Algorithmes de liquidité de marché de prédiction

TLDR:

- La liquidité des marchés de prévision a commencé avec des formules mathématiques simples comme LMSR et les AMM à produit constant.

- Cela a fonctionné pour le démarrage mais a exposé les opérateurs à de grands risques.

- Maintenant, les plateformes passent à des algorithmes adaptatifs et des carnets de commandes qui permettent aux market makers d'ajuster les spreads, d'équilibrer les inventaires et de recycler les frais.

- La prochaine vague sera la compensation inter-marchés, les paris, et les robots d'apprentissage par renforcement.

1. Le Problème

Chaque marché financier a lutté avec la même question : Qui prend l'autre côté d'un échange ?

> En actions, spécialistes et teneurs de marché.
> Dans les contrats à terme, les traders de parquet et les membres de la chambre de compensation.
> Dans les options, des algorithmes de provision de liquidité liés aux surfaces de volatilité.

> Dans les marchés de prévision, les outils sont plus récents, les risques plus étranges et les algorithmes sont encore en évolution.

- Chaque contrat nécessite des cotations continues des deux côtés. Sans liquidité, le marché est à l'arrêt. Trop de bruit, et les spreads s'élargissent à des niveaux inutiles.

- Contrairement aux actions ou aux FX, les contrats de prévision ne se traduisent pas clairement par un flux de trésorerie ou une couverture. Le teneur de marché ne transfère pas le risque vers un pool plus profond, c'est le pool.

2. La Première Génération : Produit Constant et LMSR

- LMSR : Le modèle de fonction de coût de Robin Hanson a directement évalué les transactions. Un seul paramètre « b » a déterminé la liquidité : un b plus élevé signifiait des prix plus fluides, un b plus bas signifiait des mouvements plus marqués.

- AMMs : DeFi a ensuite utilisé des pools à produit constant de style Uniswap (x·y = k) afin que les traders puissent toujours acheter des jetons de résultat contre les réserves.

Les deux schémas ont résolu le démarrage mais avaient des faiblesses :
- LMSR expose l'opérateur à une perte illimitée.
- Un produit constant érode le capital si les résultats sont biaisés ou si la liquidité est faible.

3. La Deuxième Génération : Fabricants de Marché Adaptatifs

Pour évoluer, les plateformes ont commencé à expérimenter avec des algorithmes adaptatifs :
- Ajustement dynamique des spreads : élargir ou resserrer les cotations en fonction du flux de commandes.
- Courbes sensibles à l'inventaire : déplacez les cotes si trop d'intérêts ouverts s'accumulent d'un côté.
- Recyclage des frais : réacheminer les frais de trading vers les pools de liquidité, prolongeant la piste.

4. Leçons de l'histoire

- Dans les options, Black-Scholes a donné un cadre de tarification ; des surfaces de volatilité ont émergé ; les teneurs de marché se sont couverts de manière dynamique.

- Dans les ETF, les participants autorisés ont pratiqué l'arbitrage entre la valeur liquidative (NAV) et le marché, maintenant ainsi des écarts serrés.

- Dans le FX, les teneurs de marché algorithmiques ont optimisé les inventaires tick par tick.

Les marchés de prédiction retracent ces étapes, mais sans le luxe d'instruments de couverture profonds. Leur seule couverture est la diversification dans le temps ( de nombreux marchés ) et les revenus des frais.

5. Où cela va-t-il

La frontière est les algorithmes de provisionnement de liquidité qui s'auto-couvent :
- Compensation inter-marchés : compensation de l'exposition à travers des événements corrélés (par exemple, plusieurs États électoraux).

- Moteurs de parlay : combinaison de contrats en paniers, réduction de la variance.

- LPs d'apprentissage par renforcement : bots qui ajustent dynamiquement le paramètre "b", les spreads et l'inventaire en fonction de la volatilité réalisée des cotes d'événements.