Cortical prediction markets
ETH Zürich(苏黎世联邦理工学院)
我们从机制设计的角度来研究皮层学习。首先,我们表明,离散化标准模型的神经元和突触可塑性导致理性代理最大化简单的评分规则。其次,我们的主要结果是评分规则是正确的,这意味着神经元忠实地在其突触权重中编码预期效用,并在其尖峰中编码高分结果。第三,有了这个基础,我们提出了一个生物学上合理的机制,使神经元反向传播的激励,使他们能够优化其有用性的其余部分皮层。最后,实验表明,反向传播激励的网络可以学习简单的任务。
2014-01-07 cs.AI cs.GT cs.LG
Eliciting Forecasts from Self-interested Experts: Scoring Rules for Decision Makers
University of Toronto(多伦多大学)
用于引出随机变量的专家预测的评分规则通常是假设专家仅从其预测的质量中获得效用(例如,由规则奖励的分数,或预测市场中的收益)。我们研究一个更现实的设置,其中(a)的主要是一个决策者,并会根据专家的预测作出决定;(b)专家有一个内在的利益的决定。例如,在公司决策市场中,专家可能从其经理采取的行动中获得不同程度的效用。因此,如果使用典型的评分规则,专家通常会有动机误报她的预测,以影响决策者的选择。我们开发了一个通用的模型,这种设置,并介绍了补偿规则的概念。当与专家的决策的内在效用相结合时,补偿规则诱导了表现得像正常评分规则的净评分规则。假设充分了解专家效用,我们提供了一个完整的表征所有(严格)适当的补偿规则。然后,我们分析的情况下,专家的效用函数是不完全知道的决策者。我们展示了以下方面的界限:(a)专家误报的动机;(b)专家误报的程度;(c)决策者因这种不确定性而失去效用。这些界限以自然的方式取决于不确定性的程度,净评分函数的局部凸度,以及决策者效用函数的自然属性。他们还提出了优化程序的补偿规则的设计。最后,我们简要地讨论了使用补偿规则作为市场评分规则的自利专家在预测市场。
2011-06-13 cs.AI cs.GT cs.MA
Budget Constraints in Prediction Markets
Microsoft Research(微软研究院);University of Hong Kong(香港大学)
我们给出了一个详细的特征预算约束下的最优交易的预测市场的成本函数为基础的自动做市商。我们研究了个体交易者的预算约束如何影响他们影响市场价格的能力。作为我们的特征的一个具体应用,我们给出了一个我们称之为预算可加性的属性的充分条件:两个具有预算B和B'的交易者,以及相同的信念,其组合影响等于一个具有预算B+ B'的交易者。这样一来,即使单个交易者不能对市场产生太大的影响,一群志同道合的交易者也可以达到同样的预期效果。当与结果相关的收益向量的集合与证券相对应的坐标是独立的时,我们得到了广泛使用的对数市场评分规则的推广是预算可加的,但二次市场评分规则不是。我们的研究结果可以用来判断,以了解如果一个特定的做市商是受预算约束或不,和处方,作为一个配方,以构建市场。
2015-10-07 cs.AI cs.GT
Complexity of Combinatorial Market Makers
我们分析了组合预测市场做市商定价算法的计算复杂性。我们专注于汉森流行的对数市场评分规则做市商(LMSR)。我们的目标是在指数级大的结果空间中隐式地保持正确的LMSR价格。我们研究两个排列组合,其中的结果是对象的排列,和布尔组合,其中的结果是二进制事件的组合。我们研究了三种限制交易者下注的限制性语言,即使在严格限制语言的情况下,我们发现LMSR定价也是$\SP$ -难的,即使同一种语言允许多项式时间匹配而没有做市商。然后,我们提出了一个近似技术的基础上最近的在线排列学习算法的排列市场定价。我们在LMSR定价和大量关于在线学习的文献以及专家建议之间建立的联系可能是独立的兴趣。
2008-02-11 cs.GT
Prediction Markets, Mechanism Design, and Cooperative Game Theory
预测市场的目的是从多个代理人那里获取信息,以预测未来事件(获得概率)。一个好的预测市场激励代理人如实地披露他们的信息;这种激励相容性的考虑通常在机制设计中进行研究。虽然预测市场和机制设计之间的这种关系在高层次上得到了很好的理解,但预测市场中使用的模型往往与机制设计中使用的模型有些不同。本文考虑了一个预测市场的模型,它更直接地适合于机制设计框架。我们认为在这个模型中的一些机制,都基于适当的评分规则。我们讨论这些机制的基本属性,如激励相容性。我们还绘制了这些机制和合作博弈论之间的联系。最后,我们推测如何根据这些想法建立一个实用的预测市场。
2012-05-09 cs.GT
On Manipulation in Prediction Markets When Participants Influence Outcomes Directly
预测市场通常被用作汇总未来事件信息的机制,例如,候选人是否会赢得选举。该事件通常被假定为外源性的。在现实中,参与者可能会影响结果,因此(1)运行预测市场可能会改变参与者在产生结果的过程中的激励(例如,代理人可能希望改变他们在选举中的投票),以及(2)简单的结果,如正确评分规则的短视激励兼容性,不再适用于预测市场本身。我们介绍了一个模型,这种游戏,代理商首先在预测市场的交易,然后采取行动,影响市场的结果。我们的两阶段两玩家模型,尽管它很简单,但它抓住了现实世界预测市场的两个方面:(1)代理人可能直接影响结果,(2)一些有助于决定结果的代理人可能不参与预测市场。我们发现,这个游戏有两种不同类型的完美贝叶斯均衡,我们称之为LPP和HPP,这取决于信念参数的值:在LPP域中,均衡价格揭示了预期的市场结果的参与者的私人信息的条件,而HPP均衡是串通-参与者有效地协调在一个不知情和不真实的方式。
2014-07-01 cs.GT
Designing Automated Market Makers for Combinatorial Securities: A Geometric Viewpoint
George Mason University(乔治梅森大学);Rutgers University(罗格斯大学)
本文通过将组合证券自动做市商设计与计算几何中的范围查询问题相联系,提出了在任意集合系统上设计高效AMM的框架,并展示了有界VC维下的次线性算法及多分辨率集成。
2024-11-13 cs.CG cs.DS cs.GT
A General Theory of Liquidity Provisioning for Prediction Markets
University of Colorado Boulder(科罗拉多大学博尔德分校);Boston College(波士顿学院)
研究预测市场流动性供应,提出通用框架,允许LP提交或更新任意成本函数,涵盖多种做市商概念且等价,恢复现有协议,指出三种或更多证券时流动性为矩阵值函数,交易费用设计复杂。
2026-07-08 cs.GT
Strategy-Proof Prediction Markets
预测市场汇总了代理人对未来事件的信念,其中每个代理人根据其报告的信念与实现结果相比的准确性获得报酬。代理商可以战略性地操纵市场(例如,延迟报告,作出虚假报告),目的是更高的预期付款,因此,市场的汇总信息的准确性将受到质疑。在这项研究中,我们提出了一个一般的信念模型,捕捉代理人如何影响彼此的信念,并表明,有三个必要和充分的条件,代理人的行为真实的评分规则为基础的市场(SRM)。鉴于这些条件是限制性的,难以满足在现实生活中,我们提出了新的防策略SRMs代理是真实的,同时驳回所有这些条件。虽然实现这样一个强大的形式的真实性增加了最坏情况下的损失,在新的市场,我们表明,这是最低限度的损失需要解除这些条件。
2012-12-23 cs.GT cs.MA
Evidence Markets
Harvard University(哈佛大学);Gensyn AI;University of Tokyo(东京大学)
提出证据市场,通过动态调整流动性的对数市场评分规则,激励提交证据和信念,支持内生解决,证明有界损失、证据按市场不确定性奖励,并实现ε-DSIC策略。
2026-06-05 cs.GT
Price Updating in Combinatorial Prediction Markets with Bayesian Networks
Yahoo! Research(雅虎研究院);Duke University(杜克大学)
为了克服基于对数市场评分规则(LMSR-based)的组合预测市场中计算/更新价格的#P-困难,Chen等人。[5]最近使用一个简单的贝叶斯网络来表示锦标赛组合预测市场中证券的价格,并表明两种类型的流行证券是结构保持的。在本文中,我们显着扩展这一想法,采用贝叶斯网络在一般的组合预测市场。我们揭示了一个非常自然的连接基于LMSR的组合预测市场和概率信念聚合,这导致了一个完整的表征所有结构保持证券可分解的网络结构。值得注意的是,Chen等人[5]的主要结果是我们特征的推论。然后,我们证明,为了一个非常基本的证券集是结构保持,贝叶斯网络的图必须是可分解的。我们还讨论了一些近似技术的证券结构不保持。
2012-02-14 cs.AI cs.GT
Strategy-Proof Incentives for Predictions
我们的目标是设计一种机制,激励所有的代理人如实,及时地揭示他们的预测。对于近视代理,适当的评分规则诱导真实性。然而,正如文献中所描述的,当代理人考虑到其行动的长期影响时,可能会出现欺骗和沉默。没有简单的规则来区分真实和不真实的情况,只在个别情况下进行了确定。这与预测市场有关,市场价值是一种常见的预测,更普遍的是在非正式的公共预测论坛,如分析师的股票市场估计。我们描述了三种机制,是防策略与非短视的考虑,并表明,其中之一,满足我们所有的要求,从一个机制,在几乎所有的预测设置。我们制定规则来区分真实和不真实的设置,并使用它们来广泛分类预测设置连续的结果。我们展示了我们提出的机制如何在现有机制失败的情况下恢复即时真实性,并提供了在预测市场中实施该机制的指导方针。
2019-12-03 cs.GT
Efficiency of Constant Log Utility Market Makers
Boston College(波士顿学院);Rutgers University(罗格斯大学);University of Colorado, Boulder(科罗拉多大学博尔德分校)
本文研究常数对数效用做市商(CLUM)的定价效率,证明其证券定价为#P难,并提出一种基于预言机的高概率近似算法,该预言机在区间证券上可多项式时间实现。
2025-10-14 cs.GT
Log-time Prediction Markets for Interval Securities
我们设计了一个预测市场来恢复随机变量的完整且完全通用的概率分布。交易者买卖区间证券,如果结果落入区间,则支付1美元,否则支付0美元。我们的市场采用中央自动做市商的形式,允许交易者以任意精度表示区间端点。我们提出了两种设计,在这两种设计中,市场操作需要时间对数的间隔数(交易者区分),提供了第一个计算有效的市场连续变量。我们的第一个设计复制了流行的对数市场评分规则(LMSR),但操作速度比标准的LMSR指数更快,利用其模块化属性,构建一个平衡的二叉树和分解计算沿树节点。第二种设计由两个或多个并行的LMSR做市商组成,这些做市商调解越来越细粒度的结果分区的子市场。这种设计对于所有操作都保持计算效率,包括跨子市场的套利移除。它为市场设计者增加了两个额外的好处:(1)通过分配不同的流动性值,能够以不同的分辨率表达信息的效用;(2)通过适当降低每个子市场的流动性,能够保证真正的恒定有界损失。
2021-02-16 cs.GT cs.MA
Optimal Candidate Positioning in Multi-Issue Elections
本文研究多维空间投票中候选人的最优定位问题,证明单对手情形下该问题NP困难,常数议题下给出精确算法,并为多候选人情形提供近似保证,可扩展至k-approval和Borda等评分规则。
2025-08-19 cs.GT
When do prophets profit in prediction markets?
University of Chicago(芝加哥大学);Kalshi Research(卡尔希研究公司);New York University, Shanghai(纽约大学上海分校)
研究预测市场中预言家获利问题,通过建立预测准确性与盈利能力的等价关系,给出依赖预测和市场价格的适当投注策略,实证表明此策略能将准确性转化为利润,在Kalshi实时部署获高回报率。
2026-09-24 cs.AI cs.CE cs.GT