MessageDaily/posts/2026-11-01-all-about-ai-sift-weekly-predictions-w44/Sun, 01 Nov 2026 18:05:00 +0800https://inkeast.github.io/MessageDaily/posts/2026-11-01-all-about-ai-sift-weekly-predictions-w44/All About AI 频道主 Filipe 把自家 Sift Intelligence 升级成每周真金白银的短线预测系列：第 44 周选 14 个地缘/宏观/财报事件，周一到周五在 Polymarket/Kalshi 逐个下注 10 美元，最终只成交 9 注、PNL 约 +2 美元——最佳一注是欧元区 GDP 区间 No（35 美分买入赔到 100），最差教训是主动逆着模型押美国 GDP。真正的亮点是 Eli Lilly 财报案例：Sift 出概率、Claude Code（Opus 5.5）当 agent 把「EPS 线内藏 4.57 美元一次性费用」拆成 Polymarket 押 No + 券商买股两条方向相反的交易，财报 7.48 美元一线之下双双重仓命中。拿自家预测产品押注中期选举：Sift 赛前留档——参院 60%、标普次日条件分布与 17 点的阿拉斯加分歧https://inkeast.github.io/MessageDaily/posts/2026-10-30-all-about-ai-sift-midterms-preview/Fri, 30 Oct 2026 18:07:00 +0800https://inkeast.github.io/MessageDaily/posts/2026-10-30-all-about-ai-sift-midterms-preview/All About AI 频道主（Filipe）在 11 月 3 日美国中期选举前约六天，用自家 AI 超预测创业产品 Sift Intelligence 做了一次完整的赛前留档：模型给众议院 90%、参议院 60%（民主党），与 Kalshi/Polymarket 拉开 6–8 点差距并持续下探；重点分歧在阿拉斯加（模型判 Peltola 五五开、市场偏 Sullivan 约 17 点）；另用条件市场问题预测「谁赢参院→标普 500 次日涨跌」的八档分布——民主党赢=偏平偏跌（轻微下跌档 17%），共和党赢=偏涨（微涨档 20%）。作者自陈期望很低、这是第一次选战跟踪，选后回看这份记录。把意外变成教材：Sift Intelligence 上线 Past/Scenario 双功能，回拨时钟复盘特朗普-普京柴油协议与 CPIhttps://inkeast.github.io/MessageDaily/posts/2026-10-22-sift-past-scenario-backtesting/Thu, 22 Oct 2026 00:09:00 +0800https://inkeast.github.io/MessageDaily/posts/2026-10-22-sift-past-scenario-backtesting/All About AI 频道主（Sift Intelligence 创始人）本期演示两个新功能：Sift Past 把系统时钟拨回事件前夜、只能读封存的旧新闻，用于"无后见之明"的复盘与回测；Sift Scenario 不选赢家、只枚举新闻没在谈的路径。柴油协议案例里，真实机制（俄解除出口禁令+美财政部发 6 个月许可）四天前就在 10 条路径图上，但概率只给 2-3%；CPI 案例头条 3.7% 命中、核心 2.6% 只给 6%，二阶预测标普 -1% 对实际 -1.11%。价值不在预测准，而在把"意外"变成可复放的教材。AI 预测股市第一周战绩：7 输 3 赢净赚三千美元，Sift Intelligence 的长尾优势论https://inkeast.github.io/MessageDaily/posts/2026-10-13-all-about-ai-sift-intelligence-stock-prediction/Tue, 13 Oct 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-10-13-all-about-ai-sift-intelligence-stock-prediction/All About AI 频道主测试其新创公司 Sift Intelligence（视频内口播常作 SICK/SICT，转写不稳定的同一名）：把 AI 预测器送回 10 月第 41 周的"时间机器"，8 个股票相关问题、10 笔下注、7 笔亏损仍净赚约 $3,000——秘密全在 Netflix 一笔 1:8 长赔率。作者自评样本太小、且短周期本非系统强项，其假设是"越靠尾部越能赢过市场"。打不过市场，就别为噪音付钱：用 AI 在 Kalshi 找公平价格https://inkeast.github.io/MessageDaily/posts/2026-10-09-kalshi-ai-fair-price/Fri, 09 Oct 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-10-09-kalshi-ai-fair-price/All About AI 博主演示如何用 Claude Opus 级 agent 在约 17 分钟内为一场 NFL 比赛建 EPA 模型、剥离 Kalshi 抽水算公平价：45.3 万条进攻数据、2014–2025 回测显示市场对数损失仍优于自建模型（0.212 vs 0.224），因此把模型定位为『裁判』而非『真理』——只在价差超过费后 2% 时出手、四分之一 Kelly 控仓，否则 pass。文章拆解这条流程的方法论与边界，以及它对散户、创业者和 AI 工具链的意味。