预测市场流动性算法

顶级域名：

- 预测市场流动性始于简单的数学公式，如LMSR和恒定乘积AMM。

- 这些方法在启动时有效，但使操作员面临了巨大的风险。

- 现在平台正在转向自适应算法和订单簿，让做市商调整价差、平衡库存和回收费用。

- 下一波将是跨市场净额结算、连环投注和强化学习机器人。

1. 问题

每个金融市场都面临着同一个问题：谁来承担交易的另一方？

> 在股票市场，专业人士和做市商。
> 在期货中，场内交易员和结算会员。
> 在期权中，与波动率曲面相关的流动性提供算法。

> 在预测市场中，工具更新，风险更为陌生，算法仍在不断演进。

- 每个合约需要持续的双向报价。没有流动性，市场就会停滞不前。噪音过多，价差会扩大到无用的水平。

- 与股票或外汇不同，预测合约并不能清晰地映射到现金流或对冲。市场做市商并不是将风险转移到某个更深的池子中，而是这个池子。

2. 第一代：恒定产品和LMSR

- LMSR: 罗宾·汉森的成本函数模型直接定价交易。一个单一的参数“b”设定流动性：更高的b意味着价格更平滑，较低的b意味着价格波动更剧烈。

- AMM：DeFi后来使用了Uniswap风格的常数乘积池(x·y = k)，以便交易者可以始终根据储备购买结果代币。

这两种方案都解决了引导问题，但存在缺陷：
- LMSR使操作者面临无界损失。
- 如果结果偏斜或流动性较浅，常数乘积会导致资本流失。

3. 第二代：自适应市场做市商

为了扩展，平台开始尝试自适应算法：
- 动态点差调整：根据订单流量扩大或缩小报价。
- 库存敏感曲线：如果一侧的未平仓合约过多，则调整赔率。
- 费用回收：将交易费用再投资于流动性池，延长资金使用时间。

4. 历史的教训

- 在期权中，Black-Scholes 提供了定价框架；波动率曲面出现；市场做市商动态对冲。

- 在ETF中，授权参与者套利净值与市场，保持价差紧密。

- 在外汇市场中，算法市场做市商优化了逐笔的库存。

预测市场正在重走这些步骤，但没有深度对冲工具的奢侈。它们唯一的对冲是时间多样化(许多市场)和费用收入。

5. 它将去往何处

前沿是自我对冲的流动性提供算法：
- 跨市场净额结算：抵消相关事件的风险敞口，例如，多个选举州(。

- 复合引擎：将合约组合成篮子，降低方差。

- 强化学习的流动性提供者：根据事件赔率的实际波动性动态调整“b”参数、价差和库存的机器人。