📚 Polymarketクオンツ研究まとめ｜学術論文が見つけた『取れるエッジ』と自分で検証してみた結果

「Polymarketで安定的に勝ってる人は何を見てるんだろう？」

答えの一部は学術論文の中にあります。2024年から2026年にかけて、Polymarketの**実データ（ブロックチェーン上の全取引）**を使った大規模な研究論文が複数公表されていて、どこに統計的なエッジがあり、どこに無いのかがかなり具体的に分かってきています。

この記事では：

1. 読むべき学術論文3本を初心者向けに要約
2. そのうち最も基本的な「favorite-longshot bias」を自分のマシンで実測してみた結果
3. 学術発見を一般ユーザーがどう使えるかの現実的な指針

学術ソースと私の実測コード・実測データを全部載せます。

読むべき論文 3本

論文① Anatomy of Polymarket（2026年3月、arXiv）

arXiv:2603.03136 "The Anatomy of Polymarket: Evidence from the 2024 Presidential Election"

2024年米大統領選挙市場（数十億ドル規模）の全on-chain取引データを分解した研究。主な発見：

• 出来高が増えるほど裁定余地が縮小した（市場は効率化した）
• Kyle's λ（流動性への影響力の指標）が10分の1以下に減少
• クロスマーケット参加者（複数市場をまたぐ裁定プレイヤー）が急増

含意: 大きく流動性のある市場はすでにかなり効率的。小口の素人が「市場の歪みを見つけて大儲け」できる余地はほとんど残っていない。

論文② Unravelling the Probabilistic Forest（2025年8月、arXiv）

arXiv:2508.03474 "Unravelling the Probabilistic Forest: Arbitrage in Prediction Markets"

2つのタイプの裁定機会を実データで計測した研究：

1. Market Rebalancing Arbitrage: 単一マーケット内で、YES + NOの合計価格が$1から乖離している瞬間
2. Combinatorial Arbitrage: 関連する複数マーケット（例：選挙のトップN候補）を組み合わせて作る合成裁定

発見:

• 実現済み裁定利益: 約 $40,000,000（これまでに抽出された総額）
• NegRisk市場（multi-condition）は8.6%の機会しかないのに、利益の73%を生む
• 資本効率で言うと29倍の差（NegRisk集中戦略の有利さ）

含意: 裁定で稼ぎたいなら、単純な2値市場ではなくNegRisk市場を狙う。ただしハイスピード bot の独壇場なので、手動では遅すぎる。

論文③ Who Wins and Who Loses（2026年3月、SSRN）

SSRN:6443103 "Who Wins and Who Loses In Prediction Markets? Evidence from Polymarket"

124+ 百万トレードの巨大データセットでユーザーごとの損益を分析した研究。

発見:

• トップ1%のユーザーが総利益の84%を独占
• 利益は「市場予想を上回る精度で将来を当てられた少数派」にほぼ全て流れる
• 92.4%のウォレットは損失で終わる

含意: 「みんなが少しずつ勝つ」市場ではなく、ごく少数が多数から搾取する構造。以前の記事で書いた「生存者バイアス」の裏付けとしても使えます。

古典的な統計バイアス：Favorite-Longshot Bias (FLB)

もう1つ、学術界で50年以上研究されている古典バイアスがあります。

FLBの定義: 低確率の「一発逆転」市場（longshot）は実現確率より割高で取引され、高確率の本命市場（favorite）は実現確率より割安で取引される傾向。

つまり：

• 10¢以下で買うYESは、実際には4%以下しか勝たない（10%の実現確率を下回る）
• 90¢以上で買うYESは、実際には93%以上勝つ（90%の実現確率を上回る）

予測市場研究の代表的まとめ論文では、競馬・スポーツブック・株式オプション・予測市場で一貫してFLBが観測されると報告されています。

💡 なぜFLBが起きるのか: 行動経済学では「人は一発逆転に幻想を抱く（longshotの過剰評価）」「リスク回避層が本命に流入して価格を押し上げる前に売り抜ける（favoriteの売られすぎ）」などが候補とされています。

自分のマシンで実測してみた

論文は読めますが、本当に今のPolymarketでFLBが観測できるかは自分で試したくなります。Polymarketは全取引が公開されているので、数分のコードで検証できます。

測定手順

1. gamma-apiでclosed（決着済み）市場を1,000件取得
2. スポーツ以外・2値市場・出来高5万ドル以上にフィルタ → 136件が検証対象
3. 各市場の勝った側のトークンの価格履歴をclob.polymarket.com/prices-historyから取得
4. 決着24時間前の価格を読む（これが市場の「最終予想確率」）
5. 価格レベル（10%刻みのバケット）ごとに「勝った実績」を集計

勝者トークンは確率 pw で pre-resolution なら：

• 勝者のバケット bucket(pw) → wins += 1, total += 1
• 敗者（同じ市場の反対側）のバケット bucket(1 - pw) → wins += 0, total += 1

テストコード（完全再現可能）

# 07_flb_test.py
import requests, ast, time
from collections import defaultdict
from datetime import datetime, timezone

SPORT_KEYWORDS = ['nba','nfl','mlb','nhl','epl','vs ','vs.','counter-strike','cs2']
def is_sport(q):
    return any(k in q.lower() for k in SPORT_KEYWORDS)

# 1. closed marketsを大量取得
markets = []
offset = 0
while len(markets) < 1000:
    r = requests.get(
        'https://gamma-api.polymarket.com/markets',
        params={'closed':'true','limit':100,'offset':offset,'order':'volume','ascending':'false'},
        timeout=20,
    )
    batch = r.json()
    if not batch: break
    markets.extend(batch)
    offset += 100
    if len(batch) < 100: break
    time.sleep(0.2)

# 2. 非スポーツ・2値・ボリューム5万以上でフィルタ
parsed = []
for m in markets:
    q = m.get('question','') or ''
    if is_sport(q): continue
    try:
        outcomes = ast.literal_eval(m.get('outcomes','[]'))
        prices = ast.literal_eval(m.get('outcomePrices','[]'))
        tids = ast.literal_eval(m.get('clobTokenIds','[]'))
    except: continue
    if len(outcomes)!=2 or len(prices)!=2 or len(tids)!=2: continue
    fp = [float(p) for p in prices]
    if sorted(fp)!=[0.0,1.0]: continue
    if float(m.get('volumeNum',0) or 0) < 50000: continue
    winner_token = tids[fp.index(1.0)]
    end_ts = int(datetime.fromisoformat(m['endDate'].replace('Z','+00:00')).timestamp())
    parsed.append({'winner_token':winner_token,'end_ts':end_ts})

# 3. 各市場の勝者トークン価格履歴を取得して24h前の価格を集計
buckets = defaultdict(lambda: [0, 0])
for m in parsed[:300]:
    for params in [{'interval':'1m','fidelity':60},
                   {'interval':'1w','fidelity':360},
                   {'interval':'max','fidelity':360}]:
        r = requests.get('https://clob.polymarket.com/prices-history',
                         params={'market':m['winner_token'], **params}, timeout=10)
        h = r.json().get('history', [])
        if len(h) < 3: continue
        target_t = m['end_ts'] - 86400
        best = next((pt for pt in reversed(h) if pt['t'] <= target_t), h[0])
        pw = float(best['p'])
        if 0.02 < pw < 0.98:
            break
    else:
        continue

    bw, bl = min(int(pw*10),9), min(int((1-pw)*10),9)
    buckets[bw][0] += 1
    buckets[bw][1] += 1
    buckets[bl][1] += 1
    time.sleep(0.08)

# 4. レポート
for b in range(10):
    w, t = buckets.get(b, [0,0])
    if t==0: continue
    implied = (b+0.5)/10
    actual = w/t
    print(f'[{b*10}-{(b+1)*10}%] implied={implied:.2f} actual={actual:.2f} diff={actual-implied:+.2f} n={t}')

実測結果

私のWindows機での実行結果（136市場中30市場で有効な価格履歴が取得できて、60件の観測を得ました）：

読み方

• 極端な両端では古典的 FLB が実データで確認できました
  • 低確率バケット（0-20%）: 実績0% → longshotは割高で負けている
  • 高確率バケット（80-100%）: 実績100% → favoriteは割安で勝っている
• 中間バケット（40-60%）は騒がしい: N=19/35 と観測数は多いが、40-50% が異常に高く、50-60% が低い。これはサンプル偏り（一部の市場が過剰に反映されている）と見るべき
• 全60観測なので、厳密な学術テストには遠く及ばない — が、方向性は論文と一致

重要な留保:

• N=60 は統計的にはごく小規模
• closedマーケットの多くはprices-historyが十分に返らず（136→30件に激減）
• PolymarketのIMDEA研究論文は86百万ベットで同じバイアスをもっと厳密に測定している。「正確な数字が知りたければ論文を読め、手触りが知りたければ自分で叩け」という立ち位置の記事です

素人が学術発見をどう使えるか

上記の研究と実測から、初心者が現実的に取れる指針を整理します。

✅ 取れる教訓

1. $0.95以上の本命をNOで売る戦略は期待値が危険に近い（FLBが逆方向）
2. $0.05以下のlongshotをYESで買う戦略は長期的に負ける（FLBの直接適用）
3. 裁定で稼ぎたいならNegRisk市場に集中（8.6%の機会で73%の利益）
4. 高出来高の主要市場は効率的すぎる — 歪みを探すなら地味なローカル市場のほうが残っている可能性が高い
5. 自分が top 1% に入る前提を疑う — 92.4%は負けるので、最初の1,000時間は学習・紙トレで十分

❌ 取れない戦略

1. 「$0.92で買って$0.97で売る」などの短期マイルストーンスカルプ（別記事で手数料式で数学的に崩した通り）
2. BTCやWTIの価格マイルストーン市場を予測として使う（これらはスポットの非線形再表示にすぎない）
3. 有料Telegram botのコピートレード（盗難事件が実在）

まとめ

• Polymarketの学術研究は2024-2026年で急速に蓄積中。大規模な on-chain データで市場効率と歪みが定量化されている
• FLB（favorite-longshot bias） は50年以上の歴史を持つ古典バイアスで、私の小規模テストでも極端バケットで確認できた
• 裁定は NegRisk 市場で 73% の利益が生まれている（ただし bot 勢の独壇場）
• トップ1%が84%の利益を取る構造なので、自分が "普通の人"の側にいる前提を疑うこと
• gamma-api + clob.polymarket.com/prices-history で数十行のコードから誰でもバイアスを実測可能

「予測市場は誰でも勝てる」という甘い話は論文が一貫して否定しています。でも逆に、「どこで負けやすいか」を知れば、負けない戦略は組める。そこが学術研究を読む価値です🔥

参考リンク

• arXiv: The Anatomy of Polymarket (2026-03)
• arXiv: Unravelling the Probabilistic Forest (2025-08)
• SSRN: Who Wins and Who Loses In Prediction Markets
• SSRN: Exploring Decentralized Prediction Markets: Accuracy, Skill, and Bias
• NegRisk Market Rebalancing — $29M Extracted (Medium)
• Polymarket NegRisk 公式ドキュメント
• Systematic Edges in Prediction Markets (QuantPedia)