trade-validation

核心用法

trade-validation 是一个专为预测市场（如 Polymarket、Kalshi）设计的交易评估框架，采用10维度加权评分系统对交易机会进行量化分析。用户需对每个维度进行1-10分评分，计算加权总分后，只有达到80%以上置信度且无任何维度低于4分（自动否决线）的交易才能执行。框架配套完整的评分卡模板、交易日志格式和前置检查清单，强制要求记录反向论证、 falsification 条件和退出策略。

显著优点

该框架的最大价值在于系统性消除认知偏误。通过强制要求"为什么我们可能错了"的反向论证、多源交叉验证（12%权重）以及共识偏离度分析（8%），有效对抗确认偏误和过度自信。风险管理制度设计尤为严谨：10%单笔仓位上限、30%总敞口上限、$8日亏损熔断、1小时冷静期、禁止报复性交易等规则，将行为金融学的研究成果转化为可执行的操作纪律。此外，纯文本、零依赖的设计使其具备极高的可移植性和可审计性。

潜在缺点与局限性

首先，框架本身无法强制执行规则——所有风控阈值依赖用户自觉遵守，在真实交易压力下容易被突破。其次，评分主观性较强："信息优势"（18%权重）和"市场效率"（10%）等维度的判断高度依赖用户的研究能力和信息质量，新手可能系统性高估自身优势。第三，框架针对二元/离散结果市场优化，对体育博彩、DeFi 收益耕作等场景明确不适用，适用范围较窄。最后，历史准确性维度仅占5%权重，对缺乏交易记录的新用户参考价值有限。

适合的目标群体

主要面向三类用户：一是预测市场活跃交易者，尤其是 Polymarket/Kalshi 用户，需要结构化工具提升决策质量；二是行为经济学实践者，希望将学术研究成果应用于真实交易场景；三是交易纪律重建者，因情绪化操作导致亏损、需要外部框架约束自身行为的投资者。不适合纯新手（缺乏评分所需的信息判断能力）、追求高频交易的用户（冷静期规则冲突）或期望自动化执行的交易者。

使用风险

合规风险：预测市场在多数司法管辖区处于监管灰色地带，用户需自行确认当地合法性。执行落差风险：框架为分析工具，不连接任何交易API，从评分到实际下单存在"知行分离"空间。过度拟合风险：用户可能针对历史数据优化评分策略，导致未来表现衰减。流动性误判风险：框架仅设定$25最低流动性门槛，但极端行情下实际滑点可能远超预期。