精选今天0 投票
最优自适应做市：永续合约高收益流动性提供的理论框架
研究背景与核心问题
在去中心化永续合约市场中，做市商面临复杂挑战：如何动态调整买卖价差、管理库存风险，并在多个交易所间优化对冲策略？传统做市模型（如Avellaneda-Stoikov）主要适用于中心化市场，未充分考虑零手续费、资金费率等去中心化特性。近期，一篇发表于arXiv的论文提出了一套严格的理论框架，试图解决这一问题。
关键贡献
该研究将做市商问题建模为随机最优控制问题，在滤波概率空间上控制自适应价差和跨交易所库存对冲。主要贡献包括：
- PnL分解定理：将收益拆解为价差收入、逆向选择损失、库存持有成本、对冲摩擦和资金费率敞口五个部分，清晰揭示盈利来源。
- HJB方程与验证定理：在CARA效用下推导联合价差-库存-对冲控制的Hamilton-Jacobi-Bellman方程，并给出验证定理。
- 高APY区间定理：通过五个无量纲参数刻画盈利区域，并总结出主APY公式。
- 零手续费经济学分析：针对去中心化永续交易所，给出最优入场/退出阈值。
- 跨交易所对冲策略：考虑资金费率动态，提出对冲机制的三分法。
- 鲁棒性边际：量化参数不确定性容忍度。
- 指数级回撤概率界与普适APY-VaR恒等式。
- 遍历库存分布：在最优控制下结合贝叶斯自适应估计。
- 凯利最优杠杆与破产边界。
- 多资产组合配置与分散化饱和结果。
数值分析与行业意义
论文通过23个图表的数值分析，揭示了盈利与非盈利区间之间的相变。该框架统一并扩展了Avellaneda-Stoikov、Gueant-Lehalle-Fernandez-Tapia和Glosten-Milgrom等经典范式，使其适用于现代去中心化交易场所。
对于AI与金融交叉领域，这一工作展示了强化学习与最优控制在量化交易中的前沿应用。做市商可借鉴其自适应价差策略和库存管理方法，在DeFi领域实现更高收益。同时，主APY公式为流动性提供者提供了可量化的决策工具。
总结
这篇42页的论文为永续合约做市提供了理论完备的解决方案，尤其适用于零手续费环境。未来，结合机器学习算法进行参数估计，有望进一步提升策略的实盘表现。