💰 quantitative finance

Information Leakage at Population Scale: An Evaluation of the Polymarket Insider-Relevant Subpopulation, 2020-2026

本文评估了信息泄露分数框架在2020年至2026年期间12,708个Polymarket市场中的应用，揭示其有效应用因结算歧义和锚点敏感性低而受到严重限制，从而表明检测知情交易流需要在结算分类和基线校正方面进行方法论改进，而不仅仅是计算分数。

原作者： Maksym Nechepurenko

发布于 2026-05-04

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Maksym Nechepurenko

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个名为Polymarket的巨型全球博彩大厅。人们在这里下注，赌注范围从“总统是否会签署这项法案？”到“这部电影是否会获得奥斯卡奖？”。您正在阅读的这篇论文，旨在调查是否有人利用他们比公众更早知晓的内幕消息进行下注，从而作弊。

作者马克西姆·内切普伦科（Maksym Nechepurenko）开发了一种特殊的“测谎仪”工具，称为信息泄露评分（ILS）。在之前的测试中，该工具仅针对单一特定赌注时表现完美。本文探讨的问题是：当我们试图将其同时应用于成千上万个赌注时，该工具是否依然有效？

以下是他们发现的简要故事。

1. 工具过于挑剔（“过滤器”问题）

作者试图将该工具应用于12,708 个不同的博彩市场，旨在找出“作弊者”（那些利用内幕消息下注的人）。

结果： 该工具仅在其中的88 个市场中有效（不到 1%）。
类比： 想象你有一个金属探测器，本应在一片巨大的田野中寻找金币。你扫遍了整片田野，但机器只在 88 个位置发出蜂鸣声。为什么？因为该机器被设计为仅对完美圆形且闪闪发光的金币发出蜂鸣。
真正的问题： 大多数博彩问题过于混乱。例如，一个赌注可能问：“领导人会被罢免吗？”但“罢免”可能意味着被解雇、辞职或死亡。该工具需要一个单一、清晰的时间点（例如某项法律签署的具体日期）才能运作。如果问题模糊不清，工具就会放弃。
令人惊讶的是： 即使在他们审视的 32 个已知确实发生过作弊的著名案例中，该工具也仅在一个案例中有效。其余 31 个案例对工具而言过于模糊，无法理解。

2. “事件”难以 pinpoint

要抓住作弊者，该工具需要确切知道新闻是在何时爆发的。

问题： 该工具试图利用人工智能来找出新闻故事爆发的确切秒数。它仅在约**58%**的情况下能得出正确的日期。
类比： 这就像试图通过知道小偷确切是哪一秒穿过前门来抓住他。如果你认为他们是下午 2:00 进来的，但实际上是 2:05，你的摄像头就会错过他们。
后果： 由于该工具对确切时间极其敏感，它仅适用于那些新闻发生在单一、清晰时刻的“干净”赌注（例如体育比分）。而在混乱的、政治的或法律的赌注中，该工具会感到困惑。

3. “负面”分数只是数学现象，而非作弊

当该工具最终起作用时，它给出的大多是负面分数。

误解： 起初，作者认为负面分数意味着人们正在反对真相下注（一种奇怪的作弊形式）。
纠正： 作者意识到这仅仅是数学上的把戏。
类比： 想象火箭发射的倒计时器。随着时间流逝而火箭尚未发射，它此刻发射的概率自然会下降。如果火箭在最后的一秒终于发射，博彩市场上的价格看起来就像在飙升前曾崩盘过。该工具看到了这种“崩盘”，便认为这是作弊。
修正： 作者添加了一个“基线修正”（类似于减去自然倒计时效应）。在此修正之后，一些所谓的“作弊”消失了，但在一种特定类型的赌注（监管公告）上，负面分数依然存在。这表明在这些特定赌注中，人们可能确实在新闻爆发前就针对结果进行反向下注。

4. “一刀切”的假设是错误的

该工具假设所有事件都以稳定、可预测的速率发生（就像以恒定速度下雨）。

发现： 数据显示，事件并非以恒定速率发生。有时它们成批发生；有时则耗时良久。
类比： 该工具使用的是“稳定降雨”模型，但现实世界更像是一场“风暴”之后紧接着“干旱”。作者不得不将工具切换为更灵活的模型（称为威布尔分布），以正确处理风暴和干旱。

大局结论

该论文得出结论，这个“测谎仪”工具是真实且有效的，但目前它过于狭隘，无法应用于整个博彩市场。

它在清晰、离散的事件上表现良好（例如"X 队会赢得比赛吗？”）。
它在模糊、复杂的事件上失效（例如“政府会改变其政策吗？”）。

作者表示：“我们发现该工具有效，但我们需要对其进行升级，以处理模糊的问题，并修正关于时间流逝的数学计算。”他们计划在未来的论文（论文 3b）中通过利用更智能的人工智能来理解混乱的问题，并将此工具与其他查看个别下注者钱包的方法相结合，来实现这一目标。

简而言之： 该工具是一把高精度的狙击步枪。如果你有清晰的目标，它能完美运作。但博彩市场充满了模糊、移动的目标，因此这把步枪错过了大多数目标。作者现在正试图制造一种能在迷雾中工作的瞄准镜。

以下是 Maksym Nechepurenko 所著论文《大规模人口层面的信息泄露：2020–2026 年 Polymarket 内幕相关子群体评估》的详细技术摘要。

1. 问题陈述

本文探讨了在去中心化预测市场（特别是 Polymarket）上检测知情交易（内幕交易）的挑战。虽然先前的研究（例如 Mitts & Ofir [2026]、Gómez-Cram 等人 [2026]）已成功利用聚合交易模式在钱包或账户层面识别知情交易者，但仍需要一种市场层面、实时的诊断工具，以便在事件解决之前识别信息泄露。

作者旨在将此前在单个案例中测试过的**信息泄露分数（ILS）**及其截止解决扩展版（ILSdl）扩展到群体层面。核心问题在于确定该框架能否有效检测数千个市场中的知情资金流，或者是否存在结构性限制（如事件定义模糊），导致该方法无法适用于大多数“内幕相关”市场。

2. 方法论

本研究采用严格的多阶段流程，评估了 Polymarket 语料库（2020 年 10 月至 2026 年 4 月）中的 12,708 个候选市场，涵盖三个内幕相关类别：军事/地缘政治、监管决策和企业披露。

A. ILSdl 框架

**信息泄露分数（ILSdl）**量化了市场总价格变动中发生在底层事件公开观察时刻（ $T_{event}$ ）之前的比例。
$ILSdl(M) = \frac{p(T_{event}^-) - p(T_{open})}{p(T_{resolve}) - p(T_{open})}$
其中：

$p(T_{event}^-)$ 是事件发生前一分钟的价格。
$p(T_{open})$ 是开盘价格。
$p(T_{resolve})$ 是最终解决价格（YES 为 1，NO 为 0）。

B. 范围条件与过滤器

为了计算有效分数，市场必须通过四个连续过滤器：

解决类型学：必须是“按截止日解决”（事件在日期 $D$ 前发生）且不可归类为“无法分类”。
结果：必须解决为 YES（NO 结果缺乏可恢复的 $T_{event}$ ）。
$T_{event}$ 恢复：底层事件时间戳必须通过大语言模型（LLM）辅助的多源验证管道恢复，置信度 $\ge 0.7$ 。
范围条件：正向领先时间、边缘效应约束（开盘价格不过于极端）以及锚点敏感性（分数在短窗口锚点偏移下的稳定性）。

C. 风险衰减基线校正

一项关键的方法论创新是引入了经风险衰减调整的分数（ $ILSdl_{adj}$ ）。

问题：在截止日合约中，随着时间推移且事件未发生，价格会机械性地衰减至零（理性的贝叶斯更新）。即使没有内幕交易，这也会在原始 ILSdl 中产生负偏差。
解决方案：作者从观察到的价格中减去了基于生存概率基线（源自 Weibull 风险模型）推导出的预期价格。
$ILSdl_{adj}(M) = \frac{p(T_{event}^-) - E[p(T_{event}^-) | T_{open}, D, \hat{\lambda}]}{p(T_{resolve}) - p(T_{open})}$

D. 验证

真实值：**ForesightFlow 内幕案例（FFIC）**清单（32 个记录在案的内幕交易事件）作为标记验证集。
二次验证：独立的大语言模型（LLM）在 50 个市场的样本上运行，验证 $T_{event}$ 恢复的准确性。

3. 主要贡献与发现

发现 1：结构性排除（“无法分类”类别）

结果：在 12,708 个候选市场中，仅有 0.7%（88 个）产生可计算的 ILSdl 值。
原因：主要排除因素（占 FFIC 清单的 43.8%）是解决标准模糊。诸如“赢得选举”、“被任命为最高领袖”或“被拘留”等谓词的市场缺乏单一、离散的公开时间戳（ $T_{event}$ ）。
含义：该框架的有效领域在结构上比最初设想的要窄。“无法分类”的类别包含真正的歧义，而不仅仅是分类器的噪声。

发现 2：锚点敏感性与样本收窄

结果：在 88 个可计算的市场中，仅有 12 个（13.6%）满足锚点敏感性条件（在短时间窗口内分数稳定）。
验证：独立的 $T_{event}$ 恢复在整体上仅实现了 57.8% 的精确日期一致性（目标为 $\ge 90\%$ ）。离散事件的一致性较高（军事/企业：78.9%），但多阶段流程的一致性较低（监管正式流程：35.7%）。
含义：具有实际操作意义的样本仅限于12 个锚点稳健的市场。由于事件时间模糊，大多数计算出的分数可能是噪声。

发现 3：负偏差与风险校正

结果：原始 ILSdl 中位数在所有子类别中均为负值（范围从 -0.88 到 -0.16）。
解释：起初，这表明市场对结果进行了反向定价。然而，经过风险衰减调整后：
- 监管正式流程（2024 年后）：从 -0.21 变为 -0.02（基本为零）。负值纯粹是理性衰减的结果。
- 监管公告（2024 年后）：保持强烈的负值（-0.80 $\to$ -0.84）。这表明存在真正的“反信息”流动或预定公告中的选择偏差。
- 军事/地缘政治/企业：部分得到校正，但仍保留一些负信号。
含义：原始负分通常是截止机制的产物；需要风险调整后的分数才能进行有效解释。

发现 4：风险率规范

结果：常数风险指数模型（用于先前的单案例研究）被拒绝用于 2024 年后的汇总群体，转而采用 Weibull 分布。
细微差别：当按子类别分析时，指数模型通常拟合得更好。汇总样本中对 Weibull 的偏好是由类别混合（将短截止日公告与长截止日正式流程相结合）驱动的，而非类别内的真实持续时间依赖性。
含义：未来的模型必须对汇总数据使用 Weibull 分布，或者按子类别重新估计风险率。

4. 意义与局限性

意义

范围发现：本文表明，扩展检测框架揭示了单案例研究未能发现的结构性限制（语义歧义）。
方法论完善：它确立了风险衰减校正对于截止日合约至关重要，以区分理性价格衰减和知情交易。
互补检测：市场层面的视角（ILSdl）为狭窄的市场子集提供了实时、进行中的诊断，补充了钱包层面（Mitts & Ofir）和账户层面（Gómez-Cram）的方法，后者虽为事后分析但覆盖更广泛的人群。

局限性与未来工作（论文 3b）

覆盖率：由于类型学和锚点约束，当前框架排除了约 99% 的候选样本。
歧义：“无法分类”的类别需要LLM 辅助重新分类和多锚点扩展（处理多个候选 $T_{event}$ 值），以纳入谓词模糊的市场。
数据：本研究依赖于单次管道运行；未来的工作将在独立快照上进行验证，并整合钱包层面特征（PIN、VPIN 等）以训练梯度提升检测器。

结论

本文结论认为，虽然 ILSdl 框架是可操作的，但其在群体规模上的应用目前仅限于一小部分高度特定的市场（12,708 个中约 12 个），这些市场的事件是离散的、时间戳可恢复的且锚点稳健。扩大检测范围的主要障碍不是分数计算，而是解决语义。作者提出了一条路线图，涉及 LLM 重新分类和多锚点扩展，以在未来工作中扩大该框架的覆盖范围。