语义交易：用于预测市场聚类和关系发现的智能体 AI
人工智能
2025-12-03 v1
摘要
预测市场允许用户交易真实事件的结果，但由于交叉问题、隐含等价性以及市场之间隐藏矛盾的存在，容易导致碎片化。我们提出了一个自主 AI 流水线，能够自动完成 (1) 通过对合约文本和元数据进行自然语言理解，将市场聚类到有机主题组中；以及 (2) 在聚类内部识别那些解析结果表现出强相关性的市场对，包括相同结果（相关）和不同结果（反相关）关系。使用在波士顿动物园（Polymarket）上已解决的历史数据集，我们评估了该智能体关系预测的准确性。随后我们将发现的关系转化为简单的交易策略，以量化这些关系如何映射到可操作信号。结果表明，智能体识别的关系实现约为 60-70% 的准确率，其诱导的交易策略在一周的周期内实现约 20% 的平均收益，凸显了智能体 AI 和大型语言模型在发现预测市场中潜在语义结构方面的能力。
引用
@article{arxiv.2512.02436,
title = {Semantic Trading: Agentic AI for Clustering and Relationship Discovery in Prediction Markets},
author = {Agostino Capponi and Alfio Gliozzo and Brian Zhu},
journal= {arXiv preprint arXiv:2512.02436},
year = {2025}
}