論文要約：予測市場のためのブラック・ショールズへの道：統合カーネルとマーケットメイカーのハンドブック

著者: Shaw Dalen, Daedalus Research Team
概要: 本論文は、Polymarket などの予測市場が抱える構造的な課題（ブラック・ショールズモデルのような統一的な確率過程カーネルの欠如）を解決し、予測市場における「信念リスク」を定量化・ヘッジ可能にするための新しい枠組みを提案しています。

---

1. 問題提起 (Problem)

予測市場（イベント契約）は、分散された情報を取引可能な確率として集約する重要な役割を果たしていますが、オプション市場がブラック・ショールズ（BS）モデルによって得たような統一的な確率過程カーネルと標準化されたデリバティブ層を欠いています。

• 現状の課題:

  • モデルの欠如: 現在の取引所は LMSR（対数市場スコアリングルール）や CP-AMM（定数積自動市場メーカー）、中央注文簿（CLOB）など多様な執行メカニズムを採用していますが、イベント確率が時間経過、情報ショック、関連イベント間でどのように進化するかを説明する共通の確率モデルがありません。
  • リスク管理の難しさ: マーケットメイカーは、信念レベルの変動（belief-level）、信念のボラティリティ、ニュースによるジャンプ、および関連イベント間の相関リスクに晒されていますが、これらを標準化されたツールでヘッジする手段がありません。
  • 流動性の非効率: 標準化された「暗黙のボラティリティ」のような指標がないため、スプレッドが広がりやすく、リスク転嫁が困難です。

• 目的: オプション市場における「暗黙のボラティリティ」に相当する、予測市場用の**「信念ボラティリティ（belief volatility）」と「ジャンプ強度」**を定量化・取引可能なリスクファクターとして確立し、予測市場の機関化と流動性集約を支援すること。

2. 手法と提案モデル (Methodology)

著者は、**リスク中立（RN）ドリフトを持つ対数オッズ・ジャンプ・拡散モデル（Logit Jump-Diffusion with Risk-Neutral Drift）**を提案しています。

2.1 核となるモデル (The Kernel)

イベント契約の価格 $p_t \in (0, 1)$ を直接モデル化するのではなく、対数オッズ（log-odds） $x_t = \logit(p_t) = \log(p_t / (1-p_t))$ を状態変数として扱います。

• 確率過程: $x_t$ は以下のジャンプ・拡散過程に従います。
  $$dx_t = \mu(t, x_t)dt + \sigma_b(t, x_t)dW_t + \int_{\mathbb{R}} z \tilde{N}(dt, dz)$$
  ここで、$\sigma_b$ は信念ボラティリティ、$N$ はポアソン測度（ニュースショックを表すジャンプ）です。
• リスク中立ドリフトの制約: $p_t$ がリスク中立測度下でマルチンゲール（割引価格が一定）であるという条件を課すことで、ドリフト項 $\mu(t, x_t)$ を一意に決定します。これにより、残りのパラメータ（$\sigma_b$、ジャンプ強度、相関）が取引可能なリスクファクターとして抽出されます。
• 多イベント依存性: 複数のイベント間での拡散相関と、同時ジャンプ（co-jumps）をモデルに組み込み、イベント間のリスク転嫁を可能にします。

2.2 派生商品レイヤー (Derivative Layer)

このカーネルに基づき、オプション市場のボラティリティ・スワップに相当する以下のデリバティブを定義します。

• 信念分散スワップ (Belief Variance Swaps): 対数オッズ $x$ または確率 $p$ の実現分散を原資産とする。
• 相関スワップ (Correlation Swaps): 複数のイベント間の拡散相関や共ジャンプをヘッジする。
• コリドー・バリアンス (Corridor Variance): 特定の確率範囲（スイングゾーン）内でのみ分散が累積する契約。
• ファースト・パッセージ・ノート (First-Passage Notes): 確率が特定の閾値を突破するまでのタイミングに関する契約。

2.3 較正パイプライン (Calibration Pipeline)

市場データ（ミッド価格、ビッド・アスク、取引）からモデルパラメータを推定するデータ駆動型パイプラインを構築しました。

1. フィルタリング: 状態空間モデル（カルマンフィルタ等）を用いて、マイクロストラクチャノイズから潜在的な対数オッズ $x_t$ を復元。
2. 拡散とジャンプの分離: 期待値最大化（EM）アルゴリズムを用いて、拡散成分とジャンプ成分を統計的に分離。
3. RN ドリフトの強制: 推定されたパラメータを用いて、マルチンゲール条件を満たすようにドリフトを再計算・平滑化。
4. 表面構築: 時間至残（$\tau$）とマネネス（$m$）の関数として、安定した「信念ボラティリティ表面（belief-volatility surface）」を構築。

3. 主要な貢献 (Key Contributions)

1. 予測市場版ブラック・ショールズカーネルの提案:
   確率空間 $(0,1)$ ではなく対数オッズ空間 $\mathbb{R}$ で確率過程を定義し、マルチンゲール条件を厳密に満たすことで、信念ボラティリティやジャンプリスクを定式化しました。
2. 標準化されたデリバティブとヘッジ戦略:
   市場メイカーが信念リスクをヘッジするための具体的なツール（分散スワップ、相関スワップ等）と、在庫管理を考慮したクォーティング手法（Avellaneda-Stoikov モデルの対数オッズ版）を提示しました。
3. 実用的な較正手法:
   マイクロストラクチャノイズを除去し、拡散とジャンプを分離する EM ベースの較正パイプラインを実装し、実データでの適用可能性を示しました。
4. 実証的検証:
   合成データと実イベントデータを用いた実験で、提案モデルが拡散のみモデルや確率空間ベースのモデル（Wright-Fisher 等）よりも、短期の信念変動予測精度が高く、ヘッジ誤差が小さいことを実証しました。

4. 実験結果 (Results)

• 設定: 合成されたリスク中立整合的なパス（スケジュールされたニュースや予期せぬジャンプを含む）を用い、60 秒先の実現分散を因果的に予測するタスクを行いました。
• 比較対象: 単純なランダムウォーク、定数拡散モデル、Wright-Fisher 過程、AR-GARCH モデルなど。
• 結果:
  • 提案モデル（RN-JD）は、MSE（平均二乗誤差）、MAE（平均絶対誤差）、**QLIKE（尤度ベースの損失）**のすべての指標で、すべてのベースラインモデルを上回りました。
  • 特に、Wright-Fisher などの境界尊重拡散モデルは、確率空間から対数空間への変換時に数値的不安定性を示し、MSE が桁違いに悪化しました。
  • 提案モデルは、スケジュールされた情報ショックに対するボラティリティの急騰を適切に捉え、RN ドリフトの強制により体系的なバイアスを排除していました。

5. 意義と結論 (Significance & Conclusion)

• 市場の標準化: 本論文は、予測市場が「ブラック・ショールズ」のような共通言語（暗黙のボラティリティに代わる「信念ボラティリティ」）を獲得するための基盤を提供します。これにより、機関投資家の参入や流動性の集約が可能になります。
• リスク管理の革新: 市場メイカーは、信念のレベル変動だけでなく、その変動率（ボラティリティ）やジャンプリスクを明示的に取引・ヘッジできるようになり、スプレッドの縮小と市場の安定化が期待されます。
• 実用性: 提案されたカーネルとデリバティブ層は、Polymarket などの既存プラットフォームや、ICE（ニューヨーク証券取引所親会社）による Polymarket への投資といった機関化の潮流に対応する、実用的かつスケーラブルなソリューションです。

結論として: 完全な現実主義よりも「標準化」が重要であるという観点から、この論文は予測市場を成熟した金融市場へと進化させるための、理論的かつ実用的なロードマップを提供しています。