Kalshi AI Trading Bot

面向 Kalshi 预测市场的多模型 LLM 集成自主交易系统，包含 AI 集成辩论、纯数学边缘及激进模式三种策略，并内置多层风控与可观测性仪表盘。

项目定位#

面向 Kalshi 合法预测市场的多模型 LLM 集成自主交易系统，明确声明仅用于教育与实验研究，非投资建议。

核心能力#

多模型 AI 集成#

通过 OpenRouter 统一接入 5 个 LLM，采用角色化分工与加权投票：

Claude Sonnet 4.5 — 主分析师（权重 30%）
Gemini 3.1 Pro — 预测员（权重 30%）
GPT-5.4 — 风控经理（权重 20%）
DeepSeek V3.2 — 多头研究员（权重 10%）
Grok 4.1 Fast — 空头研究员（权重 10%）

注意：README 中部分模型名称（如 GPT-5.4、Gemini 3.1 Pro、Grok 4.1 Fast）可能为作者预期/占位符，实际以 OpenRouter 可用模型为准。

共识门控机制：加权置信度低于 0.45 时跳过交易；模型分歧大时自动降低仓位。所有推理采用 temperature=0 确保可复现性。模型可通过单行配置替换。

三种交易策略#

AI Ensemble（默认）：五模型辩论 + Kelly Criterion 仓位管理 + 组合风控
Safe Compounder：纯数学/纯边缘策略，仅做 NO 侧交易（YES 价 ≤ 20¢），无需 AI 参与
Beast Mode：激进模式（仅限纸上交易，历史回测显示显著亏损，不推荐）

多层风险管理#

分数 Kelly 仓位（0.25x Kelly）
每日硬性亏损限额 10%，最大回撤熔断 15%
行业集中度上限 30%
类别评分系统（硬性阻止已证明负边缘的类别）
每日 AI API 成本预算控制（默认 $10/天）

动态退出策略#

20% 盈利后启动追踪止盈，15% 止损
AI 信心衰减退出机制
10 天最大持仓时间限制
波动率调整阈值

系统架构#

采用四阶段异步流水线：INGEST → DECIDE → EXECUTE → TRACK

Ingest：Kalshi Events API 获取全量可交易品种，补充 WebSocket 实时流、RSS 新闻及量价数据
Decide：5 个模型从角色视角分析，返回概率估计与置信度，加权投票与共识门控
Execute：合格交易通过 Kelly Criterion 计算仓位，经 Kalshi Order API 下单
Track：决策与执行结果写入 SQLite，仪表盘实时展示 P&L、胜率、Sharpe

项目结构：src/agents/（多模型集成）、src/clients/（API 客户端）、src/config/（配置）、src/data/（新闻与情感分析）、src/events/（异步事件总线）、src/jobs/（流水线阶段）、src/strategies/（策略实现）、src/utils/（工具库）

可观测性#

实时 Streamlit 仪表盘（组合价值、持仓、P&L、AI 决策日志）
纸上交易模拟模式
SQLite 本地遥测（每笔交易、AI 决策、成本指标）
统一 CLI（run / dashboard / status / health / scores / history）

快速开始#

前置条件：Python ≥ 3.12、Kalshi 账户（需 API 访问）、OpenRouter API Key

git clone https://github.com/ryanfrigo/kalshi-ai-trading-bot.git
cd kalshi-ai-trading-bot
python setup.py
cp env.template .env  # 填入 KALSHI_API_KEY 和 OPENROUTER_API_KEY
python -m src.utils.database
python cli.py run --paper
python cli.py dashboard

待验证信息#

Safe Compounder 声称在 NCAAB NO 侧交易中达到 74% 胜率、+10% ROI，但未提供独立可验证的回测报告或审计数据
Beast Mode 具体亏损数据未公开
Safe Compounder 边缘量化缺少统计显著性检验