💰 quantitative finance

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

본 논문은 탈중앙화 예측 시장에서 정보 기반 거래를 탐지하기 위한 세 가지 고유한 방법론적 접근법인 계정별 숙련도 선별, 휴리스틱 내부자 플래그 지정, 시장별 정보 누출 점수 산정이 경쟁적인 방법이 아닌 탐지를 위한 상호 보완적인 계층임을 주장하며, 이를 통합한 파이프라인을 통해 정밀도를 어떻게 향상시킬 수 있는지 보여줍니다.

원저자: Maksym Nechepurenko

게시일 2026-05-05

📖 5 분 읽기🧠 심층 분석

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

폴리마켓이라는 거대하고 세계적인 베팅장을 상상해 보세요. 이곳의 사람들은 "수퍼볼의 승자는 누구인가?"부터 "특정 정치인이 탄핵당할 것인가?", "내일 런던에 비가 올 것인가?"에 이르기까지 모든 것에 베팅합니다.

최근 이 베팅장을 괴롭힌 커다란 질문이 하나 있습니다: 어떤 사람들이 사기를 치고 있는 것일까요? 나머지 우리가 뉴스가 발생한 사실을 알기도 전에 비밀스럽고 사적인 정보를 이용해 돈을 벌고 있는 '내부자'들이 존재할까요?

2026 년 4 월, 세 개의 서로 다른 연구 그룹이 이러한 사기꾼들을 찾아내기 위해 세 가지 다른 손전등을 들고 나타났습니다. 이 논문은 이러한 손전등들이 어떻게 작동하는지, 왜 서로 다른지, 그리고 실제로 나쁜 사람들을 잡기 위해 어떻게 함께 사용해야 하는지를 설명하는 안내서입니다.

간단한 용어로 정리해 보면 다음과 같습니다:

세 가지 손전등 (방법론)

이 논문은 이 세 가지 방법이 서로 경쟁하는 것이 아니라, 문제를 세 가지 다른 각도에서 바라보고 있다고 주장합니다.

1. "경력 형사" (신호 무작위화, Sign-Randomization)

사용자: 고메즈 - 크람 (Gomez-Cram) 과 동료들.
작동 원리: 한 시즌 내내 농구 선수를 지켜보는 코치라고 상상해 보세요. 당신은 이렇게 묻습니다: "이 선수는 실제로 실력이 좋은 것일까, 아니면 단순히 운이 좋았던 것일까?"
- 그들은 트레이더의 모든 베팅 기록을 가져옵니다.
- 컴퓨터 시뮬레이션을 통해 각 베팅의 '승/패' 버튼을 10,000 회 무작위로 뒤집어 봅니다.
- 트레이더의 실제 수익이 단순히 무작위로 추측했을 때 얻을 수 있는 수익보다 훨씬 좋다면, 그들은 **"실력자"**로 분류됩니다.
한계: 이 방법은 많은 수의 베팅 (최소 10 개의 서로 다른 사건) 을 한 사람들에게만 작동합니다.
- 유추: 도둑이 은행에 한 번 침입해 백만 달러를 훔친 뒤 사라진다면, 이 "경력 형사"는 그를 잡지 못합니다. 형사는 도둑이 단순히 운이 좋은 것이 아니라 "실력자"임을 증명하기 위해 긴 이력이 필요합니다.
- 문제점: 논문은 폴리마켓에 스포츠, 암호화폐, 정치 등 다양한 종류의 베팅이 존재한다고 지적합니다. (선수 부상에 대해 아는) "실력 있는" 스포츠 베팅가와 (비밀 군사 작전에 대해 아는) "실력 있는" 정치 내부자는 서로 동일하게 보입니다. 이들을 모두 섞어 분석하면 누가 실제로 사기를 치고 있는지 파악하기 어렵습니다.

2. "일회성 방문자" 탐지기 (수명 주기 휴리스틱, Lifecycle Heuristic)

사용자: 고메즈 - 크람과 동료들 (동일 팀의 두 번째 도구).
작동 원리: 이는 "한 방" 사기꾼을 찾아냅니다.
- 다음 조건을 충족하는 계정을 경고합니다:
  1. 큰 사건 발생 며칠 전에 생성된 계정.
  2. 오직 그 한 사건에만 대규모로 베팅한 계정.
  3. 사건 종료 직후 베팅을 즉시 중단한 계정.
한계: 이는 유죄의 증거가 아닌 "의심스러운 행동" 경보입니다.
- 유추: 경비원이 누군가 티켓을 사고 VIP 박스로 곧장 걸어 들어가 한 말에 모든 것을 베팅한 뒤 사라지는 것을 본다고 상상해 보세요. 이는 의심스럽습니다! 하지만 열광한 새로운 팬이거나, 봇 프로그램일 수도 있으며, 사생활 보호를 위해 신원을 숨기려는 사람일 수도 있습니다. 논문은 이러한 "의심스러운" 사람들 중 실제로 유죄인 내부자가 얼마나 되는지 정확히 알 수 없다고 말합니다.

3. "누출 미터" (정보 누출 점수 - ILS)

사용자: 네체푸렌코 (Nechepurenko).
작동 원리: 이는 사람을 보는 것이 아니라 *베팅 라인 (배당률)*을 봅니다.
- 오전 10 시에 "대통령이 사임했다"는 뉴스가 터졌다고 상상해 보세요.
- 이 도구는 오전 9 시 59 분의 베팅 배당률을 확인합니다.
- 질문: "뉴스가 대중에게 알려지기 전에 배당률이 얼마나 움직였을까?"
- 오전 9 시에 배당률이 50 대 50 이었다가 9 시 59 분까지 90% 로 급등했다면, "누출 미터"는 "이봐, 뉴스가 터지기 전에 누군가 이 사실을 미리 알고 있었어!"라고 말합니다.
한계: 이는 정보가 누출되었다는 사실은 알려주지만, 누가 유출했는지는 알려주지 않습니다. 부엌에서 큰 소리가 났다는 것은 들었지만, 누가 화병을 깼는지 모르는 것과 같습니다.

실제 사례: "마두로" 작전

이 논문은 이러한 도구들이 어떻게 작동하는지 보여주기 위해 실제 사례를 사용합니다. 2026 년 초, 베네수엘라와 관련된 비밀 미국 군사 작전이 있었습니다.

법적 사건: 미국 법무부 (DOJ) 는 가논 반 다이크 (Gannon Van Dyke) 라는 군인을 체포했습니다. 그들은 그가 비밀 군사 작전을 이용해 409,881 달러의 베팅 수익을 올렸음을 입증했습니다.
"일회성 방문자" 탐지기: 이 도구는 세 개의 계정을 경고했습니다. 그중 하나가 정확히 409,882 달러를 벌었습니다. 타이밍과 금액이 군인의 범죄와 완벽하게 일치했습니다. 이 도구는 성공적으로 "건초더미 속의 바늘"을 찾아냈습니다.
"경력 형사": 이 도구는 해당 군인을 경고하는 데 실패했습니다. 왜냐하면 군인은 이 한 사건에만 베팅한 후 중단했기 때문입니다. 그는 긴 이력이 없었으므로 "경력 형사"는 그를 "실력자"로 부르기 위한 충분한 데이터를 갖지 못했습니다.
"누출 미터": 논문은 이 도구가 각 특정 계약에 대해 뉴스가 터지기 전 배당률이 정확히 얼마나 움직였는지 측정하는 데 사용될 수 있었을 것이라고 제안하지만, 이 논문에서는 실제로 수치를 계산하지는 않았습니다.

교훈: "경력 형사"는 군인이 일회성 플레이어였기 때문에 그를 놓쳤습니다. "일회성 방문자" 탐지기는 그를 잡았습니다. 하지만 두 도구 모두 뉴스가 터지기 전 배당률이 얼마나 움직였는지 (이는 "누출 미터"가 해줄 작업) 알려주지는 못했습니다.

제안된 해결책: 3 단계 보안 파이프라인

저자는 하나의 손전등에만 의존하는 대신, 3 단계로 구성된 보안 시스템을 구축해야 한다고 제안합니다:

1 단계 (필터): "일회성 방문자" 탐지기와 "경력 형사"를 사용하여 (스포츠 베팅가와 정치 내부자를 섞지 않고 카테고리별로 분리하여) 의심스러운 계정의 "관찰 목록"을 작성합니다.
2 단계 (미터): 이러한 의심스러운 계정들이 베팅하는 시장을 가져와 "누출 미터"를 사용하여 뉴스 전 배당률이 이상하게 움직였는지 확인합니다.
3 단계 (인간): 계정이 관찰 목록에 있고 배당률이 이상하게 움직였다면, 이것이 실제로 범죄인지 결정하기 위해 인간 수사관 (경찰관이나 규제 기관 등) 에게 보냅니다.

논문이 아직 모른다고 말하는 것들

논문은 결론적으로 지식에 여전히 세 가지 큰 구멍이 있음을 인정합니다:

혼란스러운 규칙: 때때로 시장이 움직이는 이유는 누군가 비밀 정보를 가지고 있기 때문이 아니라, 사람들이 베팅의 규칙에 대해 혼란을 겪기 때문입니다. 우리는 아직 이 차이를 구분할 좋은 방법을 가지고 있지 않습니다.
누락된 데이터: 실시간으로 사기꾼을 잡기 위해서는 발생하는 모든 베팅을 추적해야 합니다. 현재는 종종 사건이 끝난 후에야 데이터를 볼 수 있습니다.
팀워크: 서로 다른 시장에서 배당률을 움직이기 위해 여러 사람이 협력하는지를 포착할 좋은 방법이 없습니다.

요약

이 논문은 예측 시장에서 사기꾼을 잡기 위한 "사용자 매뉴얼"입니다. 논문은 말합니다: 하나의 도구만 사용하지 마세요. 전문가를 찾기 위해 "경력 형사"가 필요하고, 은밀한 도둑을 찾기 위해 "일회성 방문자" 탐지기가 필요하며, 피해를 측정하기 위해 "누출 미터"가 필요합니다. 이 세 가지를 모두 함께 사용해야만 실제로 일어나고 있는 일을 명확하게 파악할 수 있습니다.

마크심 네체푸렌코 (2026 년 5 월) 의 프리프린트 "탈중앙화 예측 시장의 정보 유출과 주문 흐름 기술: 두 가지 방법론적 렌즈를 통한 정보 기반 거래"에 대한 상세한 기술적 요약입니다.

1. 문제 제기

탈중앙화 예측 시장 (예: Polymarket) 은 기밀 정부 정보를 포함한 정보 기반 거래의 상당한 증거를 축적해 왔습니다 (예: 2026 년 미국 - 베네수엘라 작전). 그러나 학술 문헌에는 이러한 거래를 탐지하기 위한 통합된 프레임워크가 부족합니다. 기존 접근 방식은 종종 서로 다른 유형의 "기술" (예: 스포츠 베팅 전문성 대 내부자 거래) 을 혼동하거나, 호환되지 않는 세분화 수준 (지갑 수준 대 시장 수준) 에서 작동합니다.

해결된 핵심 문제는 정보 기반 거래 탐지에서의 방법론적 단편화입니다. 2026 년 4 월에 세 가지 서로 다른 접근 방식 (Mitts & Ofir; Gomez-Cram 등; Nechepurenko) 이 등장했는데, 이들은 동일한 경험적 현실을 다루지만 서로 다른 계층에서 작동합니다. 이 논문은 이러한 방법들이 경쟁적인 것이 아니라 보완적인 탐지 계층이며, 견고한 감시 파이프라인을 형성하기 위해 결합되어야 한다고 주장합니다.

2. 방법론적 프레임워크

이 논문은 탐지 방법론을 세분화, 타이밍, 출력에 기반한 세 가지 구조적 계층으로 조직화합니다.

A. 계층 1: 지갑 수준 이상치 및 기술 분류

복합 이상치 스크리닝 (Mitts & Ofir, 2026): 베팅 규모, 수익성, 타이밍 등의 특징을 집계하여 (지갑, 시장) 쌍에 점수를 매깁니다. 이는 사후적이며 총 이상치 수익 ($143M) 을 추정하지만, 운과 기술을 구분하거나 실시간 신호를 제공할 수는 없습니다.
부호 무작위화 기술 분류기 (Gomez-Cram 등, 2026):
- 메커니즘: 10 개 이상의 이벤트를 거래한 계정에 대해, 이벤트, 규모, 타이밍을 고정된 채로 매수/매도 방향을 10,000 회 무작위화합니다. 실현된 손익 (PnL) 을 이 귀무 분포와 비교합니다.
- 출력: 계정을 "기술 있는 승자", "운 좋은 승자", "운 나쁜 패자", "기술 없는 패자"로 분류합니다.
- 한계: 기회 선택에 조건부인 지속적인 방향성 기술을 측정할 뿐, 내부자 거래를 측정하지는 않습니다. 설계상 단일 이벤트를 위해 생성된 "원샷" 내부자 (one-shot insiders) 는 제외됩니다.
라이프사이클 및 확신 휴리스틱 (Gomez-Cram 등, 2026):
- 메커니즘: 이벤트 발생 7 일 이내에 생성되어 해당 이벤트만 거래하고, 높은 거래량/수익을 보이며, 해결 후 활동이 중단된 계정을 플래그합니다.
- 출력: 의심스러운 "원샷" 내부자에 대한 이진 플래그.
- 한계: 내부자 패턴에 대한 높은 재현율 (recall) 을 보이지만, 정밀도 (precision) 는 알려지지 않았습니다 (시빌 농장이나 신규 사용자로부터의 높은 오탐지 위험).

B. 계층 2: 시장 수준 정보 유출

정보 유출 점수 (ILS / ILSdl) (Nechepurenko, 2026b,a):
- 메커니즘: 공개 뉴스 이벤트 ( $T_{news}$ ) 이전에 가격에 반영된 최종 가격 변동 ( $p_{T_{resolve}} - p_{T_{open}}$ ) 의 비율을 정량화합니다.
- 공식: $ILS(M) = \frac{p(T_{news}^-) - p(T_{open})}{p_{T_{resolve}} - p(T_{open})}$ .
- 범위 조건: 시작 시 실질적인 불확실성, 비과소한 총 변동, 그리고 앵커 교란에 대한 견고성이 필요합니다.
- 출력: 시장별 점수 (예: 0.6 은 변동의 60% 가 선제 반영되었음을 의미).
- 한계: 어떤 지갑이 유출을 일으켰는지 식별하지는 못함; 공개 이벤트 타임스탬프의 정확한 복원에 의존함.

3. 주요 기여

탐지 분류학: 이 논문은 이러한 방법들이 서로 다른 질문에 답한다고 명시합니다.
- 부호 무작위화: "이 계정이 반복적인 방향성 능력을 입증했는가?"
- 라이프사이클 휴리스틱: "이 계정이 원샷 내부자의 행동적 서명을 보이는가?"
- ILS: "이 특정 계약에 얼마나 많은 정보가 선제 반영되었는가?"
"플랫폼 전체" 기술에 대한 비판: 저자는 단일 "기술 있는 승자" 분류가 메커니즘 모호성을 가진다고 주장합니다. Polymarket 은 근본적으로 다른 정보 기술을 가진 카테고리 (스포츠, 정치, 암호화폐) 를 혼합하기 때문입니다. NBA 보조 경기 (뉴스 흡수) 의 "기술"은 지리정치적 내부자 거래와 구별됩니다. 이 논문은 이러한 지표들을 감시에 사용하기 전에 카테고리 조건부 분해를 옹호합니다.
재현성 및 데이터 제약: 이 논문은 Gomez-Cram 등의 방법론은 원칙상 재현 가능하지만, 특정 계정 라벨 (플래그된 1,950 명의 내부자) 과 카테고리 조건부 분해는 아직 공개되지 않아 즉각적인 운영적 사용이 제한됨을 강조합니다.
사례 연구 통합 (마두로/베네수엘라 클러스터): 이 논문은 2026 년 1 월 미국 - 베네수엘라 작전 (절대 해결 작전) 과 이후 Gannon Van Dyke 상사 기소에 대한 분석을 다룹니다.
- 정합성: 라이프사이클 휴리스틱은 세 개의 계정을 플래그했으며, 주요 계정의 PnL( $409,882) 은 법무부 기소장에 명시된 추정 수익 ($ 409,881) 과 1 달러 단위로 일치했습니다.
- 격차: 부호 무작위화 분류기는 이러한 계정 (원샷 트레이더였기 때문) 을 놓쳤으며, 법무부 기소장은 계약별 유출을 정량화하지 않았습니다.
- 종합: 계층은 중첩됩니다. 휴리스틱은 누구를 식별하고, 법적 조사는 무엇 (MNPI) 을 확인하며, ILS 는 계약별 얼마나를 정량화합니다.

4. 결과 및 발견

기술 지속성: 부호 무작위화 분류기는 계정 중 3.14% 가 "기술 있는 승자"이며 플랫폼 수익의 30% 이상을 차지한다고 발견했습니다. 이러한 기술 있는 계정들은 44% 의 아웃-오브-샘플 지속성을 보였으며, 이는 뮤추얼 펀드 매니저보다 훨씬 높습니다.
휴리스틱 타당성: 마두로 사례 연구에서 라이프사이클 휴리스틱은 기소된 내부자와 관련된 계정을 성공적으로 식별하여 집행과 일치하는 사례에 대해 높은 재현율을 입증했으나, 전체 1,950 개 플래그된 집단에 대한 정밀도는 아직 검증되지 않았습니다.
방법론적 격차:
- 해결 기준 불확실성: 시장은 해결 규칙의 모호성 (예: "군이 이란에 진입했는가?") 으로 인해 오가격될 수 있으며, 통계 모델은 이를 내부자 거래나 기술 부족으로 오해할 수 있습니다.
- 인프라: 실시간 감시는 지속적 거래별 데이터 수집의 부재 (The Graph 서브그래프 한계) 로 인해 현재 차단되어 있으며, 사후 분석에 의존할 수밖에 없습니다.
- 시장 간 조정: 현재 방법은 이벤트 이전에 관련 시장 (예: 여러 베네수엘라 계약) 간의 조정된 거래를 탐지하지 못합니다.

5. 중요성 및 제안된 파이프라인

이 논문은 이러한 계층을 통합하기 위한 3 단계 감시 파이프라인을 제안합니다.

1 단계 (분류): 카테고리 조건부 계정 위험 점수화. 부호 무작위화 (다중 이벤트 기술용) 와 라이프사이클 휴리스틱 (원샷 패턴용) 을 카테고리 (예: 지리정치적 위험 > 스포츠 위험) 로 가중치를 두어 결합합니다.
2 단계 (정량화): 플래그된 계정이 상당한 포지션을 보유한 시장에서 시장별 ILSdl 점수화. 이는 정보 유출의 규모를 정량화합니다.
3 단계 (검토): 1 단계 (의심스러운 지갑) 와 2 단계 (높은 유출) 를 모두 통과한 계약에 대한 인간 준수 검토.

결론:
이 논문은 단일 방법론으로는 충분하지 않다고 결론 내립니다. 부호 무작위화는 지속적 기술을 식별하지만 원샷 내부자를 놓치고, 라이프사이클 휴리스틱은 원샷을 포착하지만 정밀도가 부족하며, ILS 는 유출을 정량화하지만 지갑 귀속이 없습니다. 카테고리별 분석에 기반하고 법적 집행 벤치마크 (Van Dyke 기소장 등) 로 지원되는 결합된 접근 방식이 탈중앙화 예측 시장에서 규제 기술 (RegTech) 에 가장 견고한 길을 제공합니다. 이 연구는 학술적 기여가 상당하지만, 그 운영화를 위해서는 근본적인 데이터 라벨을 공개하고 지속적 데이터 수집의 인프라 격차를 해소해야 함을 강조합니다.