---
url: "https://predictiontoolkit.com/es/tools/prediction-market-backtesting/"
publisher: "PredictionToolkit"
dateModified: "2026-11-02"
---

[← Pruebas históricas](<https://predictiontoolkit.com/es/polymarket-backtesting-tools/>) 

SDK

# prediction-market-backtesting: Reproducción de Polymarket y experimentos de cartera

prediction-market-backtesting es un proyecto de investigación Python y Rust dirigido a desarrolladores y basado en NautilusTrader. Reproduce datos compatibles de proveedores de Polymarket e incluye ejecutores de cuadernos, carteras conjuntas, optimización y gráficos detallados.

[**3,5**de 5Valoración editorial](<https://predictiontoolkit.com/es/tools/prediction-market-backtesting/#reviews>) [Evaluación editorial](<https://predictiontoolkit.com/es/tools/prediction-market-backtesting/#reviews>) 

[Abrir el repositorio prediction-market-backtesting](<https://github.com/evan-kolberg/prediction-market-backtesting>) github.com

**Precios:** [Ver planes y costes ↓](<https://predictiontoolkit.com/es/tools/prediction-market-backtesting/#pricing>) 

[Capturas de pantalla](<https://predictiontoolkit.com/es/tools/prediction-market-backtesting/#screenshots>) [Explorar alternativas](<https://predictiontoolkit.com/es/tools/prediction-market-backtesting/#alternatives>) 

[Pruebas históricas](<https://predictiontoolkit.com/es/polymarket-backtesting-tools/>) [SDK y bibliotecas](<https://predictiontoolkit.com/es/polymarket-sdks/>) 

## Capturas e interfaz

Vista previa del producto1 / 2

Resumen del framework de investigación.

## ¿Qué es prediction-market-backtesting?

Elige las vías de carga PMXT o Telonex y conserva el esquema, la disposición local de archivos y el intervalo temporal elegidos. La preparación en caché y materializada evita adquirir repetidamente los mismos datos. Las variaciones del libro y los ticks de operaciones alimentan una simulación por eventos, donde comisiones, latencia y posición en la cola pasiva siguen siendo supuestos explícitos.

La reproducción histórica pública ejecutable se centra en Polymarket. El código Kalshi es infraestructura de investigación y modelado de comisiones; Limitless y Opinion siguen planificados. El entorno BTC separado con datos en directo no es el ejecutor histórico, y las operaciones de prueba o en real pueden requerir cuentas distintas.

### A quién va dirigido

-   Crear investigación de reproducción reutilizable en Python.
-   Comparar parámetros entre mercados.
-   Examinar supuestos de ejecución e informes.

## Clientes y operaciones compatibles

-   **NautilusTrader**
    
    Utiliza el framework subyacente de simulación por eventos.
    
-   **Reproducción del libro**
    
    Combina variaciones de libro y ticks de operaciones compatibles.
    
-   **Cargadores de proveedores**
    
    Utiliza las vías documentadas de PMXT y Telonex.
    
-   **Preparación en caché**
    
    Reutiliza datos locales y materializados.
    
-   **Carteras conjuntas**
    
    Modela varios mercados con supuestos compartidos de capital.
    
-   **Optimización de parámetros**
    
    Explora parámetros mediante los muestreadores compatibles.
    
-   **Informes y gráficos**
    
    Examina capital, pérdida máxima, ejecuciones, asignación, retornos y puntuaciones.
    
-   **Entorno BTC de pruebas**
    
    Experimenta por separado en un entorno con datos en directo.
    

## Flujos de desarrollo

### Reproducir un experimento

Fija proveedor, intervalo temporal, ejecutor y parámetros; conserva los supuestos de ejecución con los resultados.

### Comparar parámetros

Prepara la caché, ejecuta el muestreador y examina ejecuciones inusuales y pérdidas máximas junto con el retorno.

### Probar una cartera

Utiliza el ejecutor conjunto para modelar de forma integrada la asignación de capital entre mercados.

## Precios y coste total

El repositorio público incluye notas de licencia específicas por componente. Los proveedores de datos, el cómputo y las operaciones en real habilitadas por separado tienen costes propios.

## Instalación y configuración

1.  Sigue la documentación actual de configuración y contratos de los ejecutores.
2.  Selecciona un proveedor compatible de Polymarket.
3.  Obtén o localiza un intervalo pequeño de datos.
4.  Ejecuta un ejemplo y examina su informe.
5.  Especifica comisiones, latencia y supuestos de órdenes pasivas.
6.  Amplía el experimento cuando funcione la reproducción de un mercado.

## Enlaces útiles

### Qué revisar

-   Limitless y Opinion son integraciones planificadas.
-   El esquema del proveedor y la disposición de archivos deben coincidir con el cargador.
-   La posición en cola y la latencia son supuestos de simulación.
-   Los ejecutores de prueba y en real difieren de la reproducción histórica y pueden necesitar cuentas distintas.

En detalle

## Valoraciones y reseñas

Valoración editorial

**3,5**de 5

0 reseñas de usuarios

Redacción de PredictionToolkit

### Nuestra opinión sobre prediction-market-backtesting

Los cargadores de proveedores y los supuestos explícitos ofrecen herramientas de investigación sustanciales. Las dependencias de datos, las licencias por componente y las plataformas incompletas requieren evaluación por desarrolladores.

**Criterios de evaluación:** Utilidad para la tarea, alcance documentado, claridad de configuración y transparencia del acceso y los costes.

**Fecha de evaluación:** 2026-10-01

**Documentación revisada:** 2026-10-01

Evaluación basada en documentación. [Cómo valoramos](<https://predictiontoolkit.com/es/methodology/>) 

### Reseñas de usuarios 0

El umbral de reseñas publicadas para que la nota principal pase a las valoraciones de usuarios es 5.

**Sé la primera persona en compartir su experiencia**

Un ejemplo concreto ayuda a la siguiente persona a elegir la herramienta adecuada.

## Herramientas relacionadas

[Explorar la categoría](<https://predictiontoolkit.com/es/polymarket-backtesting-tools/>) 

![Instalación Python y guía Strategy de Marketlens](<https://predictiontoolkit.com/assets/cover-marketlens-python-sdk-ffa316a7aa2608e2-400.webp>)

![Logotipo de Marketlens Python SDK](<https://predictiontoolkit.com/assets/icon-logo-tool-marketlens-55ffc19ca97b-32-44bd5560969403da.webp>)[Marketlens Python SDK](<https://predictiontoolkit.com/es/tools/marketlens-python-sdk/>) 

SDK**4,0**De la redacción

Compara pruebas rápidas por barras y reproducción L2 reutilizando históricos entre cambios.

-   Idioma Python

Compara un SDK de datos y reproducción.

![Alcance del adaptador Polymarket y guía NautilusTrader](<https://predictiontoolkit.com/assets/cover-nautilustrader-16967012cf88b2ed-400.webp>)

![Logotipo de NautilusTrader](<https://predictiontoolkit.com/assets/logo-tool-nautilustrader-265415ff3d9c.webp>)[NautilusTrader](<https://predictiontoolkit.com/es/tools/nautilustrader/>) 

SDK**4,0**De la redacción

Recibe eventos nativos y gestiona órdenes firmadas, conciliación y resolución en un framework.

-   Idioma Python · Rust

Utiliza el framework subyacente de simulación y trading.

![Índice público del archivo con los intervalos de captura PMXT V1 y V2](<https://predictiontoolkit.com/assets/cover-pmxt-archive-3819316fa056756b-400.webp>)

![Logotipo de pmxt archive](<https://predictiontoolkit.com/assets/logo-tool-pmxt-archive-61fbcfe4f2b1.webp>)[pmxt archive](<https://predictiontoolkit.com/es/tools/pmxt-archive/>) 

Conjunto de datos**3,5**De la redacción

Descarga capturas antiguas de libros de Polymarket desde el espejo público y examina la cobertura de cada etapa.

Compara una fuente de capturas históricas.

## Preguntas frecuentes sobre prediction-market-backtesting

### ¿Puedo ejecutar inmediatamente una prueba histórica de Kalshi?

No. El README separa la infraestructura de investigación de una vía pública ejecutable.

### ¿Se admiten cuadernos?

Sí. Se documentan ejecutores para cuadernos.

### ¿Pueden varios mercados compartir capital?

Sí. Se admiten ejecutores conjuntos de varios mercados.

### ¿Por qué pueden diferir los resultados de proveedores?

Varían la cobertura, el orden de eventos, la profundidad y los supuestos de los cargadores.

En este perfil