पूर्वानुमान बाजारों के साथ FXMacroData का उपयोग करनाः कलशी और पोलीमार्केट

जहां मैक्रो डेटा पूर्वानुमान बाजारों को पूरा करता है

भविष्यवाणी बाजार जिज्ञासा से बुनियादी ढांचे की ओर बढ़े हैं। कल्शी संयुक्त राज्य अमेरिका में पहला CFTC- विनियमित भविष्यवाणी एक्सचेंज आप परिणामों पर अनुबंध व्यापार करने के लिए अनुमति देता है जैसे " Will अमेरिकी सीपीआई अप्रैल में 3.5% से अधिक होगा? फेडरल रिजर्व पॉलीमार्केट, पॉलीगन ब्लॉकचेन पर चल रहा है, वैश्विक खुली पहुंच के साथ मैक्रो घटनाओं पर समान बाइनरी-परिणाम बाजार प्रदान करता है। दोनों प्लेटफार्म वास्तविक समय में संभावना की कीमत देते हैं और दोनों ही मैक्रो डेटा रिलीज़ के प्रति संवेदनशील होते हैं जो स्थानांतरित होते हैं। USD/JPY, EUR/USD, और शेष विदेशी मुद्रा परिसर।

यदि आप पहले से ही केंद्रीय बैंक कैलेंडर को ट्रैक करने, सीपीआई आश्चर्य की निगरानी करने और नीति दर इतिहास खींचने के लिए FXMacroData का उपयोग करते हैं, तो आपके पास इन बाजारों पर एक व्यवस्थित बढ़त बनाने के लिए कच्चे तत्व हैं। यह गाइड आपको दिखाता है कि डॉट्स को कैसे जोड़ेंः FXMacrodata से संरचित मैक्रो डेटा निकालें, इसे खुला भविष्यवाणी बाजार अनुबंधों के लिए मैप करें, और पायथन में एक पुनः प्रयोज्य निर्णय वर्कफ़्लो बनाएं।

पूर्व शर्तें

• एक FXMacroData एपीआई कुंजी यहाँ सदस्यता लें निःशुल्क परीक्षण के लिए।
• पायथन 3.10 या बाद के संस्करण के साथ requests स्थापित (pip install requests) ।
• एपीआई एक्सेस सक्षम के साथ एक Kalshi खाता, या मैनुअल क्रॉस-रेफरेंस के लिए एक Polymarket वॉलेट.
• सीपीआई के बारे में बुनियादी जानकारी, गैर-खेती पगार, और नीति दर निर्णय हैं।

चरण 1 आगामी रिलीज कैलेंडर खींचें

पहली बात आपको क्या घोषणाएं आ रही हैं और कब की स्पष्ट तस्वीर है। FXMacroData के रिलीज कैलेंडर अंत बिंदु एक मुद्रा के लिए सभी अनुसूचित मैक्रो घटनाओं, उनके अपेक्षित तिथियों और घोषणा के समय के साथ वापस करता है.

import requests

API_KEY = "YOUR_API_KEY"
BASE = "https://fxmacrodata.com/api/v1"

def get_upcoming_releases(currency: str) -> list[dict]:
    url = f"{BASE}/calendar/{currency}?api_key={API_KEY}"
    resp = requests.get(url, timeout=10)
    resp.raise_for_status()
    return resp.json().get("data", [])

usd_calendar = get_upcoming_releases("usd")

for event in usd_calendar[:5]:
    print(event["indicator"], event.get("announcement_datetime"), event.get("next_release_date"))

प्रत्येक प्रविष्टि में एक indicator स्लग (जैसे inflation, non_farm_payrolls, policy_rate), एक यूनिक्स टाइमस्टैम्प के रूप में अनुसूचित घोषणा समय, और अगली अपेक्षित रिलीज की तारीख। यह खुला भविष्यवाणी बाजार अनुबंधों को फ़िल्टर करने के लिए आपका प्राथमिक इनपुट है यदि एक अनुबंध "मार्च 2026 के लिए सीपीआई" पर हल होता है तो आपको अपने समय क्षितिज को सही ढंग से आकार देने के लिए सटीक घोषणा तिथि की आवश्यकता होती है।

चरण 2 ऐतिहासिक घोषणा डेटा प्राप्त करें और आश्चर्य श्रृंखला की गणना करें

पूर्वानुमान बाजार उपलब्ध जानकारी के आधार पर मूल्य संभावना। यदि आप किसी दिए गए संकेतक के लिए हाल के इतिहास आश्चर्य सूचकांक की गणना कर सकते हैं कितनी बार वास्तविक प्रिंट आम सहमति से अधिक होते हैं, और कितना आपके पास अपनी स्थिति को कैलिब्रेट करने के लिए एक आधार रेखा है। घोषणाओं के अंत बिंदु से पिछले बारह महीनों के वास्तविक बनाम पूर्वानुमेय डेटा को खींचेंः

def get_announcement_history(currency: str, indicator: str, limit: int = 24) -> list[dict]:
    url = f"{BASE}/announcements/{currency}/{indicator}?api_key={API_KEY}&limit={limit}"
    resp = requests.get(url, timeout=10)
    resp.raise_for_status()
    return resp.json().get("data", [])

def compute_surprise_series(records: list[dict]) -> list[dict]:
    surprises = []
    for r in records:
        actual = r.get("actual_value")
        consensus = r.get("predicted_value")
        if actual is not None and consensus is not None:
            surprises.append({
                "date": r["date"],
                "actual": actual,
                "consensus": consensus,
                "surprise": actual - consensus,
                "direction": "beat" if actual > consensus else "miss",
            })
    return surprises

cpi_history = get_announcement_history("usd", "inflation", limit=24)
cpi_surprises = compute_surprise_series(cpi_history)

beat_count = sum(1 for s in cpi_surprises if s["direction"] == "beat")
miss_count = len(cpi_surprises) - beat_count
print(f"CPI beat rate (last 24 releases): {beat_count}/{len(cpi_surprises)} = {beat_count/len(cpi_surprises):.0%}")

predicted_value प्रत्येक घोषणा रिकॉर्ड पर क्षेत्र आधिकारिक स्रोतों से बाजार आम सहमति संग्रहीत करता है (फ़िलाडेल्फिया फेड सर्वेक्षण के पेशेवर पूर्वानुमान के लिए USD संकेतकों). यह वही आम सहमति संकेत है जो भविष्यवाणी बाजार मूल्य निर्धारण को एंकर करता है, इसलिए आपकी आश्चर्य श्रृंखला सीधे एक कल्शी सीपीआई अनुबंध में एम्बेडेड निहित संभावना के साथ तुलनीय होगी।

चरण 3 भविष्यवाणी बाजार अनुबंधों के लिए मानचित्र संकेतक

कल्शी और पोलीमार्केट दोनों विशिष्ट संकेतक सीमाओं के आसपास अपने मैक्रो अनुबंधों की संरचना करते हैं। एक बार जब आप FXMacroData संकेतिक स्लग जानते हैं तो मैपिंग सरल है। नीचे सबसे तरल अनुबंध के लिए एक संदर्भ तालिका दी गई हैः

रिलीज कैलेंडर एक एकल दृश्य में इन सभी संकेतक अनुसूचियों को प्रदर्शित करता है। जब एक कलशी अनुबंध में एक संकल्प तिथि सूचीबद्ध होती है, तो इसे next_release_date FXMacroData कैलेंडर से पुष्टि करने के लिए कि वे एक ही अंतर्निहित घोषणा पर हल करते हैं। असंगतता जहां अनुबंध एक अग्रिम अनुमान बनाम अंतिम संशोधन पर हल होता है गलत मूल्य निर्धारण का एक सामान्य स्रोत है।

चरण 4 आम सहमति के लिए पूर्वानुमान अंत बिंदु पर प्रश्न पूछें

एफएक्समैक्रोडाटा के पूर्वानुमान अंत बिंदु आधिकारिक सर्वेक्षण डेटा से प्राप्त भविष्य की ओर देखने वाले आम सहमति मान प्रदान करते हैं वही सर्वेक्षण जो पूर्वानुमेय बाजार के प्रतिभागियों द्वारा अपने पूर्वानुमाओं को एंकर करने के लिए उपयोग किए जाते हैं। अगली सीपीआई रिलीज़ के लिए वर्तमान आम सहमति निकालें और इसकी तुलना खुले कलशी अनुबंध में सीमा से करेंः

def get_predictions(currency: str, indicator: str) -> list[dict]:
    url = f"{BASE}/predictions/{currency}/{indicator}?api_key={API_KEY}"
    resp = requests.get(url, timeout=10)
    resp.raise_for_status()
    return resp.json().get("data", [])

cpi_predictions = get_predictions("usd", "inflation")

# Most recent upcoming prediction
if cpi_predictions:
    next_pred = cpi_predictions[0]
    for p in next_pred.get("predictions", []):
        print(f"Source: {p['prediction_source_label']}")
        print(f"Consensus: {p['predicted_value']}%")
        print(f"For release date: {next_pred['date']}")

नमूना प्रतिक्रिया का आकारः

{
  "currency": "USD",
  "indicator": "inflation",
  "count": 1,
  "prediction_count": 1,
  "data": [
    {
      "announcement_id": "usd_inflation_2026-05-14",
      "currency": "usd",
      "indicator": "inflation",
      "date": "2026-05-14",
      "announcement_datetime": 1747216200,
      "predictions": [
        {
          "predicted_value": 2.8,
          "prediction_type": "market_consensus",
          "prediction_source": "philly_fed_spf",
          "prediction_source_label": "Philadelphia Fed Survey of Professional Forecasters"
        }
      ]
    }
  ]
}

यदि एक कलशी अनुबंध पूछता है "क्या अप्रैल सीपीआई 2.9% से ऊपर प्रिंट करेगा? और एसपीएफ आम सहमति 2.8% है, तो अब आपके पास एक मात्रात्मक प्रारंभिक बिंदु हैः आम सहमति 0.1 प्रतिशत बिंदु बफर के साथ नहीं कहती है। चरण 2 से आपकी ऐतिहासिक आश्चर्य श्रृंखला आपको बताती है कि कितनी बार सीपीआइ ने आम सहमति को 0.1 से अधिक प्रतिशत बिंदु से हराया है, जिससे आपको अनुबंध की निहित संभावना के खिलाफ तुलना करने के लिए एक अनुभवजन्य आधार दर मिलती है।

चरण 5 पूर्ण निर्णय संकेत का निर्माण करें

तीनों इनपुट को एक एकल निर्णय फ़ंक्शन में इकट्ठा करें। तर्क जानबूझकर सरल है लक्ष्य एक पुनः प्रयोज्य, डेटा-ग्राउंड सिग्नल है, एक ब्लैक बॉक्स नहींः

def prediction_market_signal(
    currency: str,
    indicator: str,
    contract_threshold: float,
    contract_direction: str,  # "above" or "below"
    lookback: int = 24,
) -> dict:
    """
    Returns a signal dict for a prediction market contract.

    contract_threshold: the numeric threshold in the contract question
                        (e.g. 2.9 for "Will CPI exceed 2.9%?")
    contract_direction: "above" means YES if actual > threshold
    """
    history = get_announcement_history(currency, indicator, limit=lookback)
    surprises = compute_surprise_series(history)
    predictions = get_predictions(currency, indicator)

    consensus = None
    release_date = None
    if predictions:
        latest_preds = predictions[0].get("predictions", [])
        if latest_preds:
            consensus = latest_preds[0]["predicted_value"]
            release_date = predictions[0]["date"]

    # Base rate: how often did actual exceed the threshold historically?
    actuals_above = sum(1 for r in history if r.get("actual_value") is not None
                        and r["actual_value"] > contract_threshold)
    base_rate = actuals_above / len(history) if history else None

    # Surprise bias: mean surprise (positive = beat)
    mean_surprise = (sum(s["surprise"] for s in surprises) / len(surprises)
                     if surprises else None)

    # Directional signal
    if consensus is not None:
        buffer = consensus - contract_threshold  # positive = consensus above threshold
        signal = "NO" if (contract_direction == "above" and buffer > 0) else "YES"
    else:
        signal = "NEUTRAL"

    return {
        "currency": currency.upper(),
        "indicator": indicator,
        "contract_threshold": contract_threshold,
        "contract_direction": contract_direction,
        "consensus": consensus,
        "release_date": release_date,
        "historical_base_rate_above_threshold": base_rate,
        "mean_surprise_last_n": mean_surprise,
        "lookback": lookback,
        "signal": signal,
    }


result = prediction_market_signal(
    currency="usd",
    indicator="inflation",
    contract_threshold=2.9,
    contract_direction="above",
    lookback=24,
)

import json
print(json.dumps(result, indent=2))

आउटपुट उदाहरणः

{
  "currency": "USD",
  "indicator": "inflation",
  "contract_threshold": 2.9,
  "contract_direction": "above",
  "consensus": 2.8,
  "release_date": "2026-05-14",
  "historical_base_rate_above_threshold": 0.33,
  "mean_surprise_last_n": 0.04,
  "lookback": 24,
  "signal": "NO"
}

इसे इस प्रकार पढ़ेंः आम सहमति 2.8% (2.9% की सीमा से नीचे) है, 2.9% से ऊपर सीपीआई प्रिंटिंग के लिए 24-रिलीज़ ऐतिहासिक आधार दर 33% है, और औसत आश्चर्य एक मामूली +0.04 पीपीटी ऊपर की ओर पूर्वाग्रह रहा है। कच्चा संकेत NO है, लेकिन आधार दर और आश्चर्य पूर्वाभास का संयोजन आपको बताता है कि यह उच्च विश्वास की लीन नहीं है तदनुसार स्थिति आकार समायोजित करें।

चरण 6 गैर-USD और क्रॉस-मार्केट अनुबंधों तक विस्तारित करें

पूर्वानुमान बाजारों में तेजी से गैर-USD मैक्रो घटनाओं पर अनुबंध सूचीबद्ध होते हैंः ईसीबी के निर्णय, यूके सीपीआई, बैंक ऑफ जापान की नीति, और ऑस्ट्रेलियाई रोजगार। FXMacroData एक ही एंडपॉइंट संरचना के माध्यम से इन सभी को कवर करता है। मुद्रा कोड और संकेतक स्लग को स्वैप करें और वर्कफ़्लो समान है।

# ECB rate decision signal
ecb_signal = prediction_market_signal(
    currency="eur",
    indicator="policy_rate",
    contract_threshold=3.15,   # "Will ECB rate fall below 3.15%?"
    contract_direction="below",
    lookback=12,
)

# UK inflation signal
uk_cpi_signal = prediction_market_signal(
    currency="gbp",
    indicator="inflation",
    contract_threshold=2.5,
    contract_direction="above",
    lookback=18,
)

# Australian employment signal
aus_employment_signal = prediction_market_signal(
    currency="aud",
    indicator="employment",
    contract_threshold=30.0,   # thousands, "Will employment add 30K+?"
    contract_direction="above",
    lookback=18,
)

EUR/USD और GBP/USD डैशबोर्ड प्रत्येक जोड़ी के लिए नीति दर इतिहास और सीपीआई प्रवृत्ति को प्रदर्शित करता है, जिससे आप किसी स्थिति को प्रतिबद्ध करने से पहले दृश्य संदर्भ जांच कर सकते हैं। ईसीबी पिछले चार बैठकों में लगातार कटौती कर रहा है, "क्या ईसीबी जून में कटौती करेगा?

चरण 7 पुष्टि परत के रूप में सीओटी पोजिशनिंग की निगरानी करें

मैक्रो परिणामों पर काल्शी और पोलीमार्केट अनुबंधों का कारोबार अलग-अलग नहीं किया जाता है विदेशी मुद्रा वायदा में सट्टा मुद्रा मुद्राओं की स्थिति अक्सर एक ही दिशा के विचारों को दर्शाती है। सीओटी डैशबोर्ड यदि स्पेक्स काफी नेट लॉन्ग USD है और CPI सिग्नल NO (थ्रेसहोल्ड से नीचे) है, तो एक संभावित डबल एज हैः भविष्यवाणी बाजार अनुबंध फीका पड़ने के लायक हो सकता है, और विदेशी मुद्रा स्थिति भी एक निचोड़ के लिए कमजोर हो सकती है।

अपने सिग्नल फ्रेमवर्क में शामिल करने के लिए COT डेटा को प्रोग्राम के माध्यम से खींचेंः

def get_cot(currency: str) -> list[dict]:
    url = f"{BASE}/cot/{currency}?api_key={API_KEY}&limit=4"
    resp = requests.get(url, timeout=10)
    resp.raise_for_status()
    return resp.json().get("data", [])

usd_cot = get_cot("usd")
if usd_cot:
    latest = usd_cot[0]
    net_position = latest.get("net_position")
    print(f"USD spec net position (latest week): {net_position:+,.0f} contracts")

सब कुछ एक साथ रख रहा है

पूर्ण कार्यप्रवाह इस तरह दिखता हैः

1. खींचो रिलीज कैलेंडर आगामी घोषणाओं और उनके निर्धारित समय की पहचान करने के लिए।
2. मैच की घोषणा की तारीखें खुला पूर्वानुमान बाजार अनुबंध कलशी या पोलीमार्केट पर।
3. लाओ भविष्यवाणियां अंत बिंदु वर्तमान सहमति मूल्य के लिए।
4. गणना करें ऐतिहासिक आश्चर्य श्रृंखला दिशागत पूर्वाग्रह और आधार दर को मापने के लिए।
5. उत्पन्न करें दिशा संकेत सहमति की तुलना अनुबंध सीमा से करके।
6. वैकल्पिक रूप से परत में सीओटी पोजिशनिंग एक पुष्टिकरण संकेत के रूप में विदेशी मुद्रा वायदा से।
7. अनुबंध में निहित संभावना और अपने अनुभवजन्य आधार दर अनुमान के बीच के अंतर के आधार पर अपनी स्थिति का आकलन करें।

शुरू करो

इस गाइड में उपयोग किए जाने वाले सभी एंडपॉइंट मुफ्त परीक्षण पर उपलब्ध हैं क्रेडिट कार्ड की आवश्यकता नहीं है। सीपीआई, एनएफपी, जीडीपी, बेरोजगारी, कोर पीसीई और नीति दर सहित यूएसडी संकेतक सभी मुफ्त स्तर पर उपलब्ध है। गैर-यूएसडी संकेतकों और सीओटी डेटा के लिए एक पेशेवर योजना की आवश्यकता होती है।

• सदस्यता लें और अपनी एपीआई कुंजी प्राप्त करें /अपना नाम लिखें
• रिलीज कैलेंडर /डैशबोर्ड/रिलीज़ कैलेंडर
• अमरीकी डालर सूचक सूची /api-data-docs/usd
• सीओटी डैशबोर्ड /डैशबोर्ड/बचपन