[논문 리뷰] Semantic Non-Fungibility and Violations of the Law of One Price in Prediction Markets

Jonas Gebele, Florian Matthes|arXiv (Cornell University)|2026. 01. 05.

Sports Analytics and Performance인용 수 0

한 줄 요약

본 연구는 예측 시장 이벤트 간의 플랫폼 간 동등성(상호대응) 및 부분관계를 식별하기 위한 의미 정렬 프레임워크를 개발하고, 의미적 비가환성으로 인해 플랫폼 간 가격 차이와 차익 거래 기회가 발생한다는 것을 보여준다.

ABSTRACT

Prediction markets are designed to aggregate dispersed information about future events, yet today's ecosystem is fragmented across heterogeneous operator-run platforms and blockchain-based protocols that independently list economically identical events. In the absence of a shared notion of event identity, liquidity fails to pool across venues, arbitrage becomes capital-intensive or unenforceable, and prices systematically violate the Law of One Price. As a result, market prices reflect platform-local beliefs rather than a single, globally aggregated probability, undermining the core information-aggregation function of prediction markets. We address this gap by introducing a semantic alignment framework that makes cross-platform event identity explicit through joint analysis of natural-language descriptions, resolution semantics, and temporal scope. Applying this framework, we construct the first human-validated, cross-platform dataset of aligned prediction markets, covering over 100 000 events across ten major venues from 2018 to 2025. Using this dataset, we show that roughly 6% of all events are concurrently listed across platforms and that semantically equivalent markets exhibit persistent execution-aware price deviations of 2-4% on average, even in highly liquid and information-rich settings. These mispricings give rise to persistent cross-platform arbitrage opportunities driven by structural frictions rather than informational disagreement. Overall, our results demonstrate that semantic non-fungibility is a fundamental barrier to price convergence, and that resolving event identity is a prerequisite for prediction markets to aggregate information at a global scale.

연구 동기 및 목표

• 예측 시장 플랫폼 간의 의미적 분절 문제를 동기부여하고 형식화한다.
• 장소 간 의미적으로 동등하거나 부분 관련 시장을 식별하기 위한 확장 가능한 프레임워크를 개발한다.
• 사람의 검증을 거친 플랫폼 간 정렬된 예측 시장 이벤트 데이터셋을 구축한다.
• 플랫폼 간 가격 차이를 정량화하고 의미적 비가환성으로부터 발생하는 차익 거래 기회를 특징짓는다.

제안 방법

• 실행 마찰을 포함하는 통합 이진 종속청구 모델과 등가 제약을 정의한다.
• 구조적 필터링, 임베딩 기반 검색, 그리고 LLM 기반 논리적 검증을 결합한 의미 매칭 파이프라인을 개발하여 이벤트 동등성 및 부분 관계를 추론한다.
• 각 시장을 원자적 결과 공간 Omega에 대한 해상도 함수 r_m으로 나타내고 YES-영역 f(m)을 정의한다.
• 플랫폼 간 패리티 조건을 이용하여 시장 내, 시장 간, 플랫폼 간 차익 거래 기회를 식별한다.
• Omega의 플랫폼 간 분할을 구성하고 분석하여 플랫폼 간 음의 위험 차익 거래를 식별한다.
• 사람의 주석으로 파이프라인을 평가하고 단계별 재현율과 위양성률을 보고한다.

실험 결과

연구 질문

• RQ1 이질적인 예측 시장 플랫폼 간에 의미적으로 동등하거나 부분 관련 시장을 신뢰성 있게 식별하려면 어떻게 해야 합니까?
• RQ2 현재 예측 시장 생태계에서 플랫폼 간의 의미적 분절은 어느 정도입니까?
• RQ3 의미적 비가환성이 플랫폼 간 가격 차이 및 차익 거래 기회에 어떻게 기여합니까?
• RQ4 예측 시장에서 이벤트 정체성의 생태계 규모 분석을 가능하게 하는 데이터셋과 방법론은 무엇입니까?

주요 결과

• 약 102,275건의 이벤트 중 약 6%가 플랫폼 간에 의미적으로 연결되어 있으며, 이는 전체 이벤트 날짜의 약 10%를 차지한다.
• 의미적으로 동등한 시장은 유동적 환경에서도 평균적으로 실행 인지 가격 편차가 2–4%를 보인다.
• 플랫폼 간 차익 거래는 정보적 불일치가 아니라 구조적 마찰에서 발생한다.
• 저자들은 시장 간 1,501개의 동등성 클래스, 1,645개의 부분 관련 이벤트 집합, 그리고 1,123개의 음의 위험 구성들을 구축했다.
• 임베딩 기반 검색은 상위 20 이웃 내에서 확인된 동등 및 부분 관계의 99.9%를 포착하고, LLM은 고정밀 검증을 제공한다.
• 데이터셋은 열 플랫폼에서 100,000건이 넘는 고유 이벤트를 포함하며 공개적으로 공개될 예정이다.