💰 quantitative finance

ForesightFlow: An Information Leakage Score Framework for Prediction Markets

Dit artikel introduceert ForesightFlow, een raamwerk voor een Informatielekage-score om geïnformeerde handel in voorspellingsmarkten te detecteren, en stelt een aan een deadline verankerde uitbreiding voor om de methodologische beperkingen aan te pakken die naar voren kwamen uit empirische evaluaties van tijdstippen van publieke gebeurtenissen en gedocumenteerde gevallen van insider trading.

Oorspronkelijke auteurs: Maksym Nechepurenko

Gepubliceerd 2026-05-04

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Maksym Nechepurenko

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 wereldwijd, digitaal stadsplein voor waar mensen wedden op toekomstige gebeurtenissen: "Zal deze politicus winnen?" "Zal dit bedrijf een nieuw product lanceren?" "Zal er voor vrijdag een oorlog uitbreken?" Dit is een voorspellingsmarkt. In deze markten fungeert de prijs van een weddenschap als een weersvoorspelling voor de toekomst. Als de prijs van "Ja" stijgt, betekent dit dat de menigte denkt dat de gebeurtenis waarschijnlijker zal plaatsvinden.

Het artikel introduceert een nieuw hulpmiddel genaamd ForesightFlow, ontworpen om op te sporen wanneer iemand in dit stadsplein valst.

Het probleem: De "binnenman" in de menigte

In een eerlijke markt leert iedereen op hetzelfde moment over een gebeurtenis. Maar in deze digitale markten, omdat ze anoniem zijn en werken op blockchain-technologie, is het zeer eenvoudig voor iemand met geheime informatie (een "binnenman") om weddenschappen te kopen voordat het nieuws publiek wordt.

Denk hierbij aan een paardenrace waarbij een jockey weet dat het paard een gebroken poot heeft voordat de race begint. Hij koopt een ticket op de andere paarden, wacht tot de race begint, en stopt dan een enorm winstbedrijf in zijn zak wanneer de favoriet instort. Het artikel merkt op dat binnenmannen de afgelopen jaren hiermee honderden miljoenen dollars hebben verdiend op platformen zoals Polymarket.

Het probleem is dat de huidige manieren om deze bedriegers te vangen pas werken nadat de race voorbij is. Op het moment dat we weten wie heeft bedrogen, is het geld al weg en is het "prijssein" (het geloof van het publiek) al vervormd. We hebben een manier nodig om de bedrieger op te sporen terwijl hij zijn weddenschappen plaatst.

De oplossing: De "Leakage Score"

De auteurs hebben een systeem gebouwd genaamd ForesightFlow dat fungeert als een rookmelder voor deze markten. De kern van dit systeem is een maatstaf genaamd de Information Leakage Score (ILS).

Hier is de analogie voor hoe het werkt:
Stel je voor dat een film binnenkort wordt uitgebracht.

De openingsprijs: Wanneer de weddenschapsmarkt opent, weerspiegelt de prijs wat het publiek nu weet.
Het nieuwsfeit: Het moment waarop de filmposter officieel wordt vrijgegeven aan de wereld.
De afhandeling: Het moment waarop de film daadwerkelijk uitkomt en de weddenschap wordt afgewikkeld.

De Information Leakage Score stelt een simpele vraag: "Hoeveel is de prijs bewogen voordat de officiële trailer werd vrijgegeven?"

Score van 0: De prijs bleef stabiel tot de trailer uitkwam. Dit is een eerlijke markt; niemand wist iets te vroeg.
Score van 1: De prijs sprong helemaal naar het "winnende" niveau voordat de trailer zelfs maar werd vrijgegeven. Dit suggereert dat iemand de uitkomst wist en er vroeg op wedde. De informatie "lekte" uit voordat het mocht.

De "Scope"-regels: Weten wanneer de score werkt

Het artikel is zeer voorzichtig om te zeggen dat deze score niet voor elke enkele weddenschap werkt. De auteurs hebben drie specifieke regels gevonden waarbij de score betrouwbaar is:

De "Verrassing"-regel: De score werkt alleen als de gebeurtenis eigenlijk onzeker is. Als iedereen het antwoord al weet (bijvoorbeeld: de prijs is vanaf het begin 99% "Ja"), lijkt een kleine prijsbeweging wiskundig enorm, maar is het gewoon ruis, geen bedrog.
De "Deadline" versus "Gebeurtenis"-regel: Dit is een cruciale ontdekking in het artikel.
- Gebeurtenismarkten: "Zal X gebeuren?" (bijvoorbeeld: "Zal de president een wetsvoorstel ondertekenen?"). De score werkt hier goed.
- Deadlinemarkten: "Zal X gebeuren voor vrijdag?" De auteurs ontdekten dat de meeste beroemde bedrogzaken plaatsvonden in deze "Deadline"-markten. De oorspronkelijke score werkte niet voor hen, omdat het "nieuws" gewoon het aflopen van de klok is.
- De oplossing: De auteurs creëerden een nieuwe versie van de score (genaamd Deadline-ILS) specifiek voor deze "Zal het voor vrijdag gebeuren?"-weddenschappen. Deze nieuwe versie vergelijkt de prijs met een "basisverwachting" in plaats van alleen de openingsprijs.
De "Wallet"-check: De score is alleen niet genoeg. Het systeem controleert ook wie er wedt. Als een gloednieuwe wallet (10 minuten geleden aangemaakt) zonder geschiedenis plotseling een enorm bedrag stort op een specifieke weddenschap net voordat het nieuws uitkomt, is dat een rode vlag. Als een ervaren handelaar met een lange geschiedenis dit doet, kan het gewoon een slimme gok zijn.

De pilotstudie: Wat ze leerden

De auteurs testten hun systeem op echte data. Ze ontdekten enkele interessante dingen:

Het "nep"-sein: Toen ze probeerden een simpele gok te gebruiken voor "wanneer het nieuws gebeurde" (in plaats van het daadwerkelijke artikel te vinden), raakte het systeem in de war en markeerde het onschuldige markten als schuldig. Dit leerde hen dat ze het exacte moment moeten vinden waarop het nieuws uitkwam om de score accuraat te maken.
De "Deadline"-kloof: Ze realiseerden zich dat hun oorspronkelijke hulpmiddel de beroemdste bedriegers niet kon vangen, omdat die bedriegers wedden op "Deadline"-markten. Dit dwong hen om de nieuwe "Deadline-ILS"-versie te bouwen.
De "Barak"-zaak: Ze keken naar een specifieke markt over een politieke figuur genaamd Barak. Zelfs met de perfecte score konden ze niet bewijzen dat het bedrog was, alleen door naar de prijs te kijken. Ze moesten kijken naar de wallets en het tijdstip om te beseffen dat de prijsbeweging eigenlijk mensen waren die discussieerden over de regels van de weddenschap, en niet mensen met geheime informatie.

Het grote plaatje

Het artikel concludeert dat het vangen van bedriegers in real-time mogelijk is, maar dat dit een zeer specifieke toolkit vereist:

Een score: Om te meten hoe ver de prijs te vroeg bewoog.
Een typologie: Om te weten of de weddenschap een "Gebeurtenis" of een "Deadline" is (en de juiste wiskunde te gebruiken).
Wallet-forensiek: Om te zien of de mensen die wedden lijken op binnenmannen (nieuwe wallets, enorme weddenschappen) of gewoon gewone mensen.

De auteurs hebben hun code en een lijst met bekende bedrogzaken (de "FFIC-inventaris") vrijgegeven zodat anderen dit systeem kunnen gebruiken en verbeteren. Hun doel is niet alleen om bedriegers voor winst te vangen, maar om ervoor te zorgen dat deze voorspellingsmarkten betrouwbare instrumenten blijven voor het publiek, in plaats van speeltuinen voor mensen met geheime voordelen.

1. Probleemstelling

Gedecentraliseerde voorspellingsmarkten (bijv. Polymarket) aggregeren verspreide privé-informatie in prijssignalen, maar opereren in een grijs gebied van regelgeving met pseudonieme participatie. Deze omgeving faciliteert informed trading op materieel niet-openbare informatie (MNPI).

Het Gat: Bestaande detectiemethoden (bijv. Mitts & Ofir, 2026) zijn bijna uitsluitend post-hoc, gebaseerd op gerealiseerde winsten en resolutie-uitkomsten. Ze bieden geen actiebaar signaal tijdens het handelsvenster wanneer geïnformeerde stromen de prijzen bewegen.
De Uitdaging: Real-time detectie vereist kenmerken die causaal zijn (observeerbaar voorafgaand aan de resolutie) en labels die geen toekomstige informatie lekken. Bovendien past de specifieke structuur van veel insiderhandelzaken (contracten gebaseerd op een deadline) niet in standaard modellen voor gebeurtenis-geresolveerde markten.

2. Methodologie: Het ForesightFlow Framework

Het paper stelt een systeem voor om geïnformeerde stromen in real-time te detecteren met behulp van een combinatie van informatietheorie, marktmicrostructuur en on-chain forensiek.

A. De Information Leakage Score (ILS)

De kerninnovatie is de Information Leakage Score (ILS), een scalair labelgenerator voor geresolveerde binaire markten.

Definitie: $ILS(M) = \frac{\Delta_{pre}}{\Delta_{total}} = \frac{p(T_{news}) - p(T_{open})}{p(T_{resolve}) - p(T_{open})}$ $I L S (M) = \frac{Δ _{p r e}}{Δ _{t o t a l}} = \frac{p ( T _{n e w s} ) - p ( T _{o p e n} )}{p ( T _{r eso l v e} ) - p ( T _{o p e n} )}$
- $T_{open}$ : Marktcreatie.
- $T_{news}$ : Tijdstempel van de eerste openbare vermelding van het resolutie-relevante evenement (herwonnen via UMA-evidentie-URL's, GDELT of LLM-ondersteunde zoekopdrachten).
- $T_{resolve}$ : Formele resolutietijd.
- $p(t)$ : Middenprijs van het "YES"-token.
Interpretatie: ILS kwantificeert het deel van de totale prijsbeweging dat voor het openbare nieuwsfeit plaatsvond.
- $ILS \approx 1$ : Perfect anticiperend prijsvorming (sterk lekken).
- $ILS \approx 0$ : De markt reageerde pas na het openbare nieuws.
Theoretische Basis: De auteurs verbinden ILS met de Murphy-decompositie van de Brier-score. Een hoge ILS geeft aan dat het "Resolutie"-component (discriminerend vermogen) vooruitliep voordat de publieke informatiestatus bijhaalde.

B. Resolutietypologie en Scope-voorwaarden

De auteurs identificeren dat ILS alleen interpreteerbaar is onder strikte voorwaarden, wat leidt tot een driedelige classificatie van markten:

Gebeurtenis-geresolveerd: Een specifiek observeerbaar evenement triggert de resolutie (bijv. verkiezingsuitslagen). ILS is hier geldig.
Deadline-geresolveerd: De markt resolveert naar NO als een evenement niet tegen een bepaalde datum heeft plaatsgevonden (bijv. "Zal X gebeuren voor vrijdag?"). Standaard ILS is hier ongeldig omdat $T_{news}$ ongedefinieerd of triviaal is.
Niet-classificeerbaar: Sport, aantellingen, etc.

Scope-voorwaarden: Om spurious signalen te voorkomen, wordt ILS alleen gerapporteerd als:
- Edge-Effect Check: De openingsprijs ligt niet dicht bij consensus ( $p_{open} \in [0.1, 0.9]$ ).
- Triviale-Resolutie Check: Totale prijsbeweging $|\Delta_{total}| > 0.05$ .
- Anker-gevoeligheid: De ILS-waarde moet robuust zijn over verschillende $T_{news}$ -anker-specificaties.

C. Real-time Feature-pijplijn

Om stromen voor de resolutie te detecteren, berekent het systeem een feature-vector $x(M, t)$ die combineert:

Aangepaste Microstructuur-maatstaven:
- Order Imbalance (OI): Verhoudingen van koop/verkoop volumes.
- VPIN-achtige Toxiciteit: Volume-gesynchroniseerde orderflow-ongelijkheid.
- Kyle's Lambda: Geschatte prijsimpact per eenheid orderflow.
- Variantie Ratio en Tweezijdigheid: Diagnostiek voor aanhoudende drift versus tijdelijke ruis (aangepast van Nechepurenko, 2026a).
On-chain Wallet-kenmerken:
- Wallet Novelty Score: Een compositie van wallet-leeftijd, participatiegeschiedenis, concentratie van financieringsbronnen en instap-timing ten opzichte van de resolutie.
Categorie-voorwaardelijke Priors: Het systeem richt zich op drie hoog-risico categorieën: Militair/Geopolitiek, Bedrijfspublicaties en Regelgevende Beslissingen.

D. De Deadline-ILS Extensie

Een cruciale bevinding van de pilotstudie was dat gedocumenteerde insiderzaken overwegend deadline-geresolveerd zijn. Het paper breidt ILS uit naar dit domein:

Mechanisme: In plaats van te ankeren aan een nieuwsfeit, ankeert de score aan een Bayesiaanse basisovertuiging ( $\theta_{T_{open}}$ ) afgeleid van een constant-gevaar overlevingsmodel.
Formule: $ILS_{dl} = \frac{p(T_{event}^-) - \theta_{T_{open}}}{p(T_{resolve}) - \theta_{T_{open}}}$ .
Dit maakt het mogelijk om geïnformeerde handelaren te detecteren die weten dat een evenement nabij is in een "Zal X gebeuren voor Datum Y?"-contract.

3. Belangrijkste Bijdragen

Hervorming: Verschuift het probleem van post-hoc forensiek naar real-time inferentie, wat causale kenmerken vereist.
ILS-metriek: Introduceert een theoretisch onderbouwde labelgenerator gekoppeld aan juiste scoringregels (Murphy-decompositie).
Typologie en Scope: Definieert strikte operationele grenzen (Gebeurtenis versus Deadline) om vals-positieven te voorkomen, gevalideerd door empirische data.
Hybride Architectuur: Combineert klassieke microstructuur-maatstaven (PIN, VPIN) met unieke on-chain wallet-kenmerken (novelty, financieringsconcentratie).
FFIC Inventaris: publiceert een gecureerde validatiestel van 8 gedocumenteerde insiderhandel-episoden (bijv. Iran-aanvallen, Google Year-in-Search) gekoppeld aan specifieke markt-ID's.
Deadline-extensie: Formaliseert de uitbreiding van het framework naar deadline-contracten, waardoor de structurele kloof in de bestaande literatuur wordt gedicht.

4. Resultaten en Empirische Bevindingen

Het paper rapporteert een empirische pilotstudie op 725 gebeurtenis-geresolveerde markten en een validatie-audit van de FFIC-inventaris.

Negatieve Pilotbevindingen:
- Het gebruik van een resolutie-geankerde proxy ( $T_{resolve} - 24h$ ) voor $T_{news}$ faalde om geïnformeerde markten te scheiden van controles.
- Reden: De proxy was structureel misalign. Voor gebeurtenis-geresolveerde markten gaat het daadwerkelijke nieuws vaak dagen vooraf aan de resolutie, waardoor het "pre-news"-venster feitelijk "post-news" is.
- Anker-gevoeligheid: ILS-waarden waren zeer gevoelig voor de keuze van de tijdsanker, waardoor ze de robuustheidstest niet haalden.
Case Study (Barak Market):
- Een diepe duik in de "Ehud Barak"-markt toonde aan dat hoewel een op proxy gebaseerde ILS hoog was (0,55), het gebruik van de artikel-afgeleide tijdstempel (werkelijke nieuwsrelease) de ILS licht verschuift maar onthulde dat de "vroege" trades eigenlijk reageerden op openbaar nieuws of arbitrage op resolutiecriteria, niet op insiderinformatie.
- Conclusie: ILS alleen is onvoldoende; het moet worden gecombineerd met wallet-niveau kenmerken (bijv. het identificeren van professionele versus nieuwe wallets) en strikte scope-checks.
Structurele Audit:
- De audit van de FFIC-inventaris onthulde dat 100% van de gedocumenteerde insiderzaken deadline-geresolveerd waren, buiten de oorspronkelijke ILS-scope vallend.
- Dit vereiste de Deadline-ILS-extensie (Sectie 7) om het framework toepasbaar te maken op real-world patronen van insiderhandel.

5. Betekenis en Toekomstig Werk

Publiek Goederen: Biedt de eerste transparante, reproduceerbare real-time bewakingshulpmiddel voor gedecentraliseerde voorspellingsmarkten, waardoor het "autoriteitsparadox" wordt aangepakt waarbij markten sociale geloofwaardigheid winnen terwijl ze onvolwassen microstructuren hebben.
Methodologische Brug: Verbindt de literatuur over juiste scoringregels (voorspellingsnauwkeurigheid) met blockchain forensiek (detectie van informed trading).
Open Source: De auteurs publiceren de ForesightFlow Insider Cases (FFIC)-inventaris, de volledige resolutietypologie voor 911.237 markten en alle systeemcode.
Volgende Stappen:
- Volledige empirische evaluatie van de Deadline-ILS op het cluster van het 2026 VS-Iran-conflict (gerapporteerd in een begeleidend paper).
- Trainen van het detectormodel op het verfijnde, deadline-uitgebreide dataset.
- Aanpakken van infrastructuurbeperkingen (bijv. The Graph indexer-fouten voor markten van miljarden dollars).

Conclusie: ForesightFlow stelt vast dat informed trading in voorspellingsmarkten in real-time detecteerbaar is, maar alleen als de methodologie rekening houdt met de specifieke contracttypologie (deadline versus gebeurtenis), robuuste nieuws-tijdstempels gebruikt en on-chain wallet-gedrag integreert met microstructuursignalen. Het framework verplaatst het vakgebied van retrospectieve "wie-did-it"-analyse naar proactief marktintegriteitsbewaking.