💰 quantitative finance

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

यह शोध पत्र विशेष रूप से 2026 के अमेरिकी-ईरानी संघर्ष क्लस्टर के भीतर पॉलीमार्केट (Polymarket) के प्रलेखित इनसाइडर ट्रेडिंग मामलों पर डेडलाइन-रिज़ॉल्व्ड इंफॉर्मेशन लीकेज स्कोर (ILS-dl) का अनुभवजन्य मूल्यांकन करता है, जो सैन्य-भू-राजनीतिक बाजारों के लिए इसके एक्सपोनेंशियल-हैज़र्ड फिट को मान्य करते हुए और वॉलेट ट्रैसेबिलिटी की सीमाओं की पहचान करते हुए वास्तविक सिग्नल को प्रॉक्सी आर्टिफैक्ट्स से अलग करने की इस मीट्रिक की क्षमता को प्रदर्शित करता है।

मूल लेखक: Maksym Nechepurenko

प्रकाशित 2026-05-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Maksym Nechepurenko

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि Polymлоmarket नामक एक विशाल, वैश्विक सट्टेबाजी की दुकान है। यहाँ लोग भविष्य की घटनाओं पर दांव लगाते हैं, जैसे "क्या 30 अप्रैल तक अमेरिकी सेना ईरान में प्रवेश करेगी?" या "क्या कोई विशिष्ट कंपनी एक गुप्त रिपोर्ट जारी करेगी?"

कभी-कभी, लोग इन दांवों पर भारी मात्रा में पैसा जीतते हैं। बड़ा सवाल यह है कि: क्या वे भाग्यशाली थे या उनके पास वह जानकारी थी जो बाकी दुनिया के पास नहीं थी? (इसे "इनसाइडर ट्रेडिंग" या "इन्फॉर्म्ड ट्रेडिंग" कहा जाता है)।

यह शोध पत्र एक जासूसी कहानी है। लेखकों ने एक नया गणितीय उपकरण (एक "स्कोरकार्ड") बनाया है ताकि वे इन स्मार्ट बेटर्स को पकड़ने की कोशिश कर सकें। उन्होंने इस टूल का परीक्षण अमेरिका-ईरान संघर्ष 2026 से संबंधित विशिष्ट दांवों के समूह पर किया।

यहाँ उनकी जांच का विवरण सरल शब्दों में दिया गया है:

1. समस्या: "गलत घड़ी" (The Wrong Clock)

लेखकों का नया टूल, जिसे Deadline-ILS कहा जाता है, यह मापने के लिए बनाया गया है कि खबर वास्तव में सामने आने से पहले दांव की कीमत कितनी बदली।

पुराना तरीका (एक दोषपूर्ण घड़ी): पहले, शोधकर्ता आधिकारिक परिणाम घोषित होने से ठीक एक घंटे पहले दांव की कीमत देखते थे।
नया तरीका (असली घड़ी): लेखकों ने महसूस किया कि कई दांवों के लिए, "असली" खबर आधिकारिक परिणाम से कई दिन या सप्ताह पहले ही आ जाती है।
- उपमा: कल्पना कीजिए कि एक दांव "क्या कल बारिश होगी?" पर है। आधिकारिक परिणाम आधी रात को घोषित किया जाता है। लेकिन अगर दोपहर 2:00 बजे बारिश शुरू हो जाती है, तो स्मार्ट बेटर्स ने अपने टिकट दोपहर 2:00 बजे खरीदे थे, न कि रात 11:59 बजे। यदि आप केवल 11:59 PM पर कीमत देखते हैं, तो आप पूरी कहानी मिस कर देते हैं।

2. जांच: टूल का परीक्षण

लेखकों ने अपने नए टूल को अमेरिका-ईरान संघर्ष से जुड़े 18 अलग-अलग दांवों पर चलाने की कोशिश की। हालाँकि, उन्हें कुछ बाधाओं का सामना करना पड़ा:

गायब डेटा: अधिकांश दांवों के लिए, वे खबर के सटीक मिनट का पता नहीं लगा सके।
गायब कीमतें: कई दांवों के लिए, वे हर सेकंड कैसे कीमत बदलती है (जैसे स्टॉक टिकर), उसका पूरा इतिहास प्राप्त नहीं कर सके।
एक सफलता: केवल एक दांव सभी परीक्षणों में पास हुआ: "क्या अमेरिकी बल 30 अप्रैल तक ईरान में प्रवेश करेंगे?"

3. बड़ी खोज: "नकली" संकेत (The "Fake" Signal)

उस एक सफल दांव पर, लेखकों ने कुछ चौंकाने वाला पाया।

पुराना क्लॉक का उपयोग करके (अंत से 1 घंटा पहले): टूल ने कहा कि कीमत विजेता के खिलाफ जा रही थी। ऐसा लग रहा था कि स्मार्ट बेटर्स गलत थे! स्कोर -0.33 था।
नए क्लॉक का उपयोग करके (जब खबर वास्तव में आई): टूल ने कहा कि कीमत विजेता के साथ चली। स्कोर +0.11 था।

उपमा:
एक दौड़ की कल्पना करें।

पुराना तरीका फिनिश लाइन से 1 मिनट पहले धावकों को देखता है। तब तक, सभी थक चुके होते हैं और धीमे हो रहे होते हैं। ऐसा लगता है कि कोई भी तेज़ नहीं दौड़ रहा है।
नया तरीका धावकों को तब देखता है जब शुरुआती गन चलती है। यह शुरुआत में ही गति के उछाल को देखता है।

लेखकों ने पाया कि "पुराना तरीका" उन्हें झूठ बोल रहा था। जब तक आधिकारिक परिणाम करीब आया, बाजार पहले ही इस विचार को छोड़ चुका था कि घटना घटित होगी। "नया तरीका" उस छोटे, शुरुआती संकेत को पकड़ सका कि घटना हो सकती है। यह साबित करता है कि वास्तविक समाचार समय का उपयोग करना सच्चाई खोजने के लिए महत्वपूर्ण है।

4. "वॉलेट" रहस्य

लेखकों ने यह देखने के लिए लोगों के डिजिटल वॉलेट (खातों) को ट्रैक करने की भी कोशिश की कि क्या एक ही लोग कई संबंधित घटनाओं पर दांव लगा रहे थे।

परिणाम: उन्होंने 3ed 332 वॉलेट पाए जिन्होंने "अमेरिका ईरान में प्रवेश करता है" और "युद्धविराम" दोनों दांवों पर दांव लगाया।
पेंच: वे केवल वे दांव देख सके जो घटना के बाद (सेटलमेंट विंडो के दौरान) लगाए गए थे।
निष्कर्ष: ये लोग "इनसाइडर" नहीं थे जो खबर से पहले दांव लगा रहे थे; वे केवल "आर्बिट्राजर्स" (Arbitrageurs) थे (जो खबर आने के बाद त्वरित लाभ के लिए अंतिम परिणाम पर दांव लगाते हैं)।
सीमा: लेखक स्वीकार करते हैं कि वे "प्री-इवेंट" दांवों को नहीं देख सके क्योंकि जिस डेटा सिस्टम का उन्होंने उपयोग किया, वह उस इतिहास को सुरक्षित नहीं रखता है। यह एक अपराध को सुलझाने जैसा है जब सुरक्षा कैमरा केवल चोर के जाने के बाद रिकॉर्डिंग शुरू करता है।

5. फैसला: "प्रूफ ऑफ कॉन्सेप्ट" (Proof of Concept)

लेखक अपने निष्कर्षों के बारे में बहुत ईमानदार हैं। वे कहते हैं:

यह एक टेस्ट ड्राइव है, अंतिम रिपोर्ट नहीं। उन्होंने केवल एक विशिष्ट दांव पर सफलतापूर्वक अपने टूल का परीक्षण किया।
टूल काम करता है: इसने सफलतापूर्वक एक "असली सिग्नल" और एक "नकली आर्टिफैक्ट" के बीच अंतर किया जो गलत समय देखने के कारण उत्पन्न हुआ था।
टूल को अपग्रेड की आवश्यकता है: इसे बड़े पैमाने पर (लाखों दांवों की जांच करने के लिए) उपयोग करने के लिए, उन्हें पांच चीजों को ठीक करने की आवश्यकता है:
1. सुनिश्चित करें कि दांव घटना शुरू होने से पहले लगाया गया हो (बाद में नहीं)।
2. विभिन्न प्रकार की खबरों को अलग करें (जैसे, "निर्धारित भाषण" बनाम "लंबे अदालती मामले") क्योंकि वे अलग-अलग गति से होती हैं।
3. कॉर्पोरेट समाचारों पर अधिक डेटा प्राप्त करें।
4. महत्वपूर्ण: एक ऐसा सिस्टम बनाएं जो बाजार खुलने के हर सेकंड से हर दांव की कीमत रिकॉर्ड करे, न कि केवल जब वह बंद होता है।
5. महत्वपूर्ण: एक ऐसा सिस्टम बनाएं जो शुरुआत से हर व्यक्ति द्वारा किए गए हर एक ट्रेड को रिकॉर्ड करे, न कि केवल अंतिम सेटलमेंट को।

सारांश

यह शोध पत्र एक "प्रूफ ऑफ कॉन्सेप्ट" है। यह कहता है, "हमने सट्टेबाजी बाजारों में इनसाइडर ट्रेडिंग को पहचानने के लिए एक नया रडार बनाया है। हमने इसे एक मामले पर आजमाया, और यह पुराने रडार की तुलना में बहुत बेहतर काम करता है क्योंकि यह सही समय देखता है। हालांकि, हमारा रडार वर्तमान में कहानी के सबसे महत्वपूर्ण हिस्से (शुरुआती ट्रेड) के प्रति अंधा है क्योंकि हमारा डेटा रिकॉर्डिंग सिस्टम अभी इतना तेज़ नहीं है। बड़े शिकार को पकड़ने से पहले हमें बेहतर डेटा रिकॉर्डर बनाने की आवश्यकता है।"

यहाँ दस्तावेजीकृत पोलीमार्केट इनसाइडर मामलों पर "डेडलिन-रिजॉल्व्ड इंफॉर्मेशन लीकेज (Deadline-Resolved Information Leakage) का अनुभवजन्य मूल्यांकन" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

विकेंद्रीकृत प्रेडिक्शन मार्केट्स (जैसे, Polymarket) में संदिग्ध इनसाइडर ट्रेडिंग के महत्वपूर्ण साक्ष्य संचित हुए हैं, विशेष रूप से "डेडलिन-रिजॉल्व्ड" अनुबंधों (जैसे, "क्या घटना X, तिथि Y तक घटित होगी?") में। जबकि एक सहयोगी पद्धति पत्र ने इन्फॉर्मेशन लीकेज स्कोर (ILS) और उसके डेडलिन-रिजॉल्व्ड विस्तार (ILS $_{dl}$ ) को पेश किया था, यह ढांचा वास्तविक दुनिया के मामलों पर एंड-टू-एंड अनुभवजन्य सत्यापन (empirical validation) के अभाव में था।

संबोधित किए गए प्रमुख चुनौतियाँ शामिल हैं:

एंकर की गुणवत्ता (Anchor Quality): पारंपरिक ILS गणना अक्सर एक प्रॉक्सी एंकर (जैसे, $T_{resolve} - 1$ घंटा) पर निर्भर करती है, जो उस स्थिति में पूर्व-घटना सूचना प्रवाह (pre-event information flow) को पकड़ने में विफल रहती है जब मार्केट प्राइस इसलिए गिर जाता है क्योंकि जनता का विश्वास होता है कि घटना समाधान (resolution) से पहले नहीं होगी।
डेटा अंतराल (Data Gaps): सटीक गणना के लिए रिकवर्ड इवेंट टाइमस्टैम्प ( $T_{event}$ ), मार्केट ओपनिंग से निरंतर ऑर्डर बुक (CLOB) प्राइस डेटा, और प्रति-ट्रेड वॉलेट हिस्ट्री की आवश्यकता होती है।
पद्धतिगत कठोरता (Methodological Rigor): यह निर्धारित करना कि देखे गए मूल्य परिवर्तन वास्तविक सूचित व्यापार (informed trading) का प्रतिनिधित्व करते हैं या केवल मार्केट मिसप्राइसिंग और रेजोल्यूशन-क्राइटेरिया अनिश्चितता का।

2. कार्यप्रणाली (Methodology)

यह शोध पत्र 'फॉresightFlow इनसाइडर केसेस (FFIC)' इन्वेंट्री से 2026 यू.एस.–ईरान संघर्ष क्लस्टर पर डेडलिन-ILS (ILS $_{dl}$ ) ढांचे को एंड-टू-एंड लागू करता है।

मुख्य परिभाषाएँ

ILS $_{dl}$ सूत्र:
$ILS_{dl}(M) = \frac{\Delta_{pre}^{dl}}{\Delta_{total}^{dl}} = \frac{p(T_{event}^-) - p(T_{open})}{p_{T_{resolve}} - p(T_{open})}$
जहाँ $p(T_{event}^-)$ सार्वजनिक घटना से एक मिनट पहले की कीमत है, और $p_{T_{resolve}}$ अंतिम समाधान (final resolution) कीमत है।
स्कोप स्थितियाँ (Scope Conditions): स्कोर केवल तभी मान्य है यदि $|\Delta_{total}| \geq \epsilon$ (मार्केट में महत्वपूर्ण हलचल हुई हो), मार्केट 0.5 के पास खुलता है (एज-इफेक्ट चेक), और परिणाम एंकर ऑफसेट्स के प्रति सुदृढ़ (robust) है।
$T_{event}$ रिकवरी: एक टियर 3 LLM (Claude Haiku 4.5) वेब-सर्च टूल्स के साथ घटना के पहले सार्वजनिक प्रकटीकरण के टाइमस्टैम्प को रिकवर करता है, जिसे $\geq 3$ स्वतंत्र समाचार स्रोतों के विरुद्ध क्रॉस-वेरिफाई किया जाता है।
हैज़र्ड-रेट एस्टीमेशन (Hazard-Rate Estimation): ढांचा एक एक्सपोनेंशियल टाइम-टू-इवेंट डिस्ट्रीब्यूशन $S(\tau) = \exp(-\lambda\tau)$ को मानता है। विशिष्ट श्रेणियों (सैन्य, कॉर्पोरेट, नियामक) के लिए मैक्सिमम लाइक्लीहुड एस्टीमेशन (MLE) के माध्यम से हैज़र्ड रेट $\lambda$ को फिट किया जाता है।

मूल्यांकन पाइपलाइन

हैज़र्ड-रेट फिटिंग: प्रति श्रेणी 20 रिजॉल्व्ड मार्केट्स का उपयोग करके $\lambda$ का अनुमान लगाना।
सिंगल-केस कंप्यूटेशन: सबसे बड़े लागू मार्केट ("अप्रैल 30 तक अमेरिकी बल ईरान में प्रवेश करेंगे") पर पाइपलाइन लागू करना।
क्रॉस-मार्केट वॉलेट विश्लेषण: समन्वय (coordination) का पता लगाने के लिए सह-संबंधित अनुबंधों के बीच वॉलेट ओवरलैप का विश्लेषण करना।
पद्धतिगत परिशोधन (Methodological Refinement): उन बुनियादी ढांचे और वर्गीकरण अंतराल की पहचान करना जो स्केलिंग को रोकते हैं।

3. मुख्य योगदान (Key Contributions)

प्रथम एंड-टू-एंड अनुभवजन्य सत्यापन: यह शोध पत्र ILS $_{dl}$ ढांचे को सैद्धांतिक परिभाषा से एक दस्तावेजीकृत इनसाइडर ट्रेडिंग क्लस्टर पर मात्रात्मक अनुप्रयोग तक ले जाता है।
एंकर संवेदनशीलता का प्रदर्शन: यह अनुभवजन्य रूप से सिद्ध करता है कि लेख-व्युत्पन्न $T_{event}$ का उपयोग करना, समाधान-आधारित प्रॉक्सी की तुलना में मौलिक रूप से भिन्न (और अधिक सटीक) सिग्नल प्रदान करता है।
हैज़र्ड-रेट लक्षण वर्णन: यह प्रेडिक्शन मार्केट्स के लिए टाइम-टू-इवेंट डिस्ट्रीब्यूशन के पहले अनुभवजन्य अनुमान प्रदान करता है, जो सैन्य/भू-राजनीतिक और नियामक घटनाओं के बीच अंतर करता है।
इंफ्रास्ट्रक्चर गैप की पहचान: यह स्पष्ट रूप से पहचान करता है कि निरंतर प्रति-ट्रेड डेटा संग्रह का अभाव पूर्व-घटना समन्वय का पता लगाने में प्राथमिक बाधा है।

4. मुख्य परिणाम (Key Results)

A. हैज़र्ड-रेट एस्टीमेशन

अध्ययन ने तीन श्रेणियों के लिए एक्सपोनेंशियल डिस्ट्रीब्यूशन को फिट किया (जहाँ संभव हो $n=20$ प्रति श्रेणी):

सैन्य/भू-राजनीति (Military/Geopolitics): पर्याप्त फिट ( $KS\ p=0.609$ )। हाफ-लाइफ: 2.3 दिन। मीडियन लीड टाइम: 2.2 दिन।
कॉर्पोरेट डिस्क्लोजर (Corporate Disclosure): प्रारंभिक पर्याप्त फिट ( $n=5$ , $KS\ p=0.616$ )। हाफ-लाइफ: 4.5 दिन।
नियामक निर्णय (Regulatory Decision): अस्वीकार ( $KS\ p=0.013$ )। वितरण बाइमोडल (bimodal) है, जिसमें शॉर्ट-अनाउंसमेंट मार्केट्स और लॉन्ग-डेलिब्रेशन मार्केट्स मिश्रित हैं। इस श्रेणी को मॉडल के उपयोग योग्य होने से पहले उप-वर्गीकृत करने की आवश्यकता है।

B. सिंगल-केस विश्लेषण: "अप्रैल 30 तक अमेरिकी बल ईरान में प्रवेश करेंगे"

यह क्लस्टर का एकमात्र मार्केट था जिसने सभी चार आवश्यकताओं (रिकवर्ड $T_{event}$ , पॉजिटिव $\tau$ , CLOB कवरेज, वैध $\Delta_{total}$ ) को पूरा किया।

मार्केट कॉन्टेक्स्ट: $p=0.25$ पर खुला, $0.46$ पर शिखर पर पहुँचा, फिर अप्रैल 8 (समाधान से एक दिन पहले) तक लगभग शून्य पर गिर गया, जिसके बाद अप्रैल 9 को YES के रूप में रिजॉल्व हुआ।
ILS $_{dl}$ तुलना:
- आर्टिकल-डेरिव्ड एंकर ( $T_{event}$ = अप्रैल 3): $ILS_{dl} = \mathbf{+0.113}$ । यह हल्के सकारात्मक फ्रंट-लोडिंग (लगभग 11% कुल मूव घटना से पहले हुआ) को दर्शाता है।
- लेगेसी प्रॉक्सी ( $T_{resolve} - 1h$ ): $ILS_{dl} = \mathbf{-0.331}$ । यह दर्शाता है कि कीमत परिणाम के विपरीत (against) चली गई।
- महत्व: प्रॉक्सी विफल रहा क्योंकि इसने घटना के पूर्व सूचना प्रवाह के बजाय विश्वास के पतन (यह सोचने कि घटना नहीं होगी) को कैप्चर किया। दोनों के बीच का अंतर 0.444 है और वे शून्य के विपरीत पक्षों पर हैं।
ड्रिफ्ट विश्लेषण: शॉर्ट-विंडो वेरिएंट (30-मिनट, 2-घंटा) बिल्कुल शून्य थे, जिससे अंतिम समय के "इन्फॉर्म्ड स्पाइक" की संभावना खारिज हो गई। सिग्नल एक हल्का, प्रारंभिक ड्रिफ्ट था, न कि एक केंद्रित स्पाइक।

C. क्रॉस-मार्केट वॉलेट विश्लेषण

डेटा सीमा: उपलब्ध ट्रेड हिस्ट्री केवल रेजोल्यूशन-सेटलमेंट विंडो (अप्रैल 8–11) को कवर करती थी, न कि प्री-इवेंट अवधि को।
निष्कर्ष: 332 वॉलेट्स दो प्रमुख ईरान-क्लस्टर मार्केट्स में सक्रिय थे। शीर्ष वॉलेट्स ने \ $170k से \$ 1.97M के बीच ट्रेड किया।
व्याख्या: चूंकि डेटा पोस्ट-इवेंट है, इसलिए यह सिग्नल सेटलमेंट आर्बिट्राज (समाधान के परिणाम पर व्यापार) का प्रतिनिधित्व करता है, न कि प्री-इवेंट सूचित समन्वय का। डेटा अंतराल के कारण वर्तमान पद्धति "कैनोनिकल" इनसाइडर ट्रेडिंग सिग्नेचर का पता लगाने में सक्षम नहीं है।

5. महत्व और भविष्य का कार्य (Significance and Future Work)

आवश्यक पद्धतिगत परिशोधन (Methodological Refinements Required)

मूल्यांकन ने इस कार्यप्रणाली को स्केल करने के लिए पांच महत्वपूर्ण बाधाओं को उजागर किया:

पॉजिटिव- $\tau$ आवश्यकता: घटनाओं को होने से पहले ही मार्केट खुल जाना चाहिए ( $T_{event} > T_{open}$ )। घटना शुरू होने के बाद बनाए गए ड्यूरेशन मार्केट्स दायरे से बाहर हैं।
नियामक उप-वर्गीकरण: बाइमोडल हैज़र्ड डिस्ट्रीशन को ठीक करने के लिए नियामक मार्केट्स को "अनाउंसमेंट" बनाम "औपचारिक विचार-विमर्श" में विभाजित किया जाना चाहिए।
सैंपल विस्तार: कॉर्पोरेट-डिस्क्लोजर सैंपल ( $n=5$ ) स्थिर हैज़र्ड एस्टीमेशन के लिए बहुत छोटा है।
निरंतर CLOB संग्रह: वर्तमान इंफ्रास्ट्रक्चर इंडेक्सिंग लेटेंसी के कारण 82% प्रासंगिक मार्केट्स को मिस कर देता है। $T_{open}$ से निरंतर संग्रह आवश्यक है।
निरंतर प्रति-ट्रेड संग्रह: समन्वय का पता लगाने के लिए, सिस्टम को केवल सेटलमेंट डेटा ही नहीं, बल्कि मार्केट ओपनिंग से व्यक्तिगत ट्रेडों को भी कैप्चर करना होगा।

निष्कर्ष

यह शोध पत्र एक मेथोडोलॉजिकल प्रूफ ऑफ कॉन्सेप्ट के रूप में कार्य करता है। यह प्रदर्शित करता है कि सटीक इवेंट टाइमस्टैम्प का उपयोग करने पर डेडलिन-ILS विस्तार प्रॉक्सी आर्टिफैक्ट्स से सिग्नल को सफलतापूर्वक अलग करता है। हालांकि, प्री-इवेंट ट्रेड हिस्ट्री तक पहुँचने में वर्तमान अक्षमता जनसंख्या-स्तर के पूर्ण मूल्यांकन को रोकती है। लेखक एक "वर्क प्रोग्राम" का प्रस्ताव करते हैं जो भविष्य में बड़े पैमाने पर डिटेक्शन को सक्षम करने के लिए निरंतर डेटा पाइपलाइन बनाने और वर्गीकरण टैक्सोनॉमी को रिफाइन करने पर केंद्रित है।

डेटा उपलब्धता: FFIC इन्वेंट्री और 911,237 पोलीमार्केट मार्केट्स का रेजोल्यूशन-टाइपोलॉजी वर्गीकरण GitHub पर ओपन डेटासेट के रूप में जारी किया गया है।