💰 quantitative finance

ForesightFlow: An Information Leakage Score Framework for Prediction Markets

본 논문은 예측 시장에서 정보 유출 점수 프레임워크인 ForesightFlow 를 도입하여 정보에 기반한 거래를 탐지하고, 공개 사건 타임스탬프와 문서화된 내부자 거래 사례에 대한 실증적 평가를 통해 드러난 방법론적 한계를 해결하기 위해 마감 시점을 기준으로 한 확장 방안을 제시한다.

원저자: Maksym Nechepurenko

게시일 2026-05-04

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Maksym Nechepurenko

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

미래의 사건에 대해 사람들이 베팅하는 글로벌 디지털 광장을 상상해 보세요. "이 정치인이 승리할까요?", "이 회사가 신제품을 출시할까요?", "금요일까지 전쟁이 시작될까요?" 이것이 바로예측 시장입니다. 이러한 시장에서 베팅의 가격은 미래에 대한 기상 예보처럼 작용합니다. "예"에 대한 가격이 상승하면, 대중은 해당 사건이 발생할 가능성이 더 높다고 판단한다는 의미입니다.

이 논문은 이러한 광장에서 누군가가 사기를 치는 순간을 포착하도록 설계된 새로운 도구인ForesightFlow를 소개합니다.

문제: 군중 속의 "내부자"

공정한 시장에서는 모든 사람이 동시에 사건에 대해 알게 됩니다. 하지만 이러한 디지털 시장은 익명성으로 운영되고 블록체인 기술을 기반으로 하기 때문에, 비밀 정보를 가진 사람 ("내부자") 이 공중보도가 되기 전에 베팅을 구매하기가 매우 쉽습니다.

마치 경마에서 기수가 경기가 시작하기 전에 말의 다리가 부러졌다는 것을 미리 알고 있는 상황을 생각해 보세요. 그들은 다른 말들에 티켓을 구매하고, 경기가 시작되기를 기다린 뒤, 우승 후보가 무너지면 막대한 수익을 챙깁니다. 이 논문은 최근 몇 년간 내부자들이 Polymarket 과 같은 플랫폼에서 이러한 방식으로 수억 달러를 벌었다고 지적합니다.

문제는 이러한 사기꾼을 잡는 현재의 방법들이 경기가 끝난 후에만 작동한다는 점입니다. 누가 사기를 쳤는지 알게 될 때는 이미 돈은 사라졌고, "가격 신호"(대중의 믿음) 는 이미 왜곡되었습니다. 우리는 사기꾼이 베팅을 하는 동안 그들을 포착할 수 있는 방법이 필요합니다.

해결책: "누출 점수"

저자들은 이러한 시장을 위한 연기 감지기 역할을 하는ForesightFlow라는 시스템을 구축했습니다. 이 시스템의 핵심은**정보 누출 점수 (Information Leakage Score, ILS)**라는 지표입니다.

작동 방식에 대한 비유는 다음과 같습니다:
영화 개봉이 임박했다고 상상해 보세요.

개장 가격: 베팅 시장이 열릴 때, 가격은 지금 대중이 알고 있는 것을 반영합니다.
뉴스 사건: 영화 예고편이 공식적으로 전 세계에 공개되는 순간.
해결: 영화가 실제로 개봉하고 베팅이 정산되는 순간.

정보 누출 점수는 다음과 같은 간단한 질문을 던집니다: "공식 예고편이 공개되기 전에 가격이 얼마나 움직였습니까?"

점수 0: 예고편이 나올 때까지 가격이 변하지 않았습니다. 이는 공정한 시장이며, 아무도 미리 정보를 알지 못했다는 뜻입니다.
점수 1: 예고편이 공개되기 전에 가격이 "승리" 수준까지 급등했습니다. 이는 누군가 결과를 미리 알고 일찍 베팅했다는 것을 시사합니다. 정보가 공개되기 전에 "누출"된 것입니다.

"범위" 규칙: 점수가 작동하는 시기를 아는 것

이 논문은 이 점수가 모든 베팅에 적용되는 것은 아니라고 매우 신중하게 명시합니다. 저자들은 점수가 신뢰할 수 있는 세 가지 구체적인 규칙을 발견했습니다:

"놀라움" 규칙: 점수는 사건이 실제로 불확실할 때만 작동합니다. 이미 모든 사람이 답을 알고 있다면 (예: 처음부터 가격이 99% "예"인 경우), 미세한 가격 변동은 수학적으로 거대해 보일 수 있지만, 이는 사기가 아닌 단순한 노이즈일 뿐입니다.
"마감일" 대 "사건" 규칙: 이는 논문에서 발견된 중요한 사실입니다.
- 사건 시장: "X 가 발생할까요?" (예: "대통령이 법안에 서명할까요?"). 여기서 점수가 잘 작동합니다.
- 마감일 시장: "X 가 금요일까지 발생할까요?" 저자들은 유명한 사기 사례 대부분이 이러한 "마감일" 시장에서 발생했다고 발견했습니다. 원래 점수는 "뉴스"가 단순히 시계가 끝나는 것일 뿐이기 때문에 이 경우엔 작동하지 않았습니다.
- 해결책: 저자들은 "금요일까지 발생할까요?"라는 베팅을 위해 점수의 새로운 버전 (Deadline-ILS) 을 만들었습니다. 이 새로운 버전은 개장 가격뿐만 아니라 "기대 기준선"과 가격을 비교합니다.
"지갑" 확인: 점수만으로는 부족합니다. 시스템은 누가 베팅하는지도 확인합니다. 10 분 전에 생성된 이력 없는 새 지갑이 뉴스가 터지기 직전에 특정 베팅에 막대한 금액을 쏟아부으면 이는 적신호입니다. 반면, 오랜 이력을 가진 경험 있는 트레이더가 한다면 그것은 단순한 현명한 추측일 수 있습니다.

파일럿 연구: 배운 점들

저자들은 실제 데이터로 시스템을 테스트했습니다. 그들은 몇 가지 흥미로운 사실을 발견했습니다:

"가짜" 신호: 실제 기사를 찾기 대신 "뉴스가 발생한 시점"을 단순 추측으로 사용하려 했을 때, 시스템은 혼란을 겪어 무고한 시장을 유죄로 잘못 표시했습니다. 이는 점수를 정확하게 만들기 위해 뉴스가 터진 정확한 순간을 찾아야 함을 가르쳐 주었습니다.
"마감일" 격차: 그들은 원래 도구가 가장 유명한 사기꾼들을 잡지 못했다는 것을 깨달았습니다. 그 사기꾼들은 "마감일" 시장에 베팅했기 때문입니다. 이는 그들에게 새로운 "Deadline-ILS" 버전을 구축하도록 강요했습니다.
"바락" 사례: 그들은 바락이라는 정치인에 관한 특정 시장을 살펴보았습니다. 완벽한 점수에도 불구하고, 가격만으로는 사기임을 증명할 수 없었습니다. 그들은 지갑과 타이밍을 살펴봐야만 가격 변동이 비밀 정보를 가진 사람들이 아니라 베팅 규칙에 대해 논쟁하는 사람들이 일으킨 것임을 깨달을 수 있었습니다.

큰 그림

이 논문은 실시간으로 사기꾼을 잡는 것이 가능하지만, 매우 구체적인 도구 세트를 필요로 한다고 결론 내립니다:

점수: 가격이 너무 일찍 얼마나 움직였는지 측정하기 위해.
유형 분류: 베팅이 "사건"인지 "마감일"인지 파악하여 올바른 수학을 적용하기 위해.
지갑 포렌식: 베팅하는 사람들이 내부자 (새 지갑, 거대 베팅) 처럼 보이는지 아니면 평범한 사람들인지 확인하기 위해.

저자들은 다른 사람들이 이 시스템을 사용하고 개선할 수 있도록 코드와 알려진 사기 사례 목록 ("FFIC 인벤토리") 을 공개했습니다. 그들의 목표는 단순히 사기꾼을 잡아 이익을 얻는 것이 아니라, 이러한 예측 시장이 비밀적인 이점을 가진 사람들을 위한 놀이터가 아니라 대중을 위한 신뢰할 수 있는 도구로 남아 있도록 하는 것입니다.

"예측 시장의 정보 유출 점수 프레임워크인 ForesightFlow"에 대한 상세한 기술 요약입니다.

1. 문제 제기

탈중앙화 예측 시장 (예: Polymarket) 은 분산된 사적 정보를 가격 신호로 집계하지만, 익명 참여와 함께 규제 회색 지대에서 운영됩니다. 이러한 환경은 중요한 비공개 정보 (MNPI) 에 기반한 정보 우위 거래를 용이하게 합니다.

격차: 기존 탐지 방법 (예: Mitts & Ofir, 2026) 은 거의 독점적으로 **사후적 (post-hoc)**이며, 실현된 수익과 해결 결과에 의존합니다. 이들은 정보 우위 흐름이 가격을 움직이는 거래 시간 동안 실행 가능한 신호를 제공하지 못합니다.
과제: 실시간 탐지는 해결 전에 관찰 가능한 인과적 특징과 미래 정보를 유출하지 않는 라벨을 요구합니다. furthermore, 많은 내부자 거래 사례 (기한 기반 계약) 의 특정 구조는 표준 사건 해결 모델에 부합하지 않습니다.

2. 방법론: ForesightFlow 프레임워크

이 논문은 정보 이론, 시장 미시구조, 그리고 온체인 포렌식을 결합하여 실시간으로 정보 우위 흐름을 탐지하는 시스템을 제안합니다.

A. 정보 유출 점수 (ILS)

핵심 혁신은 해결된 이진 시장을 위한 스칼라 라벨 생성기인 **정보 유출 점수 (Information Leakage Score, ILS)**입니다.

정의: $ILS(M) = \frac{\Delta_{pre}}{\Delta_{total}} = \frac{p(T_{news}) - p(T_{open})}{p(T_{resolve}) - p(T_{open})}$ $I L S (M) = \frac{Δ _{p r e}}{Δ _{t o t a l}} = \frac{p ( T _{n e w s} ) - p ( T _{o p e n} )}{p ( T _{r eso l v e} ) - p ( T _{o p e n} )}$
- $T_{open}$ : 시장 생성 시점.
- $T_{news}$ : 해결 관련 사건의 첫 공개 언급 시간 (UMA 증거 URL, GDELT, 또는 LLM 지원 검색을 통해 복구됨).
- $T_{resolve}$ : 공식 해결 시간.
- $p(t)$ : "YES" 토큰의 중간 가격.
해석: ILS 는 공개 뉴스 사건 이전에 발생한 총 가격 변동의 비율을 정량화합니다.
- $ILS \approx 1$ : 완벽한 예측 가격 형성 (강력한 유출).
- $ILS \approx 0$ : 시장은 공개 뉴스 이후에만 반응함.
이론적 기반: 저자들은 ILS 를 **Brier 점수의 머피 분해 (Murphy decomposition)**와 연결합니다. 높은 ILS 는 "해결" 구성 요소 (판별력) 가 공개 정보 세트가 따라잡기 전에 선점되었음을 나타냅니다.

B. 해결 유형 및 범위 조건

저자들은 ILS 가 엄격한 조건 하에서만 해석 가능하다고 규명하여 시장을 세 가지로 분류합니다.

사건 해결형 (Event-Resolved): 특정 관찰 가능한 사건이 해결을 유발함 (예: 선거 결과). 여기서 ILS 는 유효함.
기한 해결형 (Deadline-Resolved): 특정 날짜까지 사건이 발생하지 않으면 시장이 NO 로 해결됨 (예: "X 가 금요일까지 발생할 것인가?"). $T_{news}$ 가 정의되지 않거나 사소하므로 표준 ILS 는 무효임.
분류 불가형: 스포츠, 집계 등.

범위 조건: 허위 신호를 피하기 위해 ILS 는 다음 조건이 충족될 때만 보고됩니다.
- 단말 효과 (Edge-Effect) 점검: 시작 가격이 합의에 가깝지 않아야 함 ( $p_{open} \in [0.1, 0.9]$ ).
- 사소 해결 점검: 총 가격 변동 $|\Delta_{total}| > 0.05$ .
- 앵커 민감도: ILS 값은 서로 다른 $T_{news}$ 앵커 사양에 걸쳐 견고해야 함.

C. 실시간 특징 파이프라인

해결 전에 흐름을 탐지하기 위해 시스템은 다음을 결합한 특징 벡터 $x(M, t)$ 를 계산합니다.

적응형 미시구조 지표:
- 주문 불균형 (OI): 매수/매도 거래량 비율.
- VPIN 스타일 독성: 거래량 동기화 주문 흐름 불균형.
- Kyle's Lambda: 주문 흐름 단위당 추정된 가격 영향.
- 분산 비율 및 양면성: 지속적인 편향과 일시적 노이즈에 대한 진단 (Nechepurenko, 2026a 에서 적응됨).
온체인 지갑 특징:
- 지갑 신규성 점수: 지갑 나이, 참여 이력, 자금원 집중도, 해결 시점 대비 진입 시점의 복합 지표.
카테고리 조건부 사전 확률: 시스템은 고위험 세 가지 카테고리 (군사/지정학적, 기업 공시, 규제 결정) 에 집중합니다.

D. 기한-ILS 확장

파일럿 연구의 중요한 발견은 문서화된 내부자 사례가 주로 기한 해결형이라는 것이었습니다. 논문은 ILS 를 이 영역으로 확장합니다.

메커니즘: 뉴스 사건에 앵커링하는 대신, 점수는 상수 위험 생존 모델에서 유도된 베이지안 기준 신념 (Bayesian baseline belief)( $\theta_{T_{open}}$ ) 에 앵커링됩니다.
공식: $ILS_{dl} = \frac{p(T_{event}^-) - \theta_{T_{open}}}{p(T_{resolve}) - \theta_{T_{open}}}$ .
이는 "X 가 Y 날짜까지 발생할 것인가?" 계약에서 사건이 임박했음을 아는 정보 우위 트레이더를 탐지할 수 있게 합니다.

3. 주요 기여

재형성: 사후 포렌식에서 실시간 추론으로 문제를 전환하여 인과적 특징을 요구함.
ILS 지표: 적절한 스코어링 규칙 (머피 분해) 과 연결된 이론적으로 근거 있는 라벨 생성기 도입.
유형 및 범위: 실증 데이터로 검증된 거짓 긍정을 방지하기 위한 엄격한 운영 경계 (사건 대 기한) 정의.
하이브리드 아키텍처: 고전적 미시구조 지표 (PIN, VPIN) 와 고유한 온체인 지갑 특징 (신규성, 자금 집중도) 결합.
FFIC 인벤토리: 특정 시장 ID 에 매핑된 8 개의 문서화된 내부자 거래 에피소드 (예: 이란 공습, 구글 연중 검색) 로 구성된 커리된 검증 세트 공개.
기한 확장: 기존 문헌의 구조적 격차를 해소하기 위해 프레임워크를 기한 계약으로 확장하는 공식화.

4. 결과 및 실증적 발견

이 논문은 725 개의 사건 해결형 시장에 대한 파일럿 실증 연구와 FFIC 인벤토리의 검증 감사를 보고합니다.

부정적 파일럿 발견:
- $T_{news}$ 에 대한 해결 앵커링 프록시( $T_{resolve} - 24h$ ) 사용은 정보 우위 시장을 대조군과 분리하지 못함.
- 이유: 프록시는 구조적으로 불일치함. 사건 해결형 시장의 경우 실제 뉴스가 종종 해결보다 수일 앞서 발생하므로, "뉴스 전" 창이 실제로는 "뉴스 후"가 됨.
- 앵커 민감도: ILS 값은 시간 앵커 선택에 매우 민감하여 견고성 점검에 실패함.
사례 연구 (Barak 시장):
- "Ehud Barak" 시장에 대한 심층 분석은 프록시 기반 ILS 가 높았음 (0.55) 을 보였으나, 기사에서 도출된 타임스탬프(실제 뉴스 공개) 를 사용하면 ILS 는 약간 이동하지만, "초기" 거래가 실제로는 공개 뉴스에 대한 반응이거나 해결 기준 차익거래였지 내부자 정보가 아니었음을 드러냄.
- 결론: ILS 만으로는 부족함; 지갑 수준 특징(예: 전문 대 신규 지갑 식별) 과 엄격한 범위 점검과 결합되어야 함.
구조적 감사:
- FFIC 인벤토리 감사 결과, 문서화된 내부자 사례의 100% 가 기한 해결형이었으며, 원래 ILS 범위 밖이었음.
- 이로 인해 실제 세계 내부자 거래 패턴에 프레임워크를 적용하기 위해 기한-ILS 확장(7 절) 이 필요해짐.

5. 중요성 및 향후 작업

공공재: 탈중앙화 예측 시장을 위한 첫 번째 투명하고 재현 가능하며 실시간 감시 도구를 제공하여, 시장이 사회적 신뢰를 얻는 동시에 미성숙한 미시구조를 가진다는 "권위 역설"을 해결함.
방법론적 교량: 적절한 스코어링 규칙(예측 정확도) 에 관한 문헌과 블록체인 포렌식(정보 우위 거래 탐지) 을 연결함.
오픈 소스: 저자들은 ForesightFlow Insider Cases (FFIC) 인벤토리, 911,237 개 시장에 대한 전체 해결 유형, 그리고 모든 시스템 코드를 공개함.
다음 단계:
- 2026 년 미국–이란 분쟁 클러스터에 대한 기한-ILS의 완전한 실증 평가 (동반 논문 보고).
- 정제된 기한 확장 데이터셋으로 탐지기 모델 훈련.
- 인프라 한계 대응 (예: 수십억 달러 규모 시장을 위한 The Graph 인덱서 실패).

결론: ForesightFlow 는 예측 시장의 정보 우위 거래가 실시간으로 탐지 가능함을 입증하지만, 이는 방법론이 특정 계약 유형 (기한 대 사건) 을 고려하고, 견고한 뉴스 타임스탬프를 사용하며, 온체인 지갑 행동을 미시구조 신호와 통합할 때만 가능합니다. 이 프레임워크는 해당 분야를 사후적 "누가 했나" 분석에서 선제적 시장 무결성 모니터링으로 이동시킵니다.