💰 quantitative finance

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

Questo articolo valuta empiricamente il Punteggio di Fuga di Informazioni Risolta alla Scadenza (ILS-dl) sui casi documentati di trading insider di Polymarket, specificamente all'interno del cluster del conflitto USA-Iran del 2026, dimostrando la capacità della metrica di distinguere il segnale genuino dagli artefatti proxy, validando al contempo il suo adattamento a rischio esponenziale per i mercati di geopolitica militare e identificando i limiti nella tracciabilità dei portafogli.

Autori originali: Maksym Nechepurenko

Pubblicato 2026-05-05

📖 5 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

Immaginate un gigantesco banco di scommesse globale chiamato Polymarket. Qui le persone piazzano scommesse su eventi futuri, come "Le truppe statunitensi entreranno in Iran entro il 30 aprile?" oppure "Una specifica azienda rilascerà un rapporto segreto?".

A volte, le persone vincono enormi somme di denaro su queste scommesse. La grande domanda è: Hanno vinto perché hanno avuto fortuna, o perché sapevano qualcosa che il resto del mondo non sapeva? (Questo è chiamato "trading interno" o "trading informato").

Questo articolo è una storia da detective. Gli autori hanno costruito un nuovo strumento matematico (una "scheda di valutazione") per cercare di catturare questi scommettitori astuti. Hanno testato questo strumento su un gruppo specifico di scommesse riguardanti il conflitto USA-Iran del 2026.

Ecco la spiegazione della loro indagine in termini semplici:

1. Il Problema: L'"Orologio Sbagliato"

Il nuovo strumento degli autori, chiamato Deadline-ILS, è progettato per misurare quanto il prezzo della scommessa si è mosso prima che la notizia fosse effettivamente resa pubblica.

Il Vecchio Metodo (L'Orologio Difettoso): In precedenza, i ricercatori guardavano il prezzo di una scommessa solo un'ora prima dell'annuncio del risultato ufficiale.
Il Nuovo Metodo (L'Orologio Reale): Gli autori hanno realizzato che per molte scommesse, la "vera" notizia avviene giorni o settimane prima del risultato ufficiale.
- Analogia: Immaginate una scommessa su "Pioverà domani?". Il risultato ufficiale viene annunciato a mezzanotte. Ma se inizia a piovere alle 14:00, gli scommettitori astuti hanno comprato i loro biglietti alle 14:00, non alle 23:59. Se guardate il prezzo solo alle 23:59, perdete l'intera storia.

2. L'Indagine: Testare lo Strumento

Gli autori hanno provato a far funzionare il loro nuovo strumento su 18 scommesse diverse relative al conflitto USA-Iran. Tuttavia, hanno incontrato alcuni ostacoli:

Dati Mancanti: Per la maggior parte delle scommesse, non sono riusciti a trovare il minuto esatto in cui la notizia è stata resa pubblica.
Prezzi Mancanti: Per molte scommesse, non sono riusciti a ottenere la storia completa di come il prezzo è cambiato ogni secondo (come un ticker azionario).
L'Unico Successo: Solo una scommessa ha superato tutti i test: "Le forze statunitensi entreranno in Iran entro il 30 aprile?".

3. La Grande Scoperta: Il Segnale "Falso"

Su quella singola scommessa di successo, gli autori hanno trovato qualcosa di scioccante.

Usando l'Orologio Vecchio (1 ora prima della fine): Lo strumento ha indicato che il prezzo si stava muovendo contro il vincitore. Sembrava che gli scommettitori astuti avessero torto! Il punteggio era -0,33.
Usando l'Orologio Nuovo (Quando la notizia è stata effettivamente resa pubblica): Lo strumento ha indicato che il prezzo si è mosso con il vincitore. Il punteggio era +0,11.

L'Analogia:
Immaginate una corsa.

Il Vecchio Metodo guarda i corridori 1 minuto prima del traguardo. A quel punto, tutti sono stanchi e rallentano. Sembra che nessuno stesse correndo veloce.
Il Nuovo Metodo guarda i corridori quando parte il colpo di pistola di partenza. Vede un'esplosione di velocità proprio all'inizio.

Gli autori hanno scoperto che il "Vecchio Metodo" stava mentendo. Quando il risultato ufficiale era vicino, il mercato aveva già rinunciato all'idea che l'evento si sarebbe verificato. Il "Nuovo Metodo" ha colto il piccolo, primo indizio che l'evento potrebbe verificarsi. Questo dimostra che utilizzare il tempo reale della notizia è cruciale per trovare la verità.

4. Il Mistero del "Portafoglio"

Gli autori hanno anche cercato di tracciare i portafogli digitali (i conti) delle persone che facevano queste scommesse per vedere se le stesse persone scommettevano su più eventi correlati.

Il Risultato: Hanno trovato 332 portafogli che scommettevano sia su "Gli USA entrano in Iran" che su "Cessate il fuoco".
La Trappola: Potevano vedere solo le scommesse piazzate dopo che l'evento era accaduto (durante la finestra di regolamento).
La Conclusione: Queste persone non erano "insider" che scommettevano prima della notizia; erano semplicemente "arbitraggisti" (persone che scommettevano sul risultato finale per fare un rapido profitto dopo che la notizia era già uscita).
Il Limite: Gli autori ammettono di non essere riusciti a vedere le scommesse "pre-evento" perché il sistema dati che hanno utilizzato non salva quella cronologia. È come cercare di risolvere un crimine quando la telecamera di sicurezza inizia a registrare solo dopo che il ladro ha lasciato l'edificio.

5. Il Verdetto: "Prova di Concetto"

Gli autori sono molto onesti riguardo ai loro risultati. Dicono:

Questa è una prova di guida, non un rapporto finale. Hanno testato con successo lo strumento su una sola scommessa specifica.
Lo strumento funziona: Ha distinto con successo tra un "segnale reale" e un "artefatto falso" causato dall'osservare il momento sbagliato.
Lo strumento ha bisogno di aggiornamenti: Per utilizzarlo su vasta scala (come controllare milioni di scommesse), devono correggere cinque cose:
1. Assicurarsi che la scommessa sia piazzata prima che l'evento inizi (non dopo).
2. Separare i diversi tipi di notizie (ad esempio, "discorsi programmati" contro "lunghe cause legali") perché avvengono a velocità diverse.
3. Ottenere più dati sulle notizie aziendali.
4. Crucialmente: Costruire un sistema che registri il prezzo di ogni scommessa dal primo secondo in cui il mercato si apre, non solo quando si chiude.
5. Crucialmente: Costruire un sistema che registri ogni singola transazione effettuata da ogni persona dall'inizio, non solo il regolamento finale.

Riassunto

Questo articolo è una "prova di concetto". Dice: "Abbiamo costruito un nuovo radar per individuare il trading interno nei mercati delle scommesse. L'abbiamo provato su un caso e ha funzionato molto meglio del vecchio radar perché guardava al momento giusto. Tuttavia, il nostro radar è attualmente cieco alla parte più importante della storia (le operazioni iniziali) perché il nostro sistema di registrazione dei dati non è ancora abbastanza veloce. Dobbiamo costruire migliori registratori di dati prima di poter catturare i pesci grandi".

1. Enunciato del Problema

I mercati predittivi decentralizzati (ad es. Polymarket) hanno accumulato prove significative di sospetti di insider trading, in particolare nei contratti "deadline-resolved" (ad es. "L'Evento X avverrà entro la Data Y?"). Sebbene un documento metodologico complementare abbia introdotto il Punteggio di Perdita di Informazioni (ILS) e la sua estensione deadline-resolved (ILS $_{dl}$ ), il framework mancava di una validazione empirica end-to-end su casi reali.

Le sfide chiave affrontate includono:

Qualità dell'Anchor: I calcoli ILS tradizionali spesso si basano su un anchor proxy (ad es. $T_{resolve} - 1$ ora), che non riesce a catturare il flusso di informazioni pre-evento se il prezzo di mercato crolla a causa della convinzione pubblica che l'evento non avverrà prima della risoluzione.
Lacune nei Dati: Un calcolo accurato richiede il recupero dei timestamp dell'evento ( $T_{event}$ ), dati di prezzo continui dal libro degli ordini (CLOB) dall'apertura del mercato e la cronologia dei portafogli per ogni transazione.
Rigorosità Metodologica: Determinare se i movimenti di prezzo osservati rappresentano un trading informato genuino o semplicemente un errato prezzamento di mercato e incertezza sui criteri di risoluzione.

2. Metodologia

Il documento implementa il framework Deadline-ILS (ILS $_{dl}$ ) end-to-end sul cluster del conflitto USA-Iran 2026 dall'inventario ForesightFlow Insider Cases (FFIC).

Definizioni Principali

Formula ILS $_{dl}$ :
$ILS_{dl}(M) = \frac{\Delta_{pre}^{dl}}{\Delta_{total}^{dl}} = \frac{p(T_{event}^-) - p(T_{open})}{p_{T_{resolve}} - p(T_{open})}$
Dove $p(T_{event}^-)$ è il prezzo un minuto prima dell'evento pubblico e $p_{T_{resolve}}$ è il prezzo finale di risoluzione.
Condizioni di Ambito: Il punteggio è valido solo se $|\Delta_{total}| \geq \epsilon$ (il mercato si è mosso significativamente), il mercato si apre vicino a 0.5 (controllo dell'effetto bordo) e il risultato è robusto rispetto agli offset dell'anchor.
Recupero di $T_{event}$ : Un LLM di Tier 3 (Claude Haiku 4.5) con strumenti di ricerca web recupera il timestamp della prima occorrenza pubblica dell'evento sottostante, verificato incrociando $\geq 3$ fonti di notizie indipendenti.
Stima del Tasso di Rischio (Hazard-Rate): Il framework assume una distribuzione esponenziale del tempo fino all'evento $S(\tau) = \exp(-\lambda\tau)$ . Il tasso di rischio $\lambda$ viene adattato tramite Massima Verosimiglianza (MLE) per categorie specifiche (militare, aziendale, regolatoria).

Pipeline di Valutazione

Adattamento del Tasso di Rischio: Stima di $\lambda$ per categoria utilizzando 20 mercati risolti per categoria.
Calcolo del Singolo Caso: Applicazione della pipeline al mercato più grande applicabile ("Le forze USA entrano in Iran entro il 30 aprile").
Analisi Incrociata dei Portafogli: Analisi della sovrapposizione dei portafogli tra contratti correlati per rilevare il coordinamento.
Raffinamento Metodologico: Identificazione delle lacune infrastrutturali e di classificazione che impediscono la scalabilità.

3. Contributi Chiave

Prima Validazione Empirica End-to-End: Il documento sposta il framework ILS $_{dl}$ dalla definizione teorica all'applicazione quantitativa su un cluster documentato di insider trading.
Dimostrazione della Sensibilità dell'Anchor: Dimostra empiricamente che l'uso di un $T_{event}$ derivato da articoli produce un segnale fondamentalmente diverso (e più accurato) rispetto a un proxy ancorato alla risoluzione.
Caratterizzazione del Tasso di Rischio: Fornisce le prime stime empiriche delle distribuzioni del tempo fino all'evento per i mercati predittivi, distinguendo tra eventi militari/geopolitici e regolatori.
Identificazione delle Lacune Infrastrutturali: Identifica esplicitamente la mancanza di raccolta continua di dati per ogni transazione come il principale collo di bottiglia per il rilevamento del coordinamento pre-evento.

4. Risultati Chiave

A. Stima del Tasso di Rischio

Lo studio ha adattato distribuzioni esponenziali per tre categorie (dimensione del campione $n=20$ per categoria dove possibile):

Militare/Geopolitica: Adattamento adeguato ( $KS\ p=0.609$ ). Emivita: 2.3 giorni. Tempo medio di anticipo: 2.2 giorni.
Divulgazione Aziendale: Adattamento preliminare adeguato ( $n=5$ , $KS\ p=0.616$ ). Emivita: 4.5 giorni.
Decisione Regolatoria: Rigettata ( $KS\ p=0.013$ ). La distribuzione è bimodale, mescolando mercati con annunci brevi e mercati con lunghe deliberazioni. Questa categoria richiede una sottocategorizzazione prima che il modello possa essere utilizzato.

B. Analisi del Singolo Caso: "Le forze USA entrano in Iran entro il 30 aprile"

Questo è stato l'unico mercato nel cluster che soddisfaceva tutti e quattro i requisiti ( $T_{event}$ recuperato, $\tau$ positivo, copertura CLOB, $\Delta_{total}$ valido).

Contesto di Mercato: Aperto a $p=0.25$ , ha raggiunto un picco a 0.46, quindi è crollato vicino allo zero entro l'8 aprile (giorno prima della risoluzione), prima di risolversi SÌ il 9 aprile.
Confronto ILS $_{dl}$ :
- Anchor Derivato da Articolo ( $T_{event}$ = 3 aprile): $ILS_{dl} = \mathbf{+0.113}$ . Indica un leggero front-loading positivo (circa il 11% del movimento totale è avvenuto prima dell'evento).
- Proxy Legacy ( $T_{resolve} - 1h$ ): $ILS_{dl} = \mathbf{-0.331}$ . Indica che il prezzo si è mosso contro l'esito.
- Significato: Il proxy ha fallito perché ha catturato il crollo della convinzione del mercato (pensando che l'evento non sarebbe accaduto) piuttosto che il flusso di informazioni pre-evento. I valori differiscono di 0.444 e si trovano su lati opposti dello zero.
Analisi della Deriva: Le varianti a finestra breve (30 min, 2 h) erano esattamente zero, escludendo un "picco informato" dell'ultimo minuto. Il segnale era una leggera deriva precoce, non un picco concentrato.

C. Analisi Incrociata dei Portafogli

Limitazione dei Dati: La cronologia delle transazioni disponibile copriva solo la finestra di regolamento della risoluzione (8-11 aprile), non il periodo pre-evento.
Risultati: 332 portafogli erano attivi in entrambi i principali mercati del cluster Iran. I portafogli principali hanno scambiato tra 170.000$ e 1,97 milioni di $.
Interpretazione: Poiché i dati sono post-evento, questo segnale rappresenta arbitraggio di regolamento (trading sull'esito della risoluzione), non coordinamento informato pre-evento. La metodologia non può attualmente rilevare la "firma" canonica dell'insider trading a causa delle lacune nei dati.

5. Significato e Lavori Futuri

Raffinamenti Metodologici Richiesti

La valutazione ha portato alla luce cinque vincoli critici per la scalabilità della metodologia:

Requisito di $\tau$ Positivo: I mercati devono aprirsi prima che si verifichi l'evento ( $T_{event} > T_{open}$ ). I mercati di durata creati dopo l'inizio di un evento sono fuori ambito.
Sottocategorizzazione Regolatoria: I mercati regolatori devono essere divisi in "annuncio" vs "deliberazione formale" per correggere la distribuzione bimodale del tasso di rischio.
Espansione del Campione: Il campione di divulgazione aziendale ( $n=5$ ) è troppo piccolo per una stima stabile del tasso di rischio.
Raccolta Continua CLOB: L'infrastruttura attuale manca dell'82% dei mercati rilevanti a causa della latenza di indicizzazione. È necessaria una raccolta continua da $T_{open}$ .
Raccolta Continua per Transazione: Per rilevare il coordinamento, il sistema deve catturare le singole transazioni dall'apertura del mercato, non solo i dati di regolamento.

Conclusione

Il documento funge da prova di concetto metodologica. Dimostra che l'estensione Deadline-ILS distingue con successo il segnale dagli artefatti del proxy quando si utilizzano timestamp di eventi accurati. Tuttavia, l'attuale incapacità di accedere alla cronologia delle transazioni pre-evento impedisce una valutazione completa a livello di popolazione dell'insider trading. Gli autori propongono un "programma di lavoro" focalizzato sulla creazione di pipeline di dati continue e sul raffinamento delle tassonomie di classificazione per abilitare future rilevazioni su larga scala.

Disponibilità dei Dati: L'inventario FFIC e la classificazione della tipologia di risoluzione di 911.237 mercati Polymarket sono rilasciati come dataset aperti su GitHub.