[论文解读] Comparing Prediction Market Structures, With an Application to Market Making

Aseem Brahma, Sanmay Das+1 more|arXiv (Cornell University)|Sep 7, 2010

Sports Analytics and Performance被引用 11

一句话总结

本文提出了一种新型贝叶斯市场做市商（BMM），在受控流动性的条件下，通过观察二维随机游走的实时交易实验，其价格稳定性与预期损失均优于标准LMSR。与LMSR不同，BMM不保证损失有界，但在实践中展现出更优的收敛性与盈利能力，证明其作为具备自适应、基于信息定价机制的现实预测市场可行替代方案。

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.

研究动机与目标

• 评估并比较不同市场做市商设计（特别是LMSR与一种新型贝叶斯市场做市商，BMM）在真实交易环境中的表现。
• 解决预测市场中流动性提供问题，该问题仍是其有效性的重要障碍。
• 探究基于信息的市场做市商（如BMM）是否能在价格收敛性、损失与适应性方面优于基于库存的模型（如LMSR）。
• 设计并验证一种对称、公平的实验方案，使用相同交易人群体对实时市场做市商进行对比。
• 探索市场做市商适应性、收敛速度与预期损失之间的权衡，尤其在应对市场冲击时。

提出的方法

• 作者设计了一个实时实验平台，参与者在基于独立横向与纵向随机游走的两个并行预测市场中进行交易，从而在相同条件下直接比较市场做市商的表现。
• 提出一种新型贝叶斯市场做市商（BMM），其利用贝叶斯更新估计真实结果的后验分布，并据此设定价格，而非依赖库存或固定参数b。
• BMM根据新交易与不断演化的信念状态动态调整定价，从而在市场冲击后实现更快的均衡价格收敛。
• 以LMSR市场做市商作为基准，其单一参数b经调整以匹配BMM条件下的流动性水平。
• 实验涵盖多种市场状态：均衡状态、共同信息冲击、有限信息与个体信息冲击，参与者群体保持一致。
• 关键性能指标包括价格稳定性、买卖价差、交易数量与预期损失，所有指标均跨条件测量，并在LMSR与BMM之间进行比较。

实验结果

研究问题

• RQ1 在等同流动性条件下，贝叶斯市场做市商（BMM）是否在价格收敛性与稳定性方面优于LMSR市场做市商？
• RQ2 BMM能否在保持与LMSR相当的市场冲击适应性的同时，降低预期损失？
• RQ3 在实时实验环境中，真实交易者对BMM与LMSR定价动态的反应行为如何？
• RQ4 BMM在何种条件下可能遭受高额损失，其表现与LMSR的有界损失保证相比如何？
• RQ5 BMM缺乏有界损失是否显著影响其在真实预测市场中作为市场做市商的可行性？

主要发现

• BMM在价格稳定性与向均衡收敛方面显著优于LMSR，市场冲击后信念分布更集中。
• 在实时交易中，BMM的预期损失低于LMSR，且在多数情况下实现盈利，而LMSR因价格波动持续产生亏损。
• 尽管流动性水平相当（以买卖价差衡量），BMM产生的交易数量少于LMSR，表明其价格发现更高效，噪声更少。
• LMSR在达到均衡后仍表现出持续的价格波动，表明在后验信念不收敛时收敛性较差。
• BMM在多种市场条件下表现稳健，但在实验4中偶发高额损失，提示其在罕见或策略性市场行为下可能存在脆弱性。
• 实验设计成功实现了使用同一参与者群体的公平、对称的市场做市商对比，验证了其在后续市场做市商评估中的有效性。