38,637 个市场、11 大类、164 子类——我给 Polymarket 画了张分类地图
数据截至 2026-03-29 · 来源：Polymarket 网站导航 + Gamma API
我在 Polymarket 上实盘跑了几个月，一直待在 Crypto 价格预测、天气温度、马斯克相关这几个品类里，加起来只覆盖了全平台 14% 的市场。
剩下那 86% 是什么？票房、音乐排行、GDP 预测、电竞赛事、经济指标……很多品类我之前完全没注意到。所以花了点时间，把整个平台的市场拉出来做了张分类地图。
地图长什么样
从 Polymarket 网站导航出发，按品类拆分后得到 11 个大类、164 个子类：
注意：这 7,880 个是导航可见的市场。PM 上还有大量未分类或沉默市场，API 总量 38,637 远大于导航可见数。
各分类赚钱的人长什么样
光看市场数量不够，还得看钱在哪里。我用链上交易数据，按每个地址主要交易的市场类型分了类，然后看各品类前 10 名盈利地址的 PnL 水平：
方法：从 Polymarket 链上交易记录中提取所有盈利地址（PnL > 0），用 34,564 个市场的分类标签给每个地址分配主要品类，按 PnL 排名取各品类前 10。数据截至 2026-03-20。"综合 Other"指交易跨多个品类、无法归入单一分类的地址。
说实话，跑完数据之前我以为政治类赚最多——毕竟大选年那波行情太猛了。结果不是。
Crypto 天花板遥遥领先，Top 1 赚了 $5.73M，是第二名体育的近 3 倍。不过 Crypto 盈利地址有 2.2 万个，竞争也最卷。
体育挺有意思。市场数只占导航可见的 5%，但 Top 1 接近 $2M，Top 10 门槛 $145K。池子小，头部玩家赚得不少。
政治参与者多，头部盈利却很低。5,528 个盈利地址，Top 10 门槛只有 $16K——是 Crypto 的 1/14。大量地址在参与，但赚大钱的很少。
最让我意外的是科学类：总共 53 个盈利地址，Top 1 不到 $800。竞争几乎没有，但流动性也几乎没有。
官方分类不够用（对策略来说）
这套导航分类给用户浏览没问题。但拿来做策略选择就太粗了——Sports 里混着 NHL 赛季总冠军和 CS2 单局击杀数，两者的数据源、结算频率、定价逻辑完全不同。
对我来说，用官方分类选策略方向，就像用"食物"这个标签去决定今天吃什么。所以在官方分类基础上做了二次加工。
三轮迭代，每轮推翻上一轮
第一轮：直接用官方分类
Sports / Politics / Crypto / Culture / Economics...
问题：同类内部差异太大，对做策略没什么指导意义。
第二轮：按数据源重新分组
Binance 行情 / 天气 API / ESPN 赛事 / 新闻事件 / 链上数据...
进步了——同数据源的市场天然可以复用策略。但还有盲区：有些品类我根本不知道有 API。
第三轮：按数据源可获取性分层
开放 API（直接调用）/ 半结构化（需要爬虫）/ 黑箱（需内部信息）
这轮才真正有用。它回答了一个问题：哪些品类我现在就能动手？
判断一个品类能不能做量化的标准
票房、音乐、GDP，听起来八竿子打不着。但做完分类发现，只要满足三个条件，天气市场那套策略就能搬过去：
- 有结构化数据源（API 或数据库，不是新闻标题）
- 数据频率 ≥ 日度（支持 daily market 的结算验证）
- 历史数据 ≥ 6 个月（够做回测）
用这个标准过一遍，有几个品类数据条件很好，但我之前一直没注意：
票房和音乐排行挺有意思——数据公开、结算逻辑清晰，但从 orderbook 深度看，流动性明显低于 crypto 和政治。
接下来想试的方向
基于这张地图，排了个研究优先级：
- 票房市场定价（Box Office Mojo 数据现成）
- Spotify 排行榜预测
- GDP Nowcast（Atlanta Fed 实时对标）
- 电竞赛事定价（LoL/CS2，已在做 R8）
- 天气做市（从 taker 转 maker）
- 经济指标市场（CPI/失业率/零售销售）
- 娱乐市场（奥斯卡/格莱美）
排序逻辑：数据可获取性 × 流动性 × 我现有能力的匹配度。票房排第一是因为数据最干净、结算最透明。
想在 Polymarket 上试试量化交易？
注册 Polymarket →