quote를 내는 역할과 쌓인 재고를 줄이는 역할을 분리하면 전문화가 자동으로 좋아질까? 연구는 Polymarket 417개 실제 시장의 호가 depth를 개별 주문형식으로 복원하고, recurrent IPPO를 쓰는 quoter와 risk manager를 학습했다. 원자료에는 실제 주문 ID와 queue position이 없으므로 이 부분은 추정된 simulator 상태다.
재설계한 단일 agent의 held-out end-of-episode 값은 -9.6 tick으로 재학습 기준모형 -46.1 tick보다 손실이 작았다. 그러나 관측공간, 행동공간과 inventory control을 함께 바꿨기 때문에 어느 부품의 기여인지는 분리되지 않는다. 평균가치가 음수라는 점도 개선률을 production 수익으로 읽지 못하게 한다.
다중 agent에서는 quoter가 spread capture를 받고 risk manager가 나중의 재고손실을 떠안으면 나쁜 fill의 비용이 엉뚱한 역할에 간다. fill 뒤 가격이동인 markout을 quoter 보상에 넣자 목표정렬이 개선됐다. 그래도 각 구성은 한 seed만 학습했으므로 seed 분산과 실제 queue를 포함한 재현시험이 필요하다.
SCOPE단일 거래소·상품군의 며칠 자료를 주문단위로 복원한 simulator 결과다. queue 위치는 합성이며 한 seed만 사용했고 어떤 구성도 주기적 held-out 평균가치를 양수로 만들지 못했다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
Cooperative Multi-Agent Reinforcement Learning for Market Making on Prediction-Market Order Books4 primary · 0 archived +
연구는 Polymarket 417개 실제 시장의 자료로 agent를 학습했다.
ORIGINAL PASSAGE417 real marketsCooperative Multi-Agent Reinforcement Learning for Market Making on Prediction-Market Order Books, arXiv:2610.26789, abstract, accessed 2026-11-01재설계한 단일 agent의 held-out episode 가치는 -9.6 tick, 기준모형은 -46.1 tick이었다.
ORIGINAL PASSAGEfinishing at -9.6 ticks per episode against -46.1Cooperative Multi-Agent Reinforcement Learning for Market Making on Prediction-Market Order Books, arXiv:2610.26789, section 6.1, accessed 2026-11-01각 구성은 한 seed만 학습했다.
ORIGINAL PASSAGEeach configuration was trained with one seedCooperative Multi-Agent Reinforcement Learning for Market Making on Prediction-Market Order Books, arXiv:2610.26789, abstract and section 6.4, accessed 2026-11-01어떤 구성도 주기적 held-out 평가에서 평균 portfolio value를 양수로 만들지 못했다.
ORIGINAL PASSAGENone establishes positive average portfolio valueCooperative Multi-Agent Reinforcement Learning for Market Making on Prediction-Market Order Books, arXiv:2610.26789, abstract, accessed 2026-11-01Show the original briefing text
구분: 최신 연구·quoter와 risk manager의 보상설계
발표일: 2026년 10월 19일
핵심 요약
논문 원문은 Polymarket 417개 실제 시장의 L2 자료를 주문단위로 복원해 quoter와 risk manager를 분리한 다중 agent 시장조성을 시험한다. 재설계한 단일 agent의 held-out 최종가치는 episode당 -9.6 tick으로 같은 자료에서 재학습한 기준모형 -46.1 tick보다 손실이 작았다. 그러나 어떤 구성도 주기적 held-out 평가의 평균가치를 양수로 만들지 못했고 각 구성은 한 seed만 학습했다.
실무 시사점
역할을 나누는 것만으로는 협업이 생기지 않는다. 체결 스프레드는 quoter가 받고 재고손실은 risk manager가 떠안으면 quoter가 나쁜 체결을 과도하게 만들 수 있다. 체결 뒤 markout을 quoter 보상에 넣자 두 역할의 목표가 더 잘 맞았지만, 결과는 합성 주문 ID와 queue 위치에 의존한다.
한국 시장 복제 아이디어
국고채 RFQ simulator에서 quote agent와 inventory agent를 분리하고 공유손익, 개별손익, 체결후 markout 보상을 비교한다. 날짜 단위 holdout과 여러 seed를 사용해 episode 가치, no-quote 비율, 최악 markout, 재고보유시간과 최대 DV01을 함께 보고, 평균손익이 음수인 정책은 개선률과 무관하게 production 후보에서 제외한다.