Baru saja berbicara dengan seseorang yang mengklaim mereka menemukan arbitrase sederhana di Polymarket. YA di $0,62, TIDAK di $0,33, jumlahnya menjadi $0,95... keuntungan mudah $0,05, kan? Salah. Pada saat mereka menempatkan pesanan tersebut, arbitrase sebenarnya sudah hilang. Inilah alasannya.

Sementara trader ritel melakukan perhitungan dasar, sistem kuantitatif secara bersamaan memindai 17.218 kondisi pasar di seluruh 2^63 kombinasi hasil yang mungkin. Mereka menemukan kontradiksi harga dalam milidetik menggunakan pemrograman bilangan bulat alih-alih enumerasi brute-force. Mereka menghitung ukuran posisi optimal dengan mempertimbangkan kedalaman buku pesanan. Mereka mengeksekusi semuanya secara paralel. Kemudian mereka beralih ke peluang berikutnya. Perbedaannya bukan kecepatan. Ini adalah infrastruktur matematis.

Saya menghabiskan waktu memahami bagaimana ini benar-benar bekerja, dan ini jauh lebih canggih daripada yang disadari kebanyakan orang. Izinkan saya menjelaskan mekanisme sebenarnya.

Pertama, jebakan arbitrase yang jelas. Anda melihat dua pasar dengan ketergantungan logis. Pasar A: Trump menang di Pennsylvania di $0,48 YA. Pasar B: Republikan menang dengan 5+ poin di Pennsylvania di $0,32 YA. Keduanya jumlahnya $1,00, jadi terlihat bersih. Tapi inilah intinya—jika Republikan menang dengan 5+ poin, itu adalah subset dari kemenangan Trump. Harga dari subset ini tidak bisa melebihi harga dari superset-nya. Ketika pasar melanggar ini, Anda memiliki arbitrase. Kecuali menemukan hubungan ini secara manual sangat mustahil. Untuk hanya 305 pasar pemilihan AS, ada 46.360 kombinasi ketergantungan yang mungkin. Tim riset menggunakan DeepSeek AI untuk penyaringan awal, lalu tiga lapisan verifikasi. Hasilnya: 40.057 pasangan independen, 1.576 pasangan tergantung, 374 memenuhi kondisi ketat, 13 benar-benar dapat dieksploitasi.

Kedua, masalah matematis yang tidak dibicarakan orang. Ketika Anda melihat salah harga, bagaimana Anda menghitung perdagangan optimal? Jawaban intuitif—meminimalkan jarak Euclidean ke harga wajar—salah. Ini memperlakukan pergerakan dari $0,50 ke $0,60 sama seperti dari $0,05 ke $0,15. Tapi mereka benar-benar berbeda. Yang kedua adalah pergeseran besar dalam probabilitas tersirat. Ini seperti menambah 10kg saat berat badan 70kg versus 30kg. Perubahan yang sama, makna yang sangat berbeda.

Polymarket menggunakan harga LMSR (Logarithmic Market Scoring Rule), yang berarti harga mewakili distribusi probabilitas. Ukuran jarak yang benar di sini adalah divergence KL—mengukur jarak secara teoretis informasi antara distribusi probabilitas. Berbeda dengan jarak Euclidean sederhana, divergence KL secara otomatis memberi bobot pergerakan di dekat harga ekstrem lebih berat. Perpindahan dari $0,05 ke $0,15 tampak jauh lebih besar menggunakan divergence KL. Ini sesuai dengan kenyataan—pergerakan harga ekstrem menandakan kejutan informasi yang lebih besar.

Inilah wawasan: keuntungan maksimum yang dapat Anda peroleh sama dengan jarak divergence KL dari kondisi pasar saat ini ke batas tanpa arbitrase. Jarak itu memberi tahu Anda apa yang harus dibeli, apa yang harus dijual, dan berapa banyak yang bisa Anda peroleh.

Ketiga, menghitung ini secara nyata. Masalahnya adalah bahwa menghitung proyeksi divergence KL secara langsung secara komputasi tidak memungkinkan untuk pasar besar. Ruang tanpa arbitrase memiliki banyak vertex secara eksponensial. Anda tidak bisa memeriksa semuanya. Masuklah algoritma Frank-Wolfe. Alih-alih menyelesaikan semuanya sekaligus, algoritma ini bekerja secara iteratif. Mulai dengan seperangkat hasil yang valid. Optimalkan pada set itu. Gunakan pemrograman bilangan bulat untuk menemukan satu hasil valid baru. Tambahkan ke set. Ulangi sampai konvergen. Setelah 100 iterasi, Anda hanya melacak 100 vertex dari 2^63 kombinasi.

Tim riset menggunakan solver Gurobi sebagai mesin pemrograman bilangan bulat mereka. Iterasi awal (beberapa permainan terselesaikan): kurang dari 1 detik. Tahap tengah (30-40 permainan): 10-30 detik. Tahap akhir (50+ permainan): kurang dari 5 detik. Mengapa lebih cepat nanti? Ruang solusi yang layak menyusut seiring hasil semakin jelas. Variabel lebih sedikit, batasan lebih ketat, penyelesaian lebih cepat.

Ada satu kerutan teknis. Harga LMSR mendekati nilai ekstrem (dekat $0 atau $1), dan gradien membengkak. Solusinya: Barrier Frank-Wolfe. Alih-alih mengoptimalkan di batas lengkap, optimalkan di versi yang sedikit diperkecil. Parameter penyusutan menurun secara adaptif—awal lebih jauh dari batas (stabil), kemudian mendekati batas sebenarnya (akurasi). Dalam praktiknya, 50-150 iterasi cukup untuk mencapai konvergensi.

Keempat, eksekusi membunuh sebagian besar strategi. Anda telah menghitung perdagangan optimal. Sekarang apa? Polymarket menggunakan CLOB (Central Limit Order Book), yang berarti pesanan dieksekusi secara berurutan, bukan atomik. Rencana arbitrase Anda: beli YA di $0,30, beli TIDAK di $0,30, total biaya $0,60, pulihkan $1,00 terlepas dari hasilnya, keuntungan $0,40. Kenyataannya: pesanan YA dieksekusi di $0,30. Pesanan Anda menggerakkan pasar. Pesanan TIDAK sekarang dieksekusi di $0,78. Total biaya $1,08, pemulihan $1,00, hasil aktual: kerugian $0,08. Anda terpapar risiko.

Inilah sebabnya riset hanya mempertimbangkan spread lebih dari $0,05. Spread yang lebih kecil akan dimakan risiko eksekusi. Trader nyata menghitung VWAP (volume-weighted average price) dari semua transaksi di setiap blok. Jika jumlahnya menyimpang lebih dari $0,02 dari $1,00, itu dicatat sebagai peluang. VWAP memperhitungkan kedalaman buku pesanan yang sebenarnya. Jika Anda ingin 10.000 token tetapi hanya 2.000 tersedia di $0,30, 3.000 di $0,32, 5.000 di $0,35, VWAP Anda adalah $0,326, bukan $0,30.

Sistem lengkap menggabungkan lima lapisan. Data WebSocket waktu nyata dari API Polymarket. Data historis dari query node Alchemy yang mengakses acara kontrak. Deteksi ketergantungan menggunakan screening LLM plus tiga lapisan verifikasi. Optimisasi tiga tingkat: batasan linier sederhana (milidetik), pemrograman bilangan bulat dengan Frank-Wolfe plus Gurobi (mesin inti), validasi eksekusi terhadap buku pesanan saat ini. Ukuran posisi menggunakan rumus Kelly yang dimodifikasi, menyesuaikan probabilitas risiko eksekusi berdasarkan kedalaman buku pesanan, dibatasi maksimal 50% dari kedalaman yang tersedia.

Hasil dari April 2024 sampai April 2025: arbitrase kondisi tunggal menghasilkan $10,58 juta, rebalancing pasar menghasilkan $29,01 juta, arbitrase portofolio lintas pasar menghasilkan $95.000. Total $39,69 juta. 10 arbitrageur teratas menangkap $8,13 juta (20,5%). Arbitraseur teratas menghasilkan $2,01 juta dari 4.049 transaksi, rata-rata $496 per transaksi.

Sementara trader membaca artikel tentang teknik prediksi, sistem kuantitatif memeriksa ketergantungan menggunakan pemrograman bilangan bulat, menghitung perdagangan optimal menggunakan proyeksi divergence KL, menjalankan algoritma Frank-Wolfe, memperkirakan slippage dengan VWAP, mengeksekusi secara paralel, dan secara sistematis mengekstrak $40M dengan keuntungan terjamin.

Perbedaannya bukan keberuntungan atau timing. Ini adalah infrastruktur matematis. Makalahnya publik. Algoritmanya sudah dikenal. Keuntungannya nyata. Pertanyaannya adalah apakah trader ritel dapat membangun infrastruktur ini sebelum peluang berikutnya tertutup.