
이상 탐지를 통해 Polymarket 및 Kalshi 예측 시장에서 대규모 거래를 모니터링
참고: 이 저장소는 완전한 기능을 갖춘 트레이딩 봇으로 전환 중입니다. Telegram에서 대화하며, 결정을 내리기 전에 연구를 수행할 에이전트 팀을 배포할 수 있는 OpenClaw 유사 에이전트입니다.
Polymarket 및 Kalshi 예측 시장의 대규모 거래를 모니터링하는 Rust CLI 도구입니다. 내장된 이상 징후 탐지 기능으로 중요한 시장 활동에 대한 실시간 알림을 제공합니다.
저장소: https://github.com/neur0map/polymaster
이 도구는 정보 제공 및 연구 목적 전용입니다. 이 데이터는 정보에 입각한 의사 결정 및 시장 분석에만 사용하세요.
git clone https://github.com/neur0map/polymaster.git
cd polymaster
cargo install --path .
wwatcher watch
이것이 전부입니다. API 키가 필요 없습니다. 모든 데이터는 공개 엔드포인트에서 가져옵니다. 몇 초 안에 터미널에서 고래 알림을 확인할 수 있습니다.
wwatcher setup을 실행하여 플랫폼, 카테고리, 임계값, 웹훅 및 선택적 API 키를 구성하세요.
자세한 설정 지침과 웹훅 통합은 QUICKSTART.md를 참조하세요.
git clone https://github.com/neur0map/polymaster.git
cd polymaster
cargo build --release
바이너리는 target/release/wwatcher에 생성됩니다. 또는 시스템 전체에 설치할 수 있습니다:
cargo install --path .
wwatcher는 3개의 Polymarket API, 1개의 Kalshi REST API, 1개의 Kalshi WebSocket에서 15개의 API 엔드포인트를 사용합니다. 전체 엔드포인트 문서는 docs/API_REFERENCE.md를 참조하세요.
| API | 기본 URL | 사용 엔드포인트 |
|---|---|---|
| Data API | data-api.polymarket.com |
| API | 기본 URL | 사용 엔드포인트 |
|---|---|---|
| REST API | api.elections.kalshi.com/trade-api/v2 | markets/trades, markets/{ticker}, markets/{ticker}/orderbook |
| WebSocket | wss://api.elections.kalshi.com/trade-api/ws/v2 | trade channel (실시간) |
모든 엔드포인트는 공개되어 있습니다 — API 키가 필요 없습니다. 향상된 Kalshi 액세스를 원한다면 wwatcher setup을 실행하세요.
wwatcher는 시장 컨텍스트, 고래 프로필, 호가창 깊이, 상위 보유자, 지갑 활동이 포함된 풍부한 JSON 페이로드를 모든 웹훅 URL로 전송합니다.
docs/WEBHOOK_REFERENCE.md에서 다음을 확인할 수 있습니다:
고래 거래가 감지되면 다음과 같은 강화된 출력이 표시됩니다:
[ALERT] LARGE TRANSACTION DETECTED - Polymarket
======================================================================
Question: Will Bitcoin reach 100k by end of 2026?
Position: BUYING 'Yes' shares
Prediction: Market believes 'Yes' has 65.0% chance
TRANSACTION DETAILS
Amount: $50,000.00
Contracts: 76923.08 @ $0.6500 each
Action: BUY shares
Timestamp: 2026-02-13T18:00:00Z
[WALLET ACTIVITY]
Wallet: 0x742d35...f0bEb
Txns (1h): 2
Txns (24h): 5
Volume (24h): $380,000.00
Status: HEAVY ACTOR (5+ transactions in 24h)
[MARKET CONTEXT]
Odds: YES 65.0% | NO 35.0%
Spread: $0.02 (tight)
24h Volume: $450,000
Open Interest: $2,100,000
24h Move: +3.2%
Liquidity: $180,000
Tags: crypto, bitcoin
[WHALE PROFILE]
Leaderboard: #45 (TOP 50)
Profit: +$890,000
Portfolio: $2,340,000
Open Pos: 12
Win Rate: 73.0%
Markets: 195
[ORDER BOOK]
Best Bid: $0.6400 | Best Ask: $0.6600 | Spread: $0.0200
Bid Depth: $45,000 (12 levels) | Ask Depth: $38,000 (9 levels)
Imbalance: 54% bid / 46% ask (moderate bid pressure)
[TOP HOLDERS]
#1: 0x742d...bEb — 150,000 shares (12.0%)
#2: 0x8a3f...1D — 120,000 shares (9.6%)
#3: 0x5b9c...aF — 95,000 shares (7.6%)
Top 3 control 29.2% of shares
======================================================================
wwatcher watch # Start monitoring (default: $25k threshold, 5s interval)
wwatcher watch -t 50000 # Set threshold to $50,000
wwatcher watch -t 10000 -i 10 # $10k threshold, 10s polling interval
wwatcher setup # 6-step guided configuration wizard
wwatcher status # View current configuration and DB stats
wwatcher history # View last 20 alerts
wwatcher history -l 50 -p polymarket # Last 50 Polymarket alerts
wwatcher history --json # Output alert history as JSON
wwatcher test-sound # Test alert sounds
wwatcher test-webhook # Send test webhook payloads
자세한 설정 지침은 QUICKSTART.md를 참조하세요.
구성 파일은 ~/.config/wwatcher/config.json(macOS/Linux) 또는 %APPDATA%\wwatcher\config.json(Windows)에 저장됩니다.
wwatcher setup을 실행하면 다음을 구성하는 6단계 안내 마법사가 실행됩니다:
docs/WEBHOOK_REFERENCE.md — 전체 웹훅 페이로드 스키마, n8n 템플릿, 필터 예시docs/API_REFERENCE.md — 요청/응답 예시가 포함된 15개 전체 API 엔드포인트docs/plans/ — 각 구현 단계별 설계 문서다음 기술로 구축되었습니다:
src/
├── main.rs # CLI entry point (clap)
├── config.rs # Config loading/saving
├── db.rs # SQLite database (schema, queries, migration)
├── categories.rs # Market category system (10 categories, 35+ subcategories)
├── whale_profile.rs # Whale intelligence (portfolio, leaderboard, win rate)
├── types.rs # Shared types, wallet tracker
├── alerts/
│ ├── mod.rs # AlertData struct, payload builder
│ ├── display.rs # Terminal output (all display functions)
│ ├── anomaly.rs # Anomaly detection
│ ├── history.rs # SQLite alert history
│ ├── sound.rs # Audio alerts
│ └── webhook.rs # Webhook sender
├── commands/
│ ├── mod.rs
│ ├── watch.rs # Main watch loop
│ ├── setup.rs # 6-step setup wizard
│ ├── status.rs # Status display
│ └── test.rs # Sound + webhook tests
├── platforms/
│ ├── mod.rs
│ ├── polymarket.rs # Polymarket API (trades, market context, order book, top holders)
│ └── kalshi.rs # Kalshi API (trades, market context, order book, categories)
└── ws/
├── mod.rs
└── kalshi.rs # Kalshi WebSocket client (real-time trade stream)
정상적인 현상입니다. 이 도구는 공개 API를 사용하여 구성 없이도 작동합니다. Kalshi 인증을 추가하려는 경우에만 wwatcher setup을 실행하세요.
속도 제한이 발생하는 경우:
--interval을 늘리세요wwatcher setup을 통해 API 자격 증명을 추가하세요아이디어와 개선 사항을 제공해 주신 기여자분들께 감사드립니다:
wwatcher에는 score_alert 및 check_preferences라는 두 가지 도구가 있는 스코어링 MCP 서버가 포함되어 있습니다. API 키가 필요 없습니다.
설정 및 도구 세부 정보는 integration/README.md를 참조하세요.
멀티 에이전트 예측 시장 팀을 갖춘 대화형 Telegram 봇입니다. 봇은 사용자와 대화하고, 고래 알림을 분석하며, 사용자 승인 후 Kalshi와 Polymarket에서 거래를 실행할 수 있습니다.
전체 설계 문서는 docs/plans/2026-02-25-prowl-bot-design.md를 참조하세요.
You (CEO) ←→ Telegram ←→ Manager Bot
│
┌─────────┼─────────┐
▼ ▼ ▼
Researcher Analyst Risk
└─────────┼─────────┘
▼
Decision + Approval
▼
Executor (Kalshi + Polymarket)
각 에이전트는 고유한 소울(개성), 스킬(지침), 메모리(SQLite 파티션)를 보유합니다. 추론에는 클라우드 LLM(OpenRouter), 저비용 작업에는 로컬 모델(Ollama), ML에는 ONNX(심리 분석, 재순위화, 시계열)를 사용합니다.
봇은 첫날부터 예측을 수집합니다. 시장이 해소되면 자동으로 훈련 데이터를 구축합니다. 시간이 지남에 따라 특정 시장에 더 특화되는 로컬 7B 모델(Mac의 MLX, 무료)을 파인튜닝하세요. Turtel et al. 2025 기반 — 14B 모델로 Polymarket에서 o1 정확도에 근접했던 것과 동일한 접근 방식입니다.
이 도구는 교육 및 모니터링 목적으로 사용됩니다. Polymarket 및 Kalshi API의 서비스 약관을 검토하세요.
| trades, value, positions, closed-positions, leaderboard, top-holders |
| Gamma API | gamma-api.polymarket.com | markets (context + tags) |
| CLOB API | clob.polymarket.com | book (호가창 깊이) |
| 단계 | 설명 | 상태 |
|---|
| 1단계 | 대화형 봇 — Telegram, 개성, 메모리, 데이터 수집 | 계획됨 |
| 2단계 | 팀 생성 — 멀티 에이전트 위임, 고래 분석 | 계획됨 |
| 3단계 | 알림 파이프라인 — wwatcher 웹훅이 자동 분석 트리거 | 계획됨 |
| 4단계 | 실행 — Kalshi + Polymarket 주문 배치 | 계획됨 |
| 5단계 | ML 모델 — ONNX 심리 분석, 재순위화, 시계열 | 계획됨 |
| 6단계 | 지속적 학습 — 해소된 시장 결과에 대한 Self-SFT + GRPO | 계획됨 |