Decentralisierte Vorhersagemärkte haben in den letzten Jahren schnell an Bedeutung gewonnen, wobei Polymarket das bekannteste Beispiel ist. Eine kürzlich veröffentlichte Studie und technische Analyse zeigen jedoch, dass hinter solchen Märkten große Preisfehlanpassungen verborgen sind, die für professionelle quantitative Händler stabile und beträchtliche Gewinne ermöglichen.
Laut einem auf X viral gegangenen Analyse-Thread haben quantitative Händler im vergangenen Jahr durch fortschrittliche mathematische Modelle und Hochgeschwindigkeitshandelssysteme auf Polymarket fast 40 Millionen US-Dollar Gewinn erzielt. Der führende Händler allein hat dabei über 2 Millionen US-Dollar verdient, was auf eine strukturelle Effizienzlücke im Preismechanismus der Vorhersagemärkte hinweist.
(Was sind Vorhersagemärkte? Polymarket Anfängeranleitung: Einsatzmethoden, Abrechnungsarten und Risikoeinschätzung)
Studien offenbaren: Große Arbitragemöglichkeiten in Vorhersagemärkten
Diese Diskussion begann am 30. Januar 2026, als der Backend-Entwickler und Quant-Trader Roan auf X eine umfangreiche technische Analyse veröffentlichte. Der Thread basiert auf einer öffentlichen Forschungsarbeit, die detailliert erklärt, wie Quant-Systeme Arbitragemöglichkeiten in Vorhersagemärkten erkennen.
Die Studie zeigt, dass quantitative Systeme innerhalb Millisekunden Tausende miteinander verbundene Märkte scannen können, um Preisinkonsistenzen zu identifizieren. Diese Inkonsistenzen sind nicht offensichtlich, lassen sich aber durch mathematische Modelle in sogenannte „risikofreie Arbitrage“ umwandeln.
Nach der Analyse von 17.218 Marktbedingungen fanden die Forscher:
41 % der einzelnen Märkte bieten Arbitragemöglichkeiten
Die mediane Preisfehlanpassung bei Einsätzen von 1 US-Dollar beträgt 0,40 US-Dollar
Im Zeitraum der US-Präsidentschaftswahl 2024 wurden 1.576 abhängige Marktpaare identifiziert
Dies bedeutet, dass selbst bei scheinbar effizienten Märkten wie Polymarket noch erhebliche strukturelle Fehlbewertungen bestehen.
Warum sind die Preise auf den ersten Blick korrekt, aber der Markt ist dennoch im Ungleichgewicht?
Oberflächlich betrachtet sind die Preise in Vorhersagemärkten sehr intuitiv. Zum Beispiel liegt der YES-Vertrag bei 0,62 US-Dollar, der NO-Vertrag bei 0,38 US-Dollar, summieren sich auf 1, was auf keine Arbitragemöglichkeiten hindeutet.
Das Problem liegt jedoch in den logischen Zusammenhängen zwischen verschiedenen Märkten. Zum Beispiel:
„Wird Trump Pennsylvania gewinnen?“
„Wird die Republikanische Partei in Pennsylvania mehr als 5 Prozentpunkte Vorsprung haben?“
Diese beiden Ereignisse sind nicht vollständig unabhängig, dennoch werden sie oft getrennt bewertet. Das kann zu logischen Widersprüchen führen, etwa wenn die Gesamtwahrscheinlichkeit bestimmter Ergebnis-Kombinationen 100 % übersteigt oder unterhalb des theoretischen Werts liegt.
Für menschliche Händler ist es nahezu unmöglich, alle möglichen Szenarien manuell zu prüfen. Bei einem Turnier wie NCAA mit 63 Spielen ergeben sich über 9 Quintillionen (9×10¹⁸) mögliche Ergebnis-Kombinationen.
Quantensysteme nutzen lineare Beschränkungen und mathematische Modelle, um den Lösungsraum zu komprimieren und Probleme, die sonst unberechenbar wären, innerhalb weniger Sekunden zu lösen.
Wichtige mathematische Werkzeuge: Bregman-Projektion und Frank-Wolfe-Algorithmus
Wenn Arbitragemöglichkeiten entdeckt werden, stellt sich die Frage: Wie viel sollte man setzen, in welche Richtung, um den maximalen Gewinn zu erzielen?
Da Vorhersagemärkte häufig das LMSR (Logarithmic Market Scoring Rule) als Preismechanismus verwenden, sind herkömmliche Distanz- oder Wahrscheinlichkeitsfehlermaße ungeeignet. Forscher verwenden daher die Bregman-Divergenz, um die Distanz zwischen Marktpreis und „risikofreiem Preisraum“ zu berechnen.
Durch Bregman-Projektionen kann das System die aktuellen Marktpreise auf eine mathematisch arbitragefreie Region, den sogenannten Marginalpolytope, abbilden. Die Differenz zwischen beiden ist der theoretisch maximale Gewinn, den man realisieren kann.
Das Problem bleibt jedoch groß: Der Ergebnisraum kann Milliarden oder sogar Billionen von Kombinationen enthalten. Um die Berechnungen praktikabel zu machen, verwenden Quant-Trader den Frank-Wolfe-Algorithmus, der schrittweise die beste Lösung approximiert, ohne alle Ergebnisse aufzulisten.
In der Praxis:
Das System benötigt meist nur 50–150 Iterationen
Berechnungszeit unter 30 Minuten
Optimierung erfolgt mit Ganzzahliger Linearprogrammierung (z. B. Gurobi)
Dadurch wird ein ursprünglich unlösbares Problem in eine sofort umsetzbare Handelsstrategie verwandelt.
Echte Herausforderung: Ausführung und Liquiditätsrisiko
Selbst wenn das mathematische Modell perfekt ist, kann eine schlechte Ausführung die Arbitrage in Verluste verwandeln.
Polymarket nutzt ein zentrales Limit-Orderbuch (CLOB) auf Polygon, was bedeutet, dass Transaktionen keine atomaren Operationen sind. Mit anderen Worten: Arbitragestrategien erfordern oft gleichzeitiges Platzieren mehrerer Orders, die tatsächlichen Abschlüsse erfolgen jedoch möglicherweise nacheinander.
Wenn eine Order ausgeführt wird, die andere aber nicht, oder es zu Slippage kommt, kann die ursprünglich bei 0,40 US-Dollar liegende Arbitrage-Marge schnell auf 0,08 US-Dollar sinken.
Forscher analysierten On-Chain-Transaktionsdaten und stellten fest, dass nur Arbitragemöglichkeiten mit mindestens 0,05 US-Dollar Gewinn in der realen Handelsumgebung die Transaktionskosten durch Slippage und Liquidität ausgleichen.
Um vor Marktanpassungen schnell zu handeln, setzen professionelle Systeme auf:
WebSocket- und direkte RPC-Verbindungen
Order-Abgabe innerhalb von 30 Millisekunden
Parallele Transaktionen in Echtzeit
Im Vergleich dazu prüfen Privatanleger Preise oft nur alle 30 Sekunden, was einen enormen Geschwindigkeitvorteil bedeutet.
Jährliche Arbitrage-Gewinne von fast 40 Millionen US-Dollar: Warnsignal für Vorhersagemärkte?
Statistiken zeigen, dass zwischen April 2024 und April 2025 die quantitativen Händler auf Polymarket etwa folgende Arbitrage-Erträge erzielt haben:
Single-Condition-Arbitrage: 10,58 Mio. USD
Markt-Neugewichtung: 29,01 Mio. USD
Cross-Market-Portfolio-Arbitrage: 95.634 USD
Die Top 10 Händler erzielten zusammen 20,5 % der Gesamterlöse.
Der führende Händler führte 4.049 Trades aus, mit durchschnittlich 496 USD Gewinn pro Trade, was zeigt, dass Arbitrage kein Zufall, sondern hochsystematisierte Strategie ist.
Roan weist in seiner Analyse darauf hin, dass moderne Top-Handelssysteme bereits integriert sind:
Echtzeit-Datenpipelines
LLM-gestützte Marktbeziehungs- und Zusammenhangle detection
Ganzzahl-Optimierung
Risiko-adjustiertes Kelly-Money-Management
Diese Technologien verschaffen quantitativen Teams einen überwältigenden Vorteil im Vorhersagemarkt.
Zukunft der Vorhersagemärkte: Wird das Arbitrage-Fenster schließen?
Mit zunehmender Offenlegung und Verständnis dieser Strategien stellt sich die Frage: Wenn immer mehr Händler dieselben Techniken beherrschen, verschwinden Arbitragemöglichkeiten dann schnell?
Viele Studien und Werkzeuge sind bereits öffentlich zugänglich, darunter Arbitrage-Marktmodelle, mathematische Frameworks und Basissoftware. Gurobi, Polygon-Node-Services und verschiedene LLM-Tools sind Standardtechnologien.
Der eigentliche Wettbewerb wird sich daher auf Systemintegration und Geschwindigkeit konzentrieren.
Derzeit hat dieser X-Thread bereits mehrere Millionen Aufrufe und sorgt für lebhafte Diskussionen in Entwickler- und Trading-Communities. Viele Leser fordern zudem, dass der Autor eine zweite Folge veröffentlicht, die praktische Implementierung und Code-Details vertieft.
Für Vorhersagemärkte stellt sich eine zentrale Frage: Wenn Arbitrage-Techniken allmählich verbreitet sind, wird es dann noch eine Chance auf 40 Millionen US-Dollar Arbitrage geben? Oder beginnt das Fenster der Markteffizienz sich zu schließen?
Dieser Artikel zeigt, wie Quant-Trader auf Polymarket nahezu risikofrei 40 Millionen US-Dollar Arbitrage erzielen – das Modell offenbart versteckte Schwachstellen in Vorhersagemärkten. Ursprünglich veröffentlicht bei Chain News ABMedia.
