مواد پر جائیں
لائبریری کی تمام دستاویزات

مارکیٹ کی باخبری مارکیٹ میکر کے منافع پر کیسے اثر انداز ہوتی ہے

مضمون arXiv papers · مصنف: Konrad Ochędzan et al.

خلاصہ

یہ مقالہ ایجنٹ پر مبنی کمپیوٹیشنل مارکیٹ کے ذریعے مطالعہ کرتا ہے کہ باخبر ٹریڈنگ کی شرح مارکیٹ میکرز کے منافع پر کیسے اثر انداز ہوتی ہے۔ اس کے ماڈل میں مختلف معلومات اور انوینٹری رسک سے گریز رکھنے والے مارکیٹ میکرز، بیرونی بنیادی قدریں، اندرونی طور پر متعین قیمتیں، اور حالت پر منحصر خود محرک پراسیس کے تحت مارکیٹ ٹیکر آرڈر فلو شامل ہیں۔ مصنفین اس آرڈر فلو پراسیس کے لیے محدود مدت کے استحکام کی خصوصیات ثابت کرتے ہیں اور مارکیٹ سازی کے مسئلے کو حل کرنے کے لیے مرکزی تربیت اور غیر مرکزی عمل درآمد والی کثیر ایجنٹ تقویتی مشین لرننگ استعمال کرتے ہیں۔

سمولیوشنز ظاہر کرتی ہیں کہ باخبر آرڈر فلو مجموعی مارکیٹ کی باخبری کم ہونے پر خاص طور پر نقصان دہ ہو سکتا ہے، کیونکہ اس سے مارکیٹ میکرز کو منفی انتخاب کا سامنا ہوتا ہے۔ باخبری بڑھنے پر منافع کا عمومی رجحان اوپر کی طرف ہوتا ہے، اگرچہ پیچیدہ حرکیات اور اتفاقی سیکھنے کے درمیان مقامی غیر یکساں تبدیلیاں ہوتی ہیں۔ مجوزہ وضاحت یہ ہے کہ بہتر قیمت دریافت بالآخر منفی انتخاب کی لاگت کا ازالہ کر سکتی ہے۔ یہ ایک مثالی ماڈل کے کمپیوٹیشنل نتائج ہیں؛ وضاحت میں حقیقی مارکیٹ کی توثیق یا متبادل ماڈل مفروضوں کے تحت نتائج کی مضبوطی کی تفصیل نہیں۔

اہم خیالات

  • ماڈل مختلف مارکیٹ میکرز، اندرونی قیمتوں، اور خود محرک مارکیٹ ٹیکر فلو کو یکجا کرتا ہے۔
  • جب مجموعی باخبری کم ہو تو باخبر آرڈر فلو شدید منفی انتخاب کی لاگت پیدا کر سکتا ہے۔
  • زیادہ مارکیٹ باخبری کا تعلق سمیولیٹ کردہ مارکیٹ میکر منافع میں مجموعی اضافے سے ہے۔
  • بہتر قیمت دریافت منفی انتخاب کی لاگت کا ازالہ کر سکتی ہے، اگرچہ مقامی نتائج یکساں نہیں۔
  • ماڈل کردہ لیکویڈیٹی فراہم کرنے کے مسئلے کو حل کرنے کے لیے کثیر ایجنٹ تقویتی مشین لرننگ استعمال ہوتی ہے۔

ٹیگز

مکمل متن
# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔