ho trovato un bug di dati piuttosto importante si scopre che quasi ogni dashboard principale ha conteggiato due volte il volume di Polymarket (non correlato al wash trading) questo perché i dati onchain di Polymarket contengono rappresentazioni ridondanti di ogni trade. ricevute ⬇️⬇️

ecco un semplice esempio di transazione 0xbf47fbf1bc113a7ec50a1103921265ba5d8fbe6dfb4d12a1c78c61c8fdb195bf questa è una transazione di token YES per $4.13. ma contiene due eventi OrderFilled per $4.13 ciascuno. quindi la maggior parte dei dashboard riporta questo come un volume di $8.26

questo bug gonfia *entrambi* i tipi di metriche di volume comunemente usate per i mercati di previsione: 1. volume nominale (il numero di contratti scambiati) 2. volume di flusso di cassa (il valore in $ scambiato al momento della transazione) questo bug gonfia entrambe le metriche per tutte le transazioni sulla piattaforma

questa confusione ha portato a un ampio conteggio doppio del volume il problema principale = Polymarket emette eventi OrderFilled separati per il maker e il taker di ogni trade la maggior parte dei dashboard calcola il volume sommando questi eventi. ma questo somma due rappresentazioni ridondanti degli stessi trade

per comprendere questo problema, ho costruito un simulatore che mostra come funzionano ciascuno dei 8 tipi di operazioni di Polymarket questo simulatore contiene anche 4 operazioni di esempio per ciascun tipo di operazione che puoi simulare [link nell'articolo qui sotto]

oltre al simulatore, ho anche 1) auditato le parti dei contratti di Polymarket che emettono eventi e 2) esaminato molte invarianti nei dati onchain di Polymarket oogni linea di prova punta alle stesse conclusioni riguardo al conteggio doppio nota anche che questo bug non è correlato al wash trading

abbiamo convalidato queste informazioni con diversi creatori di dashboard e analisti di dati @AlliumLabs, @DefiLlama, @blockworksres stanno ora aggiornando le loro dashboard di Polymarket per eliminare il conteggio doppio

un enorme grazie a @datadashboards @AlliumLabs @smyyguy @chaoslabs @notawizard @ciamac @danrobinson @FrankieIsLost per il feedback e le conversazioni che hanno aiutato a districare questi dati