Fill-Side Non-Retail Trading on Polymarket: An Empirical Study of Behavioral Tiers and Microstructure Signatures Under Quote-Attribution Constraints
Diese empirische Studie des Nicht-Einzelhandels-Handels auf Polymarket zeigt, dass die Off-Chain-Orderbuch-Architektur der Plattform eine Adressen-Quote-Zuordnung dauerhaft verhindert, was zu einer unimodalen Verteilung des Erfüllungsverhaltens führt, die den vorregistrierten Archetyp-Hypothesen widerspricht, gleichzeitig jedoch bestätigt, dass eine kleine Schicht von High-Volume-Adressen 81,4 % des gesamten Nominalvolumens dominiert.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Das große Ganze: Wer spielt das Spiel?
Stellen Sie sich Polymarket als ein riesiges, digitales Casino vor, in dem Menschen auf zukünftige Ereignisse wetten (wie „Wird es morgen regnen?" oder „Wer wird die Wahl gewinnen?").
Damit dieses Casino funktioniert, benötigen Sie zwei Arten von Menschen:
- Die Spieler (Retail): Normale Menschen, die kleine Wetten abschließen.
- Die Dealer und Wale (Non-Retail): Die Personen, die das Geld bereitstellen, die Quoten festlegen und sicherstellen, dass genug Geld vorhanden ist, damit alle wetten können.
Dieses Papier ist eine wissenschaftliche Studie über die Dealer und Wale. Die Forscher wollten folgende Fragen beantworten: Wer sind diese großen Spieler? Sind sie in distincte Gruppen organisiert (wie „Die Speed-Trader" versus „Die Langfristinvestoren")? Und wie verhalten sie sich?
Das Hauptproblem: Das „Black Box"-Casino
Die Forscher stießen sofort auf ein großes Hindernis. In einem normalen Casino kann man die Hände des Dealers sehen. Man kann sehen, wann sie eine Karte auf den Tisch legen, wann sie sie zurücknehmen und wie lange sie sie halten.
Auf Polymarket erledigen die „Dealer" (Market Maker) ihre Arbeit in einem privaten, off-chain-Raum.
- Was die Forscher sehen konnten: Nur das Endergebnis einer Wette (den „Fill"). Sie konnten sehen, wer gekauft, wer verkauft, wie viel und wann.
- Was sie NICHT sehen konnten: Den „Quote Lifecycle". Sie konnten nicht sehen, wann ein Dealer einen Preis angeboten, wann er ihn geändert oder wann er ein Angebot storniert hat, ohne dass es ausgeführt wurde.
Die Analogie: Stellen Sie sich vor, Sie versuchen, den Kochstil eines Kochs zu studieren, Ihnen aber nur erlaubt ist, die leeren Teller nach dem Verzehr des Essens zu betrachten. Sie können sehen, was bestellt wurde und wie viel gegessen wurde, aber Sie können nicht sehen, wie der Koch Gemüse schneidet, die Sauce probiert oder entscheidet, ein Gericht vor dem Servieren wegzuwerfen.
Aufgrund dieser „Black Box"-Einschränkung mussten die Forscher ihren ursprünglichen Plan, die Bewegungen der Köche zu studieren, verwerfen und sich stattdessen ganz auf die Essgewohnheiten (die tatsächlich getätigten Geschäfte) konzentrieren.
Die große Entdeckung: Eine große Masse, keine distincten Gruppen
Die Forscher hatten eine Hypothese: „Wir wetten darauf, dass die großen Spieler in 4 oder 5 distincte Gruppen fallen, wie verschiedene Tierarten in einem Zoo." Sie verwendeten einen Computeralgorithmus (DBSCAN), um die 77.000+ aktiven Adressen in diese Gruppen zu sortieren.
Das Ergebnis: Der Algorithmus fand null Gruppen.
Anstatt distincte „Arten" zu finden, sah die Daten wie eine große, kontinuierliche Nebelwolke aus. Die „Dealer", „Wale" und „Arbitrageure" waren keine separaten Inseln; sie waren nur verschiedene Punkte auf einem einzigen, sanften Hang. Die „Wale" waren nur die Menschen ganz oben am Hang, und die „Retail"-Trader waren unten, aber sie waren alle Teil derselben kontinuierlichen Verteilung.
Die Analogie: Stellen Sie sich vor, Sie versuchen, einen Haufen Sand in „Kleine Körner", „Mittlere Körner" und „Große Körner" zu sortieren. Sie versuchen, ein Sieb zu verwenden, aber Sie stellen fest, dass der Sand nur eine kontinuierliche Mischung von Größen ist. Sie können keine harte Linie ziehen, wo „Klein" endet und „Mittel" beginnt.
Die neue Lösung: Sortierung nach „Gewicht" statt nach „Typ"
Da sie die Spieler nicht nach Verhaltens-Typ sortieren konnten (weil sie alle gleich aussahen), wechselten die Forscher zur Sortierung nach wie viel Geld sie bewegten. Sie erstellten ein „Stufen-System" basierend auf der Größe ihrer Wetten:
- Die Wale (0,1 % der Menschen): Dies sind die Giganten. Nur 68 Adressen. Sie halten 28 % des gesamten Geldes im Markt.
- Die Hochfrequenz-Operatoren (3,8 %): Dies sind die Geschwindigkeitsdämonen, die Tausende von Geschäften tätigen.
- Die Power-Trader (8,7 %): Die Schwergewichte, die große Mengen handeln.
- Die episodischen Retail-Spieler (82 %): Die große Mehrheit der Menschen. Sie machen 82 % der Spieler aus, halten aber nur 6,8 % des gesamten Geldes.
Das Fazit: Der Markt ist extrem ungleich. Eine winzige Handvoll Menschen (die oberen 12,6 %) kontrollieren 81,4 % des gesamten gehandelten Geldes.
Was ist mit Manipulation?
Die Forscher untersuchten auch „schlechtes Verhalten", wie Wash Trading (Handeln mit sich selbst, um Volumen vorzutäuschen) oder Spoofing (Platzieren von Fake-Orders, um Menschen zu erschrecken).
- Spoofing: Sie konnten dies nicht finden. Denken Sie an die „Black Box"? Um einen Spoof-er zu fangen, müssen Sie sehen, wie er eine Fake-Order platziert und dann storniert. Da diese Daten verborgen sind, mussten sie zugeben: „Wir können das nicht sehen."
- Wash Trading: Sie fanden 3.980 Adressen, die ungefähr den gleichen Betrag kauften und verkauften und am Ende keine Nettoänderung hatten. Dies sieht nach Wash Trading aus, aber sie konnten nicht beweisen, dass es dieselbe Person war. Sie bezeichneten diese als „Verdächtige", konnten sie aber nicht verurteilen.
Der „Aha!"-Moment für zukünftige Designs
Das Papier endet mit einem Gespräch mit den Autoren eines früheren Papiers (Paper 1), das die Regeln für dieses Casino entworfen hatte.
Die Überraschung: Das vorherige Papier ging davon aus, dass eine „normale Person" (Retail-Trader) normalerweise etwa 1.000 $ pro Wette setzt.
Der Realitätscheck: Die neue Studie ergab, dass die durchschnittliche Retail-Wette tatsächlich nur 4,77 $ beträgt.
Die Analogie: Es ist, als würde ein Stadtplaner eine Brücke entwerfen, indem er davon ausgeht, dass jeder einen 20-Tonnen-LKW fährt. Sie bauen die Brücke super stark. Aber dann stellt eine neue Studie fest, dass 99 % des Verkehrs eigentlich nur Menschen sind, die mit Rucksäcken gehen. Die Brücke ist für den tatsächlichen Verkehr völlig überdimensioniert.
Die Forscher sagen den Designern: „Sie müssen Ihre Regeln neu gestalten, weil der ‚durchschnittliche' Spieler viel kleiner ist, als Sie dachten."
Zusammenfassung der Ergebnisse
- Wir können die „Angebot"-Phase nicht sehen: Polymarket versteckt die Daten des „Platzierens von Orders", sodass wir nur das „Ausführen von Orders" untersuchen können.
- Keine distincten Gruppen: Die großen Spieler fallen nicht in saubere Kategorien; sie sind eine große, kontinuierliche Gruppe.
- Extreme Konzentration: Eine winzige Elite (Wale + Power-Trader) kontrolliert den Großteil des Geldes.
- Retail ist winzig: Die durchschnittliche Wette beträgt 4,77 $, nicht 1.000 $.
- Manipulation ist schwer zu beweisen: Wir können verdächtige Muster sehen, aber ohne die „off-chain"-Daten können wir nicht beweisen, wer was tut.
Dieses Papier ist ein „Realitätscheck" für jeden, der versucht, diese Vorhersagemärkte zu verstehen oder zu regulieren: Die Daten sind begrenzt, die Spieler sind einheitlicher als gedacht, und das Geld ist in sehr wenigen Händen konzentriert.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.