Kalshi API-Handbuch: Marktdaten, historische Endpunkte und Orderbücher
Kalshis offizielle API ist eine saubere Quelle für aktuelle Börsendaten. Historische Ausführungsforschung hängt immer noch davon ab, ob Sie das Buch behalten haben, bevor es sich geändert hat.
Eine Kalshi API-Integration sollte den aktuellen Börsenstatus von der historischen Wiedergabe trennen. Offizielle Endpunkte geben Märkte, Trades, Candlesticks und Orderbuchstatus aus; ihre Dokumentation bleibt die Autorität für unterstützte Felder und Zugriff. Wenn eine Strategie wissen muss, welche Größe zu einem vergangenen Preis angezeigt wurde, benötigt sie eine Zeitreihe aufgezeichneter Ja/Nein-Leitern und nicht nur Trades oder Candlesticks.
Wählen Sie das korrekte historische Objekt
| Objekt | Antworten | Kann nicht allein beantwortet werden |
|---|---|---|
| Trade-Historie | Wo übereinstimmende Trades gedruckt wurden | Welche Größe wartete abseits des Trades |
| Candlesticks | Aggregierte Preisbewegung über ein Intervall | Spread und Ausführung für eine bestimmte Ordergröße |
| Aktuelles Orderbuch | Jetzt angezeigte Liquidität | Liquidität, die vor den letzten Änderungen angezeigt wurde |
| Aufgezeichnete Buchhistorie | Vergangene Level, Größen und Spread | Verborgene Liquidität oder Warteschlangenpriorität |
Normalisieren Sie Ja und Nein, ohne die Quelle zu verlieren
Kalshi repräsentiert binäre Ergebnisse als Ja/Nein-Preise und -Größen. Ein Cross-Venue-Loader kann diese Felder in eine gemeinsame Bid/Ask-Struktur normalisieren, sollte aber die nativen Ticker, Seiten und Quellwerte beibehalten, damit jede Transformation umgekehrt und geprüft werden kann.
Verwenden Sie Integer- oder exakte Dezimaldarstellung für Preiseinheiten anstelle von kumulativen Gleitkommafehlern. Zeichnen Sie die Beobachtungszeit unabhängig von den Marktabrechnungsfeldern auf; ein abgeschlossenes Ergebnis darf sich nicht in eine Zeile einmischen, die von einer früheren Entscheidung verwendet wurde.
Wie DepthFeed Kalshi aufzeichnet
DepthFeed ruft kontinuierlich vollständige Kalshi-Orderbücher öffentlich ab, mit adaptiver Geschwindigkeit unterhalb der Upstream-Quote, und speichert normalisierte Beobachtungen mit bis zu 100 Leveln pro Seite. Das realisierte Intervall variiert mit der aktiven Marktauslastung, sodass die Produktdokumentation die Methode erfasst, anstatt ein künstliches festes Tick zu versprechen.
Das gleiche REST-Schema, das für Polymarket verwendet wird, trägt Kalshi-Leitern, Zeitstempel und Marktdaten. Forscher können eine Regel im Browser wiederholen, ein historisches Fenster über die API ziehen oder das Ergebnis mit Live-Papertrading vergleichen, ohne ein zweites venuespezifisches Fill-Modell schreiben zu müssen.
Eine sichere Implementierungssequenz
- Lesen Sie die offizielle Kalshi-Dokumentation für aktuelle Authentifizierung, Limits und Endpunktverträge.
- Speichern Sie Serien-, Event- und Marktticker mit dem rohen Ja/Nein-Buch.
- Normalisieren Sie Preise erst, nachdem Sie die native Darstellung beibehalten haben.
- Trennen Sie Trades, Candlesticks, aktuelle Bücher und aufgezeichnete historische Bücher im Datenmodell.
- Verwenden Sie Beobachtungszeitinformationen nur bei der Bewertung einer Entry-Regel.
- Belasten Sie adaptive Polling-Lücken und Rate-Limit-Antworten vor der Produktion.
Key takeaways
- 01Kalshi-Trades, Candlesticks und Orderbücher beantworten unterschiedliche Forschungsfragen.
- 02Ein aktuelles Buch rekonstruiert nicht das vollständige Buch zu einem früheren Zeitpunkt.
- 03Cross-Venue-Normalisierung sollte native Kalshi-Ticker und Ja/Nein-Werte beibehalten.
- 04DepthFeed zeichnet vollständige Kalshi-Beobachtungen mit dokumentierter adaptiver Geschwindigkeit auf.
- 05Ein Backtest muss zukünftige Settlement-Informationen von früheren Entscheidungen fernhalten.
Kalshis offizielle API ist eine saubere Quelle für aktuelle Börsendaten. Historische Ausführungsforschung hängt immer noch davon ab, ob Sie das Buch behalten haben, bevor es sich geändert hat.
Kostenlos starten