Online Market Making and the Value of Observing the Order Book

Riepilogo Tecnico: Market Making Online e il Valore dell'Osservazione del Libro degli Ordini

Formulazione del Problema
Questo articolo affronta il problema del market making online, in cui un agente (il "maker") pubblica sequenzialmente prezzi di acquisto ($B_t$) e di vendita ($A_t$) per una singola attività per interagire con trader che possiedono valutazioni private ($V_t$). L'attività ha un valore di mercato oggettivo ($M_t$) realizzato alla fine di ogni round. L'obiettivo dell'agente è minimizzare il rimpianto rispetto alla migliore strategia fissa di bid-ask a posteriori.

La sfida principale risiede nella struttura del feedback. Nelle formulazioni tradizionali (ad es. Cesa-Bianchi et al., 2024), il feedback è completamente censurato (feedback bandit): l'agente osserva solo se è avvenuta una transazione. Questo articolo introduce un nuovo modello di feedback dipendente dall'azione ispirato ai reali Limit Order Books (LOB). Il meccanismo di feedback è definito come segue:

• Transazione Avvenuta: Se $V_t \le B_t$ (il Maker acquista) o $V_t \ge A_t$ (il Maker vende), avviene una transazione. L'agente osserva il prezzo di mercato $M_t$ ma non la valutazione privata del trader $V_t$.
• Nessuna Transazione: Se $B_t < V_t < A_t$, non si verifica alcuna transazione. Crucialmente, l'agente osserva la valutazione del trader $V_t$ (e $M_t$).

Ciò crea un regime in cui un feedback informativo viene ottenuto precisamente quando la ricompensa istantanea è zero. L'agente affronta una tensione tra il restringere lo spread per massimizzare il profitto (il che rischia di far perdere eventi informativi di "nessuna transazione") e allargare lo spread per raccogliere informazioni sulla distribuzione delle valutazioni.

Metodologia e Algoritmi
Gli autori propongono tre algoritmi distinti, adattati a diverse assunzioni sul processo del prezzo di mercato $M_t$:

1. Prezzi Stocastici Indipendenti (Algoritmo 1: OPSR):

   • Assunzione: $M_t$ è una sequenza i.i.d. con media sconosciuta $\mu$.
   • Approccio: L'algoritmo Optimistic/Pessimistic Successive Rejects (OPSR). Mantiene un insieme discreto di candidati prezzi bid-ask.
   • Meccanismo: Utilizza una strategia di eliminazione. Ad ogni passo, costruisce intervalli di confidenza ottimistici e pessimistici per la funzione di distribuzione cumulativa (CDF) di $V_t$ e per la media di $M_t$.
   • Stima: Anche se $V_t$ è osservato solo quando non avviene una transazione, l'algoritmo costruisce un stimatore surrogato per la CDF utilizzando osservazioni "clippate" ($V^{clip}_t$). Elimina azioni sub-ottimali solo quando gli intervalli di confidenza certificano la loro sub-ottimalità, garantendo che la coppia ottimale non venga scartata prematuramente.
   • Complessità: L'algoritmo base ha complessità $O(\sqrt{T})$ per passo. Una variante, LAZY-OPSR, aggiorna le stime solo alle potenze di due per raggiungere una complessità ammortizzata $O(\log T)$.

2. Prezzi a Ritorno alla Media (Algoritmo: LAZY-OPSR):

   • Assunzione: $M_t$ segue una vasta classe di processi a ritorno alla media, formalizzata tramite due condizioni:
     • Locale: Un processo AR($k$) (Ornstein-Uhlenbeck discreto).
     • Globale: Una condizione di tipo martingala in cui la deviazione futura attesa dalla media, data la storia delle deviazioni cumulative, ha una correlazione non positiva con la deviazione cumulativa corrente.
   • Approccio: Gli autori dimostrano una nuova disuguaglianza di concentrazione per la media campionaria sotto queste condizioni globali di ritorno alla media. Adattano OPSR in LAZY-OPSR, che limita le eliminazioni di azioni a specifici passi temporali (trucco del raddoppio) per impedire che le scelte dell'agente si correlino in modo imprevedibile con la sequenza dei prezzi.

3. Prezzi Avversariali (Algoritmo 2: ETP):

   • Assunzione: $M_t$ è una sequenza arbitraria e non reattiva (nessuna assunzione stocastica).
   • Approccio: L'algoritmo Explore-Then-Perturb (ETP).
   • Meccanismo:
     • Fase di Esplorazione: Per i primi $\kappa$ round, l'agente imposta $B_t=0$ e $A_t=1$ per garantire una stima uniforme della CDF $F$ su tutto il dominio.
     • Fase di Sfruttamento: L'agente passa a una strategia "Follow-the-Perturbed-Leader" (FTPL). Invece di perturbare direttamente la ricompensa cumulativa, l'algoritmo aggiunge rumore casuale $\varepsilon$ alla media dei prezzi stimata $\hat{\mu}_t$. Ciò stabilizza le decisioni dell'ottimizzatore nell'impostazione non convessa, prevenendo la volatilità nelle coppie bid-ask scelte.

Risultati Chiave
L'articolo stabilisce limiti di rimpianto ad alta probabilità che migliorano significativamente i limiti standard del feedback bandit:

• Impostazioni Stocastiche e a Ritorno alla Media: Gli algoritmi proposti raggiungono un limite di rimpianto di $\tilde{O}(\sqrt{T})$ con alta probabilità.
  • Questo risultato vale senza richiedere assunzioni di regolarità (ad es. continuità di Lipschitz) sulla distribuzione delle valutazioni dei trader $F$.
  • Al contrario, i modelli di feedback bandit standard nell'impostazione stocastica richiedono tipicamente assunzioni di Lipschitz per raggiungere $\tilde{O}(\sqrt{T})$; senza di esse, o in impostazioni avversariali, i limiti inferiori sono $\Omega(T^{2/3})$ o $\Omega(T)$.
• Impostazione Avversariale: L'algoritmo ETP garantisce un rimpianto atteso di $\tilde{O}(T^{2/3})$.
  • Questo rappresenta un miglioramento rispetto al limite inferiore $\Omega(T)$ per il feedback bandit in impostazioni avversariali (a meno che non siano soddisfatte condizioni di Lipschitz).
  • Il limite vale in aspettativa, non con alta probabilità, a causa della natura a code pesanti del rumore di perturbazione.

Significato e Contributi
L'articolo rivendica di essere la prima formalizzazione di questa specifica struttura di feedback dipendente dall'azione nell'apprendimento online, in cui un feedback informativo viene rivelato esattamente quando la ricompensa è zero. I contributi principali sono:

1. Modello di Feedback Innovativo: Quantifica il valore dell'osservazione del libro degli ordini (in particolare, gli ordini limite in attesa quando non avviene una transazione). I risultati dimostrano che anche un feedback limitato e dipendente dall'azione può migliorare drasticamente le garanzie teoriche di rimpianto rispetto ai modelli di feedback censurato standard.
2. Rilassamento delle Assunzioni: Il rimpianto $\tilde{O}(\sqrt{T})$ nelle impostazioni stocastiche e a ritorno alla media è raggiunto senza assunzioni di regolarità sulla distribuzione delle valutazioni, una significativa deviazione dalla letteratura precedente sui bandit continui.
3. Nuova Disuguaglianza di Concentrazione: La derivazione di una disuguaglianza di concentrazione per le medie campionarie sotto una condizione globale di ritorno alla media (basata su deviazioni cumulative) è presentata come un risultato di interesse indipendente.
4. Progettazione Algoritmica: L'introduzione di strategie basate sull'eliminazione e di strategie "explore-then-perturb" adattate alla natura ibrida del feedback (feedback completo su ricompensa zero, feedback bandit su ricompensa non zero) fornisce un nuovo quadro per gestire l'osservabilità parziale nei mercati finanziari.

Gli autori concludono che, sebbene il modello sia stilizzato, isola il ruolo critico della struttura informativa nel market making, suggerendo che la capacità di osservare gli ordini non eseguiti è un requisito fondamentale per strategie di market making efficaci e a basso rimpianto.