Wie Marktinformation die Profitabilität von Market Makern beeinflusst

Zusammenfassung

Dieses Paper nutzt einen agentenbasierten Computermarkt, um zu untersuchen, wie stark sich informierter Handel auf die Gewinne von Market Makern auswirkt. Das Modell umfasst Market Maker mit unterschiedlichen Informationsständen und unterschiedlicher Aversion gegenüber Bestandsrisiken, exogene fundamentale Werte, endogene Preise und einen zustandsabhängigen, selbstanregenden Prozess für die Orderflüsse der Market Taker. Die Autoren weisen Stabilitätseigenschaften dieses Orderflow-Prozesses über einen endlichen Zeithorizont nach und lösen das Market-Making-Problem mithilfe von Multi-Agenten-Verstärkungslernen mit zentralem Training und dezentraler Ausführung.

Die Simulationen zeigen, dass informierte Orderflüsse besonders schädlich sein können, wenn der Informationsgrad des Gesamtmarktes niedrig ist, da sie Market Maker einer adversen Selektion aussetzen. Mit steigendem Informationsgrad nimmt die Profitabilität insgesamt tendenziell zu, obwohl angesichts komplexer Dynamiken und stochastischen Lernens lokal nichtmonotone Veränderungen auftreten. Als mögliche Erklärung wird angeführt, dass eine bessere Preisfindung die Kosten adverser Selektion schließlich ausgleichen kann. Dies sind rechnergestützte Ergebnisse aus einem stilisierten Modell. Die Beschreibung enthält keine empirische Marktvalidierung und keine Angaben zur Robustheit gegenüber alternativen Modellannahmen.

Kernaussagen

• Das Modell kombiniert heterogene Market Maker, endogene Preise und selbstanregende Orderflüsse von Market Takern.
• Informierte Orderflüsse können bei niedrigem Informationsgrad des Gesamtmarktes hohe Kosten durch adverse Selektion verursachen.
• Ein höherer Informationsgrad des Marktes geht mit einer insgesamt steigenden simulierten Profitabilität der Market Maker einher.
• Eine bessere Preisfindung könnte die Kosten adverser Selektion ausgleichen, auch wenn die lokalen Ergebnisse nicht monoton verlaufen.
• Multi-Agenten-Verstärkungslernen dient dazu, das modellierte Problem der Liquiditätsbereitstellung zu lösen.

Schlagwörter

# Market Informedness and Market-Maker Profitability: The Trade-Off Between Adverse Selection and Price Discovery


# Market Informedness and Market-Maker Profitability: The Trade-Off Between Adverse Selection and Price Discovery









This paper studies how market informedness affects market makers' profitability in a computational market environment with heterogeneous learning agents. We develop an agent-based market model in which market makers differ in their information sets and inventory-risk aversion, prices form endogenously, fundamental values evolve exogenously, and market-taker order flow follows a state-dependent self-exciting process. The model provides a controlled computational laboratory for analyzing the interaction between informed trading, adverse selection, price discovery, and liquidity provision. We establish finite-horizon stability properties of the market-taker order-flow process and solve the market-making problem using multi-agent reinforcement learning with centralized training and decentralized execution. The results show that informed market order flow is particularly harmful when aggregate market informedness is low, exposing market makers to severe adverse-selection risk. However, as market informedness increases, market-maker profitability displays an overall upward trend despite local non-monotonicities arising from complex market dynamics and stochastic learning. This suggests that the price-discovery benefits of informed trading can offset its adverse-selection costs. The findings contribute to computational economics by showing how agent heterogeneity, endogenous price formation, and learning-based liquidity provision jointly shape market outcomes.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.