💰 quantitative finance

ForesightFlow: An Information Leakage Score Framework for Prediction Markets

Questo articolo introduce ForesightFlow, un framework di Information Leakage Score per rilevare il trading informato nei mercati predittivi, e propone un'estensione ancorata alla scadenza per affrontare le limitazioni metodologiche rivelate dalle valutazioni empiriche dei timestamp di eventi pubblici e dei casi documentati di trading insider.

Autori originali: Maksym Nechepurenko

Pubblicato 2026-05-04

📖 6 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Maksym Nechepurenko

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina una piazza digitale globale dove le persone scommettono su eventi futuri: "Vincerà questo politico?" "Lancerà questa azienda un nuovo prodotto?" "Scoppierà una guerra entro venerdì?" Questo è un mercato predittivo. In questi mercati, il prezzo di una scommessa funziona come una previsione meteorologica per il futuro. Se il prezzo di "Sì" sale, significa che la folla ritiene più probabile che l'evento si verifichi.

Il documento introduce un nuovo strumento chiamato ForesightFlow, progettato per individuare quando qualcuno sta barando in questa piazza digitale.

Il Problema: L'"Insider" nella Folla

In un mercato equo, tutti vengono a conoscenza di un evento contemporaneamente. Ma in questi mercati digitali, poiché sono anonimi e operano su tecnologia blockchain, è molto facile che qualcuno con informazioni segrete (un "insider") acquisti scommesse prima che la notizia diventi pubblica.

Pensate a una corsa di cavalli in cui un fantino sa che il cavallo ha una gamba rotta prima dell'inizio della gara. Compra un biglietto sugli altri cavalli, aspetta che la gara inizi e poi intasca un enorme profitto quando il favorito crolla. Il documento nota che negli ultimi anni gli insider hanno guadagnato centinaia di milioni di dollari in questo modo su piattaforme come Polymarket.

Il problema è che i metodi attuali per catturare questi baranti funzionano solo dopo che la gara è finita. Quando sappiamo chi ha barato, i soldi sono già spariti e il "segnale di prezzo" (la convinzione del pubblico) è già stato distorto. Abbiamo bisogno di un modo per individuare il barante mentre sta piazzando le sue scommesse.

La Soluzione: Il "Punteggio di Perdita"

Gli autori hanno costruito un sistema chiamato ForesightFlow per agire come un rilevatore di fumo per questi mercati. Il cuore di questo sistema è una metrica chiamata Punteggio di Perdita di Informazioni (Information Leakage Score - ILS).

Ecco l'analogia su come funziona:
Immaginate che un film stia per essere rilasciato.

Il Prezzo di Apertura: Quando il mercato di scommesse si apre, il prezzo riflette ciò che il pubblico sa in questo momento.
L'Evento Notiziario: Il momento in cui il trailer del film viene rilasciato ufficialmente al mondo.
La Risoluzione: Il momento in cui il film esce effettivamente e la scommessa viene liquidata.

Il Punteggio di Perdita di Informazioni pone una domanda semplice: "Quanto si è mosso il prezzo prima che il trailer ufficiale venisse rilasciato?"

Punteggio di 0: Il prezzo è rimasto stabile fino all'uscita del trailer. Questo è un mercato equo; nessuno sapeva nulla in anticipo.
Punteggio di 1: Il prezzo è salito fino al livello "vincente" prima ancora che il trailer venisse rilasciato. Questo suggerisce che qualcuno conosceva l'esito e ha scommesso su di esso in anticipo. L'informazione è "trapelata" prima del previsto.

Le Regole di "Ambito": Sapere Quando il Punteggio Funziona

Il documento è molto attento a precisare che questo punteggio non funziona per ogni singola scommessa. Gli autori hanno individuato tre regole specifiche in cui il punteggio è affidabile:

La Regola della "Sorpresa": Il punteggio funziona solo se l'evento è effettivamente incerto. Se tutti conoscono già la risposta (ad esempio, il prezzo è al 99% "Sì" fin dall'inizio), un piccolo movimento di prezzo appare enorme matematicamente, ma è solo rumore, non barare.
La Regola "Scadenza" vs "Evento": Questa è una scoperta cruciale nel documento.
- Mercati di Eventi: "Accadrà X?" (ad esempio, "Il Presidente firmerà un disegno di legge?"). Il punteggio funziona bene qui.
- Mercati di Scadenza: "Accadrà X entro venerdì?". Gli autori hanno scoperto che la maggior parte dei famosi casi di barare è avvenuta in questi mercati di "Scadenza". Il punteggio originale non funzionava per loro perché la "notizia" è semplicemente lo scadere del tempo.
- La Soluzione: Gli autori hanno creato una nuova versione del punteggio (chiamata Deadline-ILS) specificamente per queste scommesse "Accadrà entro venerdì?". Questa nuova versione confronta il prezzo con un "aspettativa di base" piuttosto che semplicemente con il prezzo di apertura.
Il Controllo del "Portafoglio": Il punteggio non è sufficiente da solo. Il sistema controlla anche chi sta scommettendo. Se un portafoglio completamente nuovo (creato 10 minuti fa) senza storia immette improvvisamente un enorme somma di denaro su una scommessa specifica subito prima che scoppi la notizia, questo è un segnale d'allarme. Se lo fa un trader esperto con una lunga storia, potrebbe essere solo un'ipotesi intelligente.

Lo Studio Pilota: Cosa Hanno Imparato

Gli autori hanno testato il loro sistema su dati reali. Hanno scoperto alcune cose interessanti:

Il Segnale "Falso": Quando hanno provato a usare una semplice ipotesi per "quando è accaduta la notizia" (invece di trovare l'articolo effettivo), il sistema si è confuso e ha segnalato mercati innocenti come colpevoli. Questo ha insegnato loro che devono individuare il momento esatto in cui la notizia è scoppiata per rendere il punteggio accurato.
Il "Vuoto" delle Scadenze: Hanno realizzato che il loro strumento originale non poteva catturare i baranti più famosi perché quei baranti scommettevano su mercati di "Scadenza". Questo li ha costretti a costruire la nuova versione "Deadline-ILS".
Il Caso "Barak": Hanno esaminato un mercato specifico riguardante una figura politica di nome Barak. Anche con il punteggio perfetto, non sono riusciti a provare che si trattava di barare guardando solo il prezzo. Hanno dovuto esaminare i portafogli e i tempi per rendersi conto che il movimento del prezzo era in realtà dovuto a persone che discutevano delle regole della scommessa, non a persone con informazioni segrete.

Il Quadro Generale

Il documento conclude che catturare i baranti in tempo reale è possibile, ma richiede un kit molto specifico:

Un Punteggio: Per misurare quanto il prezzo si è mosso troppo presto.
Una Tipologia: Per sapere se la scommessa è un "Evento" o una "Scadenza" (e usare la matematica corretta).
Forensica dei Portafogli: Per vedere se le persone che scommettono sembrano insider (portafogli nuovi, scommesse enormi) o semplicemente persone comuni.

Gli autori hanno rilasciato il loro codice e un elenco di casi noti di barare (l'"inventario FFIC") in modo che altri possano utilizzare e migliorare questo sistema. Il loro obiettivo non è solo catturare i baranti per profitto, ma garantire che questi mercati predittivi rimangano strumenti affidabili per il pubblico, piuttosto che campi di gioco per persone con vantaggi segreti.

1. Enunciato del Problema

I mercati predittivi decentralizzati (ad esempio, Polymarket) aggregano informazioni private disperse in segnali di prezzo, ma operano in un'area grigia normativa con partecipazione pseudonima. Questo ambiente facilita il trading informato su informazioni materiali non pubbliche (MNPI).

Il Divario: I metodi di rilevamento esistenti (ad esempio, Mitts & Ofir, 2026) sono quasi esclusivamente post-hoc, basandosi su profitti realizzati e esiti di risoluzione. Non offrono alcun segnale azionabile durante la finestra di trading quando il flusso informato sta muovendo i prezzi.
La Sfida: Il rilevamento in tempo reale richiede caratteristiche che siano causali (osservabili prima della risoluzione) e etichette che non rivelino informazioni future. Inoltre, la struttura specifica di molti casi di trading insider (contratti basati su scadenze) non si adatta ai modelli standard risolti per evento.

2. Metodologia: Il Framework ForesightFlow

Il documento propone un sistema per rilevare il flusso informato in tempo reale utilizzando una combinazione di teoria dell'informazione, microstruttura di mercato e forense on-chain.

A. Il Punteggio di Perdita di Informazioni (ILS)

L'innovazione centrale è il Punteggio di Perdita di Informazioni (ILS), un generatore di etichette scalari per mercati binari risolti.

Definizione: $ILS(M) = \frac{\Delta_{pre}}{\Delta_{total}} = \frac{p(T_{news}) - p(T_{open})}{p(T_{resolve}) - p(T_{open})}$ $I L S (M) = \frac{Δ _{p r e}}{Δ _{t o t a l}} = \frac{p ( T _{n e w s} ) - p ( T _{o p e n} )}{p ( T _{r eso l v e} ) - p ( T _{o p e n} )}$
- $T_{open}$ : Creazione del mercato.
- $T_{news}$ : Timestamp della prima menzione pubblica dell'evento rilevante per la risoluzione (recuperato tramite URL di prove UMA, GDELT o ricerca assistita da LLM).
- $T_{resolve}$ : Tempo formale di risoluzione.
- $p(t)$ : Prezzo medio del token "SÌ".
Interpretazione: L'ILS quantifica la frazione del movimento totale del prezzo che si è verificata prima dell'evento di notizie pubblico.
- $ILS \approx 1$ : Prezziamento anticipatorio perfetto (forte perdita di informazioni).
- $ILS \approx 0$ : Il mercato ha reagito solo dopo le notizie pubbliche.
Base Teorica: Gli autori collegano l'ILS alla decomposizione di Murphy del punteggio Brier. Un ILS elevato indica che la componente "Risoluzione" (potere discriminatorio) è stata anticipata prima che il set di informazioni pubbliche si allineasse.

B. Tipologia di Risoluzione e Condizioni di Ambito

Gli autori identificano che l'ILS è interpretabile solo in condizioni rigorose, portando a una classificazione tripartita dei mercati:

Risolti per Evento: Un evento osservabile specifico innesca la risoluzione (ad esempio, risultati elettorali). L'ILS è valido qui.
Risolti per Scadenza: Il mercato si risolve in NO se un evento non si verifica entro una data (ad esempio, "Accadrà X entro venerdì?"). L'ILS standard è invalido qui perché $T_{news}$ è indefinito o banale.
Non Classificabili: Sport, conteggi, ecc.

Condizioni di Ambito: Per evitare segnali spurii, l'ILS è riportato solo se:
- Controllo Effetto Bordo: Il prezzo di apertura non è vicino al consenso ( $p_{open} \in [0.1, 0.9]$ ).
- Controllo Risoluzione Banale: Il movimento totale del prezzo $|\Delta_{total}| > 0.05$ .
- Sensibilità all'Ancoraggio: Il valore ILS deve essere robusto attraverso diverse specifiche di ancoraggio $T_{news}$ .

C. Pipeline di Caratteristiche in Tempo Reale

Per rilevare il flusso prima della risoluzione, il sistema calcola un vettore di caratteristiche $x(M, t)$ che combina:

Misure di Microstruttura Adattate:
- Squilibrio degli Ordini (OI): Rapporti tra volumi di acquisto e vendita.
- Tossicità stile VPIN: Squilibrio del flusso di ordini sincronizzato con il volume.
- Lambda di Kyle: Impatto sul prezzo stimato per unità di flusso di ordini.
- Rapporto di Varianza e Bifaccialità: Diagnostica per deriva persistente vs. rumore temporaneo (adattato da Nechepurenko, 2026a).
Caratteristiche dei Portafogli On-Chain:
- Punteggio di Novità del Portafoglio: Una composizione di età del portafoglio, storia di partecipazione, concentrazione della fonte di finanziamento e tempistica di ingresso rispetto alla risoluzione.
Priors Condizionali alla Categoria: Il sistema si concentra su tre categorie ad alto rischio: Militare/Geopolitica, Comunicazioni Aziendali e Decisioni Regolatorie.

D. Estensione Deadline-ILS

Una scoperta critica dello studio pilota è stata che i casi di insider documentati sono prevalentemente risolti per scadenza. Il documento estende l'ILS a questo dominio:

Meccanismo: Invece di ancorarsi a un evento di notizie, il punteggio si ancorra a una credenza di base bayesiana ( $\theta_{T_{open}}$ ) derivata da un modello di sopravvivenza a hazard costante.
Formula: $ILS_{dl} = \frac{p(T_{event}^-) - \theta_{T_{open}}}{p(T_{resolve}) - \theta_{T_{open}}}$ .
Questo permette il rilevamento di trader informati che sanno che un evento è imminente in un contratto "Accadrà X entro la Data Y?".

3. Contributi Chiave

Riformulazione: Sposta il problema dalla forense post-hoc all'inferenza in tempo reale, richiedendo caratteristiche causali.
Metrica ILS: Introduce un generatore di etichette teoricamente fondato collegato a regole di punteggio corrette (decomposizione di Murphy).
Tipologia e Ambito: Definisce confini operativi rigorosi (Evento vs. Scadenza) per prevenire falsi positivi, validati da dati empirici.
Architettura Ibrida: Combina misure classiche di microstruttura (PIN, VPIN) con uniche caratteristiche dei portafogli on-chain (novità, concentrazione del finanziamento).
Inventario FFIC: Rilascia un set di validazione curato di 8 episodi documentati di trading insider (ad esempio, attacchi all'Iran, Year-in-Search di Google) mappati su specifici ID di mercato.
Estensione Scadenza: Formalizza l'estensione del framework ai contratti a scadenza, affrontando il divario strutturale nella letteratura esistente.

4. Risultati e Scoperte Empiriche

Il documento riporta uno studio empirico pilota su 725 mercati risolti per evento e un audit di validazione dell'inventario FFIC.

Risultati Negativi del Pilota:
- L'uso di un proxy ancorato alla risoluzione ( $T_{resolve} - 24h$ ) per $T_{news}$ non è riuscito a separare i mercati informati dai controlli.
- Motivo: Il proxy era strutturalmente disallineato. Per i mercati risolti per evento, le notizie reali spesso precedono la risoluzione di giorni, rendendo la finestra "pre-notizie" in realtà "post-notizie".
- Sensibilità all'Ancoraggio: I valori ILS erano altamente sensibili alla scelta dell'ancoraggio temporale, fallendo il controllo di robustezza.
Caso di Studio (Mercato Barak):
- Un'analisi approfondita del mercato "Ehud Barak" ha mostrato che, mentre un ILS basato su proxy era alto (0.55), l'uso del timestamp derivato dall'articolo (effettiva pubblicazione delle notizie) ha spostato leggermente l'ILS, rivelando che i trade "precoci" erano in realtà reattivi alle notizie pubbliche o ad arbitraggi sui criteri di risoluzione, non a informazioni privilegiate.
- Conclusione: L'ILS da solo è insufficiente; deve essere combinato con caratteristiche a livello di portafoglio (ad esempio, identificazione di portafogli professionali vs. nuovi) e controlli rigorosi sull'ambito.
Audit Strutturale:
- L'audit dell'inventario FFIC ha rivelato che il 100% dei casi di insider documentati era risolto per scadenza, cadendo fuori dall'ambito originale dell'ILS.
- Ciò ha reso necessaria l'estensione Deadline-ILS (Sezione 7) per rendere il framework applicabile ai modelli reali di trading insider.

5. Significato e Lavori Futuri

Bene Pubblico: Fornisce il primo strumento di sorveglianza trasparente, replicabile e in tempo reale per i mercati predittivi decentralizzati, affrontando il "paradosso dell'autorità" in cui i mercati guadagnano credibilità sociale pur avendo microstrutture immature.
Ponte Metodologico: Collega la letteratura sulle regole di punteggio corrette (accuratezza delle previsioni) con la forense blockchain (rilevamento di trading informato).
Open Source: Gli autori rilasciano l'inventario ForesightFlow Insider Cases (FFIC), l'intera tipologia di risoluzione per 911.237 mercati e tutto il codice del sistema.
Prossimi Passi:
- Valutazione empirica completa dell'Deadline-ILS sul cluster del conflitto USA-Iran 2026 (riportato in un documento complementare).
- Addestramento del modello rilevatore sul dataset raffinato ed esteso alle scadenze.
- Affrontare i limiti infrastrutturali (ad esempio, guasti dell'indicizzatore The Graph per mercati da miliardi di dollari).

Conclusione: ForesightFlow stabilisce che il trading informato nei mercati predittivi è rilevabile in tempo reale, ma solo se la metodologia tiene conto della specifica tipologia contrattuale (scadenza vs. evento), utilizza timestamp di notizie robusti e integra il comportamento dei portafogli on-chain con segnali di microstruttura. Il framework sposta il campo dall'analisi retrospettiva "chi l'ha fatto" al monitoraggio proattivo dell'integrità del mercato.