Resumen Técnico: Creación de Mercado OTC Estratégica con Retroalimentación de Reputación

Planteamiento del Problema

En los mercados Over-the-Counter (OTC) electrónicos, la provisión de liquidez ha evolucionado de una secuencia de optimizaciones de cotización independientes hacia un problema de franquicia dinámica. Los dealers enfrentan un compromiso crítico: optimizar la captura de diferencial (spread) inmediato frente a mantener o mejorar su "posición" (standing) con los clientes y las plataformas. Esta posición se cuantifica mediante métricas de desempeño, tales como los ratios de éxito en solicitudes de cotización (RFQ, por sus siglas en inglés) y los ratios de ejecución en streaming.

Los modelos clásicos de creación de mercado estocástica suelen tratar las intensidades de las solicitudes y las probabilidades de ejecución como variables exógenas. Sin embargo, en la práctica, el acceso al flujo futuro es una variable de estado endógena influenciada por las decisiones actuales de cotización y aceptación del dealer. Un dealer que pierde demasiados RFQ o rechaza demasiadas solicitudes de streaming puede ser penalizado en su peso o excluido de futuras oportunidades, mientras que un desempeño sólido puede asegurar posiciones de liderazgo, aunque con un aumento en el inventario y la exposición a la toxicidad. El artículo aborda la necesidad de un marco de control tratable que modele explícitamente este bucle de retroalimentación entre la calidad de la ejecución y los conjuntos de oportunidades futuras.

Metodología

Los autores desarrollan un modelo de control óptimo estocástico que presenta dos protocolos de ejecución distintos:

1. Nivel A (RFQ): Caracterizado por un puntaje de ratio de éxito ($R_A$). El dealer controla los desplazamientos de cotización ($\delta$) para maximizar la probabilidad de ganar una solicitud, lo cual actualiza el puntaje según el éxito o el fracaso.
2. Nivel B (Streaming): Caracterizado por un puntaje de ratio de ejecución ($R_B$). El dealer controla tanto los desplazamientos de cotización ($\delta$) como un umbral de rechazo no negativo ($\eta$) para un protocolo de last-look ("última mirada") justo. Este protocolo gestiona la selección adversa (modelada mediante una marca de latencia gaussiana) rechazando operaciones con un deslizamiento (slippage) negativo excesivo, mientras limita el deslizamiento positivo.

Marco Matemático

• Variables de Estado: El sistema incluye variables rápidas (inventario $Q_t$, efectivo $X_t$, precio medio $S_t$) y variables lentas (puntajes de reputación $R_A, R_B$).
• Objetivo: Maximizar la riqueza esperada de valoración a mercado (mark-to-market) terminal, penalizada por el riesgo de inventario y los costos operativos, sujeto a la dinámica de los puntajes de reputación.
• Ecuación de Hamilton-Jacobi-Bellman (HJB): El problema se formula como una ecuación HJB con dos variables de reputación lentas y un estado de inventario rápido.
• Aproximación Adiabática: Para hacer el problema tratable, los autores emplean una aproximación de lento-rápido (adiabática). Asumen que los puntajes de reputación cambian lentamente ($\alpha_\tau \ll 1$) en relación con la dinámica del inventario.
  • Problema Rápido: Para un estado de reputación "congelado", el dealer resuelve el problema estándar de control de inventario.
  • Dinámica Lenta: La política inducida del problema rápido se promedia sobre la distribución estacionaria del inventario para derivar ecuaciones de deriva deterministas para los puntajes de reputación.
• Reducción: Este enfoque reduce el problema de control estocástico de alta dimensión a un sistema determinista bidimensional para los puntajes de reputación, preservando el bucle de retroalimentación económica mientras clarifica la dinámica estratégica.

Contribuciones Clave

1. Modelado de Flujo Endógeno: El artículo proporciona un marco compacto donde la intensidad del flujo futuro es una función de la calidad de ejecución actual, mediada por funciones de puerta (gate functions) dependientes del puntaje.
2. Control Unificado de Cotizaciones y Rechazos: El modelo optimiza conjuntamente los desplazamientos de cotización y, para el streaming, un umbral de rechazo, tratando el mecanismo de rechazo como una opción de barrera para gestionar la toxicidad mientras se mantiene el ratio de ejecución.
3. Separación de Fases Estratégica: La política óptima derivada alterna naturalmente entre distintas fases:
   • Construcción de Reputación: Sacrificar el diferencial inmediato (estrechando las cotizaciones) para ganar RFQ o completar solicitudes de streaming para mejorar los puntajes.
   • Monetización de la Franquicia: Ensanchar los diferenciales para capturar valor una vez establecida una sólida reputación.
   • Defensa: Mantener configuraciones conservadoras para evitar caer por debajo de los umbrales críticos.
4. Biestabilidad y Dependencia de la Trayectoria: El modelo demuestra que las puertas basadas en el desempeño pueden conducir a múltiples equilibrios estables (biestabilidad). El régimen a largo plazo de un dealer (marginal vs. líder) depende de las condiciones iniciales y la secuencia de recuperación, no solo de los parámetros actuales.

Resultados Numéricos

Utilizando un esquema de iteración de política en una rejilla discretizada, los autores simulan el modelo con parámetros calibrados para los niveles de RFQ y streaming.

• Valores de Promoción: El valor marginal de un evento exitoso (ganar un RFQ o completar un stream) es altamente dependiente del estado, alcanzando su punto máximo cerca de los umbrales de la "puerta" donde un solo éxito puede desencadenar un cambio de régimen, en lugar de cuando el dealer ya es un líder.
• Dinámica de RFQ: Cerca del punto medio de la puerta, el dealer estrecha agresivamente los diferenciales para mejorar la probabilidad de victoria. Por encima de la puerta, los diferenciales se ensanchan para monetizar el flujo, aunque la política sigue siendo defensiva para evitar caer de nuevo.
• Dinámica de Streaming: Cuando el ratio de ejecución es bajo, el dealer estrecha los diferenciales hasta el límite inferior para generar más solicitudes y reparar el puntaje, manteniendo un umbral de rechazo para filtrar el flujo tóxico. A medida que el puntaje mejora, el dealer ensancha los diferenciales y se vuelve más tolerante al flujo.
• Retrato de Fase: La dinámica de reputación bidimensional exhibe dos equilibrios atractores: un estado "marginal" de baja reputación y un estado de "liderazgo" de alta reputación. El sistema muestra dependencia de la trayectoria; el orden en que se recuperan los puntajes (por ejemplo, reparar primero el streaming frente al RFQ) determina la trayectoria a través del espacio de estados. Los efectos de desbordamiento (spillovers) entre niveles ocurren vía el inventario compartido y el valor de continuación, aunque son modestos bajo la calibración base.

Significado y Reivindicaciones

El artículo afirma que hace explícita la intuición de la "gestión dinámica de relaciones" en los mercados OTC dentro de un entorno de control estocástico tratable. Argumenta que el comportamiento óptimo no es meramente la optimización miópica del diferencial, sino una asignación estratégica de competitividad a través de diferentes horizontes temporales.

Las conclusiones conceptuales clave incluyen:

• Valor Marginal Dependiente del Estado: El valor de una victoria o ejecución es más alto cuando el dealer está cerca de un umbral de promoción, no necesariamente cuando ya es dominante.
• Agresividad Contextual: La agresividad de una cotización está determinada por su propósito estratégico (construir reputación, defender el acceso o monetizar) en lugar de parámetros de riesgo estáticos.
• Múltiples Regímenes: La retroalimentación de la reputación puede crear ciclos de autorrefuerzo donde un dealer con la misma tecnología y apetito de riesgo puede quedar atrapado en un estado de bajo flujo o ascender a una posición de liderazgo dependiendo de las condiciones iniciales y la severidad de las puertas de enrutamiento de los clientes.

Los autores sugieren que estos hallazgos proporcionan un lenguaje de modelado para decisiones prácticas de e-trading, tales como cuándo invertir en competitividad, cuándo tolerar el flujo tóxico y cómo gestionar la dinámica de puntajes a nivel de portafolio en lugar de decisiones de cotización aisladas.