تحلیل ۲۷۰۰۰ تراکنش ۱۰ نهنگ برتر در Polymarket: توهم پول هوشمند و قانون بقا

عنوان اصلی: "تحلیل عمیق ۲۷۰۰۰ تراکنش ۱۰ نهنگ برتر در Polymarket: توهم نرخ برد پول هوشمند و قانون بقا"

نویسنده اصلی: Frank, PANews

اخیراً محبوبیت بازارهای پیش‌بینی به طور پیوسته در حال افزایش است، به ویژه با استراتژی آربیتراژ پول هوشمند که بسیار مورد توجه قرار گرفته است. بسیاری از افراد شروع به تقلید و آزمایش کرده‌اند و به نظر می‌رسد که یک تب طلای جدید را آغاز کرده‌اند.

با این حال، پشت این محبوبیت، این استراتژی‌های به ظاهر هوشمندانه و معقول چقدر موثر هستند؟ آن‌ها واقعاً چگونه اجرا می‌شوند؟ PANews یک تحلیل عمیق از ۲۷۰۰۰ تراکنش ده نهنگ برتر از نظر سود در Polymarket در ماه دسامبر انجام داد تا حقیقت پشت سودهای آن‌ها را کشف کند.

پس از تحلیل، PANews دریافت که اگرچه بسیاری از این بازیکنان "پول هوشمند" استراتژی‌های آربیتراژ پوشش ریسک را اجرا کردند، اما این پوشش ریسک به طور قابل توجهی با پوشش ریسک ساده‌ای که در رسانه‌های اجتماعی تفسیر می‌شود، متفاوت است. استراتژی واقعی پیچیده‌تر است و فراتر از یک ترکیب ساده "بله" یا "خیر" است، بلکه از قوانینی مانند "اسپرد" و "برد/باخت" در رویدادهای ورزشی برای تکمیل پوشش ریسک ترکیبی استفاده می‌کند. یافته مهم دیگر این است که پشت نرخ برد به طور قابل توجهی بالا بر اساس موقعیت‌های تاریخی، این نهنگ‌ها تعداد زیادی "سفارش زامبی" دارند که هنوز باز هستند اما برای نشان دادن نتایج تزئین شده‌اند، و نرخ برد واقعی بسیار کمتر از نرخ برد تاریخی است.

در ادامه، PANews عملیات واقعی این بازیکنان "پول هوشمند" را از طریق موارد واقعی فاش خواهد کرد.

1. SeriouslySirius: A 73% Win Rate Embellished by "Zombie Orders," and a Complex Quantitative Hedging Network

SeriouslySirius آدرس رتبه اول در ماه دسامبر است، با سود حدود ۳.۲۹ میلیون دلار در دسامبر و مجموع سود تاریخی ۲.۹۴ میلیون دلار. اگر فقط به سوابق سفارش‌های تکمیل شده او نگاه کنیم، نرخ برد او تا ۷۳.۷٪ است. با این حال، وضعیت واقعی این است که این آدرس هنوز ۲۳۶۹ سفارش باز دارد، با ۴۶۹۰ سفارش تسویه شده. در میان این‌ها، ۱۷۹۱ سفارش باز در واقع شکست کامل هستند، اما کاربر آن‌ها را یکی یکی نبسته است. از یک طرف، این می‌تواند تلاش و کارمزد زیادی را ذخیره کند. از طرف دیگر، از آنجا که سفارش‌هایی که او معمولاً می‌بندد سفارش‌های سودآور هستند، داده‌های سفارش تسویه شده نرخ برد بسیار بالایی را نشان می‌دهند. با این حال، اگر این "سفارش‌های زامبی" تسویه نشده در نظر گرفته شوند، نرخ برد واقعی این آدرس به ۵۳.۳٪ کاهش می‌یابد، که تنها کمی بالاتر از پرتاب تصادفی سکه است.

در معاملات واقعی خود، حدود ۴۰٪ از سفارش‌ها سفارش‌های پوشش ریسک هستند که روی جهت‌های متعدد برای همان رویداد شرط‌بندی می‌کنند. با این حال، این پوشش ریسک یک "بله" + "خیر" ساده نیست. به عنوان مثال، در بازی NBA بین 76ers و Mavericks، او به طور همزمان روی Under (اسپرد کوچک)، Over (اسپرد بزرگ)، 76ers (تیم میزبان)، Mavericks (تیم مهمان) و ۱۱ جهت دیگر خرید کرد و در نهایت ۱۶۱۱ دلار سود کرد. در این فرآیند، او از استراتژی آربیتراژ با احتمال ناکافی استفاده کرد، مانند خرید احتمال برد 76ers در ۵۶.۸٪ و Mavericks در ۳۹.۳۷٪، با هزینه کل حدود ۰.۹۶۲، که به وضعیت سود تضمین شده دست یافت. در نهایت، در این بازی، او ۱۷۰۰۰ دلار سود کرد.

با این حال، این استراتژی همیشه سودآور نیست. در بازی بین Celtics و Kings، به عنوان مثال، مجموعاً ۹ جهت درگیر بودند که منجر به ضرر ۲۹۰۰ دلاری شد.

علاوه بر این، عدم تعادل قابل توجهی در تخصیص وجوه برای بسیاری از سفارش‌ها وجود داشت. به عنوان مثال، با وجود اینکه سفارش‌ها در هر دو جهت قرار داده شده بودند، تفاوت در مقدار وجوه سرمایه‌گذاری شده بیش از ۱۰ برابر بود. این نتیجه احتمالاً به دلیل نقدینگی ناکافی بازار بود که چالش کلیدی در استراتژی‌های آربیتراژ را برجسته می‌کند. در حالی که ممکن است فرصت ایجاد شود، اجرای موقعیت‌های متعادل در هر دو طرف ممکن است همیشه امکان‌پذیر نباشد.

علاوه بر این، به دلیل اجرای خودکار، اقدامات خرید و فروش در چنین سناریوهایی اغلب منجر به ضررهای قابل توجهی می‌شود.

با این وجود، دلیل اصلی اینکه SeriouslySirius توانست از طریق این استراتژی به سودهای قابل توجهی دست یابد، مدیریت موقعیت سالم او بود، با نسبت سود به ضرر حدود ۲.۵۲. این عامل به او اجازه داد تا با وجود نرخ برد واقعی نسبتاً پایین، سود خود را محقق کند.

علاوه بر این، این استراتژی همیشه سودآور نبود. قبل از دسامبر، P&L این آدرس خوش‌بینانه نبود و برای مدت طولانی زیر خط سر به سر باقی ماند، با حداکثر ضرر حتی به ۱.۸ میلیون دلار رسید. بلوغ فعلی استراتژی سوالاتی را در مورد توانایی آن برای حفظ چنین انتظارات سود در دراز مدت ایجاد می‌کند.

2. DrPufferfish: Transforming Low Probability into High Probability, the Ultimate "Risk-Reward Ratio" Management Art

DrPufferfish دومین آدرس سودآور در ماه دسامبر بود، با سود ماهانه حدود ۲.۰۶ میلیون دلار. نرخ برد تاریخی او حتی چشمگیرتر است و به ۸۳.۵٪ می‌رسد. با این حال، با در نظر گرفتن تعداد زیادی "سفارش زامبی" در سبد سهام او، نرخ برد او به ۵۰.۹٪ بازگشته است. با این حال، استراتژی معاملاتی DrPufferfish به طور قابل توجهی با SeriouslySirius متفاوت است. در حالی که نزدیک به ۲۵٪ از سفارش‌های او سفارش‌های پوشش ریسک هستند، این پوشش ریسک در جهت مخالف نیست بلکه از طریق شرط‌بندی‌های متنوع است. به عنوان مثال، در مورد قهرمانی نهایی MLB، او به طور همزمان روی ۲۷ تیم با احتمال کم خرید کرد که احتمال ترکیبی آن‌ها از ۵۴٪ فراتر رفت. از طریق این استراتژی، او مجموعه‌ای از رویدادهای با احتمال کم را به یک رویداد با احتمال بالا تبدیل کرد.

علاوه بر این، توانایی او برای دستیابی به سودهای قابل توجه در کنترل نسبت ریسک به پاداش او نهفته است. با در نظر گرفتن Liverpool به عنوان مثال (تیم EPL مورد علاقه او)، او ۱۲۳ بار نتایج این تیم را پیش‌بینی کرد که منجر به حدود ۱.۶ میلیون دلار سود شد. در میان پیش‌بینی‌های سودآور، میانگین سود حدود ۳۷۲۰۰ دلار بود، در حالی که میانگین ضرر از پیش‌بینی‌های ناموفق حدود ۱۱۰۰۰ دلار بود. علاوه بر این، او معمولاً اکثر این سفارش‌های زیان‌ده را زودتر می‌فروشد تا ضررهای موقعیت را مدیریت کند.

این رویکرد عملیاتی همچنین به نسبت سود به ضرر کلی او اجازه داد تا به ۸.۶۲ برسد، با انتظار سود بالا. با این حال، به طور کلی، استراتژی او یک آربیتراژ پوشش ریسک ساده نبود، بلکه سود کلانی بود که از طریق تحلیل پیش‌بینی حرفه‌ای و مدیریت موقعیت دقیق به دست آمد. نکته دیگر این است که اکثر معاملات پوشش ریسک او در وضعیت زیان‌ده بودند، با مجموع P&L این سفارش‌ها که به -۲.۰۹ میلیون دلار می‌رسید. بنابراین، به نظر می‌رسد که اکثر معاملات پوشش ریسک این whale به عنوان نوعی بیمه استفاده می‌شدند.

3. gmanas: High-Frequency Automated Assembly Line Operation

آدرس رتبه سوم gmanas سبک مشابهی با DrPufferfish داشت و به سود کلی ۱.۹۷ میلیون دلار در دسامبر دست یافت. نرخ برد واقعی ۵۱.۸٪ آن‌ها به DrPufferfish نزدیک بود. با این حال، فرکانس معاملاتی آن‌ها بالاتر بود، با بیش از ۲۴۰۰ پیش‌بینی تکمیل شده تا کنون، که نشان می‌دهد استراتژی آن‌ها نتیجه اجرای برنامه خودکار است. در مورد سبک شرط‌بندی آن‌ها، مشابه آدرس قبلی است، اما در اینجا به جزئیات نمی‌پردازیم.

4. Hunter simonbanza: Riding Prediction Probabilities like Candlestick Waves

آدرس رتبه چهارم simonbanza یک شکارچی پیش‌بینی حرفه‌ای است. برخلاف آدرس‌های قبلی، استراتژی او شامل هیچ سفارش پوشش ریسک نیست و او به سود حدود ۱.۰۴ میلیون دلار دست یافته است، با ضرر موقعیت "سفارش زامبی" تنها ۱۳۰۰۰۰ دلار. در مقایسه با آدرس‌های قبلی، اگرچه اندازه وجوه و حجم معاملات او بالا نیست، نرخ برد واقعی او با حدود ۵۷.۶٪ بالاترین است. علاوه بر این، در سفارش‌های تسویه شده، میانگین سود او حدود ۳۲۰۰۰ دلار و میانگین ضرر ۳۶۵۰۰ دلار است. در حالی که داده‌های نسبت سود به ضرر بالا نیست، با نرخ برد بالا، او در نهایت به بازده خوبی دست یافت.

علاوه بر این، این آدرس "سفارش‌های زامبی" بسیار کمی دارد، تنها ۶. این به این دلیل است که او معمولاً قبل از پایان رویداد منتظر تسویه نمی‌ماند بلکه از فرصت نوسانات احتمالی برای سود بردن استفاده می‌کند. به زبان ساده، او سودها را در صورت موجود بودن می‌گیرد و در نتیجه نهایی معطل نمی‌ماند.

این همچنین یک استراتژی سرمایه‌گذاری بازار پیش‌بینی منحصر به فرد است. در منطق او، این تغییرات احتمالی بیشتر شبیه فراز و نشیب‌های سرمایه‌گذاری مالی است. البته، ما منطق خاص پشت نرخ برد بالای او را نمی‌دانیم؛ این راز بقای انحصاری اوست.

5. Whale gmpm: Asymmetric Hedge Strategy, Using "Large Positions" to Seek Certainty

آدرس رتبه پنجم، gmpm، در حالی که در رتبه‌بندی سود و زیان دسامبر تنها پنجم است، مجموع سود تاریخی بالاتری نسبت به آدرس‌های قبلی دارد و به ۲.۹۳ میلیون دلار می‌رسد. علاوه بر این، نرخ برد واقعی آن‌ها حدود ۵۶.۱۶٪ نیز در سطح بالایی قرار دارد. رویکرد عملیاتی آن‌ها مشابه آدرس رتبه چهارم است، اما استراتژی اصلی راز انحصاری خود را دارد.

به عنوان مثال، شما خواهید دید که این آدرس اغلب شرط‌بندی‌های دو طرفه روی همان رویداد انجام می‌دهد. با این حال، استراتژی آن‌ها به نظر نمی‌رسد که فرصت‌های آربیتراژ بین این دو جهت را هدف قرار دهد، بلکه تخصیص مقدار بیشتری از وجوه به سمتی با احتمال بیشتر و مقدار کمتری به سمتی با احتمال کمتر است. به این ترتیب، آن‌ها می‌توانند هنگام برنده شدن یک نتیجه با احتمال بالا، موقعیت بزرگ‌تری داشته باشند، در حالی که ضرر احتمالی هنگام وقوع یک رویداد با احتمال کم خیلی زیاد نیست و اثر پوشش ریسک را به دست می‌آورند.

از دیدگاه عملی، این یک استراتژی پوشش ریسک پیشرفته‌تر است که صرفاً به شرط آربیتراژ ریاضی "بله" + "خیر" < ۱ متکی نیست بلکه تحلیل رویداد جامع را با کاهش ضرر پوشش ریسک ترکیب می‌کند.

6. Model Worker swisstony: "Ant Moving" High-Frequency Arbitrage

آدرس ششم، swisstony، یک آدرس آربیتراژ با فرکانس بسیار بالا است و بالاترین فرکانس معاملاتی را در میان این آدرس‌ها دارد، با مجموع ۵۵۲۷ تراکنش. با وجود انباشت بیش از ۸۶۰۰۰۰ دلار سود، میانگین سود در هر تراکنش تنها ۱۵۶ دلار است. از نظر استراتژیک، این آدرس در سبک "حرکت مورچه‌ای" قرار می‌گیرد. مشابه سایر آدرس‌های آربیتراژ، این آدرس معمولاً تمام نتایج یک رویداد واحد را خریداری می‌کند. به عنوان مثال، در یک بازی Jazz vs. Clippers، این آدرس مجموعاً ۲۳ جهت نتیجه خریداری کرد. به دلیل مقدار سرمایه‌گذاری کم، تخصیص وجوه نسبتاً متعادل است و امکان سطح خاصی از اثر پوشش ریسک را فراهم می‌کند.

با این حال، به نظر می‌رسد این استراتژی به شدت به جزئیات خرید متکی است، مانند این الزام که "بله" + "خیر" باید کمتر از ۱ باشد. به دلایلی، سفارش‌های پوشش ریسک انجام شده توسط swisstony اغلب منجر به مجموع مبلغی بیش از ۱ می‌شود که منجر به ضررهای اجتناب‌ناپذیر برای این سفارش‌ها می‌شود. با این وجود، با نسبت‌های ریسک به پاداش معقول و داده‌های نرخ برد، وضعیت سودآوری همچنان مثبت است.

7. Maverick 0xafEe: Unconventional "Pop Culture Prophet"

آدرس هفتم، 0xafEe، یک بازیکن واقعاً کم‌فرکانس و با نرخ برد بالا است. فرکانس معاملاتی آن‌ها به طور قابل توجهی پایین است، با میانگین تنها ۰.۴ تراکنش در روز، که به نرخ برد واقعی ۶۹.۵٪ دست می‌یابد.

از طریق سفارش‌های تکمیل شده خود، آن‌ها حدود ۹۲۹۰۰۰ دلار سود با "سفارش‌های زامبی" بسیار کم و حدود ۸۸۰۰ دلار ضرر محقق نشده کسب کرده‌اند. علاوه بر این، آن‌ها هرگز در سفارش‌های پوشش ریسک شرکت نمی‌کنند بلکه بر پیش‌بینی‌ها تمرکز می‌کنند. پیش‌بینی‌های آن‌ها عمدتاً حول روندهای جستجوی Google و محتوای مرتبط با فرهنگ پاپ می‌چرخد، مانند "آیا پاپ لئو چهاردهم امسال به پرجستجوترین فرد تبدیل خواهد شد؟" یا "آیا Gemini 3.0 قبل از ۳۱ اکتبر منتشر خواهد شد؟". در این دسته‌های پیش‌بینی، آن‌ها به نظر می‌رسد رویکرد تحلیلی منحصر به فردی دارند که منجر به نرخ برد فوق‌العاده بالایی می‌شود. در میان نهنگ‌های رتبه‌بندی شده، آن‌ها به عنوان یک "Maverick" برجسته هستند و تنها آدرس خارج از ورزش هستند.

8. Manual Hedge Player 0x006cc: Strategy Upgrade from Simple Hedge to Complex Hedge

آدرس رتبه هشتم 0x006cc مشابه چندین آدرس پوشش ریسک پیچیده ذکر شده در بالا است، با سود خالص کلی حدود ۱.۲۷ میلیون دلار و نرخ برد واقعی حدود ۵۴٪. با این حال، در مقایسه با سایر آدرس‌هایی که برنامه‌های خودکار را اجرا می‌کنند، فرکانس معاملاتی آن‌ها بسیار پایین است، با میانگین تنها ۰.۷ معامله در روز. بر اساس عملیات اولیه آن‌ها، این آدرس ممکن است در ابتدا یک "استراتژی پوشش ریسک ساده" را از طریق معاملات دستی اتخاذ کرده باشد.

با این حال، پس از ورود به دسامبر، این استراتژی پوشش ریسک ساده نیز به یک استراتژی پوشش ریسک پیچیده ارتقا یافته است. از تاریخچه معاملات آن‌ها، می‌توان مشاهده کرد که همانطور که استراتژی پوشش ریسک در این بازار به طور گسترده‌تری درک می‌شود، به تدریج در حال تکامل است.

9. Case Study in What Not to Do RN1: When "Hedging" Turns into a "Loss Formula"

آدرس رتبه نهم RN1 یکی از ده آدرس سودآور در ماه دسامبر است اما در حال حاضر نشان‌دهنده یک ضرر کلی است. سود محقق شده آن‌ها حدود ۱.۷۶ میلیون دلار است، اما ضررهای محقق نشده آن‌ها به ۲.۶۸ میلیون دلار می‌رسد که منجر به ضرر کلی ۰.۹۲ میلیون دلار می‌شود. به عنوان یک مثال منفی، جنبه‌های زیادی برای در نظر گرفتن در مورد RN1 وجود دارد.

اولاً، نرخ برد واقعی آن‌ها تنها ۴۲٪ است که پایین‌ترین در میان این آدرس‌ها است، با نسبت سود به ضرر تنها ۱.۶۲. با در نظر گرفتن این دو نقطه داده با هم، انتظار سود آن‌ها منفی است که نشان می‌دهد این استراتژی به طور کلی سودآور نیست.

نگاه دقیق‌تر به جزئیات آن‌ها نشان می‌دهد که این آدرس نیز به وضوح درگیر یک استراتژی آربیتراژ است. با این حال، در بسیاری از معاملات پوشش ریسک آن‌ها، اگرچه شرط "بله" + "خیر" < ۱ برآورده می‌شود، آن‌ها تمایل دارند مقدار بیشتری را به سمتی با احتمال کمتر و مقدار کمتری را به سمتی با احتمال بیشتر اختصاص دهند. این عدم تعادل در موقعیت‌های واقعی منجر به ضررهای واقعی هنگام وقوع رویدادهایی با احتمالات بالاتر می‌شود.

10. Gambler Cavs2: Heavy Position on One Side in Ice Hockey Matches, Where Luck Outweighs Strategy

آدرس رتبه دهم Cavs2 نیز یک قمارباز پیش‌بینی است که از گرفتن موقعیت سنگین در یک طرف لذت می‌برد و در مسابقات هاکی روی یخ NHL تخصص دارد. با این حال، از دیدگاه داده‌های کلی، مجموع سود واقعی آن‌ها حدود ۰.۶۳ میلیون دلار است، با نرخ برد واقعی حدود ۵۰.۴۳٪ و نسبت پوشش ریسک پایین‌تر ۶.۶٪. داده‌ها نسبتاً متوسط هستند، با شانس که نقش مهمی ایفا می‌کند. آن‌ها نتایج چندین مسابقه فردی با بازده بالا را با موفقیت پیش‌بینی کرده‌اند، اما ارزش استراتژیک واقعی بالا نیست.

5 Harsh Truths Behind the "Smart Money" Hype

پس از بررسی عمیق تراکنش‌های این "پول هوشمند"، PANews واقعیت پشت "روایت ثروت" بازار پیش‌بینی را خلاصه کرده است.

۱. "استراتژی آربیتراژ پوشش ریسک" با دستیابی به یک شرط احتمالی ساده فاصله زیادی دارد. در یک بازار به شدت رقابتی با محدودیت‌های نقدینگی، بسیار محتمل است که به یک فرمول ضرر خودتخریبی تبدیل شود. پیروی و تقلید کورکورانه توصیه نمی‌شود.

۲. "Copy Trading" به نظر می‌رسد در بازار پیش‌بینی به همان اندازه ناپایدار باشد. دلایل اصلی شامل چندین نکته است. اولاً، رتبه‌بندی یا نرخ بردی که دیده می‌شود بر اساس داده‌های سود تسویه شده تاریخی است که منجر به داده‌های "تحریف شده" می‌شود. پشت چنین داده‌هایی، مقدار زیادی از "پول هوشمند" به آن اندازه‌ای که به نظر می‌رسد "هوشمند" نیست، با نرخ برد واقعی بالای ۷۰٪ که بسیار نادر است؛ اکثر نرخ‌های برد شبیه پرتاب سکه هستند. علاوه بر این، عمق معاملات در بازار پیش‌بینی در حال حاضر نسبتاً ضعیف است و همان فرصت‌های آربیتراژ ممکن است تنها مقادیر بسیار کمی از سرمایه را در خود جای دهند که منجر به احتمال زیاد بیرون رانده شدن کپی تریدرها در این فرآیند می‌شود.

۳. مدیریت نسبت ریسک به پاداش و اندازه موقعیت مهم‌تر از دنبال کردن نرخ برد است. در میان آدرس‌های چندین استراتژی با عملکرد برجسته، آن‌ها ویژگی مشترک بسیار خوب بودن در مدیریت نسبت ریسک به پاداش را دارند. حتی آدرس‌هایی مانند gmpm و DrPufferfish موقعیت‌ها را فوراً بر اساس تغییرات در روندهای احتمالی می‌بندند تا ضررها را به حداقل برسانند و نسبت ریسک به پاداش را افزایش دهند.

۴. راز واقعی فراتر از "فرمول ریاضی" نهفته است. در حال حاضر، تفسیرهای زیادی از "فرمول‌های آربیتراژ" در رسانه‌های اجتماعی وجود دارد. در نگاه اول، این استراتژی‌ها بسیار معقول به نظر می‌رسند، اما در عملیات واقعی، توانایی واقعی این پول هوشمند به نظر می‌رسد فراتر از این "فرمول‌های ریاضی" باشد. یا آن‌ها توانایی قضاوت بسیار قوی برای رویدادهای خاص دارند یا یک مدل تحلیل منحصر به فرد برای فرهنگ پاپ دارند. این الگوریتم‌های تصمیم‌گیری نامرئی کلید موفقیت آن‌ها هستند. برای کاربران بدون چنین "الگوریتم‌های تصمیم‌گیری"، بازار پیش‌بینی نیز یک "جنگل تاریک" بی‌رحم است.

۵. مقیاس سود بازار پیش‌بینی هنوز کاملاً کوچک است. با نگاهی به درآمدهای این بازیکنان پول هوشمند برتر در دسامبر، آدرسی با بالاترین مجموع درآمد تنها حدود ۳ میلیون دلار درآمد فعلی دارد. در مقایسه با بازار مشتقات کریپتو، پتانسیل سود این بازار به نظر می‌رسد محدودیت مشخصی دارد. برای کسانی که با رویاهای ثروت یک شبه وارد شدند، مقیاس این بازار به وضوح به اندازه کافی بزرگ نیست. در بازاری که هم از نظر حرفه‌ای بودن منحصر به فرد است و هم از نظر مقیاس کوچک، احتمالاً در حال حاضر برای موسسات چندان جذاب نیست. نمی‌دانم آیا این نیز دلیل مهمی است که رشد بازار پیش‌بینی را محدود می‌کند.

در Polymarket، یک بازار پیش‌بینی به ظاهر پر از طلا، اکثر بازیکنان به اصطلاح "نهنگ" صرفاً قماربازان بازمانده یا کارگران روزمزد سخت‌کوش هستند. کد ثروت واقعی در آن رتبه‌بندی‌های نرخ برد بیش از حد خوش‌بینانه پنهان نشده است، بلکه در الگوریتم‌هایی است که توسط چند بازیکن برتر پس از حذف نویز با پول واقعی شرط‌بندی شده‌اند.

Original Article Link