用 Polymarket Kalshi API 比较同一个问题的报价

使用 API 完成操作

通过 GET /v1/predictions/scalar/usa-fed-2026-10 读取这个美联储问题。outcomes[] 中的每一项都有综合后的 probability，以及 quotes[] 中各平台的条目。这些条目包含 venue、probability 和 market_ids，因此比较始终对应同一个结果，同时保留各平台的市场引用。

1. 设置你的 API 密钥 获取一个免费密钥，并保存在环境变量 NARWHAL_API_KEY 中。请求通过 Authorization: Bearer YOUR_KEY 请求头发送该密钥；REST 和 MCP 共用同一个密钥。
2. 读取问题及其报价 用这段 Python 脚本打印问题，然后把综合概率和各平台的概率并排放在结果标签旁。脚本还会打印以百分点表示的绝对差距，以及响应中的各平台权重。
   Python：并排查看各平台报价

   import os
   import requests
   
   event = requests.get(
       "https://api.narwhalapi.com/v1/predictions/scalar/usa-fed-2026-10",
       headers={"Authorization": f"Bearer {os.environ['NARWHAL_API_KEY']}"},
       timeout=10,
   ).json()
   print(event["question"])
   print(f"{'outcome':26}{'blend':>8}{'kalshi':>8}{'polymarket':>12}{'gap':>7}")
   for o in event["outcomes"]:
       q = {x["venue"]: float(x["probability"]) for x in o["quotes"]}
       k, p = q.get("kalshi"), q.get("polymarket")
       gap = f"{abs(k - p) * 100:.1f}pt" if k is not None and p is not None else "-"
       print(
           f"{o['label']:26}{float(o['probability']):8.1%}{k or 0:8.1%}"
           f"{p or 0:12.1%}{gap:>7}"
       )
   print("venue weights:", {v["venue"]: v["weight"] for v in event["venues"]})

3. 比较对应的结果 沿着要比较的结果所在的行从左到右阅读。综合列是该结果的 probability，各平台列来自该结果的 quotes[]，因此差距比较的是同一结果下 Kalshi 与 Polymarket 的数值。
4. 保留比较时的日期 要跟踪价差，请每天保存脚本的输出，并附上其数据对应的日期。在保存的输出中，将每个结果的标签与其各交易场所报价、价差和混合值一并保留。比较已保存的日期时，每个日期都使用同一个结果，这样所选结果的变化就不会进入价差比较。

请把差距列与各平台列一起阅读。任一平台的报价缺失时，脚本会打印短横线。此时显示的平台数值可能因脚本的格式设置而为零，请查看 quotes[]，以区分报价缺失与已给出的概率。脚本要计算某个结果的差距，需要两个平台都有报价。

使用电子表格或手动计算

打开预测页面并选择该问题，即可看到各平台的价格。想快速查看，可以直接在那里读取 Kalshi 和 Polymarket 的报价。用表格比较时，先把同一结果的报价分别粘贴到不同单元格，两个数值要使用同一日期。

把 Kalshi 的报价放在 B2，Polymarket 的报价放在 C2，两个单元格都按百分比输入。取绝对差即可得到差距，不论哪个平台的报价更高。把问题、结果和日期与粘贴的数值放在一起，表格就保留了这次比较的背景。

=ABS(B2-C2)

输入为百分比时，结果就是两个概率之间的差。描述平台之间的差距时，请用百分点来表示。计算示例使用的是维持不变这一结果；如果比较该问题的其他结果，请使用对应的那一组报价。

不同情况应选哪种方法

这些是信息，不构成建议。

为什么 Kalshi 和 Polymarket 的数字不一致？

交易者、费用和合约措辞不同，都可能让报价不一致。在流动性好的问题上，一两个百分点的差距很常见。每个平台对问题单独报价，因此即使结果标签指向同一个美联储决议，比较中也会保留两个概率。

综合概率用到了什么？

综合概率使用响应中的各平台权重。2026年10月24日，Kalshi 的权重为 0.5785，Polymarket 为 0.4215。把综合概率与各平台的报价放在一起解读时，请从 venues[] 读取这些值。

同样的平台条目还包含 volume_24h_usd、open_interest_usd、规则文本和 URL。响应把这些平台信息与各结果放在一起，每个结果带有自己的综合概率和各平台报价。如果想保留综合概率背后的输入，请把权重与带日期的比较一起保存。

两个合约是否相同？

这些合约并不总是相同。在把它们当作同一个赌注之前，请比较各平台的 rules_text，并通过响应中的平台 URL 阅读相应的规则。问题或结果标签的措辞相似，并不说明规则相同。

比较 resolves_at 的值时，请按日期比较，而不要比较包含完整时间戳的字符串。在判断各平台的报价是否属于你要做的比较时，请把结算日期和规则文本一起阅读。

计算示例：2026年10月美联储维持不变

本示例的数字来自2026年10月24日，对应美联储2026年10月28日的决议。从维持不变这一行开始：Kalshi 报价 91.1%，Polymarket 报价 92.9%。用较高的报价减去较低的报价，即可得到绝对差距。

92.9 - 91.1 = 1.8 percentage points
Blended probability: 91.9%

在同一日期的比较中，其他结果也保留各自的平台报价和综合概率。比较降息、维持不变或加息时，请逐行阅读。

2026年10月24日，加息 25 个基点的报价相差 0.9 个百分点。同日对于维持不变，把各平台权重应用到更精确的概率上得到 0.9189，而响应中的综合 probability 为 0.9188。报告响应中的综合值时，请使用返回的综合概率。差距计算是直接比较两个平台，不使用权重，所以请单独保留各平台的报价。

0.5785 x 0.9114 + 0.4215 x 0.9292 = 0.9189
Response probability: 0.9188