تأثیر آگاهی بازار از اطلاعات بر سودآوری بازارساز

خلاصه

این مقاله با استفاده از بازاری محاسباتی مبتنی بر عامل، بررسی می‌کند رواج معاملات مبتنی بر اطلاعات چگونه بر سود بازارسازان اثر می‌گذارد. مدل آن بازارسازانی با سطوح متفاوت اطلاعات و گریز از ریسک موجودی، ارزش‌های بنیادی برون‌زا، قیمت‌های درون‌زا و جریان سفارش معامله‌گران بازاررو را دربرمی‌گیرد که از فرایندی خودبرانگیخته و وابسته به وضعیت پیروی می‌کند. نویسندگان ویژگی‌های پایداری این فرایند جریان سفارش را در افق محدود اثبات می‌کنند و برای حل مسئله بازارسازی از یادگیری تقویتی چندعاملی، با آموزش متمرکز و اجرای غیرمتمرکز، بهره می‌گیرند.

شبیه‌سازی‌ها نشان می‌دهند که جریان سفارش‌های مبتنی بر اطلاعات، وقتی آگاهی اطلاعاتی کل بازار پایین است، می‌تواند به‌ویژه زیان‌بار باشد و بازارسازان را در معرض گزینش نامطلوب قرار دهد. با افزایش این آگاهی، سودآوری در مجموع روندی صعودی دارد، هرچند در میان پویایی‌های پیچیده و یادگیری تصادفی، تغییرات محلی غیرتک‌نواخت رخ می‌دهند. توضیح پیشنهادی این است که کشف بهتر قیمت در نهایت می‌تواند هزینه‌های گزینش نامطلوب را جبران کند. این یافته‌ها محاسباتی و حاصل مدلی ساده‌شده‌اند؛ توضیح، هیچ اعتبارسنجی تجربی در بازار یا جزئیاتی درباره استحکام نتایج در برابر فرض‌های جایگزین مدل ارائه نمی‌کند.

ایده‌های کلیدی

• مدل، بازارسازان ناهمگون، قیمت‌های درون‌زا و جریان خودبرانگیخته معامله‌گران بازاررو را ترکیب می‌کند.
• وقتی آگاهی اطلاعاتی کل بازار پایین است، جریان سفارش مبتنی بر اطلاعات می‌تواند هزینه‌های گزینش نامطلوب شدیدی تحمیل کند.
• آگاهی بیشتر بازار از اطلاعات با افزایش کلی سودآوری شبیه‌سازی‌شده بازارسازان همراه است.
• کشف بهتر قیمت ممکن است هزینه‌های گزینش نامطلوب را جبران کند، هرچند نتایج محلی غیرتک‌نواخت‌اند.
• برای حل مسئله تأمین نقدشوندگی در مدل از یادگیری تقویتی چندعاملی استفاده می‌شود.

برچسب‌ها

# 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.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.