Encontré un error de datos bastante grave resulta que casi todos los paneles principales han estado contando dos veces el volumen de Polymarket (no relacionado con el wash trading) esto se debe a que los datos onchain de Polymarket contienen representaciones redundantes de cada operación. ingresos ⬇️⬇️

Aquí tienes un ejemplo sencillo de transacción 0xbf47fbf1bc113a7ec50a1103921265ba5d8fbe6dfb4d12a1c78c61c8fdb195bf esto es un intercambio de fichas SÍ por 4,13 $. pero contiene dos eventos OrderFilled por 4,13 $ cada uno. Así que la mayoría de los paneles informan que esto es de 8,26 $

Este error infla *ambos* tipos de métricas de volumen que se usan comúnmente en mercados de predicción: 1. Volumen nocional (el # de contratos negociados) 2. Volumen de flujo de caja (el valor en dólares negociado en el momento de la operación) Este error infla ambas métricas para todos los intercambios en la plataforma

Esta confusión llevó a un doble recuento generalizado del volumen el problema principal = Polymarket emite eventos separados de OrderFilled para el fabricante y el tomador de cada operación La mayoría de los paneles calculan el volumen sumando estos eventos. pero esto suma dos representaciones redundantes de los mismos oficios

Para entender este problema, construí un simulador que muestra cómo funcionan los 8 tipos de comercio de Polymarket Este simulador también contiene 4 intercambios de ejemplo para cada tipo de operación que puedes simular [enlace en el artículo más abajo]

más allá del simulador, también 1) audité las partes de los contratos de Polymarket que emiten eventos y 2) examiné muchos invariantes en los datos onchain de Polymarket Cada línea de evidencia apunta a las mismas conclusiones sobre el doble recuento También ten en cuenta que este error no está relacionado con el wash trading

Hemos validado esta información con múltiples creadores de paneles y analistas de datos @AlliumLabs, @DefiLlama @blockworksres están actualizando sus paneles de control de Polymarket para eliminar el doble recuento

Muchas gracias a @datadashboards @AlliumLabs @smyyguy @chaoslabs @notawizard @ciamac @danrobinson @FrankieIsLost por los comentarios + conversaciones que ayudaron a desenredar estos datos