连续时间 Kyle 市场中的隐私噪声与交易者福利
文章 arXiv papers · 作者: Yuki Nakamura
总结
本文将单期 Kyle 模型扩展到连续时间设定，其中，承诺型自动做市商观察到的总订单流受到独立布朗噪声的干扰。在一个线性马尔可夫均衡中，模型推导出恒定的价格冲击系数，以及从流动性池向交易者转移的累计预期金额；两者均表示为基本价值不确定性、普通订单流噪声和隐私噪声强度的函数。
本文将这种隐私补贴与再平衡损失联系起来，并将二者解释为源于不同观测缺口的福利成本：此处是对订单流的噪声观测，比较情形中则是对价格的延迟观测。该结果是理论性的，依赖所设定的均衡和噪声假设；摘录未提供实证检验，也没有证据表明该结果在实际市场中的表现。文中指出，对于使用隐私聚合信息的自动做市商，该分析与盈亏平衡费率的计算相关。
核心观点
- 模型在做市商对总订单流的观测中加入独立布朗隐私噪声。
- 在所述线性均衡中，价格冲击随时间保持恒定。
- 模型推导出随着隐私噪声增加，从流动性池向交易者转移的累计预期金额。
- 分析根据各自的观测缺口，将隐私导致的福利成本与再平衡损失联系起来。
标签
全文
# The Privacy Subsidy in Continuous-Time Kyle: Cumulative Welfare under Noise-Perturbed Order-Flow Observation
# The Privacy Subsidy in Continuous-Time Kyle: Cumulative Welfare under Noise-Perturbed Order-Flow Observation
We extend the closed-form privacy-subsidy result of Nakamura~(2026, arXiv:2605.15746) from the single-period Kyle model to continuous-time. A committed Bayesian automated market maker observes the aggregate order flow perturbed by an independent Brownian privacy channel of diffusion intensity $σ_\varepsilon$. Under the Markovian linear equilibrium, the price-impact coefficient is $λ= σ_v / \sqrt{σ_u^2 + σ_\varepsilon^2}$ -- constant in time -- and the cumulative expected transfer from the protocol's liquidity pool to traders over $[0,1]$ is $|Π_M| = σ_v σ_\varepsilon^2 / \sqrt{σ_u^2 + σ_\varepsilon^2}$. We then establish a structural correspondence between this cumulative privacy subsidy and Loss-Versus-Rebalancing (Milionis et al.~2022), identifying privacy-noise welfare as the order-flow observation analog of LVR's price observation gap. The result completes the continuous-time Kyle leg of the program of quantifying break-even fees for committed-AMM exchanges under privacy-aggregated information environments.在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0
此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。