עשיית שוק בחוזים תמידיים עם עלויות מימון סטוכסטיות

סיכום

המאמר מרחיב עשיית שוק אופטימלית לחוזים תמידיים שבהם שיעורי המימון משתנים באופן סטוכסטי. מכיוון שמלאי של עושה שוק משפיע הן על החשיפה למחיר והן על תזרימי המזומנים ממימון, המחברים מנסחים בעיית בקרה משותפת למלאי ולמימון. הם פותרים אותה בשיטת הפרשים סופיים מונוטונית למשוואת Hamilton-Jacobi-Bellman, ואז גוזרים היסטים להצעות מחיר קנייה ומכירה מתוך שינויים בערך בין רמות מלאי.

התנהגות המימון מכוילת באמצעות נתוני חוזים תמידיים של Hyperliquid עבור ETH, BTC ו־SOL. המחברים משתמשים במימון גאוסי מסוג Ornstein-Uhlenbeck כקו בסיס נוח לניתוח, ובוחנים אבחונים של קפיצות המעידים על זעזועי מימון בעלי זנבות כבדים. בסימולציות של תקופת הערכה מחוץ למדגם, עם שתי כיולים של פרוקסי לביצוע עסקאות, השיטה משפרת את הביצועים הממוצעים ומפחיתה את RMS המלאי RMS עבור ETH ו־BTC ביחס לשיטה הקלאסית של Avellaneda-Stoikov. SOL מציג רווחים חיוביים מול Avellaneda-Stoikov ללא התאמה לסיכון, אך לא שיפור פארטו מול אבחון המותאם לסיכון. הממצאים תלויים בהנחות הסימולציה ובביצועי הפרוקסי; הקטע אינו מבסס תוצאות בשוק החי, והתנהגות הקפיצות נותרת הרחבה עתידית של המודל.

רעיונות מרכזיים

• מלאי בעשיית שוק בחוזים תמידיים משפיע הן על סיכון לפי שווי שוק והן על תזרימי מזומנים ממימון.
• בעיית הבקרה ממדלת מלאי יחד עם מצב מימון סטוכסטי.
• פתרון HJB בהפרשים סופיים משמש לגזירת היסטים להצעות מחיר קנייה ומכירה.
• מימון גאוסי מסוג Ornstein-Uhlenbeck משמש נקודת בסיס נוחה לניתוח, למרות ראיות לחידושים בעלי זנבות כבדים.
• תוצאות סימולציית ההחזקה משתנות לפי נכס ומדד השוואה, כאשר SOL אינו מציג שיפור פארטו מול Avellaneda-Stoikov המותאם לסיכון.

תגיות

# 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.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.