概念
更新于 2026-04-08
贝叶斯更新
#bayesian#probability#statistics
定义
贝叶斯更新是一种根据新证据动态调整概率信念的数学方法，是量化交易的灵魂。它回答的核心问题是：当你获得了新的数据，应该如何更新你原有的信念？
核心公式
贝叶斯定理：P(A|B) = P(B|A) × P(A) / P(B)
- P(A|B)：已知 B 发生了，A 发生的概率（后验概率）
- P(A)：A 发生的先验概率（先验信念）
- P(B|A)：如果 A 发生，观察到 B 的概率（似然度）
- P(B)：B 发生的总概率（证据）
思维过程
- 先验信念：你心里先有一个预估（如：50% 概率）
- 新证据：获得一个新信息（如：突发新闻）
- 似然度评估：如果事件会发生，出现这条新闻的概率？如果不会发生，出现这条新闻的概率？
- 后验信念：根据似然度调整预估（如：从 50% 调高到 58%）
Polymarket 应用场景
你的模型计算出某个盘口的合理价格应该是 $0.50（50% 概率）。这是你的先验信念。
突然，一条突发新闻出来了——经济数据比预期好 3%。
通过贝叶斯公式，你精确计算出新信念是 58%。那你的新合理价格就是 $0.58。
关键洞察：在市场上，谁能最快、最准确地完成这种概率更新，谁就能赚走大部分的钱。