💰 quantitative finance

Empirical Evaluation of Deadline-Resolved Information Leakage on Documented Polymarket Insider Cases

Ce papier évalue empiriquement le Score de Fuite d'Information Résolu par Délai (ILS-dl) sur les cas documentés de délits d'initiés de Polymarket, spécifiquement au sein du cluster du conflit États-Unis-Iran 2026, démontrant la capacité de la métrique à distinguer le signal authentique des artefacts de proxy tout en validant son ajustement à risque exponentiel pour les marchés géopolitiques militaires et en identifiant les limites de la traçabilité des portefeuilles.

Auteurs originaux : Maksym Nechepurenko

Publié 2026-05-05

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Maksym Nechepurenko

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez un immense bookmaker mondial appelé Polymarket. Ici, les gens parient sur des événements futurs, comme « Les troupes américaines entreront-elles en Iran avant le 30 avril ? » ou « Une entreprise spécifique publiera-t-elle un rapport secret ? »

Parfois, les gens gagnent des sommes énormes grâce à ces paris. La grande question est : Ont-ils gagné parce qu'ils ont eu de la chance, ou parce qu'ils savaient quelque chose que le reste du monde ignorait ? (Cela s'appelle le « délit d'initié » ou le « trading informé »).

Ce document est une histoire de détective. Les auteurs ont créé un nouvel outil mathématique (une « fiche de notation ») pour tenter de repérer ces parieurs avisés. Ils ont testé cet outil sur un groupe spécifique de paris concernant le conflit américano-iranien de 2026.

Voici le détail de leur enquête en termes simples :

1. Le Problème : Le « Mauvais Horloge »

Le nouvel outil des auteurs, appelé Deadline-ILS, est conçu pour mesurer dans quelle mesure le prix du pari a bougi avant que la nouvelle ne soit réellement divulguée.

L'Ancienne Méthode (L'Horloge Défectueuse) : Auparavant, les chercheurs examinaient le prix d'un pari une heure seulement avant l'annonce du résultat officiel.
La Nouvelle Méthode (La Vraie Horloge) : Les auteurs ont réalisé que pour de nombreux paris, la « vraie » nouvelle survient des jours ou des semaines avant le résultat officiel.
- Analogie : Imaginez un pari sur « Pleuvra-t-il demain ? ». Le résultat officiel est annoncé à minuit. Mais s'il commence à pleuvoir à 14 h 00, les parieurs avisés ont acheté leurs tickets à 14 h 00, et non à 23 h 59. Si vous ne regardez le prix qu'à 23 h 59, vous manquez toute l'histoire.

2. L'Enquête : Tester l'Outil

Les auteurs ont essayé d'appliquer leur nouvel outil sur 18 paris différents liés au conflit américano-iranien. Cependant, ils ont rencontré quelques obstacles :

Données manquantes : Pour la plupart des paris, ils n'ont pas pu trouver la minute exacte où la nouvelle a éclaté.
Prix manquants : Pour de nombreux paris, ils n'ont pas pu obtenir l'historique complet de l'évolution du prix chaque seconde (comme un ticker boursier).
Le Seul Succès : Un seul pari a passé tous les tests : « Les forces américaines entreront-elles en Iran avant le 30 avril ? »

3. La Grande Découverte : Le Signal « Faux »

Sur ce seul pari réussi, les auteurs ont découvert quelque chose de choquant.

En utilisant l'Ancienne Horloge (1 heure avant la fin) : L'outil indiquait que le prix évoluait contre le gagnant. On aurait dit que les parieurs avisés avaient tort ! Le score était de -0,33.
En utilisant la Nouvelle Horloge (Quand la nouvelle a réellement éclaté) : L'outil indiquait que le prix évoluait avec le gagnant. Le score était de +0,11.

L'Analogie :
Imaginez une course.

L'Ancienne Méthode observe les coureurs 1 minute avant la ligne d'arrivée. À ce moment-là, tout le monde est fatigué et ralentit. On dirait que personne ne courait vite.
La Nouvelle Méthode observe les coureurs au moment où le pistolet de départ a tiré. Elle voit une explosion de vitesse dès le début.

Les auteurs ont constaté que la « Méthode Ancienne » les trompait. Au moment où le résultat officiel approchait, le marché avait déjà renoncé à l'idée que l'événement se produirait. La « Nouvelle Méthode » a capté le petit indice précoce suggérant que l'événement pourrait se produire. Cela prouve que l'utilisation de l'heure réelle de la nouvelle est cruciale pour trouver la vérité.

4. Le Mystère du « Portefeuille »

Les auteurs ont également tenté de retracer les portefeuilles numériques (les comptes) des personnes effectuant ces paris pour voir si les mêmes personnes pariaient sur plusieurs événements liés.

Le Résultat : Ils ont trouvé 332 portefeuilles ayant parié à la fois sur « Les États-Unis entrent en Iran » et sur « Cessez-le-feu ».
La Chute : Ils n'ont pu voir que les paris effectués après la survenance de l'événement (pendant la fenêtre de règlement).
La Conclusion : Ces personnes n'étaient pas des « initiés » pariant avant la nouvelle ; elles étaient simplement des « arbitragistes » (des personnes pariant sur le résultat final pour réaliser un profit rapide une fois la nouvelle déjà connue).
La Limite : Les auteurs admettent ne pas avoir pu voir les paris « pré-événement » car le système de données qu'ils ont utilisé ne conserve pas cet historique. C'est comme essayer de résoudre un crime alors que la caméra de sécurité ne commence à enregistrer qu'après que le voleur a quitté le bâtiment.

5. Le Verdict : « Preuve de Concept »

Les auteurs sont très honnêtes sur leurs découvertes. Ils déclarent :

Ceci est un essai, pas un rapport final. Ils n'ont testé avec succès l'outil que sur un pari spécifique.
L'outil fonctionne : Il a réussi à distinguer un « vrai signal » d'un « faux artefact » causé par l'examen au mauvais moment.
L'outil a besoin de mises à niveau : Pour l'utiliser à grande échelle (comme vérifier des millions de paris), ils doivent corriger cinq points :
1. S'assurer que le pari est placé avant le début de l'événement (et non après).
2. Séparer les différents types de nouvelles (par exemple, « discours programmés » par rapport à « longs procès judiciaires ») car ils se produisent à des vitesses différentes.
3. Obtenir plus de données sur les nouvelles d'entreprise.
4. Crucialement : Construire un système qui enregistre le prix de chaque pari dès la première seconde où le marché s'ouvre, et non seulement à sa fermeture.
5. Crucialement : Construire un système qui enregistre chaque transaction effectuée par chaque personne dès le début, et non seulement le règlement final.

Résumé

Ce document est une « preuve de concept ». Il dit : « Nous avons construit un nouveau radar pour repérer le délit d'initié dans les marchés de paris. Nous l'avons essayé sur un cas, et il a fonctionné beaucoup mieux que l'ancien radar car il regardait au bon moment. Cependant, notre radar est actuellement aveugle à la partie la plus importante de l'histoire (les premiers paris) car notre système d'enregistrement des données n'est pas encore assez rapide. Nous devons construire de meilleurs enregistreurs de données avant de pouvoir attraper les gros poissons. »

1. Énoncé du problème

Les marchés de prédiction décentralisés (par exemple, Polymarket) ont accumulé des preuves significatives de soupçons de trading d'initié, en particulier dans les contrats « résolus à l'échéance » (par exemple, « L'événement X se produira-t-il avant la date Y ? »). Bien qu'un papier méthodologique complémentaire ait introduit le Score de Fuite d'Information (ILS) et son extension résolue à l'échéance (ILS $_{dl}$ ), le cadre manquait d'une validation empirique de bout en bout sur des cas réels.

Les principaux défis abordés incluent :

Qualité de l'ancrage : Les calculs ILS traditionnels reposent souvent sur un ancre proxy (par exemple, $T_{resolve} - 1$ heure), qui échoue à capturer le flux d'informations pré-événement si le prix du marché s'effondre en raison de la croyance publique que l'événement ne se produira pas avant la résolution.
Lacunes dans les données : Un calcul précis nécessite la récupération des horodatages des événements ( $T_{event}$ ), des données de prix continues du carnet d'ordres (CLOB) depuis l'ouverture du marché, et l'historique des portefeuilles par transaction.
Rigueur méthodologique : Déterminer si les mouvements de prix observés représentent un trading informé authentique ou simplement une mauvaise tarification du marché et une incertitude quant aux critères de résolution.

2. Méthodologie

Le papier met en œuvre le cadre Deadline-ILS (ILS $_{dl}$ ) de bout en bout sur le cluster de conflit États-Unis–Iran de 2026 issu de l'inventaire des Cas d'Initié ForesightFlow (FFIC).

Définitions de base

Formule ILS $_{dl}$ :
$ILS_{dl}(M) = \frac{\Delta_{pre}^{dl}}{\Delta_{total}^{dl}} = \frac{p(T_{event}^-) - p(T_{open})}{p_{T_{resolve}} - p(T_{open})}$
Où $p(T_{event}^-)$ est le prix une minute avant l'événement public, et $p_{T_{resolve}}$ est le prix final de résolution.
Conditions de portée : Le score n'est valide que si $|\Delta_{total}| \geq \epsilon$ (le marché a bougé significativement), que le marché s'ouvre près de 0,5 (vérification des effets de bord), et que le résultat est robuste aux décalages d'ancrage.
Récupération de $T_{event}$ : Un LLM de niveau 3 (Claude Haiku 4.5) avec des outils de recherche web récupère l'horodatage de la première occurrence publique de l'événement sous-jacent, vérifié par recoupement contre $\geq 3$ sources d'information indépendantes.
Estimation du taux de risque : Le cadre suppose une distribution exponentielle du temps jusqu'à l'événement $S(\tau) = \exp(-\lambda\tau)$ . Le taux de risque $\lambda$ est ajusté par Maximum de Vraisemblance (MLE) pour des catégories spécifiques (militaire, corporate, réglementaire).

Pipeline d'évaluation

Ajustement du taux de risque : Estimation de $\lambda$ par catégorie en utilisant 20 marchés résolus par catégorie.
Calcul cas unique : Application du pipeline au plus grand marché applicable (« Les forces américaines entrent en Iran avant le 30 avril »).
Analyse des portefeuilles inter-marchés : Analyse du chevauchement des portefeuilles entre contrats corrélés pour détecter la coordination.
Raffinement méthodologique : Identification des lacunes d'infrastructure et de classification empêchant la mise à l'échelle.

3. Contributions clés

Première validation empirique de bout en bout : Le papier fait passer le cadre ILS $_{dl}$ d'une définition théorique à une application quantitative sur un cluster documenté de trading d'initié.
Démonstration de la sensibilité de l'ancrage : Il prouve empiriquement qu'utiliser un $T_{event}$ dérivé d'un article produit un signal fondamentalement différent (et plus précis) qu'un proxy ancré sur la résolution.
Caractérisation du taux de risque : Il fournit les premières estimations empiriques des distributions du temps jusqu'à l'événement pour les marchés de prédiction, distinguant les événements militaires/géopolitiques des événements réglementaires.
Identification des lacunes d'infrastructure : Il identifie explicitement l'absence de collecte continue de données par transaction comme le principal goulot d'étranglement pour la détection de la coordination pré-événement.

4. Résultats clés

A. Estimation du taux de risque

L'étude a ajusté des distributions exponentielles pour trois catégories (taille d'échantillon $n=20$ par catégorie si possible) :

Militaire/Géopolitique : Ajustement adéquat ( $KS\ p=0,609$ ). Demi-vie : 2,3 jours. Temps médian de préavis : 2,2 jours.
Divulgation d'entreprise : Ajustement préliminaire adéquat ( $n=5$ , $KS\ p=0,616$ ). Demi-vie : 4,5 jours.
Décision réglementaire : Rejeté ( $KS\ p=0,013$ ). La distribution est bimodale, mélangeant des marchés à annonce courte avec des marchés à délibération longue. Cette catégorie nécessite une sous-catégorisation avant que le modèle ne puisse être utilisé.

B. Analyse cas unique : « Les forces américaines entrent en Iran avant le 30 avril »

C'était le seul marché du cluster satisfaisant les quatre exigences (récupération de $T_{event}$ , $\tau$ positif, couverture CLOB, $\Delta_{total}$ valide).

Contexte du marché : Ouvert à $p=0,25$ , a culminé à $0,46$, puis s'est effondré près de zéro le 8 avril (veille de la résolution), avant de se résoudre OUI le 9 avril.
Comparaison ILS $_{dl}$ :
- Ancre dérivée d'article ( $T_{event}$ = 3 avril) : $ILS_{dl} = \mathbf{+0,113}$ . Indique un léger pré-positionnement positif (environ 11 % du mouvement total s'est produit avant l'événement).
- Proxy hérité ( $T_{resolve} - 1h$ ) : $ILS_{dl} = \mathbf{-0,331}$ . Indique que le prix a bougé contre le résultat.
- Signification : Le proxy a échoué car il a capturé l'effondrement de la croyance du marché (pensant que l'événement ne se produirait pas) plutôt que le flux d'informations pré-événement. Les valeurs diffèrent de 0,444 et sont de part et d'autre de zéro.
Analyse de dérive : Les variantes à fenêtre courte (30 min, 2 h) étaient exactement nulles, écartant un « pic informé » de dernière minute. Le signal était une dérive légère et précoce, et non un pic concentré.

C. Analyse des portefeuilles inter-marchés

Limite des données : L'historique des transactions disponible ne couvrait que la fenêtre de règlement-résolution (8–11 avril), et non la période pré-événement.
Résultats : 332 portefeuilles étaient actifs dans les deux principaux marchés du cluster Iran. Les portefeuilles principaux ont négocié entre 170 000 $ et 1,97 M $.
Interprétation : Comme les données sont post-événement, ce signal représente un arbitrage de règlement (négociation sur le résultat de la résolution), et non une coordination informée pré-événement. La méthodologie ne peut actuellement détecter la signature « canonique » du trading d'initié en raison des lacunes dans les données.

5. Signification et travaux futurs

Raffinements méthodologiques requis

L'évaluation a mis en lumière cinq contraintes critiques pour la mise à l'échelle de la méthodologie :

Exigence de $\tau$ positif : Les marchés doivent s'ouvrir avant que l'événement ne se produise ( $T_{event} > T_{open}$ ). Les marchés de durée créés après le début d'un événement sont hors du champ d'application.
Sous-catégorisation réglementaire : Les marchés réglementaires doivent être divisés en « annonce » vs « délibération formelle » pour corriger la distribution bimodale du taux de risque.
Extension de l'échantillon : L'échantillon de divulgation d'entreprise ( $n=5$ ) est trop petit pour une estimation stable du taux de risque.
Collecte continue de CLOB : L'infrastructure actuelle manque 82 % des marchés pertinents en raison de la latence d'indexation. Une collecte continue depuis $T_{open}$ est requise.
Collecte continue par transaction : Pour détecter la coordination, le système doit capturer les transactions individuelles dès l'ouverture du marché, et non uniquement les données de règlement.

Conclusion

Le papier sert de preuve de concept méthodologique. Il démontre que l'extension Deadline-ILS distingue avec succès le signal des artefacts de proxy lorsqu'elle utilise des horodatages d'événements précis. Cependant, l'incapacité actuelle d'accéder à l'historique des transactions pré-événement empêche une évaluation complète au niveau de la population du trading d'initié. Les auteurs proposent un « programme de travail » axé sur la construction de pipelines de données continus et le raffinement des taxonomies de classification pour permettre une détection à grande échelle à l'avenir.

Disponibilité des données : L'inventaire FFIC et la classification typologique des résolutions de 911 237 marchés Polymarket sont publiés en tant que jeux de données ouverts sur GitHub.