En los mercados de predicción con N resultados, he oído que gestionan un libro de órdenes separado de SÍ/NO para cada resultado, y dependen de los arbitrajistas para "equilibrar" dichos mercados. Si es así, ¿por qué? ¿Por qué las bolsas no hacen la emparejamiento implícita de forma atómica para aumentar la liquidez?

Por ejemplo, si hay 3 resultados y presento un NO límite con un 30% de probabilidad de que ocurra cada resultado, esas órdenes permanecerán hasta que un arbitrador iguale los 3 para un total de 90 céntimos. Después de hacer las dos primeras órdenes, el intercambio debería mostrar una orden implícita de SÍ por 40 céntimos en el tercer resultado, y evitar que realice mi tercera orden. Esto parece aumentar estrictamente la liquidez para los usuarios, dándoles mejores precios, diferenciales más ajustados y también un mayor volumen para el exchange, ya que cada orden que puede igualar lo hará. Además, los arbitrajeadores no igualarán las operaciones implícitas netas cero ya que no hay ganancia en el arbitraje, mientras que las bolsas lo harán con gusto.

Por último, esto no parece especialmente complejo computacionalmente para el motor de emparejamiento. Para un único mercado de predicción, puede simplemente mantener la suma actual de las mejores ofertas y la suma actual de las mejores demandas para cada uno de los N resultados. Esta es una operación O(1) sobre la colocación de pedidos. Si la suma de las mejores ofertas supera 1, o la suma de las mejores ofertas supera N-1, entonces empareja órdenes entre todos los resultados en un intercambio implícito. Esto es O(N) pero estás igualando N órdenes.

Actualmente no se me ocurre una forma eficiente de servir el "libro de pedidos implícito" completo, pero al menos el precio táctil se puede atender de forma extremadamente eficiente y con una carga mínima de gasto general. La cantidad de contacto podría servirse si se mantiene un min-heap (sobredimensionado en el tamaño de la orden al contacto), aunque esto es menos eficiente que O(1) por orden (podría ser O(log n))