💰 quantitative finance

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

Dit artikel betoogt dat drie verschillende methodologische benaderingen voor het opsporen van geïnformeerd handelen in gedecentraliseerde voorspellingsmarkten—accountgebonden vaardigheidsscreening, heuristische insider-flagging en per-markt informatielekkage-scoring—complementaire detectielagen vormen in plaats van concurrerende methoden, en laat zien hoe het integreren ervan de precisie verbetert via een gecombineerde pijplijn.

Oorspronkelijke auteurs: Maksym Nechepurenko

Gepubliceerd 2026-05-05

📖 6 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 enorme, wereldwijde gokhal voor die Polymarket heet. Mensen wedden hier op van alles, van "Wie wint de Super Bowl?" tot "Zal een bepaalde politicus worden afgezet?" tot "Zal het morgen in Londen regenen?"

Recentelijk heeft een grote vraag deze gokhal geteisterd: Spelen sommige mensen vals? Zijn er "binnenstaanders" die geheime, privé-informatie gebruiken om geld te winnen voordat de rest van ons zelfs maar weet dat het nieuws is uitgebroken?

In april 2026 verschenen drie verschillende groepen onderzoekers met drie verschillende zaklampen om deze valsspelers op te sporen. Dit artikel is een handleiding die uitlegt hoe deze zaklampen werken, waarom ze allemaal verschillend zijn, en hoe je ze samen moet gebruiken om de boeven daadwerkelijk te vangen.

Hier is de opsplitsing in eenvoudige termen:

De Drie Zaklampen (Methodologieën)

Het artikel betoogt dat deze drie methoden niet met elkaar concurreren; ze kijken naar het probleem vanuit drie verschillende hoeken.

1. De "Loopbaan-Detective" (Sign-Randomization)

Wie gebruikt het: Gomez-Cram en collega's.
Hoe het werkt: Stel je voor dat je een coach bent die een basketbalspeler het hele seizoen lang observeert. Je vraagt je af: "Is deze speler echt goed, of had hij gewoon geluk?"
- Ze nemen de volledige geschiedenis van weddenschappen van een handelaar.
- Ze draaien een computersimulatie waarbij ze de knop "Winst/Verlies" op elke weddenschap 10.000 keer willekeurig omdraaien.
- Als de werkelijke winsten van de handelaar veel beter zijn dan wat je zou krijgen door gewoon willekeurig te raden, worden ze bestempeld als "Getalenteerd".
De Haken: Dit werkt alleen voor mensen die veel weddenschappen hebben geplaatst (minimaal 10 verschillende evenementen).
- Analogie: Als een dief een keer een bank binnendringt, een miljoen dollar steelt en vervolgens verdwijnt, zal deze "Loopbaan-Detective" hen niet vangen. De detective heeft een lange staat van dienst nodig om te bewijzen dat de dief "getalenteerd" is in plaats van gewoon geluk had.
- Het Probleem: Het artikel merkt op dat Polymarket vele soorten weddenschappen heeft (Sport, Crypto, Politiek). Een "getalenteerde" sportweddelaar (die weet van spelerblessures) ziet er hetzelfde uit als een "getalenteerde" politieke binnenstaander (die weet van geheime militaire plannen). Als je ze allemaal door elkaar haalt, wordt het moeilijk om te weten wie er echt valsspelt.

2. De "Eenmalige Bezoeker"-detector (Lifecycle Heuristic)

Wie gebruikt het: Gomez-Cram en collega's (een tweede tool van hetzelfde team).
Hoe het werkt: Dit zoekt naar de "Eenmalige" valsspeler.
- Het markeert accounts die:
  1. Net enkele dagen voor een groot evenement zijn aangemaakt.
  2. Zwaar hebben ingezet op alleen dat ene evenement.
  3. Direct na het evenement zijn gestopt met wedden.
De Haken: Dit is een alarm voor "verdacht gedrag", geen bewijs van schuld.
- Analogie: Stel je voor dat een beveiliger iemand ziet die een kaartje koopt, rechtstreeks naar de VIP-box loopt, alles inzet op één paard en vervolgens verdwijnt. Dat is verdacht! Maar het kan ook een nieuwe fan zijn die enthousiast werd, een botprogramma, of iemand die probeert hun identiteit te verbergen omwille van privacy. Het artikel zegt dat we niet precies weten hoeveel van deze "verdachte" mensen eigenlijk schuldige binnenstaanders zijn.

3. De "Leak-Meter" (Informatielek-score - ILS)

Wie gebruikt het: Nechepurenko.
Hoe het werkt: Dit kijkt niet naar mensen; het kijkt naar de weddenschapslijnen (de kansen).
- Stel je voor dat er om 10:00 uur 's ochtends een nieuwsverhaal uitbreekt met de tekst "De President heeft afgetreden."
- Deze tool controleert de weddenschapskansen om 09:59 uur.
- De Vraag: "Hoeveel zijn de kansen bewogen voordat het nieuws het publiek bereikte?"
- Als de kansen om 09:00 uur 50/50 waren en om 09:59 uur waren gestegen naar 90%, zegt de "Leak-Meter": "Hé, iemand wist dat dit zou gebeuren voordat het nieuws uitkwam!"
De Haken: Het vertelt je dat er informatie is gelekt, maar het vertelt je niet wie het heeft gelekt. Het is alsof je een harde klap in de keuken hoort, maar niet weet welk kind de vaas heeft gebroken.

De Realiteitstest: De "Maduro"-Operatie

Het artikel gebruikt een reëel voorbeeld om te laten zien hoe deze tools zich tot elkaar verhouden. Begin 2026 was er een geheim Amerikaans militair operatie die Venezuela betrof.

Het Juridische Geval: Het Amerikaanse Ministerie van Justitie (DOJ) arresteerde een soldaat genaamd Gannon Van Dyke. Ze bewezen dat hij geheime militaire plannen gebruikte om $409.881 aan weddenschappen te winnen.
De "Eenmalige Bezoeker"-detector: Deze tool markeerde drie accounts. Eén daarvan maakte precies $409.882. Het tijdstip en het geld kwamen perfect overeen met het misdrijf van de soldaat. Deze tool vond succesvol de "naald in de hooiberg".
De "Loopbaan-Detective": Deze tool faalde om de soldaat te markeren. Waarom? Omdat de soldaat alleen weddenschappen op dit ene evenement plaatste en toen stopte. Hij had geen lange staat van dienst, dus de "Loopbaan-Detective" had niet genoeg data om hem "getalenteerd" te noemen.
De "Leak-Meter": Het artikel suggereert dat deze tool had kunnen worden gebruikt om precies te meten hoeveel de weddenschapskansen bewogen voordat het nieuws uitbrak over elk specifiek contract, maar ze hebben de cijfers in dit artikel niet daadwerkelijk berekend.

De Les: De "Loopbaan-Detective" miste de soldaat omdat hij een eenmalige speler was. De "Eenmalige Bezoeker"-detector ving hem. Maar geen van beide tools kon ons vertellen hoeveel de kansen bewogen voordat het nieuws uitkwam (wat de "Leak-Meter" zou doen).

De Voorgestelde Oplossing: Een Veiligheidsproces in Drie Fasen

De auteur stelt voor dat we, in plaats van te vertrouwen op slechts één zaklamp, een veiligheidssysteem met drie fasen moeten bouwen:

Fase 1 (De Filter): Gebruik de "Eenmalige Bezoeker"-detector en de "Loopbaan-Detective" (maar gescheiden per categorie, bijvoorbeeld: meng sportweddelaars niet met politieke binnenstaanders) om een "Watch List" van verdachte accounts te creëren.
Fase 2 (De Meter): Neem de markten waar deze verdachte accounts wedden en gebruik de "Leak-Meter" om te zien of de kansen vreemd bewogen voordat het nieuws uitkwam.
Fase 3 (De Mens): Als een account op de Watch List staat EN de kansen vreemd bewogen, stuur het dan naar een menselijk onderzoeker (zoals een politieagent of toezichthouder) om te beslissen of het daadwerkelijk een misdrijf is.

Wat het Artikel Zegt dat We Nog Steeds Niet Weten

Het artikel eindigt met de erkenning dat er nog drie grote gaten in onze kennis zitten:

Verwarrende Regels: Soms beweegt de markt omdat mensen verward zijn over de regels van de weddenschap, en niet omdat iemand geheime informatie heeft. We hebben nog geen goede manier om het verschil te maken.
Ontbrekende Data: Om valsspelers in real-time te vangen, moeten we elke enkele weddenschap volgen terwijl deze gebeurt. Momenteel zien we de data vaak pas na het evenement.
Teamwerk: We hebben geen goede manier om te ontdekken of een groep mensen samenwerkt over verschillende markten om de kansen te bewegen.

Samenvatting

Het artikel is een "Gebruikershandleiding" voor het vangen van valsspelers in voorspellingsmarkten. Het zegt: Gebruik niet zomaar één tool. Je hebt de "Loopbaan-Detective" nodig om de professionals te vinden, de "Eenmalige Bezoeker"-detector om de sluwe dieven te vinden, en de "Leak-Meter" om de schade te meten. Alleen door alle drie samen te gebruiken kun je een duidelijk beeld krijgen van wat er echt gebeurt.

1. Probleemstelling

Decentralisatie voorspellingmarkten (bijv. Polymarket) hebben aanzienlijke bewijzen verzameld van geïnformeerd handelen, waaronder gevallen met geclassificeerde overheidsinformatie (bijv. de 2026 VS-Venezuela-operatie). De academische literatuur mist echter een unifyend kader om dergelijk handelen op te sporen. Bestaande benaderingen verwarren vaak verschillende soorten "vaardigheid" (bijv. expertise in sportweddenschappen versus insidertrading) of opereren op onverenigbare niveaus van granulariteit (wallet-niveau versus marktniveau).

Het kernprobleem dat wordt aangepakt, is de methodologische fragmentatie bij het opsporen van geïnformeerd handelen. Drie verschillende benaderingen ontstonden in april 2026 (Mitts & Ofir; Gomez-Cram et al.; Nechepurenko) die dezelfde empirische realiteit adresseren maar op verschillende lagen opereren. Het artikel betoogt dat dit geen concurrerende methoden zijn, maar aanvullende detectielagen die moeten worden gecombineerd om een robuuste surveillancepijplijn te vormen.

2. Methodologisch Kader

Het artikel organiseert detectiemethodologieën in drie structurele lagen gebaseerd op granulariteit, timing en output:

A. Laag 1: Wallet-niveau Anomalie & Vaardigheidsclassificatie

Composite Anomaly Screen (Mitts & Ofir, 2026): Aggregeert kenmerken (inzetgrootte, winstgevendheid, timing) om paren van (wallet, markt) te scoren. Het is retrospectief en schat de totale anormale winst in ($143 miljoen), maar kan vaardigheid niet onderscheiden van geluk en biedt geen real-time signalen.
Sign-Randomization Skill Classifier (Gomez-Cram et al., 2026):
- Mechanisme: Voor rekeningen die ≥10 evenementen verhandelen, randomiseert het de koop/verkoop-richting van transacties 10.000 keer terwijl het evenement, de grootte en de timing vastgehouden worden. Het vergelijkt de gerealiseerde PnL met deze nulverdeling.
- Output: Classificeert rekeningen als "vaardige winnaars", "gelukkige winnaars", "ongelukkige verliezers" of "onvaardige verliezers".
- Beperking: Het meet persistente directionele vaardigheid, conditioneel op de selectie van kansen, niet insidertrading. Het sluit per ontwerp "one-shot" insiders uit (rekeningen aangemaakt voor één enkel evenement).
Lifecycle-and-Conviction Heuristiek (Gomez-Cram et al., 2026):
- Mechanisme: Markeert rekeningen die binnen 7 dagen na een evenement zijn aangemaakt, uitsluitend dat evenement verhandelen, met een hoge volume/winst, en na de uitkomst inactief worden.
- Output: Een binaire vlag voor vermoedelijke "one-shot" insiders.
- Beperking: Hoge recall voor insiderpatronen, maar onbekende precisie (hoog risico op vals-positieven door Sybil-farms of nieuwe gebruikers).

B. Laag 2: Marktniveau Informatielekage

Information Leakage Score (ILS / ILSdl) (Nechepurenko, 2026b,a):
- Mechanisme: Kwantificeert het fraction van de prijsbeweging bij afloop ( $p_{T_{resolve}} - p_{T_{open}}$ ) die al was ingeprijsd voordat het publieke nieuwsgebeurtenis plaatsvond ( $T_{news}$ ).
- Formule: $ILS(M) = \frac{p(T_{news}^-) - p(T_{open})}{p_{T_{resolve}} - p(T_{open})}$ .
- Scope-voorwaarden: Vereist substantiële onzekerheid bij opening, een niet-triviale totale beweging en robuustheid tegen verstorende ankers.
- Output: Een score per markt (bijv. 0,6 impliceert dat 60% van de beweging vooraf was ingeprijsd).
- Beperking: Identificeert niet welke wallets de lekage veroorzaakten; is afhankelijk van een accurate herwinning van tijdstippen van publieke gebeurtenissen.

3. Belangrijkste Bijdragen

Taxonomie van Detectie: Het artikel stelt vast dat deze methoden verschillende vragen beantwoorden:
- Sign-randomisatie: "Heeft deze rekening herhaalde directionele vaardigheid aangetoond?"
- Lifecycle-heuristiek: "Vertoont deze rekening het gedragskenmerk van een one-shot insider?"
- ILS: "Hoeveel informatie is in dit specifieke contract vooraf ingeprijsd?"
Kritiek op "Platform-brede" Vaardigheid: De auteur betoogt dat een enkele classificatie als "vaardige winnaar" mechanisme-ambigu is, omdat Polymarket categorieën (Sport, Politiek, Crypto) met fundamenteel verschillende informatietechnologieën mengt. Een "vaardigheid" in NBA props (nieuwsinname) is verschillend van geopolitieke insidertrading. Het artikel pleit voor categorische decompositie voordat deze metrieken voor surveillance worden gebruikt.
Reproduceerbaarheid & Data-beperkingen: Het artikel benadrukt dat hoewel de methodologie van Gomez-Cram et al. in principe reproduceerbaar is, de specifieke rekeninglabels (de 1.950 gemarkeerde insiders) en categorische decomposities nog niet zijn vrijgegeven, wat de directe operationele toepassing beperkt.
Integratie van Casestudie (Maduro/Venezuela Cluster): Het artikel analyseert de operatie van januari 2026 tussen de VS en Venezuela (Operation Absolute Resolve) en de daaropvolgende aanklacht tegen Master Sergeant Gannon Van Dyke.
- Overeenstemming: De lifecycle-heuristiek markeerde drie rekeningen; de PnL van de leidende rekening ($409.882) kwam tot op de dollar overeen met de vermeende winst uit de aanklacht van het Ministerie van Justitie ($409.881).
- Kloof: De sign-randomisatie-classifier miste deze rekeningen (aangezien het one-shot-handelaars waren), en de aanklacht van het Ministerie van Justitie kwantificeerde niet de lekage per contract.
- Synthese: De lagen stapelen: de heuristiek identificeert het wie, het juridische onderzoek bevestigt het wat (MNPI), en ILS zou het hoeveel per contract kwantificeren.

4. Resultaten & Bevindingen

Persistente Vaardigheid: De sign-randomisatie-classifier vond dat 3,14% van de rekeningen "vaardige winnaars" zijn, wat meer dan 30% van de platformwinsten omvat. Deze vaardige rekeningen toonden 44% out-of-sample persistentie, significant hoger dan vermogensbeheerders van beleggingsfondsen.
Validiteit van Heuristiek: In de Maduro-casestudie identificeerde de lifecycle-heuristiek succesvol de rekeningen die geassocieerd waren met de aangeklaagde insider, wat een hoge recall aantoont voor gevallen die overeenkomen met handhaving, hoewel de precisie over de volledige populatie van 1.950 gemarkeerde accounts nog niet is geverifieerd.
Methodologische Kloven:
- Onzekerheid over Resolutiecriteria: Markten kunnen verkeerd worden geprijsd door ambiguïteit in resolutieregels (bijv. "Zijn troepen Iran binnengekomen?"), wat statistische modellen kunnen misinterpreteren als insidertrading of gebrek aan vaardigheid.
- Infrastructuur: Real-time surveillance wordt momenteel geblokkeerd door het ontbreken van continue datacollectie per transactie (beperkingen van The Graph subgraph), wat dwingt tot reliance op retrospectieve analyse.
- Coördinatie tussen Markten: Huidige methoden detecteren geen gecoördineerd handelen over gerelateerde markten (bijv. meerdere Venezuela-contracten) voorafgaand aan een gebeurtenis.

5. Betekenis & Voorgestelde Pijplijn

Het artikel stelt een driefasige surveillancepijplijn voor om deze lagen te integreren:

Fase 1 (Triage): Risicoscore voor rekeningen per categorie. Combineert sign-randomisatie (voor multi-event vaardigheid) en lifecycle-heuristieken (voor one-shot patronen), gewogen per categorie (bijv. geopolitiek risico > sportrisico).
Fase 2 (Kwantificering): Per-markt ILSdl-score voor markten waar gemarkeerde rekeningen significante posities houden. Dit kwantificeert de omvang van de informatielekage.
Fase 3 (Review): Menselijke compliance-review van contracten die zowel Fase 1 (verdachte wallets) als Fase 2 (hoge lekage) doorlopen.

Conclusie:
Het artikel concludeert dat geen enkele methodologie afdoende is. Sign-randomisatie identificeert persistente vaardigheid maar mist one-shot insiders; lifecycle-heuristieken vangen one-shots maar missen precisie; ILS kwantificeert lekage maar mist wallet-toewijzing. Een gecombineerde aanpak, geworteld in categorisch specifieke analyse en ondersteund door juridische handhavingsbenchmarks (zoals de Van Dyke-aanklacht), biedt het meest robuuste pad voor regulerende technologie (RegTech) in decentrale voorspellingmarkten. Het werk benadrukt dat, hoewel de academische bijdragen substantieel zijn, hun operationalisering vrijgave van onderliggende datalabels vereist en het aanpakken van infrastructuurgaten in continue datacollectie.