💰 quantitative finance

Per-Market Information Leakage and Order-Flow Skill: Two Methodological Lenses on Informed Trading in Decentralized Prediction Markets

Questo articolo sostiene che tre distinti approcci metodologici per rilevare il trading informato nei mercati predittivi decentralizzati – lo screening delle competenze a livello di account, l'identificazione euristica degli insider e la valutazione della fuoriuscita di informazioni per mercato – costituiscono livelli complementari di rilevamento anziché metodi in competizione, e dimostra come la loro integrazione migliori la precisione attraverso una pipeline combinata.

Autori originali: Maksym Nechepurenko

Pubblicato 2026-05-05

📖 7 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'enorme sala scommesse globale chiamata Polymarket. Qui le persone scommettono su tutto, da "Chi vincerà il Super Bowl?" a "Un politico specifico verrà messo in stato di accusa?" fino a "Pioverà a Londra domani?".

Recentemente, una grande domanda ha perseguitato questa sala scommesse: Alcune persone stanno barando? Ci sono "addetti ai lavori" che utilizzano informazioni segrete e private per vincere denaro prima ancora che il resto di noi sappia che la notizia è accaduta?

Nell'aprile 2026, tre diversi gruppi di ricercatori sono comparsi con tre diverse torce elettriche per trovare questi baranti. Questo documento è una guida che spiega come funzionano queste torce, perché sono tutte diverse e come è necessario utilizzarle insieme per catturare effettivamente i colpevoli.

Ecco la spiegazione in termini semplici:

Le Tre Torce (Metodologie)

Il documento sostiene che questi tre metodi non sono in competizione; stanno esaminando il problema da tre angolazioni diverse.

1. Il "Detective di Carriera" (Sign-Randomization)

Chi lo usa: Gomez-Cram e colleghi.
Come funziona: Immaginate di essere un allenatore che osserva un giocatore di basket per un'intera stagione. Vi chiedete: "Questo giocatore è davvero bravo, o ha solo avuto fortuna?"
- Prendono l'intera storia delle scommesse di un trader.
- Eseguono una simulazione al computer in cui capovolgono casualmente il pulsante "Vinto/Perso" su ogni scommessa 10.000 volte.
- Se i guadagni reali del trader sono molto migliori di quelli che si otterrebbero indovinando a caso, vengono etichettati come "Abili".
Il Problema: Questo funziona solo per le persone che hanno fatto molte scommesse (almeno 10 eventi diversi).
- Analogia: Se un ladro irrompe in una banca una volta, ruba un milione di dollari e poi scompare, questo "Detective di Carriera" non lo catturerà. Il detective ha bisogno di una lunga storia per dimostrare che il ladro è "abile" piuttosto che semplicemente fortunato.
- Il Problema: Il documento nota che Polymarket ha molti tipi diversi di scommesse (Sport, Criptovalute, Politica). Un scommettitore "abile" nello sport (che conosce gli infortuni dei giocatori) appare uguale a un "abile" addetto ai lavori in politica (che conosce piani militari segreti). Mescolarli tutti insieme rende difficile sapere chi sta effettivamente barando.

2. Il Rilevatore "Visitatore Una Tantum" (Euristica del Ciclo di Vita)

Chi lo usa: Gomez-Cram e colleghi (un secondo strumento dello stesso team).
Come funziona: Questo cerca il barante "Colpo Secco".
- Segnala gli account che:
  1. Sono stati creati solo pochi giorni prima di un grande evento.
  2. Hanno scommesso pesantemente su solo quell'evento.
  3. Hanno smesso di scommettere immediatamente dopo la fine dell'evento.
Il Problema: Questo è un allarme per "comportamento sospetto", non una prova di colpevolezza.
- Analogia: Immaginate una guardia di sicurezza che vede qualcuno comprare un biglietto, camminare dritto verso la cabina VIP, scommettere tutto su un cavallo e poi scomparire. È sospetto! Ma potrebbe anche essere un nuovo tifoso entusiasta, un programma bot o qualcuno che cerca di nascondere la propria identità per privacy. Il documento afferma che non sappiamo esattamente quanti di questi "sospetti" siano effettivamente addetti ai lavori colpevoli.

3. Il "Misuratore di Perdite" (Punteggio di Perdita di Informazioni - ILS)

Chi lo usa: Nechepurenko.
Come funziona: Questo non guarda alle persone; guarda alle quote di scommessa (le probabilità).
- Immaginate che una notizia esca alle 10:00 dicendo "Il Presidente si è dimesso".
- Questo strumento controlla le quote di scommessa alle 09:59.
- La Domanda: "Quanto si sono mosse le quote prima che la notizia colpisse il pubblico?"
- Se le quote erano 50/50 alle 09:00 e sono salite al 90% alle 09:59, il "Misuratore di Perdite" dice: "Ehi, qualcuno sapeva che questo stava arrivando prima che scoppiasse la notizia!"
Il Problema: Ti dice che le informazioni sono trapelate, ma non ti dice chi le ha fatte trapelare. È come sentire un forte rumore di vetro rotto in cucina ma non sapere quale bambino ha rotto il vaso.

Il Caso di Test Reale: L'Operazione "Maduro"

Il documento utilizza un esempio reale per mostrare come questi strumenti si integrano. All'inizio del 2026, c'era un'operazione militare segreta degli Stati Uniti che coinvolgeva il Venezuela.

Il Caso Legale: Il Dipartimento di Giustizia degli Stati Uniti (DOJ) ha arrestato un soldato di nome Gannon Van Dyke. Hanno dimostrato che ha utilizzato piani militari segreti per fare 409.881 dollari in scommesse.
Il Rilevatore "Visitatore Una Tantum": Questo strumento ha segnalato tre account. Uno di questi ha fatto esattamente 409.882 dollari. Il tempismo e l'importo corrispondevano perfettamente al crimine del soldato. Questo strumento ha trovato con successo l'"ago nel pagliaio".
Il "Detective di Carriera": Questo strumento non è riuscito a segnalare il soldato. Perché? Perché il soldato ha fatto scommesse solo su questo unico evento e poi si è fermato. Non aveva una lunga storia, quindi il "Detective di Carriera" non aveva abbastanza dati per definirlo "abile".
Il "Misuratore di Perdite": Il documento suggerisce che questo strumento avrebbe potuto essere utilizzato per misurare esattamente quanto le quote di scommessa si sono mosse prima che la notizia uscisse su ogni contratto specifico, ma non hanno effettivamente calcolato i numeri in questo documento.

La Lezione: Il "Detective di Carriera" ha perso il soldato perché era un giocatore una tantum. Il rilevatore "Visitatore Una Tantum" lo ha catturato. Ma nessuno dei due strumenti ci ha detto quanto le quote si sono mosse prima della notizia (cosa che il "Misuratore di Perdite" avrebbe fatto).

La Soluzione Proposta: Una Pipeline di Sicurezza a Tre Stadi

L'autore suggerisce che, invece di affidarsi a una sola torcia, dovremmo costruire un sistema di sicurezza con tre stadi:

Stadio 1 (Il Filtro): Utilizzare il rilevatore "Visitatore Una Tantum" e il "Detective di Carriera" (ma separati per categoria, ad esempio, non mescolare scommettitori sportivi con addetti ai lavori politici) per creare una "Lista di Sorveglianza" di account sospetti.
Stadio 2 (Il Misuratore): Prendere i mercati in cui questi account sospetti stanno scommettendo e utilizzare il "Misuratore di Perdite" per vedere se le quote si sono mosse in modo strano prima della notizia.
Stadio 3 (L'Umano): Se un account è nella Lista di Sorveglianza E le quote si sono mosse in modo strano, inviarlo a un investigatore umano (come un agente di polizia o un regolatore) per decidere se si tratta effettivamente di un crimine.

Cosa il Documento Dice che Non Sappiamo Ancora

Il documento conclude ammettendo che ci sono ancora tre grandi lacune nelle nostre conoscenze:

Regole Confuse: A volte il mercato si muove perché le persone sono confuse dalle regole della scommessa, non perché qualcuno ha informazioni segrete. Non abbiamo ancora un buon modo per distinguere la differenza.
Dati Mancanti: Per catturare i baranti in tempo reale, dobbiamo tracciare ogni singola scommessa mentre avviene. Attualmente, spesso vediamo i dati dopo che l'evento è finito.
Lavoro di Squadra: Non abbiamo un buon modo per individuare se un gruppo di persone sta lavorando insieme attraverso mercati diversi per spostare le quote.

Riassunto

Il documento è un "Manuale Utente" per catturare i baranti nei mercati predittivi. Dice: Non usare solo uno strumento. Hai bisogno del "Detective di Carriera" per trovare i professionisti, del rilevatore "Visitatore Una Tantum" per trovare i ladri furtivi e del "Misuratore di Perdite" per misurare i danni. Solo utilizzando tutti e tre insieme puoi ottenere un quadro chiaro di ciò che sta realmente accadendo.

1. Enunciato del Problema

I mercati predittivi decentralizzati (ad esempio, Polymarket) hanno accumulato prove significative di trading informato, inclusi casi che coinvolgono informazioni governative classificate (ad esempio, l'operazione USA-Venezuela del 2026). Tuttavia, la letteratura accademica manca di un quadro unificato per rilevare tale trading. Gli approcci esistenti spesso confondono diversi tipi di "abilità" (ad esempio, competenza nelle scommesse sportive vs. trading insider) o operano a livelli di granularità incompatibili (livello portafoglio vs. livello mercato).

Il problema centrale affrontato è la frammentazione metodologica nel rilevamento del trading informato. Tre approcci distinti sono emersi nell'aprile 2026 (Mitts & Ofir; Gomez-Cram et al.; Nechepurenko) che affrontano la stessa realtà empirica ma operano su livelli diversi. Il documento sostiene che questi non sono metodi in competizione ma strati di rilevamento complementari che devono essere combinati per formare una pipeline di sorveglianza robusta.

2. Quadro Metodologico

Il documento organizza le metodologie di rilevamento in tre strati strutturali basati su granularità, tempistica e output:

A. Strato 1: Classificazione delle Anomalie e delle Abilità a Livello di Portafoglio

Screening Composito delle Anomalie (Mitts & Ofir, 2026): Aggrega caratteristiche (dimensione della scommessa, redditività, tempistica) per assegnare un punteggio alle coppie (portafoglio, mercato). È retrospettivo e stima il profitto anomalo aggregato (143 milioni di dollari) ma non può distinguere l'abilità dalla fortuna né fornire segnali in tempo reale.
Classificatore di Abilità con Randomizzazione del Segno (Gomez-Cram et al., 2026):
- Meccanismo: Per i conti che operano su ≥10 eventi, randomizza la direzione di acquisto/vendita delle operazioni 10.000 volte mantenendo fissi evento, dimensione e tempistica. Confronta il PnL realizzato con questa distribuzione nulla.
- Output: Classifica i conti come "vincitori abili", "vincitori fortunati", "perdenti sfortunati" o "perdenti non abili".
- Limitazione: Misura l'abilità direzionale persistente condizionata alla selezione delle opportunità, non il trading insider. Esclude per progettazione gli insider "una tantum" (conti creati per un singolo evento).
Euristica Ciclo di Vita e Convizione (Gomez-Cram et al., 2026):
- Meccanismo: Segnala i conti creati entro 7 giorni da un evento, che operano esclusivamente su quell'evento, con alto volume/profitto, e diventano inattivi dopo la risoluzione.
- Output: Un flag binario per sospetti insider "una tantum".
- Limitazione: Alta sensibilità (recall) per i modelli di insider ma precisione sconosciuta (alto rischio di falsi positivi da fattorie Sybil o nuovi utenti).

B. Strato 2: Perdita di Informazioni a Livello di Mercato

Punteggio di Perdita di Informazioni (ILS / ILSdl) (Nechepurenko, 2026b,a):
- Meccanismo: Quantifica la frazione del movimento del prezzo terminale ( $p_{T_{resolve}} - p_{T_{open}}$ ) che è stata prezzata prima dell'evento di notizie pubblico ( $T_{news}$ ).
- Formula: $ILS(M) = \frac{p(T_{news}^-) - p(T_{open})}{p_{T_{resolve}} - p(T_{open})}$ .
- Condizioni di Scopo: Richiede incertezza sostanziale all'apertura, un movimento totale non trascurabile e robustezza rispetto alle perturbazioni dell'ancora.
- Output: Un punteggio per mercato (ad esempio, 0,6 implica che il 60% del movimento è stato anticipato).
- Limitazione: Non identifica quali portafogli hanno causato la perdita; si basa sul recupero accurato dei timestamp degli eventi pubblici.

3. Contributi Chiave

Tassonomia del Rilevamento: Il documento stabilisce che questi metodi rispondono a domande diverse:
- Randomizzazione del segno: "Questo conto ha dimostrato un'abilità direzionale ripetuta?"
- Euristica ciclo di vita: "Questo conto esibisce la firma comportamentale di un insider una tantum?"
- ILS: "Quanta informazione è stata anticipata in questo specifico contratto?"
Critica all'Abilità "a Livello di Piattaforma": L'autore sostiene che una singola classificazione di "vincitore abile" è ambigua dal punto di vista del meccanismo perché Polymarket mescola categorie (Sport, Politica, Criptovalute) con tecnologie informative fondamentalmente diverse. Un'"abilità" nelle scommesse NBA (assimilazione di notizie) è distinta dal trading insider geopolitico. Il documento sostiene per una decomposizione condizionata alla categoria prima di utilizzare queste metriche per la sorveglianza.
Riproducibilità e Vincoli sui Dati: Il documento evidenzia che, sebbene la metodologia di Gomez-Cram et al. sia riproducibile in linea di principio, le etichette specifiche dei conti (i 1.950 insider segnalati) e le decomposizioni condizionate alla categoria non sono ancora state rilasciate, limitando l'uso operativo immediato.
Integrazione del Caso di Studio (Cluster Maduro/Venezuela): Il documento analizza l'operazione USA-Venezuela del gennaio 2026 (Operazione Risoluzione Assoluta) e la successiva incriminazione del Sergente Maggiore Gannon Van Dyke.
- Allineamento: L'euristica ciclo di vita ha segnalato tre conti; il PnL del conto principale (409.882 dollari) corrispondeva al profitto presunto nell'incriminazione del DOJ (409.881 dollari) fino all'ultimo dollaro.
- Lacuna: Il classificatore a randomizzazione del segno ha mancato questi conti (in quanto trader una tantum) e l'incriminazione del DOJ non ha quantificato la perdita per contratto.
- Sintesi: Gli strati si sovrappongono: l'euristica identifica il chi, l'indagine legale conferma il cosa (MNPI - Informazioni Privilegiate Non Pubbliche) e l'ILS quantificherebbe il quanto per contratto.

4. Risultati e Scoperte

Persistenza dell'Abilità: Il classificatore a randomizzazione del segno ha rilevato che il 3,14% dei conti sono "vincitori abili", catturando oltre il 30% dei guadagni della piattaforma. Questi conti abili hanno mostrato una persistenza fuori campione del 44%, significativamente superiore a quella dei gestori di fondi comuni di investimento.
Validità dell'Euristica: Nel caso di studio Maduro, l'euristica ciclo di vita ha identificato con successo i conti associati all'insider incriminato, dimostrando un'alta sensibilità (recall) per i casi allineati all'applicazione della legge, sebbene la precisione sull'intera popolazione di 1.950 segnalati rimanga non verificata.
Lacune Metodologiche:
- Incertezza sui Criteri di Risoluzione: I mercati possono essere prezzati erroneamente a causa di ambiguità nelle regole di risoluzione (ad esempio, "Le forze sono entrate in Iran?"), che i modelli statistici potrebbero interpretare erroneamente come trading insider o mancanza di abilità.
- Infrastruttura: La sorveglianza in tempo reale è attualmente bloccata dalla mancanza di raccolta continua di dati per singola operazione (limitazioni del subgraph di The Graph), costringendo a fare affidamento su analisi retrospettive.
- Coordinamento Trans-Mercato: I metodi attuali non rilevano il trading coordinato tra mercati correlati (ad esempio, multipli contratti Venezuela) prima di un evento.

5. Significato e Pipeline Proposta

Il documento propone una pipeline di sorveglianza in tre fasi per integrare questi strati:

Fase 1 (Triage): Punteggio del rischio del conto condizionato alla categoria. Combina la randomizzazione del segno (per abilità multi-evento) e le euristiche ciclo di vita (per modelli una tantum), ponderate per categoria (ad esempio, rischio geopolitico > rischio sportivo).
Fase 2 (Quantificazione): Punteggio ILSdl per mercato sui mercati in cui i conti segnalati detengono posizioni significative. Questo quantifica l'entità della perdita di informazioni.
Fase 3 (Revisione): Revisione della conformità umana dei contratti che superano sia la Fase 1 (portafogli sospetti) che la Fase 2 (alta perdita).

Conclusione:
Il documento conclude che nessuna metodologia singola è sufficiente. La randomizzazione del segno identifica l'abilità persistente ma manca gli insider una tantum; le euristiche ciclo di vita catturano i casi una tantum ma mancano di precisione; l'ILS quantifica la perdita ma manca dell'attribuzione al portafoglio. Un approccio combinato, basato su un'analisi specifica per categoria e supportato da benchmark di applicazione della legge (come l'incriminazione Van Dyke), offre la via più robusta per la tecnologia normativa (RegTech) nei mercati predittivi decentralizzati. Il lavoro sottolinea che, sebbene i contributi accademici siano sostanziali, la loro operazionalizzazione richiede il rilascio delle etichette dei dati sottostanti e l'aggiornamento delle lacune infrastrutturali nella raccolta continua di dati.