Sintesi Tecnica: Market Making Strategico OTC con Feedback di Reputazione

Definizione del Problema

Nei mercati Over-the-Counter (OTC) elettronici, la fornitura di liquidità si è evoluta da una sequenza di ottimizzazioni di quotazione indipendenti in un problema di gestione dinamica di un franchise. I dealer affrontano un trade-off critico: l'ottimizzazione dello spread immediato rispetto al mantenimento o al miglioramento della propria "posizione" con i clienti e le piattaforme. Questa posizione è quantificata da metriche di performance quali i rapporti di vittoria delle Request-for-Quote (RFQ) e i rapporti di riempimento (fill ratios) dello streaming, che influenzano direttamente l'allocazione del flusso futuro attraverso gate basati sulle prestazioni.

I classici modelli di market making stocastico trattano tipicamente le intensità delle richieste e le probabilità di esecuzione come variabili esogene. Tuttavia, nella pratica, l'accesso al flusso futuro è una variabile di stato endogena influenzata dalle attuali decisioni di quotazione e accettazione del dealer. Un dealer che perde troppe RFQ o rifiuta troppe richieste di streaming può essere declassato o escluso da opportunità future, mentre una performance solida può garantire posizioni di leadership, sebbene con un aumento dell'inventario e dell'esposizione alla tossicità. Il documento affronta la necessità di un framework di controllo trattabile che modelli esplicitamente questo ciclo di feedback tra qualità dell'esecuzione e set di opportunità future.

Metodologia

Gli autori sviluppano un modello di controllo stocastico ottimale caratterizzato da due distinti protocolli di esecuzione:

1. Tier A (RFQ): Caratterizzato da un punteggio di rapporto di vittoria ($R_A$). Il dealer controlla gli offset di quotazione ($\delta$) per massimizzare la probabilità di vincere una richiesta, il che aggiorna il punteggio in base al successo o al fallimento.
2. Tier B (Streaming): Caratterizzato da un punteggio di rapporto di riempimento ($R_B$). Il dealer controlla sia gli offset di quotazione ($\delta$) sia una soglia di rifiuto non negativa ($\eta$) per un protocollo di "last-look" equo. Questo protocollo gestisce l'avversione alla selezione (modellata tramite un mark di latenza gaussiana) rifiutando scambi con eccessivo slippage negativo, pur limitando lo slippage positivo.

Framework Matematico

• Variabili di Stato: Il sistema include variabili veloci (inventario $Q_t$, cassa $X_t$, prezzo medio $S_t$) e variabili lente (punteggi di reputazione $R_A, R_B$).
• Obiettivo: Massimizzare la ricchezza attesa terminale (mark-to-market) penalizzata dal rischio di inventario e dai costi correnti, soggetto alla dinamica dei punteggi di reputazione.
• Equazione di Hamilton-Jacobi-Bellman (HJB): Il problema è formulato come un'equazione HJB con due variabili di reputazione lente e uno stato di inventario veloce.
• Approssimazione Adiabatica: Per rendere il problema trattabile, gli autori utilizzano un'approssimazione lento-veloce (adiabatica). Assumono che i punteggi di reputazione cambino lentamente ($\alpha_\tau \ll 1$) rispetto alla dinamica dell'inventario.
  • Problema Veloce: Per uno stato di reputazione "congelato", il dealer risolve il classico problema di controllo dell'inventario.
  • Dinamiche Lente: La politica indotta dal problema veloce viene mediata sulla distribuzione stazionaria dell'inventario per derivare equazioni di drift deterministiche per i punteggi di reputazione.
• Riduzione: Questo approccio riduce l'alto problema di controllo stocastico a un sistema deterministico bidimensionale per i punteggi di reputazione, preservando il ciclo di feedback economico pur chiarendo le dinamiche strategiche.

Contributi Chiave

1. Modellazione Endogena del Flusso: Il documento fornisce un framework compatto in cui l'intensità del flusso futuro è una funzione della qualità dell'esecuzione attuale, mediata da funzioni di gate dipendenti dal punteggio.
2. Controllo Unificato di Quotazioni e Rifiuti: Il modello ottimizza congiuntamente gli offset di quotazione e, per lo streaming, una soglia di last-look, trattando il meccanismo di rifiuto come un'opzione simile a una barriera per gestire la tossicità pur mantenendo i rapporti di riempimento.
3. Separazione Strategica delle Fasi: La politica ottimale derivata alterna naturalmente tra fasi distinte:
   • Costruzione della Reputazione: Sacrificare lo spread immediato (restringendo le quotazioni) per vincere RFQ o riempire richieste di streaming per migliorare i punteggi.
   • Monetizzazione del Franchise: Allargare gli spread per catturare valore una volta stabilita una forte reputazione.
   • Difesa: Mantenere impostazioni conservative per evitare di scendere sotto soglie critiche.
4. Bistabilità e Dipendenza dal Percorso: Il modello dimostra che i gate basati sulle prestazioni possono portare a molteplici equilibri stabili (bistabilità). Il regime a lungo termine di un dealer (marginale vs. leader) dipende dalle condizioni iniziali e dalla sequenza di recupero, non solo dai parametri correnti.

Risultati Numerici

Utilizzando uno schema di iterazione della politica su una griglia discretizzata, gli autori simulano il modello con parametri calibrati per i tier RFQ e streaming.

• Valori di Promozione: Il valore marginale di un evento di successo (vincere una RFQ o riempire uno stream) è altamente dipendente dallo stato, raggiungendo il picco vicino alle soglie dei "gate", dove un singolo successo può innescare un cambio di regime, piuttosto che quando il dealer è già un leader.
• Dinamiche RFQ: Vicino alla metà del gate, il dealer restringe aggressivamente gli spread per migliorare la probabilità di vittoria. Sopra il gate, gli spread si allargano per monetizzare il flusso, sebbene la politica rimanga difensiva per evitare di retrocedere.
• Dinamiche Streaming: Quando il rapporto di riempimento è basso, il dealer restringe gli spread fino al limite inferiore per generare più richieste e riparare il punteggio, mantenendo una soglia di rifiuto per filtrare il flusso tossico. Man mano che il punteggio migliora, il dealer allarga gli spread e diventa più tollerante verso il flusso.
• Ritratto di Fase: Le dinamiche di reputazione bidimensionali mostrano due equilibri attrattori: uno stato "marginale" a bassa reputazione e uno stato di "leadership" ad alta reputazione. Il sistema mostra dipendenza dal percorso; l'ordine in cui i punteggi si recuperano (ad esempio, riparare prima lo streaming rispetto alla RFQ) determina la traiettoria nello spazio degli stati. Gli spillover tra i tier avvengono tramite l'inventario condiviso e il valore di continuazione, sebbene siano modesti sotto la calibrazione di base.

Significato e Rivendicazioni

Il documento sostiene di rendere esplicita l'intuizione della "gestione dinamica delle relazioni" nei mercati OTC all'interno di un contesto di controllo stocastico trattabile. Argomenta che il comportamento ottimale non è semplicemente un'ottimizzazione miope dello spread, ma un'allocazione strategica della competitività attraverso diversi orizzonti temporali.

Le principali conclusioni concettuali includono:

• Valore Marginale Dipendente dallo Stato: Il valore di una vittoria o di un riempimento è massimo quando il dealer è vicino a una soglia promozionale, non necessariamente quando è già dominante.
• Aggressività Contestuale: L'aggressività di una quotazione è determinata dal suo scopo strategico (costruire reputazione, difendere l'accesso o monetizzare) piuttosto che da parametri di rischio statici.
• Molteplici Regimi: Il feedback della reputazione può creare cicli di auto-rinforzo dove un dealer con la stessa tecnologia e lo stesso appetito per il rischio può rimanere intrappolato in uno stato di basso flusso o ascendere a una posizione di leadership, a seconda delle condizioni iniziali e della pendenza dei gate di routing dei clienti.

Gli autori suggeriscono che questi risultati forniscono un linguaggio di modellazione per decisioni pratiche di e-trading, come quando investire in competitività, quando tollerare il flusso tossico e come gestire le dinamiche dei punteggi a livello di portafoglio piuttosto che decisioni di quotazione isolate.