Slik gjorde disse to traderne en liten idé om til et 100x automatisert system på Kalshi Jeg så på historien deres, systemet deres og resultatene deres Slik gjør Eric og Jerry det: Eric og Jerry er to nyutdannede fra et Big Ten-universitet. Eric studerte datateknikk og fysikk. Jerry studerte informatikk. Begge startet i 2024 som praktikanter for små handelsfirmaer. De møttes i september 2024, innså at de begge likte trading, og begynte å bygge verktøy sammen. Først jobbet de med pokersimuleringer. Så så de på Kalshi. Hvordan de bygde systemet sitt fra null - Februar 2024 De oppdaget åpenbare feilpriser i værmarkedene. Enkle ting som feil temperaturnivåer, trege responser på varslingsendringer, eller flyplasser med rare sensorspikes. De handlet manuelt og tapte rundt 1 000 dollar. De bygde deretter et fullstendig API-drevet system for markedsutvikling. Python-skript, datahenting, automatiske ordre, feillogging. Alt kjørte gjennom Kalshi API. De leide et lite kontor på campus. Jobbet senere fra en Airbnb i Chicago. De hentet inn en venn som hjalp dem med å rense data raskere. Boten begynte å kjøre på dusinvis av markeder samtidig. Da værmarkedene ble mer effektive i 2025, utvidet de seg til sport og underholdning. Marsgalskap. NBA-sluttspillprops. Oscar-talen teller. Alt med dårlig pris. Deres tekniske oppsett Datakilder de integrerte: -National Weather Service (offisielle oppgjørsdata) -Flyplasssensorer for mikroavlesninger -GFS- og ECMWF-prognosemodeller -Lokale temperaturanomalier -Sportsstatistikk for utvidelse - Hendelsesdata som Oscar-buzz, transkripsjoner og tidsmønstre Automatiseringsstakk: • Python-boter koblet til Kalshi API • Automatisk ordreutførelse • Dashbord for å overvåke 100+ markeder per dag • Feilvurderingssystem (én feil kostet dem en gang 20 000 dollar) • Risikoregler som stopper boten hvis dataene ser merkelige ut • Prisen oppdateres hvert par sekunder • Les tips fra Kalshi Discord (for eksempel Bumbling Bayesians API PDF) Virkelige handler de utførte Thanksgiving-værtopp november 2024 Dataene viste et merkelig mønster: temperaturene stiger i Austin og Chicago rundt kl. 19–20, noe som sjelden skjer. De kjøpte billige langskudd. De overvåket sensorene i 12 timer i strekk. Begge hendelsene traff. Fortjeneste: 24 000 dollar Masters Golfturnering april 2025 Under det ville sluttspilløyeblikket hvor 1 million dollar ble byttet på fem minutter, boten deres fanget raske feilvurderinger mellom McIlroy og motstanderen. Fortjeneste: 23 000 dollar Hvorfor de når 100x ROI • De fant tidlige ineffektiviteter • De automatiserte alt • De skalerte fra campusdatamaskiner til fullverdige handelsoppsett • De rettet feil raskt • De utvidet seg til nye områder før folkemengden ankom Eric og Jerry startet som to studenter som jobbet med manus på et kontor på internatet. I dag driver de et av de mest effektive automatiserte systemene på Kalshi.

Hør på meg: ZCash pumpet 40 % mens hele markedet dumpet. Cypherpunk eier mer enn femti millioner dollar i ZEC og vil ha fem prosent av hele forsyningen. Se nå på Near. Near Intents nådde nettopp to komma syv milliarder dollar i volum denne måneden med mer enn syv millioner dollar i gebyrer. Og bare 20-30 % av det volumet kom fra ZCash, så veksten er ikke bare en ZEC-topp. (Aktiviteten er sterk i seg selv) Folk som Mert og ZachXBT snakker om teknologien bak Near Intents fordi gjennomføringen er ekte. Near er sakte i ferd med å bli en kjede bygget for AI-flyter. Så hvis jeg får dette riktig: ZCash gir privatliv. Nær gir fart og infrastruktur for å flytte verdi raskt. Men de trenger fortsatt en bro for EVM-likviditet. Rhea Finance er det første lånemarkedet som støtter lokale ZCash. Dette lar ZEC flyte direkte inn i EVM-kjeder som Base. Og i dette oppsettet: ZCash-pumper. Near vokser. Rhea kobler alt sammen. Det er ganske vilt å se alt dette mens jeg jobber med mine nære partnere, for å være ærlig.

Er 284 000 dollar i året nok til å pensjonere seg?