平滑二次预测市场

当代理在对偶性成本函数预测市场中进行交易时，他们集体实现了“跟随正则化领导者”学习算法。我们探究是否可以利用其他学习算法来启发预测市场的设计。通过分解并修改基于对偶性成本函数的市场庄家（DCFMM）定价机制，我们提出了一种新的预测市场，称为平滑二次预测市场，它激励代理集体实现一般的梯度下降。相对于 DCFMM，平滑二次预测市场在 AD 证券上具有更好的最坏情况货币损失，同时保留了公理保证，例如瞬时价格的存在性、信息整合、表达性、无套利以及一种形式的激励相容性。为了激发平滑二次预测市场的应用，我们独立地考察了代理在两种现实约束下的交易行为：有限预算和仅限买入证券。最后，我们对使用平滑二次预测市场促进自适应流动性的一种方法进行了初步分析。我们的结果表明了未来的设计方向，即价格更新规则与费用结构分离，同时保留保证。