💰 quantitative finance

ForesightFlow: An Information Leakage Score Framework for Prediction Markets

Este artigo apresenta o ForesightFlow, uma estrutura de Pontuação de Vazamento de Informação para detectar negociação informada em mercados de previsão, e propõe uma extensão ancorada em prazos para abordar as limitações metodológicas reveladas por avaliações empíricas de timestamps de eventos públicos e casos documentados de negociação interna.

Autores originais: Maksym Nechepurenko

Publicado 2026-05-04

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Maksym Nechepurenko

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine uma praça de cidade global e digital onde as pessoas apostam em eventos futuros: "Este político vencerá?" "Esta empresa lançará um novo produto?" "Uma guerra começará até sexta-feira?" Isso é um mercado de previsão. Nesses mercados, o preço de uma aposta atua como uma previsão do tempo para o futuro. Se o preço de "Sim" sobe, significa que a multidão acha que o evento é mais provável de acontecer.

O artigo apresenta uma nova ferramenta chamada ForesightFlow, projetada para identificar quando alguém está trapaceando nessa praça de cidade.

O Problema: O "Insider" na Multidão

Em um mercado justo, todos ficam sabendo de um evento ao mesmo tempo. Mas nesses mercados digitais, porque são anônimos e operam com tecnologia de blockchain, é muito fácil para alguém com informações secretas (um "insider") comprar apostas antes que a notícia chegue ao público.

Pense nisso como uma corrida de cavalos onde um jóquei sabe que o cavalo tem uma perna quebrada antes da corrida começar. Ele compra um bilhete nos outros cavalos, espera a corrida começar e depois lucra uma fortuna quando o favorito cai. O artigo observa que, nos últimos anos, insiders lucraram centenas de milhões de dólares dessa maneira em plataformas como a Polymarket.

O problema é que as formas atuais de pegar esses trapaceiros só funcionam depois que a corrida termina. Quando sabemos quem trapaceou, o dinheiro já foi embora e o "sinal de preço" (a crença do público) já foi distorcido. Precisamos de uma maneira de identificar o trapaceiro enquanto ele está fazendo suas apostas.

A Solução: A "Pontuação de Vazamento"

Os autores construíram um sistema chamado ForesightFlow para atuar como um detector de fumaça para esses mercados. O núcleo desse sistema é uma métrica chamada Pontuação de Vazamento de Informação (ILS).

Aqui está a analogia de como funciona:
Imagine que um filme está prestes a ser lançado.

O Preço de Abertura: Quando o mercado de apostas abre, o preço reflete o que o público sabe agora.
O Evento Noticioso: O momento em que o trailer do filme é oficialmente lançado ao mundo.
A Resolução: O momento em que o filme realmente estreia e a aposta é liquidada.

A Pontuação de Vazamento de Informação faz uma pergunta simples: "Quanto o preço se moveu antes do trailer oficial ser lançado?"

Pontuação de 0: O preço permaneceu estável até o trailer ser lançado. Este é um mercado justo; ninguém sabia nada antes.
Pontuação de 1: O preço saltou até o nível de "vitória" antes mesmo do trailer ser lançado. Isso sugere que alguém sabia o resultado e apostou cedo. A informação "vazou" antes do previsto.

As Regras de "Escopo": Sabendo Quando a Pontuação Funciona

O artigo é muito cuidadoso ao dizer que essa pontuação não funciona para cada aposta individual. Os autores encontraram três regras específicas onde a pontuação é confiável:

A Regra da "Surpresa": A pontuação só funciona se o evento for realmente incerto. Se todos já sabem a resposta (por exemplo, o preço é 99% "Sim" desde o início), um pequeno movimento de preço parece enorme matematicamente, mas é apenas ruído, não trapaça.
A Regra "Prazo" vs. "Evento": Esta é uma descoberta crucial no artigo.
- Mercados de Evento: "X acontecerá?" (por exemplo, "O Presidente assinará um projeto de lei?"). A pontuação funciona bem aqui.
- Mercados de Prazo: "X acontecerá até sexta-feira?" Os autores descobriram que a maioria dos famosos casos de trapaça ocorreu nesses mercados de "Prazo". A pontuação original não funcionava para eles porque a "notícia" é apenas o relógio acabando.
- A Correção: Os autores criaram uma nova versão da pontuação (chamada Deadline-ILS) especificamente para essas apostas de "Acontecerá até sexta-feira?". Essa nova versão compara o preço a uma "expectativa de base" em vez de apenas o preço de abertura.
A Verificação da "Carteira": A pontuação não é suficiente por si só. O sistema também verifica quem está apostando. Se uma carteira totalmente nova (criada há 10 minutos) sem histórico despeja repentinamente uma grande quantia de dinheiro em uma aposta específica logo antes da notícia estourar, isso é um sinal de alerta. Se um trader experiente com um longo histórico fizer isso, pode ser apenas um palpite inteligente.

O Estudo Piloto: O Que Eles Aprenderam

Os autores testaram seu sistema em dados reais. Eles descobriram algumas coisas interessantes:

O Sinal "Falso": Quando tentaram usar um palpite simples para "quando a notícia aconteceu" (em vez de encontrar o artigo real), o sistema ficou confuso e marcou mercados inocentes como culpados. Isso ensinou a eles que precisam encontrar o momento exato em que a notícia estourou para tornar a pontuação precisa.
A Lacuna do "Prazo": Eles perceberam que sua ferramenta original não conseguia pegar os trapaceiros mais famosos porque esses trapaceiros estavam apostando em mercados de "Prazo". Isso os forçou a construir a nova versão "Deadline-ILS".
O Caso "Barak": Eles analisaram um mercado específico sobre uma figura política chamada Barak. Mesmo com a pontuação perfeita, não conseguiram provar que era trapaça apenas olhando o preço. Tiveram que olhar as carteiras e o timing para perceber que o movimento de preço era na verdade pessoas discutindo as regras da aposta, e não pessoas com informações secretas.

O Quadro Geral

O artigo conclui que pegar trapaceiros em tempo real é possível, mas requer um conjunto de ferramentas muito específico:

Uma Pontuação: Para medir o quanto o preço se moveu cedo demais.
Uma Tipologia: Para saber se a aposta é um "Evento" ou um "Prazo" (e usar a matemática correta).
Forense de Carteiras: Para ver se as pessoas apostando parecem insiders (carteiras novas, apostas enormes) ou apenas pessoas comuns.

Os autores lançaram seu código e uma lista de casos conhecidos de trapaça (o inventário "FFIC") para que outros possam usar e melhorar esse sistema. Seu objetivo não é apenas pegar trapaceiros por lucro, mas garantir que esses mercados de previsão permaneçam ferramentas confiáveis para o público, em vez de playgrounds para pessoas com vantagens secretas.

1. Declaração do Problema

Mercados de previsão descentralizados (por exemplo, Polymarket) agregam informações privadas dispersas em sinais de preço, mas operam em uma área cinzenta regulatória com participação pseudônima. Este ambiente facilita o trading informado sobre informações materiais não públicas (MNPI).

A Lacuna: Métodos de detecção existentes (por exemplo, Mitts & Ofir, 2026) são quase exclusivamente post-hoc, dependendo de lucros realizados e resultados de resolução. Eles não oferecem nenhum sinal acionável durante a janela de negociação quando o fluxo informado está movendo os preços.
O Desafio: A detecção em tempo real exige características que sejam causais (observáveis antes da resolução) e rótulos que não vazem informações futuras. Além disso, a estrutura específica de muitos casos de trading interno (contratos baseados em prazos) não se encaixa em modelos padrão de resolução de eventos.

2. Metodologia: O Framework ForesightFlow

O artigo propõe um sistema para detectar fluxo informado em tempo real usando uma combinação de teoria da informação, microestrutura de mercado e forense on-chain.

A. A Pontuação de Vazamento de Informação (ILS)

A inovação central é a Pontuação de Vazamento de Informação (ILS), um gerador de rótulos escalares para mercados binários resolvidos.

Definição: $ILS(M) = \frac{\Delta_{pre}}{\Delta_{total}} = \frac{p(T_{news}) - p(T_{open})}{p(T_{resolve}) - p(T_{open})}$ $I L S (M) = \frac{Δ _{p r e}}{Δ _{t o t a l}} = \frac{p ( T _{n e w s} ) - p ( T _{o p e n} )}{p ( T _{r eso l v e} ) - p ( T _{o p e n} )}$
- $T_{open}$ : Criação do mercado.
- $T_{news}$ : Carimbo de data/hora da primeira menção pública do evento relevante para a resolução (recuperado via URLs de evidência UMA, GDELT ou busca assistida por LLM).
- $T_{resolve}$ : Tempo formal de resolução.
- $p(t)$ : Preço médio do token "SIM".
Interpretação: A ILS quantifica a fração do movimento total de preço que ocorreu antes do evento de notícia pública.
- $ILS \approx 1$ : Precificação antecipada perfeita (vazamento forte).
- $ILS \approx 0$ : O mercado reagiu apenas após a notícia pública.
Base Teórica: Os autores conectam a ILS à decomposição de Murphy da pontuação Brier. Uma ILS alta indica que o componente "Resolução" (poder discriminativo) foi antecipado antes que o conjunto de informações públicas se igualasse.

B. Tipologia de Resolução e Condições de Escopo

Os autores identificam que a ILS é interpretável apenas sob condições estritas, levando a uma classificação tripartida dos mercados:

Resolvido por Evento: Um evento observável específico dispara a resolução (por exemplo, resultados de eleições). A ILS é válida aqui.
Resolvido por Prazo: O mercado resolve como NÃO se um evento não ocorrer até uma data (por exemplo, "X acontecerá até sexta-feira?"). A ILS padrão é inválida aqui porque $T_{news}$ é indefinida ou trivial.
Inclassificável: Esportes, contagens, etc.

Condições de Escopo: Para evitar sinais espúrios, a ILS é relatada apenas se:
- Verificação de Efeito de Borda: O preço de abertura não está próximo do consenso ( $p_{open} \in [0.1, 0.9]$ ).
- Verificação de Resolução Trivial: O movimento total de preço $|\Delta_{total}| > 0.05$ .
- Sensibilidade à Âncora: O valor da ILS deve ser robusto entre diferentes especificações de âncora $T_{news}$ .

C. Pipeline de Características em Tempo Real

Para detectar fluxo antes da resolução, o sistema computa um vetor de características $x(M, t)$ combinando:

Medidas de Microestrutura Adaptadas:
- Desequilíbrio de Ordens (OI): Razões de volume de compra/venda.
- Toxicidade estilo VPIN: Desequilíbrio de fluxo de ordens sincronizado por volume.
- Lambda de Kyle: Impacto de preço estimado por unidade de fluxo de ordens.
- Razão de Variância e Bilateralidade: Diagnósticos para deriva persistente versus ruído temporário (adaptado de Nechepurenko, 2026a).
Características de Carteiras On-Chain:
- Pontuação de Novidade da Carteira: Um composto de idade da carteira, histórico de participação, concentração da fonte de financiamento e momento de entrada relativo à resolução.
Priors Condicionais por Categoria: O sistema foca em três categorias de alto risco: Militar/Geopolítica, Divulgações Corporativas e Decisões Regulatórias.

D. A Extensão ILS-Prazo

Uma descoberta crítica do estudo piloto foi que os casos de insider documentados são predominantemente resolvidos por prazo. O artigo estende a ILS para este domínio:

Mecanismo: Em vez de ancorar a um evento de notícia, a pontuação ancora em uma crença basal bayesiana ( $\theta_{T_{open}}$ ) derivada de um modelo de sobrevivência de hazard constante.
Fórmula: $ILS_{dl} = \frac{p(T_{event}^-) - \theta_{T_{open}}}{p(T_{resolve}) - \theta_{T_{open}}}$ .
Isso permite a detecção de traders informados que sabem que um evento é iminente em um contrato "X acontecerá até a data Y?".

3. Contribuições Principais

Reformulação: Desloca o problema de forense post-hoc para inferência em tempo real, exigindo características causais.
Métrica ILS: Introduz um gerador de rótulos fundamentado teoricamente ligado a regras de pontuação adequadas (decomposição de Murphy).
Tipologia e Escopo: Define limites operacionais estritos (Evento vs. Prazo) para prevenir falsos positivos, validados por dados empíricos.
Arquitetura Híbrida: Combina medidas clássicas de microestrutura (PIN, VPIN) com características únicas de carteiras on-chain (novidade, concentração de financiamento).
Inventário FFIC: Lança um conjunto de validação curado de 8 episódios documentados de trading interno (por exemplo, ataques ao Irã, Ano no Google) mapeados para IDs de mercado específicos.
Extensão de Prazo: Formaliza a extensão do framework para contratos de prazo, abordando a lacuna estrutural na literatura existente.

4. Resultados e Achados Empíricos

O artigo relata um estudo empírico piloto em 725 mercados resolvidos por evento e uma auditoria de validação do inventário FFIC.

Achados Negativos do Piloto:
- O uso de um proxy ancorado na resolução ( $T_{resolve} - 24h$ ) para $T_{news}$ falhou em separar mercados informados de controles.
- Motivo: O proxy estava estruturalmente desalinhado. Para mercados resolvidos por evento, a notícia real frequentemente antecede a resolução por dias, tornando a janela "pré-notícia" na verdade "pós-notícia".
- Sensibilidade à Âncora: Os valores de ILS foram altamente sensíveis à escolha da âncora de tempo, falhando na verificação de robustez.
Estudo de Caso (Mercado Barak):
- Uma análise profunda do mercado "Ehud Barak" mostrou que, embora uma ILS baseada em proxy fosse alta (0,55), o uso do carimbo de data/hora derivado do artigo (lançamento real da notícia) deslocou ligeiramente a ILS, mas revelou que as negociações "iniciais" eram na verdade reativas a notícias públicas ou arbitragem de critérios de resolução, e não a informações privilegiadas.
- Conclusão: A ILS sozinha é insuficiente; deve ser combinada com características ao nível da carteira (por exemplo, identificar carteiras profissionais versus novas) e verificações estritas de escopo.
Auditoria Estrutural:
- A auditoria do inventário FFIC revelou que 100% dos casos de insider documentados foram resolvidos por prazo, ficando fora do escopo original da ILS.
- Isso necessitou da extensão ILS-Prazo (Seção 7) para tornar o framework aplicável aos padrões reais de trading interno.

5. Significado e Trabalhos Futuros

Bem Público: Fornece a primeira ferramenta transparente, replicável e em tempo real de vigilância para mercados de previsão descentralizados, abordando o "paradoxo da autoridade" onde os mercados ganham credibilidade social enquanto possuem microestruturas imaturas.
Ponte Metodológica: Conecta a literatura sobre regras de pontuação adequadas (precisão de previsão) com forense blockchain (detecção de trading informado).
Código Aberto: Os autores lançam o inventário ForesightFlow Insider Cases (FFIC), a tipologia de resolução completa para 911.237 mercados e todo o código do sistema.
Próximos Passos:
- Avaliação empírica completa da ILS-Prazo no cluster de conflito EUA–Irã de 2026 (relatado em um artigo companheiro).
- Treinamento do modelo detector no conjunto de dados refinado e estendido por prazo.
- Abordagem de limites de infraestrutura (por exemplo, falhas do indexador The Graph para mercados de bilhões de dólares).

Conclusão: O ForesightFlow estabelece que o trading informado em mercados de previsão é detectável em tempo real, mas apenas se a metodologia levar em conta a tipologia específica do contrato (prazo vs. evento), usar carimbos de data/hora de notícias robustos e integrar o comportamento de carteiras on-chain com sinais de microestrutura. O framework move o campo da análise retrospectiva de "quem fez o quê" para o monitoramento proativo da integridade do mercado.