💰 quantitative finance

Manipulation in Prediction Markets: An Agent-based Modeling Experiment

Dit artikel maakt gebruik van agent-gebaseerde modellering en theoretische analyse om aan te tonen dat, hoewel voorspellingsmarkten over het algemeen zelfregulerende stabiliteit vertonen, kapitaalkrachtige "walvis"-agenten prijzen tijdelijk kunnen verstoren, waarbij de omvang en duur van een dergelijke manipulatie aanzienlijk worden versterkt door het kuddegedrag en de trage leersnelheid van andere marktdeelnemers.

Oorspronkelijke auteurs: Bridget Smart, Ebba Mark, Anne Bastian, Josefina Waugh

Gepubliceerd 2026-01-29

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Bridget Smart, Ebba Mark, Anne Bastian, Josefina Waugh

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een gigantisch, digitaal dorpsplein voor waar mensen geld wedden op de vraag of een specifieke gebeurtenis zal plaatsvinden—zoals "Zal Kandidaat X de verkiezingen winnen?" In dit plein fungeert de prijs van een weddenschap als een door het publiek samengestelde weersvoorspelling: als de prijs hoog is, denkt de menigte dat de gebeurtenis waarschijnlijk is; als de prijs laag is, denken ze dat het onwaarschijnlijk is.

Dit artikel, getiteld "Manipulation in Prediction Markets: An Agent-based Modeling Experiment," stelt een angstaanjagende vraag: Wat gebeurt er wanneer een zeer rijke persoon (een "Whale") dit dorpsplein betreedt en probeert iedereen te misleiden met een leugen?

Hier is een eenvoudige uiteenzetting van wat de onderzoekers hebben gedaan en ontdekt, gebruikmakend van alledaagse analogieën.

1. De Opzet: Een Digitale Wedpool

De onderzoekers bouwden een computersimulatie (een "virtuele wereld") om deze wedmarkten na te bootsen.

De Spelers: Ze creëerden 100 virtuele mensen (agenten). Sommigen zijn "experts" die over goede informatie beschikken, en anderen gokken maar wat.
De Regels: Iedereen heeft een ander bedrag aan geld (budget) en verschillende niveaus van koppigheid. Sommige mensen veranderen gemakkelijk van mening wanneer ze nieuwe informatie zien; anderen zijn koppig en houden vast aan hun standpunt.
Het Doel: De markt probeert de "ware" uitkomst van een verkiezing te achterhalen. In een perfecte wereld zou de wedprijs overeenkomen met het werkelijke resultaat.

2. De Schurk: De "Whale"

In de financiële wereld is een "Whale" (walvis) een deelnemer met zoveel geld dat hun acties de hele oceaan kunnen doen bewegen.

Het Experiment: De onderzoekers introduceerden één "Whale" in hun simulatie. Deze Whale had een enorm budget en een bevooroordeelde mening (ze waren ervan overtuigd dat de verkeerde kandidaat zou winnen).
De Strategie: De Whale begon agressief te kopen en verkopen om de prijs naar hun valse overtuiging te duwen, in de hoop de andere 99 mensen te misleiden.

3. De Bevindingen: Kan de Whale Winnen?

De onderzoekers draaiden duizenden simulaties om te zien wat er gebeurde. Dit is wat zij ontdekten:

A. De Markt is Meestal Taai (Zelfcorrigerend)

Als de Whale probeert de prijs te hard door te drukken, merken de andere slimme wedders meestal dat iets niet klopt. Ze zien dat de prijs "fout" is in vergelijking met de echte informatie die zij hebben, en wedden daarom tegen de Whale.

Analogie: Stel je voor dat de Whale een reus is die probeert een zware rots een heuvel op te duwen. De andere 99 mensen zijn als een groep wandelaars die de rots weer naar beneden duwt. Meestal winnen de wandelaars, en blijft de rots (de prijs) daar waar hij hoort.
Resultaat: De markt is veerkrachtig. Het kan zichzelf snel corrigeren, tenzij de Whale over een enorm bedrag aan geld beschikt (ongeveer 40% van het totale geld in de pool).

B. Het Probleem van de "Koppigen" en de "Schapen"

De markt blijft alleen defect als de andere mensen specifieke fouten maken:

De Schapen (Herding): Als de andere wedders stoppen met zelf nadenken en gewoon de prijs van de menigte volgen (zoals schapen die een leider volgen), blijft de valse prijs van de Whale langer hangen.
De Koppigen: Als de andere wedders te koppig zijn om hun overtuigingen bij te stellen wanneer ze nieuwe informatie zien, duurt de leugen van de Whale langer.
Analogie: Als de wandelaars te koppig zijn om naar de waarheid te luisteren, of als ze te bang zijn om terug te duwen en gewoon de reus volgen, blijft de rots bovenop de heuvel liggen.

C. De Winstparadox

Interessant genoeg ontdekten de onderzoekers dat wanneer de Whale de prijs verstoort, dit daadwerkelijk een winstmogelijkheid creëert voor de slimme, goed geïnformeerde wedders.

Analogie: Als de Whale de prijs opduwt naar $10 voor iets dat eigenlijk $5 waard is, kunnen de slimme wedders hun aandelen verkopen voor $10 en een snelle winst maken voordat de markt corrigeert. De manipulatie van de Whale schaadt de nauwkeurigheid van de markt, maar levert geld op voor de slimme handelaren die de fout herkennen.

4. Het Grotere Plaatje: Waarom Moeten We Dit Betekenen?

Het artikel concludeert dat hoewel voorspellingsmarkten over het algemeen goed zijn in het voorspellen van de toekomst, ze kwetsbaar zijn voor manipulatie als de regels toestaan dat één persoon te veel geld bezit.

Het Gevaar: Als een rijke persoon de prijs kan opdrijven zodat het lijkt alsof een andere kandidaat aan de leiding staat, kan dit echte kiezers, nieuwsmedia of politici misleiden in de veronderstelling dat die kandidaat voorop ligt. Dit zou de manier waarop mensen stemmen of hoe campagnes geld uitgeven, kunnen veranderen.
De Oplossing: De auteurs suggereren dat, om deze markten eerlijk te houden, er limieten moeten zijn aan hoeveel één persoon kan wedden. In het verleden hadden markten strikte limieten (zoals $3.500 per persoon), wat Whales buiten de deur hield. Nieuwere markten staan miljoenen dollars per weddenschap toe, wat de deur naar manipulatie opent.

Samenvatting

Beschouw een voorspellingsmarkt als een door de menigte samengestelde waarheidsmachine.

Normaal gesproken: Werkt het geweldig omdat de verschillende meningen van iedereen de ruis wegfilteren.
Met een Whale: Kan een rijke persoon de machine tijdelijk blokkeren met een vals signaal.
De Oplossing: De machine blijft alleen geblokkeerd als de menigte te lui is (herding) of te koppig om de fout te corrigeren. Om dit te voorkomen, hebben we regels nodig die voorkomen dat één persoon te veel macht heeft over de hele machine.

Het artikel beweert niet dat deze manipulatie de resultaten van verkiezingen in de echte wereld zeker verandert, maar het waarschuwt dat het potentieel er is als we geen grenzen stellen aan hoeveel geld één persoon in het spel kan gooien.

Technische Samenvatting: Manipulatie in Voorspellingsmarkten: Een Agent-gebaseerd Modelleringsexperiment

Probleemstelling
Voorspellingsmarkten aggregeren verspreide overtuigingen om de uitkomsten van binaire gebeurtenissen te voorspellen, en vertonen vaak een hoge nauwkeurigheid bij politieke verkiezingen. De snelle expansie van deze markten—geëxemplificeerd door platforms zoals Kalshi en Polymarket die posities van miljoenen dollars toestaan—heeft echter zorgen opgeroepen over hun vatbaarheid voor manipulatie. In tegenstelling tot eerdere markten met strikte limieten per handelaar (bijv. Iowa Electronic Markets, PredictIt), staan moderne platforms het mogelijk voor "whales" (agenten met grote budgetten) om aanzienlijk kapitaal te controleren. Het centrale probleem dat wordt aangestipt, is of dergelijke markten functioneren als zelfcorrigerende informatiemechanismen, of dat ze prijsafwijkingen kunnen handhaven die worden geïntroduceerd door een zeer kapitaalkrachtige, bevooroordeelde minderheid. Specifiek onderzoeken de auteurs onder welke omstandigheden dergelijke verstoringen aanhouden en hoe deze interageren met het gedrag van andere marktdeelnemers, zoals kuddegedrag (herding) en koppigheid (stubbornness).

Methodologie
De auteurs ontwikkelen een open-source Agent-Based Model (ABM) om een voorspellingsmarkt te simuleren over discrete tijdstappen. Het model bevat:

Agenten: $N$ weddende agenten met heterogene attributen, waaronder expertise ( $e_i$ ), bias ( $b_i$ ), risicoaversie ( $r_i$ ), koppigheid ( $s_i$ ) en initiële budgetten ( $B_{i,0}$ ).
Informatiestructuur: Agenten ontvangen een "vage" (fuzzy) private signaal van de werkelijke verkiezingsuitslag ( $\eta_t$ ), gemodelleerd als een random walk. De variantie van het signaal is omgekeerd evenredig aan de expertise van de agent.
Waardering en Leren: Agenten updaten hun interne waarderingen ( $V_{i,t}$ ) op basis van private signalen en, optioneel, een kuddeparameter ( $h_i$ ) die de huidige marktprijs weegt. Koppigheid ( $s_i$ ) bepaalt de snelheid waarmee agenten nieuwe informatie incorporeren.
Marktmechanisme: Een centrale markt koppelt koop- en verkooporders via regels van een random double-auction. De marktprijs ( $m_t$ ) wordt bijgewerkt op basis van de netto vraag, geschaald door een parameter $\lambda$ .
Simulatieprotocol: De studie valideert eerst de stabiliteit van het model over een breed parameterraster. Vervolgens introduceren zij een enkele "whale"-agent met een vaste bevooroordeelde waardering en een specifiek deel van het totale marktkapitaal ( $\rho_w$ ) om prijsverstoring te testen.
Theoretische Analyse: Ter aanvulling op de simulaties leiden de auteurs een theoretische oplossing af voor de fout in de evenwichtstoestand (steady-state price error), waarbij zij de ordergroottes lineariseren om de interactie tussen het budgetdeel van de whale, bias en het verval van fouten in aanwezigheid van kuddegedrag te analyseren.

Belangrijkste Bijdragen

Open-Source Framework: De auteurs bieden een open-source ABM en een Dash-applicatie met een grafische gebruikersinterface, waardoor de exploratie van agentgedrag, variatie in parameters en informatieschokken mogelijk is.
Systematische Analyse van Manipulatie: De studie isoleert de effecten van geconcentreerd kapitaal ("whales") op de marktaccuratesse, waarbij zij verder gaan dan de theoretische aannames van kleine handelaren door realistische kapitaalconcentraties te modelleren.
Integratie van Gedragsdynamiek: Het model incorporeert expliciet heterogene expertise, leersnelheden en kuddegedrag om te bepalen hoe deze factoren de veerkracht van de markt tegen manipulatie beïnvloeden.
Theoretische Bevestiging: Het theoretische onderzoek bevestigt analytische relaties waaruit blijkt dat de fout in de evenwichtstoestand lineair schaalt met het budgetdeel en de miswaardering van de whale, en dat het verval van deze fouten afhankelijk is van de leerdynamiek en de intensiteit van het kuddegedrag van niet-whale agenten.

Resultaten

Marktstabiliteit: In de afwezigheid van whales vertoont de voorspellingsmarkt een robuuste stabiliteit en nauwkeurigheid over een breed scala aan parameterwaarden. De marktprijs volgt de werkelijke verkiezingsuitslag nauwgezet, met gemiddelde kwadratische fouten (MSE) die vergelijkbaar zijn met leidende verkiezingsvoorspellingsmodellen.
Impact van de Whale: Whales kunnen de marktprijzen tijdelijk verstoren. De omvang van de verstoring is evenredig aan het product van het budgetdeel van de whale en hun miswaardering. Een whale heeft ongeveer 40% van het totale marktkapitaal nodig om een significante, aanhoudende fout te induceren onder de geteste parameters.
Rol van Kuddegedrag en Koppigheid: De aanwezigheid van kuddegedrag ( $h_i > 0$ $h_{i} > 0$ ) en hoge koppigheid ( $s_i \approx 1$ $s_{i} \approx 1$ ) onder niet-whale agenten heeft een significante impact op het herstel van de markt.
- Matig kuddegedrag verandert de herstelpercentages niet drastisch.
- Hoog kuddegedrag ( $h_i = 1$ ) in combinatie met hoge koppigheid kan leiden tot instabiliteit, gekenmerkt door oscillaties in de marktprijs en een trager verval van prijsverstoringen.
Winstmogelijkheden: Tijdelijke prijsverstoringen veroorzaakt door whales creëren winstmogelijkheden voor goed geïnformeerde niet-whale agenten (die met een hoge expertise), die de afgestemde prijzen kunnen exploiteren.
Theoretische Validatie: De theoretische analyse bevestigt dat de fout in de evenwichtstoestand ( $\delta_S$ ) gelijk is aan het budgetfractie van de whale ( $\rho$ ) vermenigvuldigd met de waarderingsfout van de whale ( $\Delta_S$ ). Het toont verder aan dat het verval van de fout sneller gaat wanneer agenten een lage koppigheid en lage kuddegewichten hebben.

Betekenis en Claims
Het artikel claimt een waarschuwingskader te bieden voor de regulering en het ontwerp van voorspellingsmarkten, met name in verkiezingscontexten waar prijzen kunnen dienen als publieke informatiesignalen.

Regulatorische Implicaties: De bevindingen suggereren dat hoewel voorspellingsmarkten over het algemeen veerkrachtig zijn, ze kwetsbaar zijn voor manipulatie wanneer geconcentreerd kapitaal zonder beperkingen wordt toegestaan. De auteurs pleiten voor een regulerende aanpak die recreatieve vrijheid balanceert met democratische integriteit, mogelijk door restricties op individuele handelsgroottes of algemene budgetlimieten waar dit afdwingbaar is.
Feedbackloops: De studie benadlicht het risico van endogeniteit: als gemanipuleerde marktprijzen de overtuigingen van kiezers, campagnestrategieën of mediaberichten beïnvloeden, kan de verstoring terugkoppelen in het politieke proces, wat potentieel de uitkomst die wordt voorspeld, verandert.
Bescheidenheid van Claims: De auteurs verklaren expliciet dat zij de feedbackloop tussen marktprijzen en werkelijke verkiezingsuitslagen niet empirisch valideren, en merken op dat dit een openstaande kwestie blijft. Hun bijdrage ligt primair in het karakteriseren van de condities waaronder marktprijzen kunnen worden verstoord en in stand gehouden, wat een basis biedt voor voorzorgsbeleid. Zij benadrukken dat hun model specifieke mechanismen (kapitaalconcentratie, kuddegedrag) isoleert in plaats van het volledige complex van reële politieke ecosystemen te simuleren.