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

"문서화된 폴리마켓 내부자 거래 사례에 대한 기한 해결 정보 유출의 경험적 평가" 논문에 대한 상세 기술 요약입니다.

1. 문제 제기

탈중앙화 예측 시장 (예: 폴리마켓) 은 특히 "기한 해결" 계약 (예: "특정 날짜 Y 까지 사건 X 가 발생할 것인가?") 에서 의심되는 내부자 거래에 대한 상당한 증거를 축적해 왔습니다. 동반 방법론 논문이 정보 유출 점수 (Information Leakage Score, ILS) 와 기한 해결 확장 버전 (ILS$_{dl}$) 을 소개했지만, 이 프레임워크는 실제 사례에 대한 종단간 경험적 검증을欠缺했습니다.

해결된 주요 과제는 다음과 같습니다:

• 앵커 품질: 전통적인 ILS 계산은 종종 $T_{resolve} - 1$시간과 같은 대리 앵커에 의존하는데, 이는 시장 가격이 사건이 발생하지 않을 것이라는 대중의 신념으로 인해 해답 전 가격 폭락이 발생할 경우 사전 정보 흐름을 포착하지 못합니다.
• 데이터 결손: 정확한 계산을 위해서는 회수된 사건 타임스탬프 ($T_{event}$), 시장 개장 시점부터의 연속 주문 장부 (CLOB) 가격 데이터, 그리고 거래별 지갑 이력이 필요합니다.
• 방법론적 엄밀성: 관찰된 가격 변동이 진정한 정보에 기반한 거래를 나타내는지, 아니면 단순히 시장의 오가격 책정과 해결 기준의 불확실성을 반영하는지 판단하는 것입니다.

2. 방법론

본 논문은 ForesightFlow 내부자 거래 사례 (FFIC) 인벤토리 중 2026 년 미국–이란 분쟁 클러스터에 대해 기한-ILS (ILS$_{dl}$) 프레임워크를 종단간으로 구현합니다.

핵심 정의

• ILS$_{dl}$ 공식:
  $$ILS_{dl}(M) = \frac{\Delta_{pre}^{dl}}{\Delta_{total}^{dl}} = \frac{p(T_{event}^-) - p(T_{open})}{p_{T_{resolve}} - p(T_{open})}$$
  여기서 $p(T_{event}^-)$는 공개 사건 발생 1 분 전의 가격이며, $p_{T_{resolve}}$는 최종 해결 가격입니다.
• 범위 조건: 점수는 $|\Delta_{total}| \geq \epsilon$(시장이 유의미하게 이동함) 일 때만 유효하며, 시장이 0.5 근처에서 개장해야 합니다 (단면 효과 확인), 그리고 앵커 오프셋에 대해 견고해야 합니다.
• $T_{event}$ 회수: 웹 검색 도구를 갖춘 Tier 3 LLM(Claude Haiku 4.5) 이 기반 사건의 첫 공개 발생 타임스탬프를 회수하며, 이는 $\geq 3$개의 독립적인 뉴스 출처와 교차 검증됩니다.
• 위험률 추정: 프레임워크는 사건까지의 시간 분포가 $S(\tau) = \exp(-\lambda\tau)$인 지수 분포를 따른다고 가정합니다. 위험률 $\lambda$는 특정 카테고리 (군사, 기업, 규제) 에 대해 최대 우도 추정 (MLE) 을 통해 적합됩니다.

평가 파이프라인

1. 위험률 적합: 카테고리당 20 개의 해결된 시장을 사용하여 카테고리별 $\lambda$를 추정합니다.
2. 단일 사례 계산: 적용 가능한 가장 큰 시장 ("4 월 30 일까지 미군이 이란 진입") 에 파이프라인을 적용합니다.
3. 교차 시장 지갑 분석: 상관관계가 있는 계약 간의 지갑 중첩을 분석하여 조정을 탐지합니다.
4. 방법론적 정제: 확장성을 방해하는 인프라 및 분류 격차를 식별합니다.

3. 주요 기여

• 최초의 종단간 경험적 검증: 논문은 ILS$_{dl}$ 프레임워크를 이론적 정의에서 문서화된 내부자 거래 클러스터에 대한 정량적 적용으로 이동시켰습니다.
• 앵커 민감성 입증: 기사에서 도출된 $T_{event}$를 사용하는 것이 해결 앵커 대리 변수보다 근본적으로 다르며 (더 정확한) 신호를 산출함을 경험적으로 증명했습니다.
• 위험률 특성화: 예측 시장의 사건까지 시간 분포에 대한 최초의 경험적 추정을 제공하여 군사/지정학적 사건과 규제 사건을 구분했습니다.
• 인프라 격차 식별: 사전 조정 탐지를 위한 주요 병목 현상으로 지속적인 거래별 데이터 수집의 부재를 명시적으로 지적했습니다.

4. 주요 결과

A. 위험률 추정

본 연구는 세 가지 카테고리에 대해 지수 분포를 적합시켰습니다 (카테고리당 가능한 경우 샘플 크기 $n=20$):

• 군사/지정학: 적절한 적합 ($KS\ p=0.609$). 반감기: 2.3 일. 중앙값 리드 타임: 2.2 일.
• 기업 공시: 예비적 적절한 적합 ($n=5$, $KS\ p=0.616$). 반감기: 4.5 일.
• 규제 결정: 기각 ($KS\ p=0.013$). 분포는 **이모달 (bimodal)**로, 짧은 발표 시장과 긴 심의 시장을 혼합합니다. 이 카테고리는 모델 사용 전에 하위 분류가 필요합니다.

B. 단일 사례 분석: "4 월 30 일까지 미군이 이란 진입"

이것은 네 가지 요구 사항 (회수된 $T_{event}$, 양의 $\tau$, CLOB 커버리지, 유효한 $\Delta_{total}$) 을 모두 충족한 클러스터 내 유일한 시장이었습니다.

• 시장 맥락: $p=0.25$에서 개장하여 0.46 까지 정점을 찍은 후, 4 월 8 일 (해결 전일) 에 거의 0 으로 붕괴했다가 4 월 9 일에 YES로 해결되었습니다.
• ILS$_{dl}$ 비교:
  • 기사 도출 앵커 ($T_{event}$ = 4 월 3 일): $ILS_{dl} = \mathbf{+0.113}$. 약한 양의 프론트 로딩을 나타냄 (전체 이동의 약 11% 가 사건 발생 전에 발생).
  • 레거시 대리 변수 ($T_{resolve} - 1h$): $ILS_{dl} = \mathbf{-0.331}$. 가격이 결과와 반대 방향으로 이동했음을 나타냄.
  • 의의: 대리 변수는 사건 발생 전 정보 흐름이 아니라 사건이 발생하지 않을 것이라는 시장의 신념 붕괴를 포착했기 때문에 실패했습니다. 두 값은 0.444만큼 차이가 나며 0 을 기준으로 반대쪽에 위치합니다.
• 이동 분석: 짧은 창 변형 (30 분, 2 시간) 은 정확히 0이었으며, 마지막 순간의 "정보 기반 급등"을 배제했습니다. 신호는 집중된 급등이 아닌 약한 초기 이동이었습니다.

C. 교차 시장 지갑 분석

• 데이터 제한: 이용 가능한 거래 이력은 해결-정산 창(4 월 8 일~11 일) 만 포함되었으며, 사건 전 기간은 포함되지 않았습니다.
• 발견: 332 개의 지갑이 주요 이란 클러스터 시장에서 모두 활동적이었습니다. 상위 지갑들은 17 만 달러에서 197 만 달러 사이를 거래했습니다.
• 해석: 데이터가 사건 후이므로, 이 신호는 사전 정보 기반 조정이 아닌 정산 차익 거래(해결 결과에 대한 거래) 를 나타냅니다. 방법론은 현재 데이터 결손으로 인해 "고전적인" 내부자 거래 서명을 탐지할 수 없습니다.

5. 중요성 및 향후 작업

필요한 방법론적 정제

평가 결과 방법론의 확장을 위한 다섯 가지 중요한 제약이 드러났습니다:

1. 양의-$\tau$ 요구사항: 시장은 사건 발생 전에 개장해야 합니다 ($T_{event} > T_{open}$). 사건 시작 후 생성된 기간 시장은 범위를 벗어납니다.
2. 규제 하위 분류: 이모달 위험 분포를 수정하기 위해 규제 시장을 "발표"와 "공식 심의"로 분리해야 합니다.
3. 샘플 확장: 기업 공시 샘플 ($n=5$) 은 안정적인 위험 추정을 하기에는 너무 작습니다.
4. 연속 CLOB 수집: 현재 인프라는 인덱싱 지연으로 인해 관련 시장의 82% 를 놓치고 있습니다. $T_{open}$부터의 연속 수집이 필요합니다.
5. 연속 거래별 수집: 조정을 탐지하기 위해 시스템은 정산 데이터뿐만 아니라 시장 개장 시점부터 개별 거래를 포착해야 합니다.

결론

본 논문은 방법론적 개념 증명 역할을 합니다. 정확한 사건 타임스탬프를 사용할 때 데드라인-ILS 확장이 대리 변수 아티팩트에서 신호를 성공적으로 구분함을 보여줍니다. 그러나 현재 사전 거래 이력에 접근할 수 없는 능력은 내부자 거래에 대한 전체 인구 수준의 평가를 방해합니다. 저자들은 향후 대규모 탐지를 가능하게 하기 위해 연속 데이터 파이프라인 구축 및 분류 분류 체계 정제에 중점을 둔 "작업 프로그램"을 제안합니다.

데이터 가용성: FFIC 인벤토리와 911,237 개 폴리마켓 시장의 해결 유형 분류는 GitHub 에서 오픈 데이터셋으로 공개됩니다.