Polymarket 预测市场的交易方向测量有多准确？

公开记录报告的是结算吃单方方向

论文提出的测量问题很具体：当 Polymarket 公开成交记录显示一笔交易是买入或卖出时，这个方向是否就是真正发起该交易订单的方向？检验方法是用每条记录携带的交易哈希在链上定位同一笔交易的结算，再将记录与该结算的吃单方腿进行比较。

在 2026 年 4 月至 8 月间选取的十二个交易日中，样本跨越两代交易所，92.1% 至 100.0% 的成交记录能在自身哈希下匹配到已结算的吃单方腿。在 2450 万对匹配记录中，方向与代币从未出现不一致。99.9% 的配对规模一致到 10^-6，所有配对价格一致到半美分，论文将其归因于按美分取整。

5 月至 8 月的八个交易日最为干净：99.8% 至 100.0% 的成交记录匹配成功。跨越第一代向第二代交易所迁移的四个 4 月交易日，匹配率为 92.1% 至 96.8%。在迁移前的两个交易日，成交事件不含方向字段，方向由订单挂单方交付的资产推导，匹配结果相同。

铸造与合并结算使吃单方腿不可替代

Polymarket 结算大多数吃单订单的方式是铸造或合并完整组合，而非与同一代币上的挂单撮合。按笔数计，53.5% 至 73.8% 的已结算交易为铸造，17.9% 至 27.1% 为互补撮合，1.8% 至 3.7% 为合并，4.2% 至 8.1% 为混合。

这一结构对任何构建方向基准的人都很重要。在铸造中，每一条腿都是买入，挂单方腿在互补代币上携带吃单方方向。因此按代币汇总所有结算腿，会把铸造中的挂单方计为另一结果的买方，从而高估买入占比。吃单方腿的买入占比为 80.6% 至 85.6%；全部腿的买入占比为 84.7% 至 88.4%。

同样的汇总问题也出现在单元级一致性上。将资产按五秒单元内的所有结算腿汇总，再与公开记录比较，86.8% 至 90.9% 的单元一致，低于 0.906 至 0.947 的多数基线。与吃单方腿比较时，93.1% 至 97.8% 的单元一致，而逐笔比较时公开记录方向 100% 一致。论文指出，剩余单元不一致并不能作为公开记录方向的证据，因为公开记录单元使用接收时间，而结算单元使用区块时间。

四种规则在同一评分样本上比较

论文比较了四种推断交易方向的方法。Lee-Ready 将高于当时中点的成交记为买入，低于中点记为卖出，恰好等于中点时用 tick test 判定。报价规则将等于或高于卖价的成交记为买入，等于或低于买价的记为卖出，价差内部用 tick test 判定。tick test 将价格与该资产上一笔成交比较，并将最后一个非零方向延续穿过零变动。批量成交量分类根据五秒柱内最后价格变动除以二十柱滚动标准差，为每个五秒柱分配买入占比，再将该多数方向赋予柱内成交。

一个关键设计选择是：方向在每条缓存日度记录的全部成交上构建，然后再与结算真值连接，因此未匹配成交仍保留在 tick 历史和五秒柱中。只有哈希匹配的成交才能被评分。论文将这种可实施的基于公开记录的历史与仅对匹配成交赋方向的结算过滤构建区分开来，并同时报告两者。

主要排名使用四种规则都赋方向的交集，因此每种规则面对完全相同的真值观测和类别构成。该交集包含 16,615,817 条成交，按日覆盖匹配成交的 57.7% 至 72.2%。在该共同样本上，等日平衡准确率为 Lee-Ready 0.942、tick test 0.768、回顾性批量成交量分类诊断 0.670。Lee-Ready 在每个抽样日都领先，但其得分范围为 0.901 至 0.959。

准确率本身无法为规则排序

论文的核心方法论观点是：分类得分不足以证明交易成本测量的可靠性。错误方向会把 2s(p-m) 改变 -4s(p-m)，因此成交价格远离中点的误差比靠近中点的误差后果更大。真正重要的是误差加权的带符号结果，而非误差频率。

自身样本得分说明了资格条件如何改变图景。Lee-Ready 自身平衡准确率为 0.954，覆盖率 100.0%；报价规则为 0.953，覆盖率 99.8%；tick test 为 0.735，覆盖率 96.0%；批量成交量分类为 0.670，覆盖率 67.8%。在共同样本上，tick test 的平衡准确率升至 0.768，论文称这表明评分总体效应不应被误认为构建改进。

论文还在平衡准确率旁报告了 Matthews 相关系数，因为当一方占主导时，原始准确率是误导性得分。在共同样本上，Matthews 相关系数为 Lee-Ready 0.809、报价规则 0.799、tick test 0.409、批量成交量分类 0.260。

方向误差推高有效价差

经济比较在相同合格成交上使用三个会计量，均以每份抵押品的美分计，且均为全价差量，不含费用、返佣和库存成本。有效价差为 2a(p-m)，已实现价差为 2a(p-m')，五分钟中点冲击为 2a(m'-m)，其中 p 为成交价格，m 为之前交付的中点，m' 为五分钟后的缓存中点，a 为方向。三者满足有效价差等于已实现价差加中点冲击。

在 1640 万条相同合格成交上，等成交权重下 Lee-Ready 使有效价差上升 0.429 美分/股，而已实现价差差异为 -0.209 美分。论文解释了这种不对称：对于有效且未交叉的当前报价，偏离中点的 Lee-Ready 误差属于错误方向成交，会机械地推高有效价差，而已实现价差或中点冲击并不存在类似的扭曲方向。

已实现价差结果还说明为何带符号差异不能由绝对误差替代。逐笔正负差异大部分相互抵消：平均绝对配对距离为 6.786 美分，而均值之间的带符号差异仅为 -0.209 美分。论文指出，有效价差结果并不意味着在另一种权重下会出现类似的已实现价差或中点冲击扭曲。

权重与并列记录会翻转冲击方向

在成交量份额权重下，吃单方五分钟中点冲击为 0.689 美分，而 tick test 和批量成交量分类分别为 -0.374 和 -0.119 美分。这一总体方向反转是依赖权重的结果，论文检验了它的稳健性。

剔除并列评分成交后保留 910 万条观测，总体结论发生变化：吃单方、tick 和批量的成交量加权冲击均为正，分别为 0.955、0.102 和 0.181 美分。每日 tick 和批量反转降至五次和两次。论文明确指出，主要总体方向反转对这一选择敏感，且该检验在赋方向历史中保留并列观测，既未恢复交易所顺序，也未确定哪种评分总体更优。

论文还报告了其他敏感性检验。将当前报价限制为年龄不超过一秒，仍保留 tick 和批量的负总体冲击，并分别给出九个和七个每日反向符号，但 Lee-Ready 此时反转了一个日均值。用链上价格替代后，冲击按构造不变，Lee-Ready 的等成交有效扭曲仅从 0.429 变为 0.425 美分。

一笔成交展示方向误差如何增加四美分

论文详细记录了一次观测到的赋方向误差。2026 年 7 月 17 日 15:36:43.018 UTC，一条缓存记录报告以 0.22 买入 115.07 股。其自身结算确认了相同的买入、代币、价格和规模。160 毫秒前收到的之前交付买价和卖价分别为 0.22 和 0.24，中点为 0.23。因此 Lee-Ready 将该记录判为卖出。

在吃单方方向下有效价差为 -2 美分/股，在 Lee-Ready 下为 +2 美分/股，因此该笔成交的方向误差增加了 4 美分。论文谨慎说明这能说明什么、不能说明什么：负的吃单方带符号距离是相对于交付报价而言，并不能确立执行时的交易所订单簿或一笔盈利交易。

这个例子是总体结果背后的机制，而非孤立的轶事。它说明为何当误差集中在成交价格远离中点处时，即使总体分类得分很高，带符号成本测量仍会移动。

交付报价会计不等于因果冲击

论文反复限定其自身的经济解释。接收时间排序不能识别执行时的交易所订单簿，五分钟带符号中点变动也不是已识别的因果价格冲击或私有信息度量。此处的已实现价差不是经费用调整的盈利估计。

所用报价是资产在成交接收毫秒之前严格最后一次价格变动。同一毫秒的报价被排除，因为其与成交的先后顺序无法确定。未来报价年龄和未来买卖价不可观测，因此有限的缓存中点和日内时间范围不能验证未来订单簿。

样本本身是为跨越档案和交易所变化而选取的十二个交易日，并非交易日的概率样本。同一市场或事件的合约相互依赖，且天数较少限制了超出观测样本的推断。论文将其结果描述为对一个交易所和采集器的可复现测量研究，并明确界定了真值标签和报价所观测的范围。

信任方向字段，重算带符号成本

论文支持的实用区分是验证已有字段与重建缺失字段之间的区别。匹配结算上完全一致的方向和代币确立了公开记录报告的内容：该记录对应结算吃单订单。保留该方向字段的研究者可以直接构建带符号测量。没有成交价格的档案无法实施此处基准测试的基于价格的规则，而没有方向字段的档案必须推断方向。

对于比较方向规则的人，论文自身的排序是 Lee-Ready 在共同样本的平衡准确率上领先，但这一排名并不能转化为统一的成本扭曲。Lee-Ready 的等成交有效价差扭曲完全向上，其已实现价差差异很小且为负，而 tick 和批量的冲击结果取决于是否纳入并列成交记录。

因此论文中最具决策相关性的阈值不是准确率截断值，而是带符号结果、样本和权重的选择。扭曲取决于误差加权的带符号结果、样本选择和权重，论文自身的敏感性检验显示，一旦剔除并列成交记录，tick 和批量的总体方向反转就会消失。权衡这些规则的读者应将有效价差、已实现价差和中点冲击比较视为三个独立问题，而非一个可靠性排名。

本文引用的文献