論文の概要: Price Dislocations, News Citations, and Epistemic Leverage on Polymarket
- arxiv url: http://arxiv.org/abs/2609.06005v1
- Date: Sat, 05 Sep 2026 10:14:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 11:58:17.455034
- Title: Price Dislocations, News Citations, and Epistemic Leverage on Polymarket
- Title（参考訳）: プライス・ディスロケーション、ニュース・サイテーション、およびポリマーケットにおける疫学レバレッジ
- Authors: Hazem Ibrahim, Yasir Zaki,
- Abstract要約: われわれは、2024年から2025年にかけて1770万件のPolymarket取引をニュース報道にリンクしている。
予測市場について言及した6,990の記事から、LLMをベースとした人間公認のマッカーは、市場確率を引用する1,582の文を抽出し、価格を引用する特定の市場に対する918の属性を抽出する。
我々は、44,976の価格ずれ、集中した片側取引による少なくとも5ポイントの動きを検出し、その後、市場が頻繁に引用されるかどうかを問う。
- 参考スコア（独自算出の注目度）: 0.7792020418343021
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Prediction-market probabilities increasingly appear in news coverage, yet little is known about which market movements become news or how much trading money sits behind the numbers journalists quote. Unlike a poll, a market price can be moved by anyone willing to trade, so the cost of manufacturing a number that circulates as news bears directly on the information environment. We link 173.7 million signed Polymarket trades to news coverage from 2024-2025. From 6,990 articles mentioning prediction-market venues, an LLM-based, human-validated matcher extracts 1,582 sentences quoting market odds and attributes 918 to the specific market whose price they cite. We then detect 44,976 price dislocations, movements of at least five percentage points backed by concentrated one-sided trading, and ask whether a market is cited more often afterward. In the days after a dislocation, a market's citation rate is about 33% higher than its matched baseline (log citation-rate ratio $τ_{\mathrm{cite}}=0.283$, permutation $p=0.001$), robust to binary and Poisson count outcomes. Yet move size is not the strongest predictor of citation: prominence dominates (standardized $β=0.610$ vs. $β=0.159$ for move size). Finally, we combine the dollar flow behind a given price change with observed citation rates into a metric we call epistemic leverage, the dollars needed to move a market five points and have the move cited. It stays near \$0.7-1.0 million across prominence quintiles, because cheaper-to-move markets are proportionally less likely to be cited. The implied threat model centers not on the long tail of cheaply moved markets but on the few prominent markets newsrooms treat as informational infrastructure, where a seven-figure price of influence sits within the budgets of actors with a large stake in the quoted number. We release aggregate event-study data and validation materials.
- Abstract（参考訳）: 予測市場確率はニュース報道でますます高まっているが、どの市場の動きがニュースになるのか、またジャーナリストが引用する数字の裏にどれだけのトレーディングマネーがあるのかは、ほとんど分かっていない。
世論調査とは異なり、市場価格は取引を希望する人なら誰でも移動できるため、ニュースとして流通する数字を製造するコストは情報環境に直接負担する。
われわれは、2024年から2025年にかけて1770万件のPolymarket取引をニュース報道にリンクしている。
予測市場について言及した6,990の記事から、LLMをベースとした人間公認のマッカーは、市場確率を引用する1,582の文を抽出し、価格を引用する特定の市場に対する918の属性を抽出する。
そして、44,976の価格ずれを検知し、一方の取引の集中による少なくとも5パーセントの動きを検出し、その後、市場が頻繁に引用されるかどうかを問う。
転位後、市場の引用率は一致するベースラインよりも約33%高い(log citation-rate ratio $τ_{\mathrm{cite}}=0.283$, permutation $p=0.001$)。
しかし、移動サイズは引用の最も強い予測者ではない: 優位性は支配的である(移動サイズは、標準で$β=0.610$ vs. $β=0.159$)。
最後に、ある価格変動の背後にあるドルの流れと、観察された引用率を、エピステミックレバレッジと呼ばれる指標に合わせる。
価格対移動市場は比例的に引用される可能性が低いため、プロミネンス・クインタイル全体で0.7-1.0M(0.7-1.0M)近くにとどまる。
暗黙の脅威モデルは、安価に移動した市場の長い尾ではなく、数少ない著名な市場ニュースルームが情報基盤として扱い、引用数に大きな利害関係を持つ俳優の予算内に7分の1の影響力がある。
総合的なイベントスタディデータと検証資料をリリースする。
関連論文リスト
- Buy the Rumor, Sell the News: When Is News Priced In? [0.0]
2つの古い市場は、ニュースが発行された時点で既に価格が上がっており、ニュースが売られている間にその噂が買い取られると主張している。
約3000株をカバーする457万件の金融ニュース記事でテストした。
論文 参考訳（メタデータ） (2026-08-14T07:02:41Z) - The Price Reversal Phenomenon: When Cheaper Reasoning Models End Up Costing More [76.93600828673503]
リストAPIの価格設定は、実際のコストに対する信頼性の低いプロキシである。
思考トークンのコストの削減は、ランキングの反転を70%削減します。
この結果から,コスト意識モデル選択と透過的な要求毎のコスト監視の必要性が示唆された。
論文 参考訳（メタデータ） (2026-03-25T06:07:39Z) - Generalized Stock Price Prediction for Multiple Stocks Combined with News Fusion [55.80546131166094]
本稿では,Large Language Models (LLMs) と日次金融ニュースを統合して株価予測を行う手法を提案する。
我々は,事前学習したLLMを用いてニュース記事をエンコードし,ストック関連性に基づいてニュースをフィルタリングする3つのアテンションベースプール手法を実装した。
実験の結果,平均絶対誤差(MAE)はベースラインに比べて7.11%減少した。
論文 参考訳（メタデータ） (2026-03-08T09:05:10Z) - Forecasting Future Language: Context Design for Mention Markets [81.25011140991566]
我々は、参照市場における正確な予測を支援するために、入力コンテキストをどのように設計するかを検討する。
1 より豊かなコンテキストは予測性能を継続的に改善し、(2)市場条件付きプロンプト(MCP)は事前の市場確率を扱い、テキストによる証拠を用いてそれを更新し、より良いキャリブレーションの予測を得る、(3)市場確率とMCP(MixMCP)の混合が市場ベースラインを上回っている、という3つの洞察を得た。
論文 参考訳（メタデータ） (2026-02-04T12:43:31Z) - A Midsummer Meme's Dream: Investigating Market Manipulations in the Meme Coin Ecosystem [57.92093214580746]
我々は,ミーム硬貨のトケノミクスを特徴付け,その成長を3ヶ月の縦断解析で追跡する。
市場関心の誤解を招きかねない外観を生み出すために設計された人工的な成長戦略の広範な活用の証拠を見いだす。
関連するトークンの多くは以前、洗面用トレーディング(LPI)を経験しており、初期操作が後の搾取の舞台となることがしばしばあったことを示している。
論文 参考訳（メタデータ） (2025-04-16T13:54:42Z) - Market-Derived Financial Sentiment Analysis: Context-Aware Language Models for Crypto Forecasting [0.15833270109954134]
本稿では,短期的価格トレンドに基づく市場からのラベリング手法を提案する。
ドメイン固有言語モデルはこれらのラベルに基づいて微調整され、短期トレンド予測精度が最大11%向上した。
以上の結果から,言語モデルが短期市場予測に有効であることが示唆された。
論文 参考訳（メタデータ） (2025-02-17T21:35:18Z) - Semi-strong Efficient Market of Bitcoin and Twitter: an Analysis of Semantic Vector Spaces of Extracted Keywords and Light Gradient Boosting Machine Models [3.1804434212808834]
本研究は,5年間の変動期間におけるビットコイン市場における効率的市場仮説の検証を延長するものである。
ターゲットトピック"Bitcoin"を含む28,739,514の資格付きツイートを分析します
以上の結果から, 78.06% (83.08%), 84.63% (87.77%), 94.03% (94.60%) の時間帯, 4時間ごと, 毎日の強気(ビーリッシュ)市場の動きは, オーガニックツイート内での公開情報によるものであることが示唆された。
論文 参考訳（メタデータ） (2024-09-24T11:42:23Z) - On Quantifying Sentiments of Financial News -- Are We Doing the Right
Things? [0.0]
一部の研究者は、株式市場のリターンを予測するためにニュースベースの市場指標を開発した。
ニュース感情分析の分野での研究の大部分は、Vader、Loughran-McDonald (LM)、Harvard IV、Patternといったライブラリの利用に重点を置いている。
実験の結果,特に金融ニュースにおいて,これらのライブラリを用いた感情測定は真のイメージを表現できないため,信頼性が低い可能性が示唆された。
論文 参考訳（メタデータ） (2023-12-21T20:50:42Z) - Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。
ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。
2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
論文 参考訳（メタデータ） (2021-09-14T18:50:38Z) - A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。
ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。
我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
論文 参考訳（メタデータ） (2020-12-10T01:15:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。