💰 quantitative finance

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

本文认为，检测去中心化预测市场中知情交易的三种不同方法学途径——账户级技能筛选、启发式内幕标记以及按市场信息泄露评分——是互补的检测层面而非相互竞争的方法，并展示了如何通过整合它们构建联合流程以提升检测精度。

原作者： Maksym Nechepurenko

发布于 2026-05-05

📖 1 分钟阅读☕ 轻松阅读

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的庞大全球博彩大厅。这里的人们押注各种各样的事件，从“谁将赢得超级碗？”到“某位特定政客是否会被弹劾？”，再到“明天伦敦会下雨吗？”

最近，一个重大问题一直困扰着这个博彩大厅：是否有人在作弊？ 是否存在“内部人士”利用秘密的私有信息，在我们甚至还不知道新闻发生之前就已经赢钱？

2026 年 4 月，三组不同的研究人员带着三把不同的“手电筒”出现，试图找出这些作弊者。本文是一本指南，解释这些手电筒如何工作、为何它们各不相同，以及你如何需要将它们结合起来使用，才能真正抓住坏人。

以下是用简单术语进行的分解：

三把手电筒（方法论）

该论文认为，这三种方法并非相互竞争；它们是从三个不同的角度审视同一个问题。

1. “职业侦探”（信号随机化）

谁在使用： Gomez-Cram 及其同事。
工作原理： 想象你是一位教练，正在观察一名篮球运动员整个赛季的表现。你会问：“这名球员真的很厉害，还是仅仅运气好？”
- 他们提取一名交易者所有的下注历史。
- 他们运行计算机模拟，将每笔下注的“赢/输”按钮随机翻转 10,000 次。
- 如果交易者的真实盈利远好于仅凭随机猜测所得的结果，他们就会被标记为**“技术娴熟”**。
局限性： 这仅适用于那些下了很多注的人（至少涉及 10 个不同的事件）。
- 类比： 如果一个窃贼只闯入银行一次，偷走一百万美元，然后消失，这位“职业侦探”是抓不到他的。侦探需要长期的记录来证明该窃贼是“技术娴熟”的，而不仅仅是运气好。
- 问题： 论文指出，Polymarket 有各种不同类型的下注（体育、加密货币、政治）。一个“技术娴熟”的体育赌徒（了解球员伤病情况）看起来与一个“技术娴熟”的政治内部人士（了解秘密军事计划）并无二致。将它们混在一起，使得很难分辨谁实际上在作弊。

2. “一次性访客”探测器（生命周期启发式）

谁在使用： Gomez-Cram 及其同事（来自同一团队的第二个工具）。
工作原理： 这旨在寻找“一次性”作弊者。
- 它会标记符合以下条件的账户：
  1. 在大事件发生前几天才创建。
  2. 仅针对那一个事件进行重注。
  3. 事件结束后立即停止下注。
局限性： 这是一个“可疑行为”警报，而非有罪证明。
- 类比： 想象一名保安看到有人买了一张票，径直走向 VIP 包厢，把所有钱都押在一匹马上，然后消失。这很可疑！但这也可能是一个兴奋的新粉丝、一个机器人程序，或者是为了隐私而试图隐藏身份的人。论文指出，我们并不确切知道这些“可疑”人中有多少实际上是 guilty 的内部人士。

3. “泄露计”（信息泄露分数 - ILS）

谁在使用： Nechepurenko。
工作原理： 这不看人，而是看赔率线（赔率）。
- 想象一条新闻在上午 10:00 发布，称“总统已辞职”。
- 该工具检查上午 9:59 的赔率。
- 问题： “在新闻公开之前，赔率移动了多少？”
- 如果上午 9:00 的赔率是 50/50，而到 9:59 跳到了 90%，那么“泄露计”会说：“嘿，有人在新闻发布之前就知道这件事要发生了！”
局限性： 它告诉你有信息泄露，但没告诉你谁泄露的。这就像听到厨房里有巨大的撞击声，却不知道是哪个孩子打碎了花瓶。

现实世界的测试案例：“马杜罗”行动

该论文使用一个现实生活中的例子来展示这些工具如何叠加使用。2026 年初，美国有一项涉及委内瑞拉的秘密军事行动。

法律案件： 美国司法部（DOJ）逮捕了一名名叫 Gannon Van Dyke 的士兵。他们证明他利用秘密军事计划下注，获利409,881 美元。
“一次性访客”探测器： 该工具标记了三个账户。其中一个账户的获利恰好是409,882 美元。时间和金额与该士兵的罪行完美匹配。该工具成功地在“干草堆”中找到了“针”。
“职业侦探”： 该工具未能标记出这名士兵。为什么？因为该士兵只针对这一事件下注，然后就停止了。他没有长期的历史记录，因此“职业侦探”没有足够的数据称他为“技术娴熟”。
“泄露计”： 论文建议，该工具本可以用来衡量在新闻发布之前，每个具体合约的赔率究竟移动了多少，但在这篇论文中他们实际上并没有运行这些数字。

教训： “职业侦探”错过了这名士兵，因为他是一个一次性玩家。“一次性访客”探测器抓住了他。但这两个工具都无法告诉我们新闻发布前赔率移动了多少（这是“泄露计”会做的）。

拟议的解决方案：三阶段安全管道

作者建议，与其只依赖一把手电筒，不如建立一个包含三个阶段的安全系统：

阶段 1（过滤器）： 使用“一次性访客”探测器和“职业侦探”（但按类别分开，例如，不要将体育赌徒与政治内部人士混在一起），创建一个可疑账户的“观察名单”。
阶段 2（计量器）： 针对这些可疑账户下注的市场，使用“泄露计”来查看赔率在新闻发布前是否出现了异常移动。
阶段 3（人工）： 如果一个账户在观察名单上，并且赔率出现了异常移动，则将其发送给人类调查员（如警察或监管机构），以决定是否构成犯罪。

论文指出我们仍不知道的三件事

论文最后承认，我们的知识中仍有三个巨大的漏洞：

令人困惑的规则： 有时市场的波动是因为人们对下注的规则感到困惑，而不是因为有人拥有秘密信息。我们目前还没有很好的方法来区分这两者。
数据缺失： 要实时抓住作弊者，我们需要追踪每一笔发生的下注。目前，我们通常只能在事件结束后才能看到数据。
团队合作： 我们还没有很好的方法来发现是否有一群人跨不同市场合作以操纵赔率。

总结

这篇论文是一本“用户手册”，旨在捕捉预测市场中的作弊者。它说：不要只使用一种工具。 你需要“职业侦探”来发现专业人士，需要“一次性访客”探测器来发现潜行的窃贼，需要“泄露计”来衡量损害。只有将这三者结合起来使用，你才能看清到底发生了什么。

以下是 Maksym Nechepurenko（2026 年 5 月）预印本《去中心化预测市场中的知情交易：每市场信息泄露与订单流技能——两种方法论视角》的详细技术摘要。

1. 问题陈述

去中心化预测市场（如 Polymarket）已积累大量知情交易的证据，包括涉及机密政府信息的案例（例如 2026 年美国与委内瑞拉的行动）。然而，学术文献缺乏检测此类交易的统一框架。现有方法往往混淆不同类型的“技能”（例如体育博彩专长与内幕交易），或在互不兼容的粒度层级上运作（钱包层级与市场层级）。

本文解决的核心问题是检测知情交易中的方法论碎片化。2026 年 4 月出现了三种截然不同的方法（Mitts & Ofir；Gomez-Cram 等人；Nechepurenko），它们针对相同的实证现实，但作用于不同的层面。本文认为，这些并非相互竞争的方法，而是必须结合使用的互补检测层，以构建稳健的监控流程。

2. 方法论框架

本文根据粒度、时间和输出，将检测方法组织为三个结构层：

A. 第 1 层：钱包级异常与技能分类

综合异常筛查（Mitts & Ofir, 2026）： 聚合特征（下注规模、盈利能力、时机）对（钱包，市场）对进行评分。该方法具有回顾性，可估算异常利润总额（1.43 亿美元），但无法区分技能与运气，也无法提供实时信号。
符号随机化技能分类器（Gomez-Cram 等人，2026）：
- 机制： 对于交易 $\ge$ 10 个事件的账户，在保持事件、规模和时机不变的情况下，将交易的买入/卖出方向随机化 10,000 次。它将实现的盈亏与该零分布进行比较。
- 输出： 将账户分类为“技能型赢家”、“运气型赢家”、“不幸输家”或“无技能输家”。
- 局限性： 它衡量的是在机会选择条件下的持续性方向技能，而非内幕交易。按设计，它排除了“一次性”内幕交易者（仅为单一事件创建的账户）。
生命周期与信念启发式（Gomez-Cram 等人，2026）：
- 机制： 标记那些在事件发生前 7 天内创建、仅交易该事件、具有高交易量/利润，并在事件解决后进入休眠状态的账户。
- 输出： 针对疑似“一次性”内幕交易者的二元标记。
- 局限性： 对内幕交易模式具有高召回率，但精确度未知（来自 Sybil 农场或新用户的假阳性风险较高）。

B. 第 2 层：市场级信息泄露

信息泄露分数（ILS / ILSdl）（Nechepurenko, 2026b,a）：
- 机制： 量化在公开新闻事件（ $T_{news}$ ）之前已计入价格的终端价格变动（ $p_{T_{resolve}} - p_{T_{open}}$ ）的比例。
- 公式： $ILS(M) = \frac{p(T_{news}^-) - p(T_{open})}{p_{T_{resolve}} - p(T_{open})}$ 。
- 范围条件： 要求开盘时存在实质性不确定性、总变动非微不足道，且对锚点扰动具有鲁棒性。
- 输出： 每个市场的分数（例如，0.6 意味着 60% 的变动是提前布局的）。
- 局限性： 无法识别是哪些钱包导致了泄露；依赖于准确恢复公开事件的时间戳。

3. 主要贡献

检测分类学： 本文确立了这些方法回答的是不同的问题：
- 符号随机化： “该账户是否展示了重复的方向性能力？”
- 生命周期启发式： “该账户是否表现出一次性内幕交易者的行为特征？”
- ILS： “有多少信息被提前注入到这个特定合约中？”
对“平台级”技能的批判： 作者认为，单一的“技能型赢家”分类是机制模糊的，因为 Polymarket 混合了具有根本不同信息技术的类别（体育、政治、加密货币）。NBA 附加赛（新闻摄入）中的“技能”与地缘政治内幕交易截然不同。本文主张在使用这些指标进行监控之前，先进行类别条件分解。
可复现性与数据约束： 本文强调，虽然 Gomez-Cram 等人的方法论原则上是可复现的，但具体的账户标签（1,950 个被标记的内幕交易者）和类别条件分解尚未发布，限制了即时的实际操作使用。
案例研究整合（马杜罗/委内瑞拉集群）： 本文分析了 2026 年 1 月的美国 - 委内瑞拉行动（“绝对解决行动”）以及随后对 Gannon Van Dyke 军士长的起诉。
- 一致性： 生命周期启发式标记了三个账户；主导账户的盈亏（409,882 美元）与司法部起诉书指控的利润（409,881 美元）精确到美元。
- 差距： 符号随机化分类器错过了这些账户（因为它们是“一次性”交易者），且司法部起诉书未量化每个合约的泄露程度。
- 综合： 各层叠加：启发式识别谁，法律调查确认什么（重大非公开信息），而 ILS 将量化每个合约的多少。

4. 结果与发现

技能持续性： 符号随机化分类器发现 3.14% 的账户是“技能型赢家”，捕获了超过 30% 的平台收益。这些技能型账户表现出 44% 的样本外持续性，显著高于共同基金经理。
启发式有效性： 在马杜罗案例研究中，生命周期启发式成功识别了与被起诉内幕交易者相关的账户，展示了针对执法对齐案例的高召回率，尽管在整个 1,950 个被标记群体中的精确度仍有待验证。
方法论差距：
- 解决标准不确定性： 市场可能因解决规则的模糊性（例如，“部队是否进入伊朗？”）而错误定价，统计模型可能将此误解为内幕交易或缺乏技能。
- 基础设施： 实时监控目前因缺乏连续的单笔交易数据收集（The Graph 子图限制）而受阻，迫使依赖回顾性分析。
- 跨市场协调： 当前方法无法检测事件发生前相关市场（例如，多个委内瑞拉合约）之间的协调交易。

5. 意义与拟议流程

本文提出了一个三阶段监控流程以整合这些层级：

阶段 1（分诊）： 类别条件账户风险评分。结合符号随机化（针对多事件技能）和生命周期启发式（针对一次性模式），并按类别加权（例如，地缘政治风险 > 体育风险）。
阶段 2（量化）： 在被标记账户持有重大头寸的市场上进行每市场 ILSdl 评分。这量化了信息泄露的幅度。
阶段 3（审查）： 对人类合规人员审查同时通过阶段 1（可疑钱包）和阶段 2（高泄露）的合约。

结论：
本文结论指出，单一方法论不足以应对。符号随机化识别持续性技能但错过一次性内幕交易者；生命周期启发式捕捉一次性交易者但缺乏精确度；ILS 量化泄露但缺乏钱包归属。一种结合的方法，基于特定类别的分析，并得到法律执法基准（如 Van Dyke 起诉案）的支持，为去中心化预测市场的监管科技（RegTech）提供了最稳健的路径。本文强调，虽然学术贡献巨大，但其实际操作需要发布底层数据标签，并解决连续数据收集方面的基础设施差距。