Skander Lejmi · 2026 · arXiv
DOI: 10.48550/arXiv.2610.26789 · open-access PDF
Seorang pembuat pasar menyediakan likuiditas dengan mengutip harga untuk membeli dan menjual aset, menghasilkan spread sambil mengelola risiko inventaris. kami mempelajari pembuat pasar yang dilatih dengan pembelajaran multi-agent penguatan pada pasar prediksi, khususnya Polymarket, yang buku pesanan tipisnya menimbulkan tantangan yang berbeda. Tiga tantangan mendasari penelitian ini: seleksi negatif dapat menyebabkan kebijakan yang dilatih pada data nyata untuk menghentikan penawaran; konsekuensi dari kutipan dapat tiba banyak langkah setelah tindakan; dan data pasar prediksi L2 tidak mengidentifikasi pesanan individu yang diperlukan untuk simulasi.
Machine translation (Meta M2M100); the English original follows.
A market maker provides liquidity by quoting prices to buy and sell an asset, earning the spread while managing inventory risk. We study market makers trained with multi-agent reinforcement learning on prediction markets, specifically Polymarket, whose thin order books pose distinct challenges. Three challenges underpin this research: adverse selection may cause a policy trained on real data to stop quoting; the consequences of a quote can arrive many steps after the action; and prediction-market L2 data does not identify individual orders needed for simulation. We address these challenges by
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.26789, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange