Algoritmos de Liquidez de Mercado de Previsão

TLDR:

- A liquidez do mercado de previsão começou com fórmulas matemáticas simples como LMSR e AMMs de produto constante.

- Estes funcionaram para o bootstrap, mas expuseram os operadores a grandes riscos.

- Agora as plataformas estão a mudar para algoritmos adaptativos e livros de ordens que permitem aos mm's ajustar spreads, equilibrar inventário e reciclar taxas.

- A próxima onda será a liquidez cross-market, parlays e bots de aprendizagem por reforço.

1. O Problema

Todos os mercados financeiros têm lutado com a mesma questão: Quem assume o outro lado de uma negociação?

> Em ações, especialistas e formadores de mercado.
> Nos futuros, comerciantes de pregão e membros de compensação.
> Em opções, algoritmos de provisão de liquidez ligados a superfícies de volatilidade.

> Nos mercados de previsão, as ferramentas são mais novas, os riscos mais estranhos e os algoritmos ainda estão em evolução.

- Cada contrato precisa de cotações contínuas em ambos os lados. Sem liquidez, o mercado estagna. Demasiado ruído, e os spreads alargam-se a níveis inúteis.

- Ao contrário de ações ou FX, os contratos de previsão não se mapeiam claramente para um fluxo de caixa ou hedge. O formador de mercado não está a transferir risco para um pool mais profundo, é o pool.

2. A Primeira Geração: Produto Constante e LMSR

- LMSR: O modelo de função de custo de Robin Hanson avaliou as negociações diretamente. Um único parâmetro "b" definiu a liquidez: um "b" mais alto significava preços mais suaves, um "b" mais baixo significava movimentos mais acentuados.

- AMMs: DeFi mais tarde usou pools de produto constante estilo Uniswap (x·y = k) para que os traders pudessem sempre comprar tokens de resultado contra reservas.

Ambos os esquemas resolveram o bootstrapping, mas tinham fraquezas:
- LMSR expõe o operador a perdas ilimitadas.
- O produto constante esvazia capital se os resultados estiverem distorcidos ou a liquidez for baixa.

3. A Segunda Geração: Criadores de Mercado Adaptativos

Para escalar, as plataformas começaram a experimentar algoritmos adaptativos:
- Ajuste dinâmico do spread: alargar ou apertar cotações com base no fluxo de ordens.
- Curvas sensíveis ao inventário: alterar as probabilidades se houver demasiado interesse aberto de um lado.
- Reciclagem de taxas: direcionar as taxas de negociação de volta para os pools de liquidez, prolongando a duração.

4. Lições da História

- Em opções, o Black-Scholes deu uma estrutura de preços; superfícies de volatilidade emergiram; os formadores de mercado se protegeram dinamicamente.

- Nos ETFs, os participantes autorizados arbitraram o NAV em comparação com o mercado, mantendo os spreads apertados.

- No FX, os criadores de mercado algorítmicos otimizaram os inventários tick-a-tick.

Os mercados de previsões estão a refazer estes passos, mas sem o luxo de instrumentos de cobertura profundos. A única cobertura deles é a diversificação temporal ( muitos mercados ) e rendimento de taxas.

5. Para Onde Está Indo

A fronteira são algoritmos de provisão de liquidez que se auto-hedge:
- Liquidez entre mercados: compensação de exposição entre eventos correlacionados (, por exemplo, múltiplos estados eleitorais ).

- Motores de Parlay: combinando contratos em cestas, reduzindo a variância.

- LPs de aprendizagem por reforço: bots que ajustam o parâmetro “b”, os spreads e o inventário de forma dinâmica com base na volatilidade realizada das probabilidades dos eventos.