本文构建了预测市场组合套利框架,以逻辑关系生成联合收益状态,通过凸包一致性、整数规划与全深度订单簿模拟识别可执行套利。基于2026年6月23日至8月3日的Polymarket数据,研究恢复约190万条逻辑关系,覆盖超过25.5万个合约,并发现结算组合在扣除点差和费用后仍可获得显著无风险收益;关系越依赖语义解析和LLM推断,套利机会持续时间越长、实际参与越少。
| 指标 | 研究结果 |
|---|---|
| 已结算组合累计保证利润 | 250万美元 |
| 累计收益对应资本承诺 | 1.137亿美元 |
| 累计收益率 | 2.2% |
| 峰值资本规模 | 1,110万美元 |
| 按周年化口径的累计保证回报 | 3.5% |
| 首次执行保证利润 | 110万美元 |
| 首次执行资本承诺 | 4,060万美元 |
| 结算时实际利润 | 363万美元 |
| 结算时资本回报 | 3.2% |
| 按周口径的结算回报 | 4.8% |
| 关系层 | 持续至少0.3秒窗口的中位持续时间 | 持续至少10秒的窗口比例 |
|---|---|---|
| 场馆断言 | 2.9秒 | 32% |
| 场馆派生 | 6.3秒 | 44% |
| 语义推断 | 约31秒 | 62% |
| 关系层 | 同方向匹配交易窗口比例 | 反向安慰剂比例 |
|---|---|---|
| 场馆断言 | 44% | 约7% |
| 场馆派生 | 15% | 约6% |
| 语义推断 | 9% | 不到1% |
| 其中:解析器关系 | 10.4% | — |
| 其中:LLM关系 | 4.2% | — |
报告标题:《Combinatorial Arbitrage in Prediction Markets》(预测市场中的组合套利)。
作者:Hongjian Shi、Daojing Zhai。
版本日期:第一版为2026年9月15日,本版为2026年10月20日。报告没有列出作者所属机构、股票评级或目标价。研究主题是Polymarket等预测市场中,具有逻辑关系的二元事件合约之间的组合套利。报告的核心问题不是单个合约是否“定价合理”,而是多个合约的价格能否由同一组可能发生的世界状态和概率共同解释。
报告的核心结论是:预测市场的分散订单簿没有自动执行跨合约的一致性约束,因此在互斥、包含、分区和合取等逻辑关系下,可能出现组合价格失配;如果一个投资组合在所有可能的最终结果下都能获得正收益,就形成套利。作者利用合约元数据、体育比赛结构化字段、自然语言规则和大语言模型识别逻辑关系,再将这些关系编译为约束系统,并使用Polymarket完整深度订单簿模拟实际执行。
实证结果显示,在2026年6月23日至8月3日的样本中,作者识别出491,827个套利窗口,其中125,095个窗口有可执行交易;在已结算的执行组合中,理想化套利者获得约250万美元的有保证利润,对峰值占用资本计算的周收益率为3.5%。不过,这一结果依赖于有效逻辑关系、可见订单簿深度、模拟成交以及资本能够在结算后重复使用等条件,并不等同于现实交易者可以无风险复制的净收益。
预测市场合约通常是完全抵押的二元索赔权。一个YES和一个NO共同对应1美元:在结算时,获胜代币支付1美元,失败代币支付0美元,因此YES价格通常被解释为事件发生的市场隐含概率。
YES和NO实际上是同一经济索赔权的两种表示。NO买价可以转换为YES卖价,关系为“NO买价=1-YES卖价”;NO卖价对应“YES买价=1-NO卖价”。这种互补关系意味着,分析不同合约时可以统一转换为YES方向的头寸。
问题在于,同一现实事件往往产生多个合约。例如一场足球比赛可以同时有胜负、精确比分、总进球数、双方进球等合约。虽然这些合约各自在独立订单簿中交易,但它们的最终支付取决于同一个比赛结果,因此价格必须满足逻辑约束。例如“主队0比2输球”和“总进球超过2.5”不能同时为YES;“总进球超过3.5”则必然意味着“总进球超过2.5”。交易所通常不在不同订单簿之间强制执行这些约束,也不支持多腿原子成交,因而给套利者留下了机会。
表1概括了研究数据。样本覆盖42天,包括约745,000个二元合约、178,000个事件页面、73.22 billion条订单簿消息和229.9 million个链上成交事件;这些成交事件整理为145.16 million笔观察到的交易,成交额为52.3亿美元,涉及约679,000个不同交易地址。,
数据分为三类:
这部分数据设计是报告的一个重要优点。只看最优买卖价只能判断“理论上是否存在价差”,不能判断可以成交多少;完整深度则允许作者计算价格冲击、分层成交和实际可执行规模。另一方面,作者也承认完整深度是实时采集而非交易所历史存档,因此订单簿其他价格层的完整性仍依赖采集和重建过程,不能完全排除数据遗漏。,
作者把所有可能的联合结算结果表示为二元支付向量。假设有多个YES合约,每个可能世界对应一个向量,例如某一状态下第一个合约支付1、第二个支付0。所有可能支付向量的凸包记为 (M),也就是所谓的“连贯价格集合”。
如果市场价格向量位于这个凸包内,就存在某个概率分布,使所有合约价格都等于其期望支付,价格因而是无套利的;如果价格向量落在凸包外,就不存在任何单一信念或概率分布能够同时解释这些价格,并且可以构造一个在所有状态下都赚钱的投资组合。,
在单位头寸限制下,作者进一步证明最大有保证利润等于市场价格向量到连贯价格集合的(\ell_1)距离。直观地说,套利者买入价格低于最接近连贯价格的合约,卖出价格高于该连贯价格的合约;距离越大,理论套利利润越大。,
图1展示了两个足球合约案例:
图1(a)比较“新西兰0比2比利时”和“总进球超过2.5”。可能支付向量为(0,0)、(1,0)和(0,1),因为0比2意味着总进球为2,不可能同时满足超过2.5。三点的凸包形成一个三角形。第一次观察时,经费用调整后的报价(0.1756, 0.7850)仍位于三角形内,因此没有套利;五分钟后报价变为(0.2247, 0.8973),落在一致性区域外,距离为0.1220,卖出两个合约各一份即可锁定0.1220美元的最坏情形利润。,
图1(b)比较“总进球超过3.5”和“总进球超过2.5”。前一个事件必然包含于后一个事件,因此可行支付向量为(0,0)、(0,1)和(1,1),连贯区域位于对角线之上。随后观察到的执行报价为(0.9267,0.7789),即卖出“超过3.5”并买入“超过2.5”,两者之间形成0.1479美元的保证利润。
图1的重要意义在于,它把抽象的逻辑关系转化为几何距离:互斥关系对应不能同时取1的区域,包含关系对应不允许违反方向的区域,价格点落在区域外就能找到套利方向。
当合约数量增加时,可能支付向量最多达到 (2^N) 个,无法逐一列举。作者把逻辑关系写成线性约束 (Fz\leq g),其中 (z_i)表示第i个合约最终是否为YES。由此得到可行支付集合 (\Phi),再通过整数规划寻找有最大最坏情形利润的头寸。,
表2所代表的关系包括:
算法采用主问题和最坏状态“预言机”循环。主问题先根据当前已知的支付向量寻找套利组合,预言机再寻找一个使该组合收益最低的可行支付状态。如果这个状态打破了主问题的收益承诺,就将其加入约束集合,继续求解;如果没有找到更差状态,套利组合才被认证。,
理论价格模型假设每个合约只有一个报价,现实中则存在价差、不同价格层的深度和吃单费。作者因此把单个合约的执行成本写成分段线性函数:买入数量增加时逐层吃掉更高的卖价,卖出数量增加时逐层消耗更低的买价;超过展示深度的数量不可执行。
这一步区分了“存在套利方向”和“可以赚多少钱”。最佳买卖价决定套利是否可能出现,但全深度订单簿决定最优交易规模和总利润。一个价差很大的机会,如果只有很少深度,利润可能低于一个价差较小但深度更深的机会。
作者的命题3指出,不存在可执行套利,当且仅当存在一个连贯价格向量,落在每个合约经费用调整后的买卖价差之内。换言之,交易成本允许报价存在一定不一致,只有不一致程度超过价差和费用后,才真正构成套利。
报告区分两类关系识别错误:
这一区分是方法论上的关键。漏掉关系会使研究结果偏保守;错误加入关系则可能使“无风险”结论失真。作者因此对三类关系采用不同证据和筛选机制。
图2把关系来源分成三层:
第一层识别出20,866个负风险组,其中20,118个被编码为完整分区,748个被编码为仅互斥关系。例如阿尔及利亚、平局、奥地利三种赛果构成恰好一个YES的分区,因此满足 (z_{ALG}+z_{Draw}+z_{AUT}=1)。
第二层以体育比赛的比分状态为基础,将精确比分、胜负、让球、总进球、双方进球和球队总进球等合约统一映射到11×11的比分网格,共121种比分状态。作者据此确定合约之间的互斥、包含、分区和合取关系,不依赖LLM主观判断。,
第三层先用标题、问题和组标题的加权词汇相似度筛选候选对,把2770亿个潜在合约对减少到704,450个候选对和13,894个候选组。随后由五个提议模型提出关系,再由两个不同开发者的审计模型独立核查;只有两个审计模型在类型和方向上都同意,关系才会被保留。
表3显示,不同提议模型的双审计确认率差异很大,并且与模型规模并不完全同步。以GLM-5.2为例,它提出137,055个二元关系和2,011个多元关系,分别只有64.6%和21.7%得到两名审计模型共同确认。这个结果说明LLM可以扩大关系搜索范围,但其原始输出不能直接当作逻辑事实。
表4显示,三层合计恢复1,942,133条关系;去重和约简后保留573,024条关系,其中5,268条同时出现在两个层次,最终编译为603,242行约束。第二层贡献最大,因为体育是样本中最大的合约类别,而且结构化比分映射可以批量生成关系。第三层在去重后贡献118,792条关系,主要覆盖体育和结构化阈值规则之外的市场。
这里需要区分“关系数量”和“约束行数量”。一条关系可能需要多行线性约束表达,因而573,024条约简关系最终对应603,242行矩阵约束,二者并不矛盾。
图3显示,第一层几乎主要是分区关系;第二层主要集中在体育,其互斥关系约179,000条、蕴含关系约247,000条;第三层则以加密货币和金融市场中的阈值蕴含关系为主。总体上,体育关系约453,190条,加密货币关系约89,088条,两者合计占94.6%,说明样本中的逻辑套利主要由这两个合约类别驱动。,
图4将语义层约束矩阵按连接组件重新排列。61,349个合约和118,898行约束被分为3,591个组件,中位组件只有4个合约,但最大组件包含19,188个合约。最大的两个组件分别是比特币和以太坊价格阈值合约,原因是“达到更高价格”蕴含“达到更低价格”,短期限又与更长时间窗口形成嵌套,导致大量合约被连成一个整体。
这说明套利检测不能简单地把每个合约对独立处理,因为多个局部关系可能通过传递性形成大型约束网络。但作者将不同关系层分开检测,以避免某个错误关系跨层制造不当的利润保证。
作者采用三步流程:
套利窗口是指从套利条件首次成立,到最佳报价不再满足套利条件之间的时间区间。检测阶段共得到491,827个窗口,其中125,095个至少有一次模拟成交。,
图5(a)说明了随着交易量增加、买价上升和卖价下降,新增股份的保证利润会逐步减少,因此最优规模未必等于全部展示深度。图5(b)区分“第一次执行”和“累计执行”:第一次执行是窗口内最初一笔成交的利润,累计执行则包括窗口持续期间后续报价变化带来的全部成交利润。
作者把第一次执行视为较保守的下界,因为之后市场可能立即消失;把累计执行视为上界,因为它假设后续报价会像历史数据中一样继续存在,并且不考虑套利者自身交易对报价的反应。
表5显示,已执行窗口中89.8%在所有填充合约上已经结算。累计执行产生250万美元保证利润,对累计投入资本1.137亿美元的回报率为2.2%;按照峰值占用资本1110万美元计算,六周样本期间的年化方式并非报告采用的指标,而报告给出的周收益率为3.5%。仅考虑每个窗口第一次执行,则保证利润为110万美元,对应投入资本4060万美元。
结算时实际支付为363万美元,对累计资本的结算回报率为3.2%,按峰值资本计算的周收益率为4.8%。结算利润高于保证利润,是因为保证利润按照所有允许状态中的最差状态计算,而实际结算只发生在一个真实状态下。
按关系层看,交易所声明关系贡献累计保证利润的34%,交易所衍生关系贡献59%,语义推断关系贡献7%。这说明体育比分映射产生了最大的可执行利润,但这并不意味着语义关系不重要,因为语义关系更多体现为持续时间较长、参与者较少的机会。
图6的蓝线表示窗口数量的累计比例,红线表示保证利润的累计比例。普通窗口的中位数保证资本回报率只有0.5%,但按利润加权后,累计执行利润的一半来自保证回报率超过6.5%的窗口;第一次执行的利润加权中位数进一步达到10.4%。这说明总体利润高度依赖少数高回报机会,而不是均匀地来自大量小价差。,
资本占用时间也很重要。交易所衍生关系的窗口级中位持有期约3小时,语义推断关系约7天;累计执行的资本加权平均持有期为1.6天,第一次执行为0.8天。因而“3.5%周收益率”必须结合资本周转速度理解,不能简单视为每笔交易都能在一周内独立实现。
报告检验了取消重挂、部分参与和订单延迟三种现实摩擦。
第三项结果尤其重要。报告摘要使用“无风险收益”描述理论上经过费用和价差后的保证利润,但加入1秒延迟后,部分腿可能成交、另一部分腿未成交,22%的已结算订单出现亏损。这表明“无风险”只适用于订单能够按模拟方式完整执行、各腿协调成交的条件,并不适用于存在执行不平衡的真实交易环境。
在持续至少0.3秒的执行窗口中,交易所声明关系的持续时间中位数为2.9秒,交易所衍生关系为6.3秒,语义推断关系约31秒;持续至少10秒的窗口比例分别为32%、44%和62%。在控制首笔利润、资本、组合腿数、组件活跃程度以及日和小时固定效应后,交易所衍生窗口持续时间约为声明关系的2倍,语义推断窗口约为10倍。,
每增加一条组合腿,窗口持续至少10秒的概率提高约0.5个百分点,持续时间增加约2%。作者谨慎地将这些结果解释为条件相关关系,而不是纯粹的因果估计,因为不同层的合约类别、流动性、结算机制和转换机制也不同。
实际链上成交显示,交易所声明关系窗口中约44%存在同一地址交易组合中每一条腿且方向一致的行为,而交易所衍生关系和语义推断关系分别只有约15%和9%。对应的反向交易安慰剂比例约为7%、6%和低于1%,因此声明关系的方向性证据最强。
语义层内部,解析器识别的关系约有10.4%的窗口出现匹配交易,而LLM识别的关系只有4.2%。整体上约854个地址参与了这种跨腿交易,前十大地址占所有匹配窗口的78%,表明参与高度集中。,
这些结果与持续时间分析相互吻合:交易所直接公开的关系更容易被发现,套利机会更快消失;需要阅读和比较结算文本的关系持续更久,但参与者更少。作者还指出,分散在多个订单簿中的多腿执行本身会增加成交不匹配风险,因此持续时间差异同时反映发现成本和执行成本,不能完全归因于LLM或信息复杂度。
附录A.5解释了Polymarket负风险组的特殊性。对于最多一个结果获胜的组,NO代币可以转换为同组其他合约的YES代币,但反向转换并不对称,因为如果最终没有任何合约获胜,反向转换可能导致支付超过抵押物。
阿尔及利亚、平局、奥地利三项合约的案例说明了这种不对称。卖出一篮子YES时,如果三项YES买价合计超过1美元,可以先铸造一篮子YES再卖出,利润即时实现;买入一篮子YES时,即使三项卖价合计低于1美元,利润通常要等比赛结算才能兑现。
附录图A.1还展示了分区和合取关系:在三结果分区中,三个合约价格的连贯集合是一个三角形;在“挪威进球、法国进球、双方进球”关系中,双方进球是前两个事件的合取,价格违反Fréchet下界时可以构造三腿套利。该例中最佳报价每股保证利润为0.2865美元,展示的32股深度对应9.17美元总保证利润。
附录图A.3展示了阿尔及利亚—奥地利案例加入费用后的结果:卖出所有YES时,费用调整后报价合计1.0222,每个篮子即时收益0.0222美元;买入所有YES时,费用调整后报价合计0.9285,每个篮子到结算时收益0.0715美元。它清楚地区分了即时资本回收和必须持有至结算的套利。,
附录图B.1则总结了测量流程:最佳报价加逻辑关系产生套利窗口,完整深度产生模拟执行,结算结果产生最终利润。该图强调三种数据在研究中承担不同功能,不能用结算结果替代交易执行数据,也不能用最佳报价替代完整深度。
第一,报告的“无风险”结论具有明确前提。它要求逻辑关系全部有效、支付状态建模完整、交易者能按显示深度完成全部腿、订单延迟可以忽略或被控制,并且资本能够在结算后重新投入。订单延迟检验中存在未完全成交和亏损订单,说明现实风险主要从执行层而非最终支付层进入。
第二,关系识别是研究最敏感的环节。作者明确承认错误加入关系会制造虚假利润保证,并且在事后审计中发现6条解析器关系错误地施加了“穷尽性”约束。修正后删除112个检测窗口和97个执行窗口,使首笔利润减少2,201美元、累计利润减少17,404美元;其中一些被删除的交易虽然事后结算盈利,但并不代表其事前保证利润有效。
第三,三个关系层被分开检测,增强了归因和安全性,但也可能低估现实中可以利用多层关系共同构造的套利组合。附录指出,语义层有27,276行约束涉及负风险组成员,但由于层次分离,这些关系不能与负风险互斥约束组合使用。
第四,报告的累计利润假设后续报价保持观察到的路径,并且同一理想套利者可以获取所有展示深度。作者自己将第一次执行视为更保守的下界,将累计执行视为上界,因此250万美元更适合作为“历史订单簿在理想化执行下可提取的机会规模”,而不是可直接外推的实际基金净利润。,
第五,实际链上匹配交易只能说明同一地址在时间窗口内交易了所有腿,不能证明其在作者模拟的相同价格、数量和顺序上完成了完整套利。因而表8支持“市场中存在套利型参与者”,但不足以证明这些地址实现了表5中的全部收益。
这份报告的主要贡献是把预测市场套利从简单的“价格比较”推进到完整的“逻辑关系识别—约束优化—订单簿执行—结算验证”框架。其理论基础是:只有当价格向量位于所有可行支付向量的凸包内时,多个逻辑相关合约才具备共同的无套利解释;距离该凸包的程度可以转化为最大单位组合的保证利润。
实证方面,研究发现Polymarket确实存在大量跨合约组合套利,累计保证利润约250万美元,且利润集中在少数高回报窗口;体育合约和交易所衍生关系贡献了绝大多数利润。另一方面,语义推断关系虽然利润贡献较低,却持续时间最长、实际参与最少,说明关系发现成本和多腿执行成本是预测市场套利难以迅速消失的重要原因。,
总体而言,作者的立场是:预测市场的价差并非单纯由交易费用解释,逻辑关系发现、资本占用、跨订单簿执行和有限参与共同构成套利限制。报告没有给出传统意义上的买入、卖出评级或目标价格,而是提出一种对预测市场微观结构的实证判断:在缺乏跨合约一致性机制的市场中,价格可能在相当长时间内无法共同对应一个合理的概率体系,但这些机会的可复制收益明显低于理想化模拟结果。
2610.23517.pdf