基于优化的自动做市商框架
摘要：构建在在线凸优化理论的基础上，我们提出了一个通用框架，用于设计非常庞大结果空间上的高效证券市场。挑战在于计算。在一个完备市场中，每个结果都有一个证券被提供，市场机构无法有效地跟踪交易历史或计算证券价格，当结果空间庞大时。自然的解决方案是以某种方式将证券空间限制为远小于结果空间，以便可以高效定价证券。最近的研究主要集中在寻找能够通过现有机制高效定价的证券空间上。尽管已取得一些成功，但大部分研究导致了困难结果。在本文中，我们采用了完全不同的方法。我们从具有有界支付的任意证券空间开始，并建立了一个适用于该空间的市场设计框架。我们证明任何满足一组直观条件的市场必须通过一个凸潜力函数定价证券，并且可达价格空间必须恰好是证券支付的凸包。然后我们展示了如何通过在证券支付的凸包上进行优化问题来定义凸潜力函数。优化问题的最优解给出了证券价格。借助这个框架，我们提供了一个用于预测物体在球体上的降落位置的高效市场。此外，我们还展示了我们可以放宽"无套利"条件，设计一个新的高效市场制造商用于双向投注，而现有机制已知很难定价。这种放宽也允许市场制造商收取交易费用，以便随着交易数量的增加动态增加市场的深度。
作者：Jacob Abernethy, Yiling Chen, Jennifer Wortman Vaughan
论文ID：1011.1941
分类：Computer Science and Game Theory
分类简称：cs.GT
提交时间：2010-11-10