Алгоритмы ликвидности на рынке прогнозов

Краткое содержание:

- Ликвидность предсказательных рынков началась с простых математических формул, таких как LMSR и постоянные продукты AMM.

- Эти методы работали для начального финансирования, но подвергали операторов большим рискам.

- Теперь платформы переходят на адаптивные Алгоритмы и книги заказов, которые позволяют mm'ам регулировать спреды, балансировать запасы и перерабатывать сборы.

- Следующей волной будут кросс-рыночные неттинги, парлеи и боты на основе алгоритмов обучения с подкреплением.

1. Проблема

Каждый финансовый рынок сталкивался с одним и тем же вопросом: Кто берет другую сторону сделки?

> В акциях специалисты и маркет-мейкеры.
> В фьючерсах, напольные трейдеры и клиринговые члены.
> В опционах алгоритмы предоставления ликвидности, связанные с волатильностью.

> В рынках прогнозов инструменты новее, риски страннее, а алгоритмы все еще развиваются.

- Каждый контракт нуждается в непрерывных двухсторонних котировках. Без Ликвидности рынок останавливается. Слишком много шума, и спреды расширяются до бесполезных уровней.

- В отличие от акций или валютного рынка, контракты на предсказание не сопоставляются четко с денежным потоком или хеджированием. Маркет-мейкер не передает риск в какой-то более глубокий пул, он и есть этот пул.

2. Первое поколение: Постоянный продукт и LMSR

- LMSR: Модель функции затрат Робина Хансона напрямую оценивала сделки. Один параметр "b" устанавливал Ликвидность: более высокий b означал более плавные цены, более низкий b означал резкие колебания.

- AMM: DeFi позже использовал пулы постоянного продукта в стиле Uniswap (x·y = k), чтобы трейдеры всегда могли покупать токены результата за резерв.

Обе схемы решили проблему начальной настройки, но имели слабые места:
- LMSR подвергает оператора неограниченному убытку.
- Постоянный продукт истощает капитал, если результаты искажены или ликвидность низка.

3. Второе поколение: Адаптивные рыночные создатели

Чтобы масштабироваться, платформы начали экспериментировать с адаптивными Алгоритмами:
- Динамическое регулирование спреда: расширение или сужение котировок в зависимости от потока заказов.
- Кривые, чувствительные к запасам: измените шансы, если слишком много открытого интереса сосредоточено с одной стороны.
- Переработка сборов: возврат торговых сборов обратно в ликвидные пулы, продлевая срок действия.

4. Уроки из истории

- В опционных сделках модель Блэка-Шоулса предложила ценовую структуру; появились поверхности волатильности; маркетмейкеры хеджировали динамически.

- В ETF уполномоченные участники арбитражировали NAV по сравнению с рынком, поддерживая узкие спрэды.

- В FX алгоритмические маркет-мейкеры оптимизировали запасы по тикам.

Рынки предсказаний повторяют эти шаги, но без роскоши глубоких хеджирующих инструментов. Их единственный хедж - это временная диверсификация (много рынков) и доход от сборов.

5. Куда это движется

Передовой опыт — это алгоритмы обеспечения ликвидности, которые самозащищаются:
- Кросс-рынковое неттирование: компенсация экспозиции по коррелированным событиям (, например, несколько выборных штатов ).

- Параллельные движки: комбинирование контрактов в корзины, снижение дисперсии.

- LPs с обучением с подкреплением: боты, которые динамически регулируют параметр “b”, спреды и запасы на основе реализованной волатильности шансов на событие.