menemukan bug data yang cukup besar ternyata hampir setiap dasbor utama telah menghitung dua kali volume Polymarket (tidak terkait dengan wash trading) ini karena data onchain Polymarket berisi representasi redundan dari setiap perdagangan. Tanda terima ⬇️⬇️

Berikut adalah contoh transaksi sederhana 0xbf47fbf1bc113a7ec50a1103921265ba5d8fbe6dfb4d12a1c78c61c8fdb195bf ini adalah perdagangan token YES seharga $4,13. tetapi berisi dua acara OrderFilled masing-masing seharga $4.13. Jadi sebagian besar dasbor melaporkan ini sebagai volume $8,26

Bug ini menggelembungkan *kedua* jenis metrik volume yang biasa digunakan untuk pasar prediksi: 1. Volume nosional (# kontrak yang diperdagangkan) 2. Volume arus kas (nilai $ yang diperdagangkan pada saat perdagangan) bug ini meningkatkan kedua metrik untuk semua perdagangan di platform

Kebingungan ini menyebabkan penghitungan volume ganda yang meluas masalah inti = Polymarket memancarkan peristiwa OrderFilled terpisah untuk pembuat dan pengambil setiap perdagangan Sebagian besar dasbor menghitung volume dengan menjumlahkan peristiwa ini. tetapi ini menjumlahkan dua representasi yang berlebihan dari perdagangan yang sama

untuk memahami masalah ini, saya membangun simulator yang menunjukkan cara kerja masing-masing dari 8 jenis perdagangan Polymarket Simulator ini juga berisi 4 contoh perdagangan untuk setiap jenis perdagangan yang dapat Anda simulasikan [tautan di artikel di bawah]

di luar simulator, saya juga 1) mengaudit bagian-bagian kontrak Polymarket yang memancarkan peristiwa dan 2) memeriksa banyak invarian dalam data onchain Polymarket Setiap baris bukti menunjukkan kesimpulan yang sama tentang penghitungan ganda Perhatikan juga bahwa bug ini tidak terkait dengan wash trading

Kami telah memvalidasi informasi ini dengan beberapa pembuat dasbor dan analis data @AlliumLabs, @DefiLlama, @blockworksres sekarang memperbarui dasbor Polymarket mereka untuk menghilangkan penghitungan ganda

Terima kasih banyak kepada @datadashboards @AlliumLabs @smyyguy @chaoslabs @notawizard @ciamac @danrobinson @FrankieIsLost atas umpan balik + percakapan yang membantu mengurai data ini