ParlayMarket: Automated Market Making for Parlay-style Joint Contracts

A continuación presento un resumen técnico detallado del artículo "ParlayMarket: Automated Market Making for Parlay-style Joint Contracts" en español.

1. El Problema: Limitaciones de los Mercados de Predicción Actuales

Los mercados de predicción son mecanismos poderosos para la agregación de información, pero los diseños existentes presentan dos limitaciones fundamentales cuando se trata de contratos conjuntos (parlays):

• Ineficiencia en la Liquidez y Precios: Los traders frecuentemente expresan creencias sobre resultados conjuntos (ej. "El equipo A gana Y el jugador B anota más de 20 puntos"). Las plataformas actuales o bien prohíben estos trades o dependen de mecanismos ad hoc (como la solicitud de cotizaciones o RFQ) que ignoran la estructura de correlación entre eventos. Esto resulta en precios incoherentes y liquidez fragmentada.
• Complejidad Combinatoria Exponencial: Para $M$ eventos binarios, el espacio de resultados conjuntos tiene un tamaño de $2^M$. Un creador de mercado (Market Maker - MM) que intente mantener precios y exposición al riesgo para cada combinación posible enfrenta un costo de capital y un riesgo de pérdida que crecen exponencialmente con $M$, haciendo que los enfoques directos sean intratables más allá de sistemas muy pequeños.
• El Dilema de la Independencia: Los enfoques simplistas que asumen independencia entre eventos (calculando el precio de un parlay como el producto de las probabilidades marginales) fallan catastróficamente cuando los eventos están correlacionados. Esto crea oportunidades de arbitraje infinito para traders informados, llevando a pérdidas ilimitadas para el creador de mercado.

2. Metodología: ParlayMarket

El paper introduce ParlayMarket, el primer diseño de Automated Market Making (AMM) que soporta contratos conjuntos tipo parlay dentro de un único pool de liquidez, manteniendo una coherencia de precios.

A. Representación del Modelo (Familia Exponencial de Pares)

En lugar de mantener un estado para cada uno de los $2^M$ resultados, ParlayMarket representa la distribución conjunta mediante un modelo de familia exponencial de pares (equivalente a un modelo de Ising o un Campo Aleatorio de Markov de pares):

$$P_\phi(x) \propto \exp\left(\sum_{i=1}^M \theta_i x_i + \sum_{i<j} W_{ij} x_i x_j\right)$$

• Compresión de Estado: Este modelo comprime el espacio de $2^M$ en $O(M^2)$ estadísticas suficientes (los parámetros de sesgo $\theta_i$ y las interacciones $W_{ij}$).
• Máxima Entropía: Es la distribución con máxima entropía consistente con las primeras y segundas momentos aprendidos, lo que significa que no impone ninguna estructura de orden superior no respaldada por los datos observados.

B. Mecanismo de Actualización y "Shadow Trades"

El sistema funciona como un sistema de inferencia en línea:

1. Estado Compartido: Todos los precios (tanto para mercados base como para parlays) se derivan de un único vector de parámetros $\phi$.
2. Trade como Observación: Cada operación (independientemente de si es en un mercado base o un parlay) se trata como una observación ruidosa de la distribución conjunta subyacente.
3. Shadow Trades (Operaciones Fantasma): Cuando un trader opera en un mercado $S$, el AMM actualiza sus parámetros globales $\phi$. Debido a que $\phi$ es compartido, esto actualiza automáticamente los precios de todos los demás mercados correlacionados. El sistema registra "shadow trades" internos para propagar la información, asegurando que incluso los mercados con poco volumen directo no se vuelvan obsoletos.
4. Actualización por Gradiente Estocástico (SGD): Los parámetros se actualizan minimizando una función de pérdida de verosimilitud compuesta (cross-entropy) basada en la discrepancia entre el precio cotizado y la señal del trader.

3. Contribuciones Clave

1. Reducción de Complejidad: Logra soportar una familia exponencialmente grande de contratos ($2^M$) con una complejidad de capital y riesgo polinómica ($O(M^2)$).
2. Convergencia Teórica: Demuestran que bajo un comercio repetido, la dinámica del AMM converge a un punto fijo único que corresponde a la mejor aproximación de la distribución conjunta verdadera dentro de la clase de modelos de pares.
3. Límites de Pérdida Acotada:
   • La pérdida agregada del creador de mercado crece como $O(M^2)$ (o incluso se mantiene constante en el régimen de "parlays completos"), en lugar de exponencialmente.
   • Se demuestra que el error de parámetros permanece acotado en el estado estacionario debido a un equilibrio entre señal y ruido en las actualizaciones.
4. Rol Estructural de los Parlays: Se identifica que las operaciones en parlays no son solo productos adicionales, sino señales críticas para la identificación de la estructura de dependencia. Sin flujos de órdenes de parlays, el modelo no puede aprender las correlaciones ($W_{ij}$) eficientemente, llevando a un rendimiento inferior.

4. Resultados Principales

Resultados Teóricos

• Convergencia Geométrica: El error de los parámetros converge geométricamente a la proyección I de la distribución verdadera sobre la familia de Ising.
• Escalado de Pérdida: En el régimen de "parlays completos" (donde se negocian todas las combinaciones), la pérdida media por mercado listado decae exponencialmente ($\approx 2^{-M}$) a medida que aumenta el número de mercados base, mientras que la pérdida agregada total permanece acotada.
• Aceleración por Parlays: Las operaciones en parlays de orden superior ($k \ge 3$) añaden curvatura al problema de optimización, acelerando la convergencia de los pesos de interacción $W_{ij}$, especialmente en regímenes de baja correlación.

Resultados Empíricos

• Simulaciones Controladas:
  • ParlayMarket supera significativamente a los AMMs basados en independencia y a los oráculos de pares que no aprenden de los flujos de órdenes.
  • Sin flujos de órdenes de parlays, el modelo de Ising tiene el peor rendimiento (pérdidas altas) debido a la subdeterminación de los parámetros. Con parlays, se convierte en el mejor modelo no-oráculo.
  • La pérdida se mantiene acotada incluso con una fracción significativa de traders ruidosos.
• Reproducción en Datos Históricos (Kalshi):
  • Se realizó una simulación ("replay") con datos históricos de Kalshi (mercados NBA).
  • El enfoque de "Market Maker Independiente" (stand-alone) logró el mejor ratio de Sharpe, superando a las estrategias nativas de ejecución en términos de riesgo-ajustado, demostrando que el mecanismo es viable en entornos de mercado reales con ruido y estructuras de tarifas.

5. Significado e Impacto

El trabajo de ParlayMarket es fundamental porque cierra la brecha entre la expresividad combinatoria y la infraestructura de mercado desplegable.

• Viabilidad Práctica: Demuestra que no se necesita capital exponencial para crear mercados de predicción complejos y correlacionados.
• Eficiencia de Información: Transforma el mercado en un sistema de inferencia en línea donde el flujo de órdenes (especialmente los parlays) se utiliza directamente para aprender la estructura de dependencia del mundo real.
• Aplicabilidad: Proporciona un diseño escalable para plataformas de predicción (como Kalshi o Polymarket) para ofrecer productos de apuestas combinadas (parlays) sin fragmentar la liquidez ni asumir riesgos combinatorios incontrolables.

En resumen, ParlayMarket resuelve el problema de la "maldición de la dimensionalidad" en los mercados de predicción combinados mediante el uso de modelos probabilísticos paramétricos eficientes y mecanismos de actualización en línea que aprovechan la información cruzada entre todos los contratos.