Algoritmos de Liquidez del Mercado de Predicción

TLDR:

- La liquidez del mercado de predicciones comenzó con fórmulas matemáticas simples como LMSR y AMMs de producto constante.

- Estos funcionaron para el arranque, pero expusieron a los operadores a grandes riesgos.

- Ahora las plataformas están cambiando a algoritmos adaptativos y libros de órdenes que permiten a los mm's ajustar los márgenes, equilibrar el inventario y reciclar tarifas.

- La próxima ola será la compensación entre mercados, parlay y bots de aprendizaje por refuerzo.

1. El Problema

Cada mercado financiero ha luchado con la misma pregunta: ¿Quién toma el otro lado de una operación?

>
En acciones, especialistas y creadores de mercado.
> En futuros, los operadores de piso y los miembros de compensación.
> En opciones, algoritmos de provisión de liquidez vinculados a superficies de volatilidad.

> En los mercados de predicción, las herramientas son más nuevas, los riesgos son más extraños y los algoritmos aún están evolucionando.

- Cada contrato necesita cotizaciones continuas a ambos lados. Sin liquidez, el mercado se detiene. Demasiado ruido, y los diferenciales se amplían a niveles inútiles.

- A diferencia de las acciones o el FX, los contratos de predicción no se corresponden claramente con un flujo de efectivo o una cobertura. El creador de mercado no está transfiriendo riesgo a un fondo más profundo, es el fondo.

2. La Primera Generación: Producto Constante y LMSR

- LMSR: El modelo de función de costo de Robin Hanson fijó los precios de las operaciones directamente. Un único parámetro “b” estableció la liquidez: un b más alto significaba precios más suaves, un b más bajo significaba movimientos más agudos.

- AMMs: DeFi luego utilizó grupos de producto constante al estilo de Uniswap (x·y = k) para que los comerciantes pudieran siempre comprar tokens de resultado contra reservas.

Ambos esquemas resolvieron el arranque pero tenían debilidades:
- LMSR expone al operador a pérdidas ilimitadas.
- El producto constante drena capital si los resultados están sesgados o la liquidez es escasa.

3. La Segunda Generación: Creadores de Mercado Adaptativos

Para escalar, las plataformas comenzaron a experimentar con algoritmos adaptativos:
- Ajuste dinámico del diferencial: ampliar o reducir las cotizaciones en función del flujo de órdenes.
- Curvas sensibles al inventario: desplazan las probabilidades si hay demasiado interés abierto acumulado de un lado.
- Reciclaje de tarifas: redirigir las tarifas de negociación de nuevo a los pools de liquidez, extendiendo la pista.

4. Lecciones de la Historia

- En opciones, Black-Scholes proporcionó un marco de precios; surgieron superficies de volatilidad; los creadores de mercado se cubrieron dinámicamente.

- En los ETFs, los participantes autorizados arbitraron el NAV frente al mercado, manteniendo los diferenciales ajustados.

- En FX, los creadores de mercado algorítmicos optimizaron los inventarios tick por tick.

Los mercados de predicción están retrocediendo estos pasos, pero sin el lujo de instrumentos de cobertura profundos. Su única cobertura es la diversificación temporal ( muchos mercados ) y los ingresos por comisiones.

5. A dónde va

La frontera son los algoritmos de provisión de liquidez que se auto-cubren:
- Compensación intermercados: compensar la exposición entre eventos correlacionados (por ejemplo, múltiples estados de elecciones).

- Motores de parlay: combinando contratos en cestas, reduciendo la variabilidad.

- LPs de aprendizaje por refuerzo: bots que ajustan dinámicamente el parámetro “b”, los spreads y el inventario en función de la volatilidad realizada de las probabilidades de eventos.