שוקי תחזיות כבר מזמן אינם נחלתם של סוחרים אנושיים בלבד. בשנים האחרונות צצים בוטים אוטומטיים — סוכני AI שסורקים נתונים, מנתחים הסתברויות ומבצעים עסקאות בקצב שאף אדם לא יכול להתחרות בו. אם אתם בונים סוכנים אוטומטיים או מעוניינים להבין איך AI נכנס לעולם המסחר בשוקי תחזיות — המאמר הזה הוא בשבילכם.
מה זה בוט מסחר בשוק תחזיות?
בוט מסחר בשוק תחזיות הוא תוכנה שפועלת באופן עצמאי — ללא התערבות אנושית — ומבצעת קניות ומכירות של פוזיציות על שאלות עתידיות. בוטים שסוחרים בשווקי תחזיות צריכים לבצע שלושה דברים ברצף: לאסוף מידע, לנתח אותו, ולפעול בהתאם — כל זאת בתוך חלון זמן שיכול להיות קצר ממינוטה.
ההבדל המהותי בין בוט פשוט לסוכן AI: בוט פשוט פועל לפי חוקים קשיחים שהוגדרו מראש ("אם ההסתברות ירדה מתחת ל-30% — קנה"). סוכן AI, לעומת זאת, יכול לקרוא ידיעות, להבין הקשר, לשקלל גורמים לא-כמותיים, ולקבל החלטות גמישות יותר. הפער הזה הוא בדיוק מה שהופך את השילוב של מודלי שפה גדולים (LLM) עם מסחר אוטומטי לכל כך עוצמתי.
הארכיטקטורה: מהנתונים לעסקה
כל בוט מסחר רציני בשוקי תחזיות עובד לפי pipeline ברור:
שלב 1: איסוף נתונים (Data Scraping)
הבוט מאזין לזרמי מידע מרובים בו-זמנית: ממשקי API של שווקי תחזיות (orderbook, price history, volume), מזנות חדשות (RSS, Telegram channels, Twitter/X), נתוני on-chain אם מדובר בשוקי קריפטו, ולעיתים גם נתוני מחיר ממקורות חיצוניים כמו Chainlink oracles.
דוגמה מעשית: API של Polymarket מאפשר שליפה של ה-orderbook בזמן אמת — את כל פקודות הקנייה והמכירה הפתוחות, על ריבוד המחירים שלהן. בוט שרואה חוסר סימטריה חריג ב-orderbook יכול לזהות הזדמנות לפני שהשוק מתכנס.
שלב 2: ניתוח וקבלת החלטה
כאן נכנס ה-AI לפעולה. מודל שפה כמו Claude מקבל את כל הנתונים שנאספו ומתבקש לייצר הערכת הסתברות. הפרומפט טיפוסי כולל: מצב ה-orderbook הנוכחי, סיכום ידיעות אחרונות רלוונטיות, היסטוריית מחירים בשבועות האחרונים, וחוקי ה-resolution של השאלה הספציפית.
עם ה-MCP Protocol (Model Context Protocol) של Anthropic, ניתן לחבר את מודל ה-AI ישירות לכלי חיצוניים — ה-LLM יכול בעצמו לקרוא ל-API ולשלוף נתונים עדכניים במקום לקבל אותם בצורה סטטית. זה מפשט מאוד את הארכיטקטורה ומקצר את ה-latency בין איסוף המידע לקבלת ההחלטה.
שלב 3: ביצוע (Execution)
לאחר שה-AI מחליט לפעול, הבוט שולח פקודת עסקה ל-API — לרוב דרך CLOB (Central Limit Order Book) של הפלטפורמה. ב-Polymarket, לדוגמה, כל עסקה מתבצעת on-chain דרך חוזה חכם, מה שמחייב את הבוט לחתום על טרנזקציה עם ארנק קריפטו. py-clob-client היא הספרייה הנפוצה ביותר לכך ב-Python.
תפקיד ה-MCP Protocol בבניית סוכני מסחר
ה-MCP Protocol (Model Context Protocol) שפיתחה Anthropic הוא פרוטוקול סטנדרטי שמאפשר ל-LLM לתקשר עם כלים חיצוניים בצורה אחידה. במקום לכתוב קוד גלישה ייחודי לכל מקור נתונים — מגדירים server MCP שחושף כלים, ומודל השפה קורא לכלים אלו כאשר הוא צריך מידע.
לסוכן מסחר בשוקי תחזיות, MCP מאפשר ארכיטקטורה כזו:
- כלי get_orderbook: מחזיר את ה-orderbook המלא לשאלה ספציפית
- כלי get_news: שולף ידיעות רלוונטיות לנושא מ-RSS feeds / Telegram
- כלי execute_trade: שולח פקודת קנייה/מכירה ל-CLOB
- כלי get_portfolio: מחזיר את הפוזיציות הפתוחות הנוכחיות
הסוכן מקבל prompt ראשוני ("נתח שוקי תחזיות ומצא הזדמנויות"), ואז באופן אוטונומי קורא לכלים, מעבד תוצאות, וקורא לכלים נוספים בהתאם לצורך — עד שהוא מגיע להחלטה. זהו Loop סוכן קלאסי (ReAct pattern): Reason → Act → Observe → Reason again.
Claude Code ובניית בוטי מסחר בפועל
Claude Code, ממשק שורת הפקודה של Anthropic, הוא כלי עוצמתי לפיתוח סוכני מסחר. בניגוד לממשקי צ'אט רגילים, Claude Code עובד ישירות עם קבצי קוד, יכול להריץ פקודות terminal, ומאפשר לסוכן לבצע שינויים בקוד עצמו — מה שפותח אפשרויות לסוכנים שמשפרים את עצמם לאורך זמן.
workflow טיפוסי לפיתוח בוט מסחר עם Claude Code:
- כתיבת ה-MCP server שמחשף את כלי שוק התחזיות
- הגדרת פרומפט מערכת (system prompt) שמגדיר את אסטרטגיית המסחר ומגבלות הסיכון
- בדיקת הבוט על נתונים היסטוריים (backtesting) לפני העלייה לאוויר
- deploy לשרת עם scheduler שמריץ את הסוכן כל כמה דקות
Claude Code מסוגל לכתוב, לבדוק ולפרוס את כל הקוד הזה — כולל כתיבת טסטים, תיקון bugs שמתגלים בזמן ריצה, ואפילו ניתוח לוגים של עסקאות שנכשלו.
פרומפט אינג'ינירינג לניתוח שוקי תחזיות
הפרומפט הוא לב ליבו של כל סוכן AI. בסוכני מסחר, פרומפט גרוע שווה כסף שהולך לאיבוד. הנה עקרונות מרכזיים לפרומפט אפקטיבי לניתוח שוקי תחזיות:
1. הגדרת תפקיד ברורה
אל תתחילו ב"אתה עוזר שימושי". התחילו ב"אתה מנתח שווקים מנוסה עם רקע בהסתברות ובייסיאנית ובקריאת orderbooks. משימתך היא להעריך האם המחיר הנוכחי בשוק תחזית מסוים הוא הזדמנות או מלכודת."
2. Chain-of-Thought מובנה
בקשו מהמודל לחשוב בשלבים: ראשית סיכום המידע הזמין, אחר כך זיהוי גורמי אי-ודאות מרכזיים, לאחר מכן הערכת הסתברות מנומקת, ורק בסוף המלצה על פעולה. מודלים שחושבים בשלבים עושים פחות טעויות.
3. הגדרת מגבלות סיכון בפרומפט עצמו
"לעולם אל תמליץ על השקעה של יותר מ-5% מהקפיטל בשאלה אחת. אם ה-spread גדול מ-3%, אל תפעל. אם נפח המסחר ב-24 שעות האחרונות נמוך מ-10,000 דולר — דחה את ההזדמנות."
4. Few-Shot Examples
כללו 2-3 דוגמאות של ניתוחים מוצלחים בפרומפט. המודל ילמד מהן את הסגנון, רמת הפירוט הרצויה, ואת פורמט הפלט שאתם צריכים.
הסטאק הטכני המלא
סוכן מסחר מלא בשווקי תחזיות בנוי בדרך כלל מהרכיבים הבאים:
- שפה: Python (הכי נפוץ) — ספריות כמו py-clob-client, web3.py, asyncio
- LLM: Claude API (Anthropic) או OpenAI — עם streaming לתגובות ארוכות
- MCP: anthropic-sdk עם תמיכת MCP, או FastMCP לשרתים עצמאיים
- Scheduler: APScheduler, cron, או Celery לריצה תקופתית
- ניטור: לוגים מובנים (structlog), Telegram bot לאלרטים, dashboard פשוט
- אחסון: SQLite לנתונים קטנים, PostgreSQL לנתונים גדולים, Redis לקאש
- Deploy: VPS פשוט (DigitalOcean, Hetzner) עם systemd service
חשוב: הבוט צריך לרוץ על שרת 24/7 עם חיבור אינטרנט יציב. גם הפסקה של דקות בודדות יכולה לגרום לפספוס הזדמנויות או — גרוע יותר — לפוזיציות פתוחות שלא מנוהלות.
אתגרים שכל בונה חייב להכיר
Hallucinations של ה-LLM: מודלי שפה יכולים לייצר עובדות שגויות בביטחון. חובה לוולידציה כפולה של כל עובדה שהמודל מסתמך עליה — בעיקר תאריכי resolution ותנאי השאלה.
Latency: קריאה ל-API של Claude לוקחת שניות. בשווקים שנעים מהר, שניות שוות כסף. שקלו מודלים קטנים יותר (Haiku) לפעולות מהירות ומודלים חזקים (Sonnet/Opus) לניתוח עמוק.
ניהול קפיטל: בוט שפועל ללא מגבלות סיכון יכול למחוק חשבון בלילה אחד. הגדירו תקרת הפסד יומית (stop-loss), גיוון מינימלי בין שאלות, וחסמים אוטומטיים שמפסיקים את הבוט אם הפסד מצטבר עובר סף.
שינויי API: פלטפורמות משנות API — לפעמים ללא התראה מוקדמת. בנו wrapper שמבודד את ה-business logic מפרטי ה-API, כדי שעדכון יהיה שינוי במקום אחד בלבד.
לאן מכאן?
עולם בוטי המסחר בשוקי תחזיות רק בתחילתו. עם השיפורים המהירים ב-LLMs, ב-MCP tooling, ובממשקי API של פלטפורמות כמו Polymarket, הפער בין מה שניתן לבנות בשבוע לבין מה שנדרש פעם חצי שנה — ממשיך להצטמצם.
הכלים קיימים. הפרוטוקולים קיימים. מה שנשאר הוא להבין לעומק איך לבנות סוכנים שמקבלים החלטות טובות — ולא רק מהירות. זו המיומנות האמיתית שתבדל בוני בוטים טובים מגרועים בשנים הקרובות.