💰 quantitative finance

Manipulation in Prediction Markets: An Agent-based Modeling Experiment

本論文は、エージェントベースモデルと理論的分析を用いることで、予測市場は一般に自己調節的な安定性を示すものの、高予算を持つ「クジラ」エージェントは価格を一時的に歪ませることが可能であり、そのような操作の規模と持続時間は、他の市場参加者の群衆行動や学習速度の遅さによって著しく増幅されることを実証している。

原著者： Bridget Smart, Ebba Mark, Anne Bastian, Josefina Waugh

公開日 2026-01-29

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Bridget Smart, Ebba Mark, Anne Bastian, Josefina Waugh

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

巨大なデジタル上の広場を想像してみてください。そこでは、人々が「候補者Xが当選するか？」といった特定の出来事が起こるかどうかに、お金を賭けています。この広場では、賭けの価格は「クラウドソースによる天気予報」のような役割を果たします。価格が高ければ、群衆はその出来事が起こる可能性が高いと考えており、低ければ起こりにくいと考えています。

「予測市場における操作：エージェント・ベース・モデリング実験」と題されたこの論文は、恐ろしい問いを投げかけています。「非常に裕福な人物（『クジラ』）がこのデジタル広場に現れ、全員を騙して嘘を信じ込ませようとしたら、一体何が起きるのか？」

以下は、研究者が何を行い、何を発見したのかを、日常的な比喩を用いて分かりやすく解説したものです。

1. 設定：デジタルな賭けのプール

研究者たちは、これらの賭け市場を模倣するために、コンピュータ・シミュレーション（「仮想世界」）を構築しました。

プレイヤー： 100人の仮想の人物（エージェント）を作成しました。中には優れた情報を持つ「エキスパート」もいれば、単に勘で動いている人もいます。
ルール： 全員が異なる金額（予算）と、異なるレベルの「頑固さ」を持っています。新しい情報を見てすぐに考えを変える人もいれば、頑固に自分の意見を貫く人もいます。
ゴール： 市場は選挙の「真の」結果を導き出そうとします。理想的な世界では、賭けの価格は実際の結果と一致します。

2. 悪役：「クジラ」

金融の世界において、「クジラ」とは、その行動が海全体を動かしてしまうほど膨大な資金を持つ参加者のことを指します。

実験： 研究者たちは、このシミュレーションの中に一人の「クジラ」を投入しました。このクジラは莫大な予算を持ち、かつ偏った意見（間違った候補者が勝つと確信している）を持っていました。
戦略： クジラは、他の99人を騙して自分の誤った信念へと価格を押し上げるために、攻撃的に売買を開始しました。

3. 発見：クジラは勝てるのか？

研究者たちは、何千回ものシミュレーションを実行し、何が起きたのかを調査しました。以下にその発見をまとめます。

A. 市場は通常、タフである（自己修正機能）

クジラが価格を押し上げようとしても、他の賢明なベッター（賭け手）たちは通常、それに気づきます。彼らは、価格が自分が持っている真の情報に対して「間違っている」と判断し、クジラに対して反対の賭けを行います。

比喩： クジラが重い岩を丘の上へと押し上げようとしている巨大な人だと想像してください。他の99人は、その岩を押し戻そうとするハイカーのチームです。通常、ハイカーが勝ち、岩（価格）は本来あるべき場所に留まります。
結果： 市場には回復力があります。ただし、クジラが極端に大量の資金（プール全体の資金の約40%）を持っている場合は別です。

B. 「頑固さ」と「羊」の問題

市場が壊れたままになるのは、他の人々が特定のミスを犯した場合のみです。

羊（群衆行動）： 他のベッターたちが自分で考えることをやめ、単に群衆の価格に従うようになった場合（リーダーに従う羊のように）、クジラの偽の価格が長く残ってしまいます。
頑固な人々： 他のベッターたちが、新しい情報を見ても自分の信念を更新しないほど頑固すぎる場合、クジラの嘘はより長く続きます。
比喩： もしハイカーたちが真実を聞こうとしなかったり、あるいは怖がって押し返すことをやめて巨大な人に従ったりすれば、岩は丘の上に留まったままになります。

C. 利益のパラドックス

興味深いことに、研究者たちは、クジラが価格を狂わせたとき、それが実は賢明で情報に基づいたベッターたちにとっての利益機会を生み出すことを見出しました。

比喩： もしクジラが、本来5ドルの価値があるものを10ドルに押し上げたとしたら、賢いベッターたちは市場が修正される前に、その10ドルでシェアを売却して素早く利益を得ることができます。クジラの操作は市場の正確性を損ないますが、そのエラーを見抜いた賢いトレーダーたちには利益をもたらします。

4. 大きな視点：なぜこれを気にする必要があるのか？

この論文は、予測市場は一般的に将来を予測するのに優れていますが、一人が持ちすぎている資金によって、操作に対して脆弱であると結論付けています。

危険性： 富裕な人物が価格を操作して、別の候補者が優勢であるかのように見せかけることができれば、それが実際の有権者、ニュースメディア、あるいは政治家を騙してしまう可能性があります。これは、人々の投票行動やキャンペーンの資金投入方法を変えてしまうかもしれません。
解決策： 市場の誠実さを保つためには、一人が賭けられる金額に制限を設けるべきだと著者らは示唆しています。かつての市場には、一人あたり3,500ドルといった厳格な制限があり、それがクジラの侵入を防いでいました。しかし、最新の市場では一回の賭けに数百万ドルを投じることが可能であり、これが操作への扉を開いています。

まとめ

予測市場を「クラウドソースによる真実の機械」と考えてください。

通常時： 全員の異なる意見がノイズを打ち消し合うため、非常にうまく機能します。
クジラがいる場合： 裕福な人物が、偽の信号によって一時的に機械をジャム（停止）させることができます。
解決策： 群衆が怠惰（群衆行動）であったり、エラーを修正しようとする意志が頑固すぎて欠けていたりする場合にのみ、機械はジャムしたままになります。これを防ぐには、一人が機械全体に対してあまりにも大きな力を持たないようにするルールが必要です。

この論文は、この操作が現実の世界で選挙結果を確実に変えると主張しているわけではありませんが、もし一人が投入できる金額に制限を設けないのであれば、その潜在的なリスクがあるという警告を発しています。

技術的要約：予測市場における操作：エージェント・ベース・モデリングによる実験

問題提起
予測市場は、分散した信念を集約して二値イベントの結果を予測するものであり、政治選挙において高い精度を示すことが多い。しかし、KalshiやPolymarketに代表される、数百万ドル規模のポジションを許容する現代のプラットフォームの急速な拡大は、これらの市場が操作に対して脆弱であるという懸ейを生じさせている。かつての市場（Iowa Electronic MarketsやPredictItなど）には厳格な個人トレーダーのポジション制限があったが、現代のプラットフォームは「クジラ」（高額予算を持つエージェント）が多額の資本を支配することを許容している。本研究が取り組む中心的な問題は、これらの市場が自己修正的な情報メカニズムとして機能するのか、それとも、高度にリソースを備えた偏った少数派によって導入された価格の乖離を維持できてしまうのかという点である。具体的には、著者らは、そのような歪みがどのような条件下で持続し、群衆行動（ハーディング）や頑迷性（スタボーンネス）といった他の市場参加者の振る舞いとどのように相互作用するかを調査している。

手法
著者らは、離散的なタイムステップにわたって予測市場をシミュレートする、オープンソースのエージェント・ベース・モデル（ABM）を開発した。モデルの特徴は以下の通りである：

エージェント： 専門知識（ $e_i$ ）、バイアス（ $b_i$ ）、リスク回避度（ $r_i$ ）、頑迷性（ $s_i$ ）、および初期予算（ $B_{i,0}$ ）を含む、異質な属性を持つ $N$ 個の賭けエージェント。
情報構造： エージェントは、ランダムウォークとしてモデル化された、真の選挙結果（ $\eta_t$ ）に関する「不鮮明な」私的信号を受け取る。信号の分散は、エージェントの専門知識と反比例する。
評価と学習： エージェントは、私的信号と、オプションとして現在の市場価格を重み付けするハーディング・パラメータ（ $h_i$ ）に基づいて、内部的な評価値（ $V_{i,t}$ ）を更新する。頑迷性（ $s_i$ ）は、エージェントが新しい情報を取り入れる速度を制御する。
市場メカニズム： 中央の市場は、ランダム・ダブル・オークションの規則を通じて売買注文をマッチングさせる。市場価格（ $m_t$ ）は、パラメータ $\lambda$ によってスケールされた純需要に基づいて更新される。
シミュレーション・プロトコル： 研究ではまず、広範なパラメータ空間におけるモデルの安定性を検証する。次に、固定された偏った評価値と、総市場資本の特定の割合（ $\rho_w$ ）を持つ単一の「クジラ」エージェントを導入し、価格の歪みをテストする。
理論的分析： シミュレーションを補完するため、著者らは、注文サイズを線形化して、クジラの予算シェア、バイアス、およびハーディングが存在する場合の誤差の減衰の間の相互作用を分析することで、定常状態の価格誤差に関する理論的な解を導出する。

主な貢献

オープンソース・フレームワーク： 著者らは、エージェントの振る舞い、パラメータの変化、および情報のショックを探索することを可能にする、オープンソースのABMとグラフィカル・ユーザー・インターフェースを備えたDashアプリケーションを提供する。
操作に関する体系的な分析： 本研究は、小規模なトレーダーという理論的な仮定を超え、現実的な資本集中をモデル化することで、集中した資本（「クジラ」）が市場の正確性に与える影響を分離して調査している。
行動力学の統合： モデルは、異質な専門知識、学習率、およびハーディング行動を明示的に組み込み、これらの要因が市場の回復力にどのように影響するかを決定する。
理論的裏付け： 著者らは、定常状態の誤差がクジラの予算シェアと誤評価の積に線形に比例することを示し、さらに、誤差の減衰は非クジラ・エージェントの学習ダイナミクスとハーディング強度に依存することを証明する解析的な関係を導出している。

結果

市場の安定性： クキラが存在しない場合、予測市場は幅広いパラメータ値にわたって堅牢な安定性と正確性を示す。市場価格は真の選挙結果を密接に追跡し、平均二乗誤差（MSE）は主要な選挙予測モデルと同等である。
クジラのインパクト： クジラは一時的に市場価格を歪ませることができる。歪みの大きさは、クジラの予算シェアと誤評価の積に比例する。テストされたパラメータの下では、意味のある持続的な誤差を誘発するために、クジラはおよそ40%の総市場資本を必要とする。
ハーディングと頑迷性の役割： 非クジラ・エージェントにおけるハーディング行動（ $h_i > 0$ $h_{i} > 0$ ）と高い頑迷性（ $s_i \approx 1$ $s_{i} \approx 1$ ）の存在は、市場の回復に大きな影響を与える。
- 中程度のハーディングは、回復率を劇的に変えることはない。
- 高いハーディング（ $h_i = 1$ ）が高度な頑迷性と組み合わさると、市場価格の振動と価格歪みの減衰の遅延を特徴とする不安定性を招く可能性がある。
利益機会： クジラによって作成された一時的な価格の歪みは、十分に情報を持った非クジラ・エージェント（高い専門知識を持つ者）にとっての利益機会を生み出す。これらは、不整合な価格を搾取することができる。
理論的検証： 理論的分析は、定常状態の誤差（ $\delta_S$ ）が、クジラの予算比率（ $\rho$ ）とクジラの評価誤差（ $\Delta_S$ ）の積に等しいことを確認している。さらに、エージェントが低い頑迷性と低いハーディング・ウェイトを持つ場合、誤差の減衰が速くなることを示している。

意義と主張
本論文は、特に価格が公的な情報シグナルとして機能する選挙の文脈において、予測市場の規制と設計に対する警戒的な枠組みを提供すると主張している。

規制への示唆： 研究結果は、予測市場は一般に回復力があるものの、集中した資本が制約なしに許容されると操作に対して脆弱であることを示唆している。著者らは、個別の取引サイズへの制限や、執行可能な場合には総予算制限などを通じて、レクリエーションとしての自由と民主的な誠実さを両立させる規制アプローチを提唱している。
フィードバック・ループ： 本研究は、内生性のリスクを強調している。もし操作された市場価格が、有権者の信念、キャンペーン戦略、またはメディアのナラティブに影響を与えるならば、その歪みは政治プロセスへとフィードバックされ、予測されているはずの事象そのものを変えてしまう可能性がある。
主張の謙虚さ： 著者らは、市場価格と現実世界の選挙結果との間のフィードバック・ループを経験的に検証したわけではないことを明示しており、これは未解決の問題であるとしている。彼らの貢献は、主に市場価格がどのような条件下で歪められ、維持されるのかという「条件」を特徴付けることであり、予防的な政策措置の基礎を提供することにある。彼らは、自らのモデルが、現実世界の政治的エコシステムの全容をシミュレートするのではなく、特定のメカニズム（資本集中、ハーディング）を分離して抽出したものであることを強調している。