Sobreviviendo al Caos: Algoritmos que Reaccionan a Ráfagas de Liquidez (MTF)

Abstract

Este trabajo presenta el desarrollo de una herramienta de market making, orientada al análisis de diferentes estrategias implementadas en mercados de predicción de Polymarket. La base del estudio se centra en la comparación del comportamiento de un modelo de cotización fija (naive) frente a tres variantes adaptativas (heurística, bayesiana, bayes+VPIN), capaces de ajustar sus precios de compra y venta en función del estado del libro de órdenes. Para ello, se realiza un proceso de captura de datos reales, y a partir de ellos, se calculan distintas variables de microestructura de mercado como lo son el midprice, el spread, la profundidad visible del libro, el imbalance y el drift del midprice. Gracias a estas métricas, se construyen señales de flujo, entre las que se encuentran una señal direccional, una aproximación tipo VPIN y una señal bayesiana adaptativa. Posteriormente, se diseñan las cuatro estrategias que empleará el sistema, para ello todas estarán contenidas dentro del mismo entorno de backtesting, de manera que operan con la misma secuencia temporal de datos y bajo las mismas condiciones. Para evaluar el comportamiento de cada una, se comparará tanto el inventario acumulado y final, el P&L obtenido, la probabilidad de ejecución, el spread cotizado y la tasa de selección adversa ex post. Los resultados obtenidos tras la simulación indican que las estrategias adaptativas tienden a obtener mejores comportamientos que la variante fija. Siendo el modelo bayesiano el que destaca por encima de las demás, al presentar mejor equilibrio entre rentabilidad y exposición en las muestras analizadas. No obstante, el análisis también muestra que una mayor complejidad del sistema de cotización no garantiza necesariamente un mejor desempeño. Por ello, la evaluación de un modelo de market making debe considerar de forma conjunta la rentabilidad generada, la gestión del inventario y la calidad de las ejecuciones.This paper presents the development of a market-making tool designed to analyse different strategies implemented in Polymarket prediction markets. The study focuses on comparing the behaviour of a fixed-quote (naive) model against three adaptive variants (heuristic, Bayesian, Bayesian+VPIN), which are capable of adjusting their bid and ask prices according to the state of the order book. To this end, real-world data is collected, and from this, various market microstructure variables are calculated, such as the mid-price, the spread, the visible depth of the order book, the imbalance and the mid-price drift. Using these metrics, flow signals are constructed, including a directional signal, a VPIN-type approximation and an adaptive Bayesian signal. Subsequently, the four strategies to be employed by the system are designed; to this end, all will be contained within the same backtesting environment, so that they operate using the same time series of data and under the same conditions. To evaluate the performance of each strategy, comparisons will be made of the cumulative and final inventory, the P&L achieved, the probability of execution, the quoted spread and the ex post adverse selection rate. The results obtained from the simulation indicate that adaptive strategies tend to perform better than the fixed variant. The Bayesian model stands out above the others, as it offers the best balance between profitability and exposure in the samples analysed. However, the analysis also shows that greater complexity in the quotation system does not necessarily guarantee better performance. Therefore, the evaluation of a market-making model must take into account, as a whole, the profitability generated, inventory management and the quality of executions.