NBA 傷兵消息公布後,最先往消息方向下單的是大額還是小額的單?
官方傷兵報告上架後 5 分鐘內,Polymarket 上往消息方向的成交:1,000 美元以上的大單和小單,誰先出現、各有幾成跟著消息走。
- 結果狀態
- 初步結果
- 最後更新
- 開始日期
- 研究時間
- 已進行 1 天/預計 1 天
- 研究團隊
- Mysports.AI 研究團隊
- 計畫登記
傷兵消息後大單與小單誰先動:重點發現
2025-26 例行賽 555 則消息、403 場;95% 誤差範圍 −0.9~+8.5 秒,包含 0=看不出差別(不代表一樣快)。還沒公告的時段用同樣算法也有 +10.6 秒的偏差。
- 實際上第一筆順向小單比第一筆順向大單早出現(中位數 12 秒;平均 49 秒);第一張順向單是大單的只有 27.8%,洗牌對照是 26.8%,差不多。
- 方向(描述,未檢定):公告後第一分鐘,大單 67.7%(63.9~71.6%)往消息方向,小單 49.3%(47.2~51.4%);5 分鐘內 60.9% 對 49.8%;還沒公告的時段 52.1% 對 49.3%。
- 頻率(描述,未檢定):公告後 90 秒內,往消息方向的大單每分鐘張數是公告前 60~15 分鐘的 8.3 倍(7.2~9.7),小單 2.1 倍(2.0~2.3)。按張數,順向單還是以小單居多(1,088 張大單對 4,996 張小單)。
- 換條件時方向不一致:只看 5,000 美元以上,大單相對先到約 6 秒(−6.0,誤差範圍 −11.2~−0.7);分界改 250 美元,反而小單相對先到約 7 秒(+7.3,+2.4~+12.3)。「誰先到」用這份資料答不出穩定的答案。
- 反方向的單:公告後逆向的大單相對逆向小單明顯較晚到(+16.7 秒,+10.9~+22.7),和「大單多半往消息方向」一致。
自己怎麼用
打開 NBA 官方傷兵報告頁(official.nba.com),點當天最新一份報告(PDF),跟前一份比,找「Current Status」欄有改變的重要球員。報告上的時間是美東時間。 打開來源 ↗
判斷消息方向(簡化的例子):從 Questionable(可能出賽)改成 Out(確定不打),對他的球隊不利,往消息方向=不看好這隊;改成 Available(可以打)則相反。本研究沿用 R1 的定義,同一隊 15 分鐘內有多則消息時另有合併規則,這裡只是直觀的例子。
套用本頁的數字:過去平均,公告後第一分鐘 1,000 美元以上的成交約 68% 往消息方向,1,000 美元以下的成交約 49%,差不多一半一半。這是很多場的平均,不能用來判斷單一筆成交。
不要拿「大單或小單誰先到」當訊號:第一筆順向成交多半是小單,只是因為小單多;扣掉這一點,看不出誰比較快,換分界時結果也不一致。
這些是 2025-26 例行賽、Polymarket 第一代合約的過去平均,不保證任何一場或任何一筆成交;方向比例是描述,沒有做正式檢定。我們分不出單是誰下的,大單不等於「大戶」。本頁不提供投注建議。
白話說明
為什麼研究這個?
回答「消息出來時,是大額的單先進場還是小額的單先進場」。看到消息後的成交紀錄時,知道第一筆是小單很正常、大單也不一定都往同一邊。
我們想知道什麼?
R1 用每一筆成交量過:NBA 官方傷兵報告上架後,Polymarket 的成交價大約 90 秒走完一半。那這段時間裡,最先往消息方向下單的,是大筆的錢還是小筆的錢?
我們怎麼研究?
我們用 R1 的同一批 1,456 則傷兵消息(2025-26 例行賽,763 場)和公開的逐筆成交資料。同一秒、同一類買賣的成交合成一張單,合計 1,000 美元以上算大單。只看公告後 5 分鐘內往消息方向的單,比第一張大單和第一張小單出現的時間。因為小單多很多(大約 16 張才 1 張大單),我們把金額隨機洗牌 2,000 次當對照,看實際的先後跟「金額和先後無關」時差多少。計畫和分析程式都先蓋時間戳,才看結果。
目前發現什麼?
第一筆順向成交多半是小單(第一筆順向小單比第一筆順向大單早出現,中位數 12 秒),但這是因為小單多。跟洗牌對照比,大單相對小單晚 3.7 秒,誤差範圍 −0.9~+8.5 秒包含 0,看不出誰比較快;換分界(5,000 或 250 美元)時方向不一致,還沒公告的時段用同樣算法也偏 +10.6 秒。比較清楚的是方向(描述,未檢定):公告後第一分鐘,大單約 68% 往消息方向,小單約 49%;往消息方向的大單每分鐘張數是公告前 60~15 分鐘的 8.3 倍,小單 2.1 倍。
這代表什麼?
消息出來後,第一筆成交是小單很正常,不代表小額的人反應比較快;大額的單也沒有明顯搶先。差別在方向:大單比小單更常往消息方向成交,往消息方向的大單頻率也增加得比小單多;小單差不多一半一半。我們分不出單是誰下的,大單不等於「大戶」。
還不能確定什麼?
還不能確定的是「誰先到」:換分界時方向不一致,還沒公告的時段用同樣算法也有偏差,所以這份資料答不出穩定的答案。我們也分不出單是誰下的,看不到掛單和撤單,最先反應的可能是撤掉舊報價的人。新球季沒有同樣的逐筆資料,沒辦法再驗證一次。
本頁用到的名詞
- 順向
- 往消息方向下單。例如某隊主力從「可能出賽」變成「確定不打」,對這隊不利,順向=不看好這隊(賣這隊或買對手)。
- 一張單
- 資料每一列是一筆被吃掉的掛單。我們把同一個市場、同一秒、同一類買賣的列加起來當一張單;分不出是誰下的,同一秒的好幾個人可能被合成一張。
- 大單、小單
- 一張單合計 1,000 美元以上算大單,以下算小單。事件前後一小時,一張單的金額中位數只有 12 美元,1,000 美元以上約佔 6%。
- 金額洗牌對照
- 把同一則消息 5 分鐘內順向成交的金額隨機洗牌(時間不動)2,000 次,算出「金額和先後無關」時第一張大單比第一張小單晚多少,再跟實際比。
- 誤差範圍
- 95% 區間:以整場比賽為單位重新抽樣 2,000 次算出來的。範圍不包含 0,才說看得出差別。
詳細結果
第一筆順向大單相對第一筆順向小單,比金額洗牌對照晚(+)或早(−)幾秒
2025-26 例行賽。第一列是事先登記的主要結果,其他列是事先列出的換條件重算與對照(只描述)。負的=大單相對先動。
主要結果的誤差範圍 −0.9~+8.5 秒,包含 0=看不出差別。其他列是事先列出的換條件重算與對照,只當參考。這是研究,不是投注建議。
研究假設深入閱讀
- H1大單相對先動 → 看不出:+3.7 秒(誤差範圍 −0.9~+8.5 秒),而且還沒公告的時段用同樣算法也偏 +10.6 秒。這不代表一樣快證據不足
- D1公告後第一分鐘,大單 68% 往消息方向、小單 49%(描述,未檢定)探索結果
- D2公告後 90 秒內,往消息方向的大單每分鐘張數是公告前 60~15 分鐘的 8.3 倍,小單 2.1 倍(描述,未檢定)探索結果
傷兵消息後大單與小單研究方法
研究問題
- 扣掉小單本來就比較多之後,第一筆順向大單比第一筆順向小單早還是晚?
- 公告後,大單、小單各有幾成往消息方向?(描述,不做檢定)
- 往消息方向的大單、小單,成交頻率各變成平常的幾倍?(描述,不做檢定)
方法摘要
- 主要結果只有一個:每則消息「實際的(第一張順向大單 − 第一張順向小單)秒差」減去「金額洗牌對照的同一個差」,再平均。負的=大單相對先動。只用公告後 5 分鐘內順向大單、小單都有的 555 則消息。
- 這是大單和小單的相對先後:可能是大單提早、也可能是小單延後,所以兩部分另外拆開看(大單 +3.2 秒、小單 −0.5 秒,都看不出差別)。
- 「公告」是官方 PDF 上架的時間;上架那一秒的成交算公告前(同 R1)。
資料來源與限制
用到哪些資料(全部公開、免費)
限制
- 回溯研究、不是盲測:R1 已用同一批消息與成交量過反應速度與第一分鐘的方向偏向(按金額算的偏向比按筆數強);大單更偏消息方向和那個結果相容,不是獨立的新發現。
- 分不出人、也分不出完整的單:一個人分好幾秒下會變成好幾張小單,同一秒的好幾個人會被合成一張。
- 還沒公告的時段(公告前 30~25 分鐘)用同樣算法也偏 +10.6 秒,所以這個對照方法本身不是完全中立;主數字不能直接當成消息造成的差。
- 只看主動成交;掛單、撤單看不到,最先反應的可能是撤掉舊報價的人。
- 資料集的成交金額約是市場公布成交量的一半(原因沒有查證);結論只適用於資料集裡的成交。只有 2025-26 例行賽,新球季沒有同樣的逐筆資料。
最新進度
最新進度:主要結果出爐:扣掉小單比較多的因素後,看不出大單或小單誰相對先動;第一分鐘大單約七成往消息方向、小單約一半一半。計畫與分析程式都先蓋時間戳,結果經 AI 工具程式審查
下一步:新球季沒有同樣的逐筆成交資料,本研究不做前瞻;如有新的公開逐筆資料,再評估是否重做
研究進度
- 資料關卡通過(只數則數與金額,沒有看方向或時間先後)
- 計畫定稿並蓋時間戳(兩輪 AI 工具程式審查);分析程式先用假資料測試、蓋時間戳再執行
- 主要結果出爐,AI 工具程式審查一輪(數字不變,修正幾處用語)
更新紀錄
版本紀錄
- v1.0-結果
主要結果:看不出大單或小單誰相對先動(+3.7 秒,誤差範圍含 0);描述:第一分鐘大單約 68% 往消息方向、小單約 49%
- v1.0
研究計畫定稿並蓋時間戳(T0=2026-11-16 18:19 UTC);回溯研究、非盲測;新球季沒有同樣的逐筆資料,不做前瞻
研究紀錄
b795c7c62eee96e35efda3703be407e08f8a2ba98feacf48a43f503809d032a045766c27eb99a9376f273d0ba12bde2bd8585bfdb6522124dec65fd474b3ca0b47fd2099d012fdde3d0becfa7ffd77e73be352e5116b28dd0c66c22767ed0c578a5f7360641b6679bb9ba8eb70eeab59afcd09be8a7ec045bd8d447138c3c3df本頁內容為研究紀錄,僅供參考,不構成任何投注建議或獲利保證。