Toward Black Scholes for Prediction Markets: A Unified Kernel and Market Maker's Handbook

1. 문제 정의 (Problem Statement)

• 현재 상황: 예측 시장은 분산된 정보를 거래 가능한 확률로 집계하지만, 옵션 시장에서 블랙 - 숄즈 모델이 제공한 것과 같은 **통일된 확률적 커널 (Unified Stochastic Kernel)**이 부재합니다.
• 시장 조성자의 어려움:
  • 신념 변동성 (Belief Volatility) 및 점프 위험: 뉴스나 이벤트 발생 시 확률 ($p_t$) 이 급격히 변할 때 이를 헤지할 표준화된 도구가 없습니다.
  • 교차 이벤트 위험: 관련된 여러 사건 간의 상관관계와 동시 점프 (Co-jumps) 를 관리할 수단이 부족합니다.
  • 마이크로 구조 문제: LMSR, CP-AMM 등 다양한 실행 메커니즘이 존재하지만, 확률의 시간적 진화를 설명하는 공통 모델이 없어 스프레드가 넓어지고 재고 위험이 관리되지 않습니다.
• 목표: 예측 시장에서 "내재 변동성 (Implied Volatility)"에 해당하는 표준화된 언어와 위험 전가 (Risk Transfer) 메커니즘을 구축하는 것입니다.

2. 방법론 (Methodology)

A. 핵심 커널: RN-Logit Jump-Diffusion

• 상태 변수 변환: 0 과 1 사이로 제한된 확률 $p_t \in (0, 1)$을 무한대 구간으로 매핑하는 **로그-오즈 (Log-odds, $x_t = \text{logit}(p_t)$)**를 상태 변수로 사용합니다. 이를 통해 표준 이토 - 레비 (Itô-Lévy) 도구를 적용할 수 있습니다.
• 모델링:
  $$dx_t = \mu(t, x_t)dt + \sigma_b(t, x_t)dW_t + \int_{\mathbb{R}} z \tilde{N}(dt, dz)$$
  • $\sigma_b$: 신념 변동성 (Belief Volatility)
  • $\tilde{N}$: 뉴스 충격 등을 반영하는 점프 과정 (Jump process)
• 리스크 중립 (Risk-Neutral, RN) 드리프트 제약:
  • 예측 계약의 가격 $p_t$는 리스크 중립 측도 하에서 마팅게일 (Martingale) 이어야 합니다.
  • 이 조건을 통해 $x_t$의 드리프트 $\mu(t, x_t)$가 확률적으로 고정되며, 나머지 요소인 변동성, 점프 강도, 상관관계가 거래 가능한 위험 요인이 됩니다.

B. 파생상품 레이어 (Derivative Layer)

옵션 시장의 변동성 스왑과 유사한 도구들을 정의하여 시장 조성자가 위험을 헤지할 수 있게 합니다.

• 신념 변동성 스왑 (Belief Variance Swap): 로그-오즈나 확률의 실현 분산을 기반으로 한 스왑.
• 상관관계 스왑 (Correlation Swap): 여러 사건 간의 확산 상관관계와 동시 점프 (Co-jumps) 를 헤지.
• 코리도어 변동성 (Corridor Variance): 확률이 특정 구간 (예: 0.35~0.65) 에 있을 때만 변동성이 누적되는 계약 (스윙 존 집중).
• 첫 번째 도달 노트 (First-Passage Notes): 확률이 특정 임계값을 돌파할 때 발생하는 갭 (Gap) 위험을 헤지.

C. 캘리브레이션 파이프라인 (Calibration Pipeline)

실제 시장 데이터 (중간 가격, 호가, 거래) 에서 모델 파라미터를 추정하는 3 단계 프로세스:

1. 필터링 (Filtering): 마이크로 구조 노이즈를 제거하고 잠재적 로그-오즈 ($\hat{x}_t$) 를 복원하기 위해 이질적 상태 공간 필터 (Heteroskedastic State-Space Filter) 사용.
2. 분리 (Separation): 확산 (Diffusion) 과 점프 (Jump) 를 분리하기 위해 EM (Expectation-Maximization) 알고리즘 적용.
3. 스무딩 (Smoothing): 추정된 파라미터를 시간-만기 ($\tau$) 와 머니니스 ($m$) 에 대해 평활화하여 안정적인 **신념 - 변동성 표면 (Belief-Vol Surface)**을 생성.

3. 주요 기여 (Key Contributions)

1. 예측 시장을 위한 블랙 - 숄즈의 부재 해소:
   • 확률 $p_t$를 마팅게일로 유지하면서 로그-오즈 공간에서 점프 - 확산 과정을 모델링하여, 예측 시장에 표준화된 가격 결정 언어를 제공합니다.
2. 실용적인 시장 조성자 핸드북:
   • 그리크 (Greeks) 및 위험 버킷: 방향성 ($\Delta$), 곡률 ($\Gamma$), 신념 베가 (Vega), 교차 이벤트 위험 등을 정의.
   • 재고 인식 발가 (Inventory-Aware Quoting): Avellaneda-Stoikov 모델을 로그-오즈 단위로 적용하여, 재고와 변동성 위험을 고려한 최적 스프레드 설정법 제시.
   • 헤징 전략: 캘린더 헤징 (News vs. Slow Decay) 과 교차 이벤트 $\beta$-헤징 전략 구체화.
3. 데이터 기반 캘리브레이션 프레임워크:
   • 마이크로 구조 노이즈를 필터링하고 점프를 감지하여 실제 시장 데이터에서 신뢰할 수 있는 변동성 표면을 추출하는 방법론 제시.

4. 실험 결과 (Results)

• 실험 설정: 합성 RN-일관성 경로 (Synthetic RN-consistent path) 와 실제 Polymarket 데이터를 사용하여 단기간 (60 초) 의 실현 변동성 예측 정확도를 평가.
• 비교 대상:
  • RW-Logit (상수 $\sigma$)
  • Wright-Fisher/Jacobi 확산 모델
  • AR-GARCH 모델
• 성과:
  • 제안된 RN-Logit-JD 모델은 모든 기준 모델 (Baseline) 보다 **낮은 MSE(평균 제곱 오차)**와 QLIKE 손실을 기록했습니다.
  • 특히, 계획된 뉴스 이벤트 전후의 변동성 급증 (Volatility bursts) 과 점프 위험을 확산 모델보다 정확하게 포착했습니다.
  • Wright-Fisher 모델 등은 확률 공간에서 로그-오즈로 변환 시 수치적 불안정성이 발생하여 큰 오차를 보였습니다.

5. 의의 및 결론 (Significance & Conclusion)

• 표준화의 중요성: 블랙 - 숄즈가 옵션 시장을 표준화하여 유동성을 집중시키고 헤징을 가능하게 했듯, 이 논문이 제안한 **신념 변동성 (Belief Volatility)**과 점프 강도는 예측 시장의 표준화된 위험 요인으로 작용할 수 있습니다.
• 실무적 영향:
  • 시장 조성자는 변동성 스왑이나 상관관계 스왑을 통해 위험을 이전 (Offload) 할 수 있게 되어, 뉴스 발생 시에도 더 좁은 스프레드로 시장을 유지할 수 있습니다.
  • 기관 투자자 (예: ICE 의 Polymarket 투자) 가 참여하는 규모 확대에 맞춰, 예측 시장의 유동성과 안정성을 높이는 기반이 됩니다.
• 미래 전망: 다중 이벤트 패널의 동시 캘리브레이션, 더 복잡한 점프 분포 모델링, 그리고 실제 거래소에서의 라이브 배포를 통해 예측 시장의 성숙도를 한 단계 끌어올릴 것으로 기대됩니다.

핵심 메시지: "완벽한 현실성보다 표준화가 중요하다." 이 모델은 예측 시장의 가격 형성과 위험 관리에 공통된 언어를 제공함으로써, 예측 시장의 규모 확대와 제도화를 가속화합니다.