Market Making für Perpetuals mit stochastischen Funding-Kosten

Zusammenfassung

Diese Arbeit erweitert optimales Market Making auf Perpetual-Kontrakte mit stochastisch schwankenden Funding-Raten. Da der Bestand eines Market Makers sowohl das Preisrisiko als auch die Funding-Zahlungsströme beeinflusst, formulieren die Autoren ein gemeinsames Kontrollproblem für Bestand und Funding. Sie lösen es mit einer monotonen Finite-Differenzen-Methode für die Hamilton-Jacobi-Bellman-Gleichung und leiten anschließend Bid- und Ask-Kursaufschläge aus Wertänderungen über verschiedene Bestandsniveaus ab.

Das Funding-Verhalten wird anhand von Hyperliquid-Perpetual-Daten für ETH, BTC und SOL kalibriert. Die Autoren verwenden ein gaußsches Ornstein-Uhlenbeck-Funding-Modell als handhabbare Basis und untersuchen Sprungdiagnosen, die auf schwerverteilte Funding-Innovationen hindeuten. In Simulationen mit zurückgehaltenen Daten und zwei Fill-Proxy-Kalibrierungen verbessert ihre Methode die durchschnittliche Performance und senkt den Bestands-RMS für ETH und BTC gegenüber dem klassischen Avellaneda-Stoikov-Modell. SOL zeigt positive Zugewinne gegenüber der unskalierten Avellaneda-Stoikov-Variante, aber keine Pareto-Verbesserung gegenüber einer risikoskalierten Diagnose. Die Ergebnisse hängen von Simulationsannahmen und Proxy-Fills ab; der Auszug belegt keine Ergebnisse für Live-Märkte. Das Sprungverhalten bleibt eine mögliche Erweiterung des Modells für künftige Arbeiten.

Kernaussagen

• Der Bestand beim Market Making für Perpetuals beeinflusst sowohl das Mark-to-Market-Risiko als auch die Funding-Zahlungsströme.
• Das Kontrollproblem modelliert den Bestand gemeinsam mit einem stochastischen Funding-Zustand.
• Eine Finite-Differenzen-Lösung für HJB leitet Bid- und Ask-Kursaufschläge ab.
• Gaußsches Ornstein-Uhlenbeck-Funding dient trotz Anzeichen schwerverteilter Innovationen als handhabbare Basis.
• Die Simulationsergebnisse mit zurückgehaltenen Daten variieren je nach Vermögenswert und Vergleichsmodell; für SOL gibt es keine Pareto-Verbesserung gegenüber dem risikoskalierten Avellaneda-Stoikov-Modell.

Schlagwörter

# Funding-Aware Optimal Market Making for Perpetual DEXs


# Funding-Aware Optimal Market Making for Perpetual DEXs









This paper studies optimal liquidity provision for perpetual contracts when the funding rate is a stochastic state variable. The core extension to classical market making is the coupling between inventory and funding payments: inventory creates both mark-to-market exposure and a state-dependent funding cash flow. A reduced inventory-funding control problem is formulated, solved with a monotone finite-difference Hamilton-Jacobi-Bellman scheme, and bid and ask quote offsets are recovered from discrete inventory value differences. Funding is calibrated on Hyperliquid ETH, BTC, and SOL perpetual data. Gaussian OU funding is retained as a tractable diffusion baseline, while OU-plus-jump diagnostics document the heavy-tailed funding innovations that should enter a future extension. In 100-seed holdout simulations under two official-fill proxy calibrations, the funding-aware HJB improves mean ETH/BTC performance while lowering inventory RMS relative to classical Avellaneda-Stoikov. SOL gains are positive versus unscaled AS but are not a Pareto improvement once a risk-scaled AS diagnostic is included.

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.