자동화 시장 메이커를 위한 최적화 기반 프레임워크

초록

이 논문은 온라인 볼록 최적화를 활용해, 결과 공간이 방대해도 효율적으로 가격을 산정할 수 있는 증권 시장 설계 방법을 제시한다. 임의의 제한된 증권 집합을 시작점으로, 무차익(arbitrage) 조건을 만족하는 시장은 반드시 볼록 잠재 함수에 의해 가격이 결정되며, 가능한 가격 집합은 증권 지급액의 볼록 껍질과 일치한다. 저자들은 이 최적화 문제를 이용해 구체적인 예시(구면 위 착륙 위치 예측)와 기존 메커니즘으로는 #P‑hard인 페어 베팅 시장을 위한 새로운 효율적 시장 메이커를 구현한다. 또한 거래 수수료를 도입해 시장 깊이를 동적으로 조절하는 방법을 제시한다.

상세 분석

논문은 전통적인 완전 시장이 직면하는 ‘결과 공간의 폭발적 성장’ 문제를 근본적으로 재구성한다. 기존 연구는 제한된 증권 집합을 찾아 완전 시장 메커니즘을 그대로 적용하려 했지만, 대부분이 계산 복잡도 한계에 부딪히는 반면, 이 논문은 임의의 증권 집합을 출발점으로 삼아 시장 메이커를 설계한다는 전환점을 만든다. 핵심은 무차익(no‑arbitrage)과 가격 연속성 같은 직관적 조건을 수학적으로 정리한 뒤, 이러한 조건을 만족하는 모든 시장이 볼록 잠재 함수(convex potential function)를 통해 가격을 산출한다는 정리를 증명한 점이다. 이 잠재 함수는 증권 지급액들의 볼록 껍질(convex hull) 위에서 정의되는 최적화 문제의 해로 표현된다. 따라서 가격 결정은 ‘볼록 최적화’를 풀면 되며, 이는 다항 시간 알고리즘으로 구현 가능하다.

특히 저자들은 두 가지 실용적 사례를 통해 프레임워크의 효용을 입증한다. 첫 번째는 구면 위에 물체가 착륙할 위치를 예측하는 시장으로, 결과 공간이 연속적이고 무한하지만, 위치를 나타내는 몇 개의 좌표 기반 증권만을 사용해 볼록 최적화로 정확한 가격을 산출한다. 두 번째는 페어 베팅(pair betting) 시장이다. 기존 메커니즘으로는 이 시장을 가격 책정하는 것이 #P‑hard로 알려져 있었지만, 논문은 ‘무차익 완화(arbitrage relaxation)’라는 개념을 도입해 약간의 허용 오차와 거래 수수료를 부과함으로써 볼록 최적화 형태로 변환한다. 이 과정에서 시장 깊이(depth)가 거래 횟수에 따라 동적으로 증가하도록 설계할 수 있어, 유동성 부족 문제를 자연스럽게 해결한다.

또한, 프레임워크는 기존 LMSR(로그 시장 스코어링 규칙)과 같은 전통적 메커니즘을 일반화한다는 점에서 의미가 크다. LMSR은 특정 형태의 잠재 함수를 갖지만, 여기서는 임의의 볼록 함수가 가능하므로 보다 복잡한 보상 구조와 위험 선호도를 반영할 수 있다. 결과적으로, 증권 설계자가 원하는 어떠한 제한된 증권 집합이라도, 해당 집합의 볼록 껍질을 계산하고 그 위에서 최적화를 수행하면 일관된 가격 체계와 무차익 보장을 동시에 얻을 수 있다. 이는 대규모 예측 시장, 스포츠 베팅, 기후 변수 예측 등 다양한 응용 분야에 바로 적용 가능함을 시사한다.