💻 computer science

Zero-shot adaptation to order book dynamics

Dieser Artikel schlägt eine adaptive Market-Making-Architektur vor, die die analytische Effizienz des Avellaneda–Stoikov-Rahmens beibehält und gleichzeitig einen Mechanismus im Stil eines Nachfolgemasses einführt, um sich durch die Entkopplung der Marktdynamik vom Handelsziel dynamisch an verändernde Marktregime und Handelsziele anzupassen.

Ursprüngliche Autoren: Arip Asadulaev

Veröffentlicht 2026-05-22

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Arip Asadulaev

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie betreiben einen kleinen Laden, der ein beliebtes Gut kauft und verkauft, wie etwa eine seltene Sammelkarte. Ihr Ziel ist es, durch den Kauf zu niedrigen und den Verkauf zu hohen Preisen Gewinn zu erzielen, doch Sie müssen vorsichtig sein: Wenn Sie zu viele Karten halten, könnten Sie mit ihnen sitzen bleiben, falls der Preis fällt, und wenn Sie zu schnell verkaufen, könnten Sie zukünftige Gewinne verpassen.

In der Welt des Hochfrequenzhandels wird dieses „Geschäft" als Market Maker bezeichnet, und die klassische Methode, es zu führen, basiert auf einer berühmten Formel namens Avellaneda–Stoikov. Betrachten Sie diese klassische Formel als ein sehr kluges, starres Rezept. Es sagt Ihnen genau, wie weit Sie Ihre „Kauf"- und „Verkauf"-Angebote vom aktuellen Marktpreis entfernt platzieren sollten, basierend auf einigen festen Regeln: wie volatil der Markt ist, wie viel Lagerbestand Sie haben und wie viel Zeit am Tag noch übrig ist.

Das Problem mit dem alten Rezept
Das Problem mit diesem klassischen Rezept ist, dass es statisch ist. Es geht davon aus, dass die „Spielregeln" (wie das Marktrisiko oder Ihre Lagerbestandsziele) für immer gleich bleiben. Doch in Wirklichkeit ändert sich der Markt ständig. Manchmal ist er ruhig, manchmal chaotisch. Manchmal möchten Sie mehr Karten halten, und manchmal möchten Sie sie schnell loswerden. Wenn sich der Markt ändert, weiß das alte Rezept nicht, wie es sich anpassen soll, es sei denn, ein Mensch schreibt die Anweisungen manuell um.

Die neue Lösung: Ein „Zero-Shot"-adaptiver Koch
Dieser Artikel schlägt eine neue Art vor, den Laden zu führen. Er behält die solide, zuverlässige Struktur des alten Rezepts (das Avellaneda–Stoikov-Framework) bei, fügt jedoch ein kluges, adaptives Gehirn darauf hinzu. Dieses Gehirn ermöglicht es dem System, seine Ziele in Echtzeit zu lernen und zu ändern, ohne von Grund auf neu trainiert werden zu müssen (daher der Begriff „Zero-Shot").

So funktioniert das neue System, aufgeteilt in drei einfache Teile:

1. Den Raum lesen (Marktzustand)

Zuerst betrachtet das System das aktuelle „Limit Order Book", was wie eine digitale Liste aller wartenden Käufer oder Verkäufer ist.

Die Analogie: Stellen Sie sich einen Wettervorhersager vor, der den Himmel, den Wind und die Luftfeuchtigkeit beobachtet, um vorherzusagen, ob es regnen wird.
Was es tut: Das System analysiert diese Daten, um das aktuelle „Wetter" des Marktes zu bestimmen. Ist es stürmisch (volatil)? Weht der Wind stark (hohe Handelsvolumen)? Es übersetzt diese Beobachtungen in eine Reihe von Parametern, die dem System sagen, wie sich der Markt gerade jetzt verhält.

2. Vom letzten Mahl lernen (Adaptives Ziel)

Dies ist der innovativste Teil. Anstatt ein festes Ziel zu haben (wie „immer 10 Karten auf Lager halten"), betrachtet das System, was in der sehr nahen Vergangenheit passiert ist.

Die Analogie: Stellen Sie sich einen Koch vor, der das Essen probiert, das er gerade serviert hat. Wenn sich die Kunden beschweren, es sei zu salzig, wirft der Koch nicht das gesamte Rezeptbuch weg; er passt einfach das Salz für das nächste Gericht an.
Was es tut: Das System betrachtet seine letzten paar Trades und die damit verbundenen Gewinne oder Verluste. Es fragt: „Habe ich Geld verdient? Bin ich mit zu vielen Karten sitzen geblieben? Habe ich Geld verloren, weil sich der Preis gegen mich bewegt hat?" Basierend auf diesem „Geschmackstest" erstellt es ein neues, vorübergehendes Zielvektor. Wenn der Markt es dafür bestraft hat, zu viele Karten zu halten, wird das neue Ziel „weniger aggressiv sein". Wenn es Gewinne verpasst hat, wird das Ziel „aktiver sein".

3. Der intelligente Rechner (HJB-Forward-Map)

Nun hat das System zwei Dinge: das aktuelle „Wetter" (Marktdynamik) und das neue „Ziel" (was es erreichen möchte). Es steckt beides in einen leistungsstarken mathematischen Rechner (die Hamilton-Jacobi-Bellman- oder HJB-Gleichung).

Die Analogie: Dies ist wie ein GPS. Das „Wetter" sind die aktuellen Verkehrsbedingungen, und das „Ziel" ist Ihr Bestimmungsort. Das GPS berechnet die beste Route dorthin, gegeben den Verkehr.
Was es tut: Es berechnet die perfekten „Kauf"- und „Verkauf"-Preise. Es rät nicht einfach; es simuliert die Zukunft. Es fragt: „Wenn ich diesen Preis setze, was wird mit meinem Lagerbestand und meinem Geldbeutel in den nächsten Sekunden passieren?" Anschließend wählt es die Preise aus, die die Wahrscheinlichkeit maximieren, sein neues Ziel zu erreichen.

Die Ergebnisse: Eine sanftere Fahrt

Die Autoren testeten diesen neuen „Adaptiven Koch" gegen zwei ältere Methoden (eine sehr starr, eine etwas flexibler) unter Verwendung echter Daten aus dem Bitcoin-Handel.

Die alten Methoden: Sie handelten weiterhin aggressiv, selbst wenn der Markt schwierig war, was zu Verlusten und hohem Risiko führte. Sie waren wie Fahrer, die auch dann weiter rasen, wenn es zu regnen beginnt.
Die neue Methode: Sie handelte viel seltener, machte aber mehr Gewinn. Sie verhielt sich wie ein vorsichtiger Fahrer, der langsamer wird, wenn die Straße rutschig wird. Indem es seine Ziele an die jüngste Realität anpasste, vermied es schlechte Trades und schützte seine Gewinne.

Zusammenfassung

Dieser Artikel stellt ein Market-Making-System vor, das strukturell solide ist (es verwendet die bewährte Mathematik der Vergangenheit), aber flexibel intelligent (es lernt seine eigenen Ziele aus jüngsten Erfahrungen). Es trennt die „Physik" des Marktes (wie sich Preise bewegen) von den „Zielen" des Händlers (was er erreichen möchte), wodurch das System seine Strategie sofort an das anpassen kann, was der Markt in genau diesem Moment tut.

Technisches Fazit: Zero-Shot-Anpassung an Orderbuch-Dynamiken

Problemstellung
Klassische Avellaneda–Stoikov (AS) Market-Making-Modelle bieten einen schnellen, strukturell robusten Rahmen, der auf einer kleinen Menge interpretierbarer Parameter basiert (Volatilität, Orderankunftsraten, Inventarrisikoaversion und Zeithorizont). Diese Modelle verlassen sich jedoch typischerweise auf eine im Voraus definierte, feste Zielfunktion. Wenn sich Marktregime verschieben oder Handelsziele ändern (z. B. gewünschte Inventarziele, Risikobereitschaft oder Kosten für adverse Selektion), erfordert das Modell eine manuelle Neuinterpretation oder Neukalibrierung. Der Beitrag adressiert die Notwendigkeit eines adaptiven Mechanismus, der das Handelsziel in Echtzeit basierend auf Marktbedingungen anpassen kann, ohne das gesamte Modell neu zu trainieren oder die analytische Struktur des AS-Rahmens aufzugeben.

Methodik
Die vorgeschlagene Architektur trennt Marktdynamiken vom Handelsziel und nutzt einen „Successor-Maß-artigen" Anpassungsmechanismus, der von Zero-Shot-Reinforcement-Learning inspiriert ist (insbesondere Forward-Backward-Repräsentationen). Das System arbeitet über drei Hauptkomponenten:

Schätzung des Marktzustands ( $\xi_t$ ):
Der aktuelle Zustand des Limit-Orderbuchs ( $L_t$ ) wird auf einen niedrigdimensionalen Vektor von Avellaneda–Stoikov-Parametern $\xi_t = (\sigma_t, A^b_t, A^a_t, \kappa^b_t, \kappa^a_t, c^b_t, c^a_t)$ abgebildet. Diese Parameter steuern die lokalen Marktdynamiken, einschließlich Volatilität, Orderankunftsraten und lokale Kosten für adverse Selektion. Im Gegensatz zu klassischen Modellen, in denen diese festgelegt sind, werden sie hier dynamisch aus dem Orderbuch abgeleitet.
Schätzung des adaptiven Ziels ( $z_t$ ):
Anstelle einer festen Belohnungsfunktion schätzt das Modell einen niedrigdimensionalen Zielvektor $z_t$ aus einem gleitenden Fenster kürzlich realisierter Belohnungen ( $W_t$ ). Die Belohnung wird als lineares Funktional von Ergebnismerkmalen modelliert: $r = z^\top \phi(s, a, s')$ , wobei $\phi$ Gewinn/Verlust, nächstes Inventar, quadriertes Inventar und Kosten für adverse Selektion umfasst.
Der Zielvektor wird unter Verwendung einer Backward-Repräsentation $B_\psi$ geschätzt, die vergangene Zustands-Aktions-Paare in den Raum der Belohnungskoordinaten abbildet. Die Schätzung wird als gewichteter Erwartungswert realisierter Belohnungen berechnet:
$\hat{z}_t = \mathbb{E}_{\rho_t} [r^H(s, a) B_\psi(s, a)]$
Dies ermöglicht dem Modell, die aktuelle „Belohnungsrichtung" des Marktes direkt aus den Daten abzuleiten (z. B. ob es für Inventaraufbau bezahlt wird oder ob adverse Selektion bestraft wird).
HJB-Forward-Repräsentation und Skalierung:
Das zentrale Wertobjekt ist eine vektorwertige Hamilton-Jacobi-Bellman (HJB) Forward-Repräsentation, $F_{HJB}(q, \tau, a, z; \xi)$ , die die erwarteten zukünftigen Belohnungsmerkmale unter optimalen Strategien für ein gegebenes Ziel $z$ darstellt.
Der skalare Aktionswert wird durch Projektion dieses Vektors auf das aktuelle adaptive Ziel erhalten:
$Q_{z_t}(s, a) = F_{HJB}(s, a, z_t; \xi_t)^\top z_t$
Die Strategie $\pi_{z_t}$ wird durch Maximierung dieses skalaren Werts abgeleitet. In der geschlossenen Form-Implementierung ergibt dies Angebotsregeln, die den klassischen AS-Regeln ähneln, wobei der Fortsetzungswert $h_t(q)$ jedoch spezifisch für das abgeleitete Ziel $z_t$ berechnet wird:
$\delta^{b,\star}_t = \frac{1}{\kappa^b_t} - \frac{h_{z_t}(q_t + v) - h_{z_t}(q_t)}{v} + \frac{c^b_t}{v}$
(und analog für die Ask-Seite).

Hauptbeiträge

Adaptives AS-Framework: Der Beitrag stellt eine Methode vor, die analytische Geschwindigkeit und Interpretierbarkeit des Avellaneda–Stoikov-Modells beizubehalten, während das feste Ziel durch einen datengesteuerten, adaptiven Vektor ersetzt wird.
Trennung von Dynamik und Zielen: Es wird gezeigt, dass Marktdynamiken (Parameter $\xi_t$ ) und Handelsziele (Vektor $z_t$ ) entkoppelt werden können. Die Dynamiken werden aus dem Orderbuch abgeleitet, während die Ziele aus realisierten Belohnungen abgeleitet werden.
Zero-Shot-Anpassung: Der Ansatz ermöglicht es dem Modell, sich an sich ändernde Regime und Ziele anzupassen, ohne neu trainiert werden zu müssen; es fungiert effektiv als Zero-Shot-Lerner für Market-Making-Ziele.
Geschlossene Form-Lösung: Die Autoren leiten eine geschlossene Form-Angebotsregel ab, die das adaptive Ziel in die Standard-AS-Struktur integriert und sicherstellt, dass das Modell rechnerisch effizient bleibt.

Experimentelle Ergebnisse
Die Autoren bewerteten die vorgeschlagene „Rolling FB-AS HJB"-Strategie gegen zwei Baselines auf einem rekonstruierten BTCUSDT-Limit-Orderbuch-Datensatz:

Eine feste-Latenz Guéant–Lehalle–Fernandez-Tapia (GLFT)-Strategie.
Eine feste-Latenz Avellaneda–Stoikov-Strategie.

Ergebnisse:

Performance: Beide Baseline-Strategien (GLFT-Raster und AS-Raster) erzielten im Bewertungszeitraum negative Renditen und hohe Drawdowns. Im Gegensatz dazu erzielte die Rolling FB-AS HJB-Strategie positive Renditen (0,002167) und einen signifikant höheren Sharpe-Ratio (28,57 gegenüber negativen Werten bei den Baselines).
Risikomanagement: Die adaptive Strategie wies einen deutlich niedrigeren maximalen Drawdown (0,000947) auf als die Baselines (~0,0027–0,0028).
Handelsfrequenz: Die adaptive Strategie handelte deutlich seltener (477,85 tägliche Trades) als die Baselines (~4500–4600 tägliche Trades), was darauf hindeutet, dass das adaptive Ziel und die Auswahl des HJB mit endlichem Horizont als Filter gegen übermäßigen Handel unter lauten Bedingungen wirken.

Bedeutung und Behauptungen
Der Beitrag beansprucht, eine „interpretierbare Brücke zwischen analytischem Market Making und repräsentationsbasiertem Reinforcement Learning" zu schaffen. Indem die Avellaneda–Stoikov-Dynamiken als physischer Kern beibehalten und nur ein niedrigdimensionaler Zielvektor angepasst werden, vermeidet das Framework den „Black-Box"-Charakter von Deep Reinforcement Learning und gewinnt gleichzeitig die Flexibilität der Zero-Shot-Anpassung.

Die Autoren sind in ihren Behauptungen bescheiden und weisen darauf hin, dass die Ergebnisse aus einer „kontrollierten Simulationsstudie" stammen, die rekonstruierte Daten und eine angenäherte Zuordnung von Orderausführungen verwendet, anstatt native Börsendaten. Sie erkennen an, dass eine Produktionsimplementierung native Ereignisdaten, eine stärkere Kalibrierung von Ausführungs Wahrscheinlichkeiten und detailliertere Kostenmodelle erfordern würde. Dennoch zeigt die Studie, dass sich die adaptive Angebotsregel unter identischen Backtest-Bedingungen grundlegend anders und robuster verhält als Baselines mit festem Ziel.