[논문 리뷰] Comparing Prediction Market Structures, With an Application to Market Making

Aseem Brahma, Sanmay Das외 1명|arXiv (Cornell University)|2010. 09. 07.

Sports Analytics and Performance인용 수 11

한 줄 요약

이 논문은 참가자가 이원 확률 보행을 관찰하는 실시간 거래 실험을 통해, 제어된 유동성 조건 하에서 가격 안정성과 기대 손실 측면에서 표준 LMSR보다 뛰어난 성능을 보이는 새로운 베이지안 마켓 메이커(BMM)를 소개한다. LMSR와 달리 BMM은 손실의 유계성을 보장하지 않지만 실질적으로 더 뛰어난 수렴성과 수익성 확보를 가능하게 하여, 적응적이고 정보 기반의 가격 설정 방식을 갖춘 실생활 예측 시장에 실현 가능한 대안을 제공한다.

ABSTRACT

Ensuring sufficient liquidity is one of the key challenges for designers of prediction markets. Various market making algorithms have been proposed in the literature and deployed in practice, but there has been little effort to evaluate their benefits and disadvantages in a systematic manner. We introduce a novel experimental design for comparing market structures in live trading that ensures fair comparison between two different microstructures with the same trading population. Participants trade on outcomes related to a two-dimensional random walk that they observe on their computer screens. They can simultaneously trade in two markets, corresponding to the independent horizontal and vertical random walks. We use this experimental design to compare the popular inventory-based logarithmic market scoring rule (LMSR) market maker and a new information based Bayesian market maker (BMM). Our experiments reveal that BMM can offer significant benefits in terms of price stability and expected loss when controlling for liquidity; the caveat is that, unlike LMSR, BMM does not guarantee bounded loss. Our investigation also elucidates some general properties of market makers in prediction markets. In particular, there is an inherent tradeoff between adaptability to market shocks and convergence during market equilibrium.

연구 동기 및 목표

• 실생활 거래 환경에서 다양한 마켓 메이커 설계, 특히 LMSR과 새로운 베이지안 마켓 메이커(BMM)의 성능을 평가하고 비교하는 것.
• 예측 시장에서의 유동성 공급 문제를 해결하는 것. 이는 여전히 그 효과성을 가로막는 주요 장벽이다.
• 정보 기반 마켓 메이커인 BMM이 재고 기반 모델인 LMSR보다 수렴성, 손실, 적응성 측면에서 뛰어나다는지 탐구하는 것.
• 동일한 거래자 집단을 사용하여 마켓 메이커의 직접 비교를 가능하게 하는 대칭적이고 공정한 실험 설계를 개발하고 검증하는 것.
• 시장 충격에 대한 반응으로 마켓 메이커의 적응성, 수렴 속도, 기대 손실 간의 상호 상충 관계를 탐색하는 것.

제안 방법

• 저자들은 참가자가 독립적인 수평 및 수직 확률 보행 기반의 두 개의 병렬 예측 시장에서 거래하는 실시간 실험 플랫폼을 설계하여, 동일한 조건에서 마켓 메이커의 성능을 직접 비교할 수 있도록 하였다.
• 새로운 베이지안 마켓 메이커(BMM)를 제안하며, 이는 고정된 매개변수 b나 재고에 의존하지 않고, 진정한 결과의 사후 분포를 베이지안 업데이트를 통해 추정하고 이를 바탕으로 가격을 설정한다.
• BMM은 들어오는 거래와 변화하는 신뢰 상태에 따라 가격을 동적으로 조정함으로써 충격 이후 균형 가격으로의 수렴 속도를 높인다.
• LMSR 마켓 메이커는 기준으로 사용되며, 그 단일 매개변수 b는 BMM 조건에서의 유동성 수준과 일치하도록 조정된다.
• 실험은 균형 상태, 공통 정보 충격, 제한된 정보, 개인 정보 충격 등의 다양한 시장 상태에서 실시되었으며, 일관된 참가자 집단이 사용되었다.
• 주요 성능 지표로는 가격 안정성, 스프레드, 거래 건수, 기대 손실이 있으며, 이는 모든 조건에서 LMSR과 BMM 간에 비교되었다.

실험 결과

연구 질문

• RQ1 동일한 유동성 조건 하에서 베이지안 마켓 메이커(BMM)가 LMSR 마켓 메이커보다 더 뛰어난 가격 수렴성과 안정성을 확보할 수 있는가?
• RQ2 BMM은 유사한 시장 충격에 대한 적응성 유지를 바탕으로 LMSR보다 기대 손실을 줄일 수 있는가?
• RQ3 실시간 실험 환경에서 실제 거래자들은 BMM과 LMSR의 가격 동적 변화에 어떻게 반응하는가?
• RQ4 BMM이 높은 손실을 입을 수 있는 조건는 무엇이며, 이는 LMSR의 손실 유계성 보장과 비교해 볼 때 어떻게 다를 수 있는가?
• RQ5 BMM이 손실의 유계성을 보장하지 못한다는 점이 실생활 예측 시장에서의 마켓 메이커로서의 실현 가능성에 얼마나 영향을 미치는가?

주요 결과

• BMM은 LMSR보다 유의미하게 뛰어난 가격 안정성과 균형 상태로의 수렴을 보였으며, 시장 충격 이후 신뢰 분포가 더 좁게 유지되었다.
• 실시간 거래에서 BMM은 LMSR보다 기대 손실이 낮았고, 많은 경우 수익을 올렸다. 반면 LMSR은 가격 변동으로 인해 지속적으로 손실을 봤다.
• 비교적 유사한 유동성(매도-매수 스프레드로 측정)을 유지하고 있음에도 불구하고 BMM은 LMSR보다 거래 건수가 적었으며, 이는 더 효율적인 가격 발견과 더 작은 노이즈를 의미한다.
• 균형 상태에 도달한 후에도 LMSR은 지속적인 가격 변동을 보였으며, 이는 사후 신뢰도가 수렴하지 않을 경우 수렴성이 열악하다는 것을 시사한다.
• BMM은 다양한 시장 조건에서 뛰어난 성능을 보였지만, 실험 4에서는 희귀하거나 전략적인 시장 행동에 취약함이 일부 관찰되어 위험 요소가 존재함을 시사한다.
• 실험 설계는 동일한 참가자 집단을 사용하여 마켓 메이커 간의 공정하고 대칭적인 비교를 성공적으로 가능하게 하였으며, 향후 마켓 메이커 평가에 활용 가능함을 검증하였다.