Smooth Quadratic Prediction Markets

要約

エージェントが二重性ベースのコスト関数予測市場で取引するとき、彼らは正規化されたリーダーの次の学習アルゴリズムを集合的に実装します。
他の学習アルゴリズムを使用して、予測市場の設計を刺激できるかどうかを尋ねます。
二重性ベースのコスト関数マーケットメーカー（DCFMM）価格設定メカニズムを分解して変更することにより、スムーズな二次予測市場と呼ばれる新しい予測市場を提案します。これは、エージェントが一般的な急な勾配降下を集合的に実装するように促します。
DCFMMと比較して、滑らかな二次予測市場は、瞬間的な価格、情報の組み込み、表現力、仲裁なし、インセンティブの適合性の存在などの公理保証を維持しながら、広告証券の最悪の金銭的損失が向上しています。
スムーズな2次予測市場の適用を動機付けるために、2つの現実的な制約の下でエージェントの取引行動を独立して検討します。
最後に、スムーズな二次予測市場を使用して適応性のある流動性を促進するためのアプローチの入門分析を提供します。
私たちの結果は、価格更新ルールが料金構造とは別の将来の設計を示唆していますが、保証は保持されています。

要約(オリジナル)

When agents trade in a Duality-based Cost Function prediction market, they collectively implement the learning algorithm Follow-The-Regularized-Leader. We ask whether other learning algorithms could be used to inspire the design of prediction markets. By decomposing and modifying the Duality-based Cost Function Market Maker’s (DCFMM) pricing mechanism, we propose a new prediction market, called the Smooth Quadratic Prediction Market, the incentivizes agents to collectively implement general steepest gradient descent. Relative to the DCFMM, the Smooth Quadratic Prediction Market has a better worst-case monetary loss for AD securities while preserving axiom guarantees such as the existence of instantaneous price, information incorporation, expressiveness, no arbitrage, and a form of incentive compatibility. To motivate the application of the Smooth Quadratic Prediction Market, we independently examine agents’ trading behavior under two realistic constraints: bounded budgets and buy-only securities. Finally, we provide an introductory analysis of an approach to facilitate adaptive liquidity using the Smooth Quadratic Prediction Market. Our results suggest future designs where the price update rule is separate from the fee structure, yet guarantees are preserved.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google