论文概述

近日，arXiv 上发布了一篇题为 《Optimal Adaptive Market Making: A Theoretical Framework for High-Yield Liquidity Provision in Perpetual Futures Markets》 的论文（arXiv:2607.11888），由 Minmin Zeng 与 Yi Liu 撰写。该论文针对零手续费永续期货市场中的最优做市问题，构建了一个严谨的随机最优控制理论框架。作者将做市商决策建模为滤波概率空间上的随机控制问题，控制变量包括自适应的买卖价差以及在两个交易所之间的库存对冲策略。论文共含十个理论贡献，并通过23张数值分析图揭示了盈利与非盈利区间之间的相变现象。

关键技术点

论文的核心理论贡献可概括为以下十项：

  1. PnL 分解定理：将做市商收益拆分为价差收入、逆向选择损失、库存持有成本、对冲摩擦以及资金费率敞口。
  2. HJB 方程与验证定理：在 CARA 效用下建立了联合价差-库存-对冲控制问题的 Hamilton-Jacobi-Bellman 方程，并给出验证定理。
  3. 高APY区间定理：通过五个无量纲参数刻画盈利区域，最终给出一个主APY公式。
  4. 零手续费经济学分析：针对去中心化永续交易所的最优入场/退出阈值。
  5. 跨交易所最优对冲策略：考虑资金费率动态，提出对冲机制三分法。
  6. 鲁棒性边界：量化参数不确定性容忍度。
  7. 指数回撤概率界与APY-VaR恒等式：给出普适的风险-收益关系。
  8. 最优控制下的遍历库存分布：结合贝叶斯自适应估计。
  9. Kelly最优杠杆与破产边界。
  10. 多资产组合分配与分散化饱和结果。

论文的理论框架统一并扩展了 Avellaneda-Stoikov、Guéant-Lehalle-Fernandez-Tapia 和 Glosten-Milgrom 等经典做市模型，使之适用于现代去中心化交易所。

对数据科学或 AI Agent 落地的意义

该研究对数据科学与 AI Agent 在去中心化金融（DeFi）领域的落地具有重要指导价值。首先，论文提供了一个可直接数值求解的随机控制框架，为构建自适应做市 AI Agent 提供了理论基础。做市商无需依赖经验直觉，而是可以通过求解 HJB 方程获得最优价差与对冲决策。其次，主APY公式与风险边界使得量化评估策略绩效成为可能，有利于将强化学习或贝叶斯优化等AI方法融入参数调优。此外，高APY区间定理为数据科学家设计特征工程（如无量纲参数提取）指明了方向。结合实际市场数据，该框架可被工程化为实时做市系统，推动 DeFi 流动性供给从规则驱动向数据驱动转型。

我的技术点评

这篇论文在理论深度和系统完整性上达到了近年做市模型研究的新高度。其最大亮点在于将经典随机控制与 DeFi 独特机制（零手续费、资金费率、跨交易所套利）有机结合，并给出了可操作的显式条件。从工业落地的角度看，五项无量纲参数的设置极具洞察力——它暗示了一个高维参数空间中存在低维流形决定盈利边界，这正是数据科学中降维思想的体现。不过，论文对市场微观结构（如订单簿动态、高频信号）的建模较为简约，且数值案例未给出真实回测结果，这些可能是后续工作的重要方向。此外，贝叶斯自适应估计部分仅简要提及，若能与在线学习算法（如 Thompson 采样）结合，将更具实用性。总体而言，这是一篇兼具理论美感和工程潜力的佳作，值得 DeFi 量化从业者精读。

原文链接