ใน DeFi ที่ได้รับความนิยมมากที่สุดการออกแบบตลาดผู้ให้บริการของเหลวยังคงสูญเสีย

ผู้เขียน : อัลวอร์ Cartea' อัล Drissia มาร์เซโล โมงา Authors: อัลวอร์ Cartea' อัล Drissia มาร์เซโล โมงา Table Of Links ตารางด้านซ้าย สารสกัดจาก 1. Introduction 1. การแนะนํา 2. Constant function markets and concentrated liquidity 2. ตลาดที่มีฟังก์ชั่นคงที่และเสถียรภาพที่เข้มข้น ตลาดทํางานอย่างต่อเนื่อง ตลาดเงินสดที่เข้มข้น 3. The wealth of liquidity providers in CL pools 3. ความอุดมสมบูรณ์ของผู้ให้บริการการชําระเงินในคลังสินค้า CL ตําแหน่งค่า Fee income Fee income: pool fee rate Fee income: spread and concentration risk Fee income: drift and asymmetry การสมดุลค่าใช้จ่ายและค่าธรรมเนียมก๊าซ 4. Optimal liquidity provision in CL pools 4. การจัดหาเงินสดที่ดีที่สุดในคลัง CL ปัญหา กลยุทธ์ที่ดีที่สุด การสนทนา: ผลกําไร PL และความเสี่ยงการมุ่งเน้น การสนทนา: drift และ position skew 5. Performance of strategy 5. ประสิทธิภาพของกลยุทธ์ วิธีการ benchmark ผลการทํางาน 6. Discussion: modelling assumptions การสนทนา: โมเดลการคาดการณ์ การสนทนา: งานที่เกี่ยวข้อง 7. Conclusions And References 7. ข้อสรุปและการอ้างอิง Abstract สารสกัดจาก ตลาดผลิตภัณฑ์คงที่ที่มีความคล่องตัวที่เข้มข้น (CL) เป็นประเภทที่ได้รับความนิยมมากที่สุดของเครื่องมือสร้างตลาดอัตโนมัติ ในบทความนี้เราจะอธิบายถึงวิวัฒนาการของความมั่งคั่งอย่างต่อเนื่องของ LPs กลยุทธ์ที่ปรับช่วงการจัดหาความคล่องตัวของพวกเขาใน CL pool ความมั่งคั่งของพวกเขาจะมาจากรายได้จากค่าธรรมเนียมมูลค่าของหุ้นของพวกเขาใน pool และค่าใช้จ่ายในการสมดุลใหม่ ต่อไปเรากําลังสร้างกลยุทธ์การจัดหาความคล่องตัวที่เหมาะสมด้วยตนเองและแบบปิดผนึกซึ่งความกว้างของช่วงการจัดหาความคล่องตัวของ LP จะถูกกําหนดโดยผลกําไรของสล็อต (ค่าธรรมเนียมการจัดหา minusค่าธรรมเนียมแก๊ส) ความสูญเสียที่คาดการณ์ได้ (PL) ของตําแหน่ง LP และความเสี่ยงการมุ่งเน้น ความเสี่ยงในการจัดหาความคล่องตัวหมายถึงการลดลงในรายได้จากค่าธรรมเนียมหากอัตราแลกเปลี่ยนขอบเขต (สอดคล้องกับราคาเฉลี่ยในหนังสือคําสั่งขีด จํากัด ) ในสล็อตออกจากช่วงของความคล่องตัวของ LP เมื่อการไหลของอัตราส่วนขีดข่วนเป็นสโตคาสติกเราแสดงให้เห็นว่าวิธีการแยกช่วงของเงินสดให้ดีที่สุดเพื่อเพิ่มรายได้จากค่าธรรมเนียมและผลกําไรจากการเปลี่ยนแปลงที่คาดหวังในอัตราส่วนขีดข่วน สุดท้ายเราใช้ข้อมูลของ Uniswap v3 เพื่อแสดงให้เห็นว่าโดยเฉลี่ย LPs มีการซื้อขายด้วยความสูญเสียอย่างมีนัยสําคัญและเพื่อแสดงให้เห็นว่าประสิทธิภาพภายนอกตัวอย่างของกลยุทธ์ของเราดีกว่าประสิทธิภาพทางประวัติศาสตร์ของ LPs ในสระว่ายน้ําที่เราพิจารณา การแนะนํา การแลกเปลี่ยนอิเล็กทรอนิกส์แบบดั้งเดิมถูกจัดเรียงรอบหนังสือคําสั่งขีด จํากัด เพื่อทําความสะอาดความต้องการและการจัดหาของเงินสด ในทางตรงกันข้ามผู้รับและผู้ให้บริการของเงินสดในตลาดฟังก์ชั่นคงที่ (CFMs) ทํางานร่วมกันในคลังสินค้าของเงินสด ผู้ให้บริการของเงินสด (LPs) ใส่สินทรัพย์ของพวกเขาในคลังสินค้าของเงินสดและผู้รับเงินสด (LTs) แลกเปลี่ยนสินทรัพย์โดยตรงกับคลังสินค้า ในปัจจุบันตลาดผลิตภัณฑ์คงที่ (CPMs) ที่มีเงินสดเข้มข้น (CLs) เป็นประเภทที่นิยมมากที่สุดของ CFM กับ Uniswap v3 เป็นตัวอย่างที่ยอดเยี่ยม; ดู Adams et al. (2021). ใน CPM ที่มี CL LPs ระบุช่วงอัตราแลกเปลี่ยน (เช่นช่วงการแทรก) ที่พวกเขาฝากสินทรัพย์ของพวกเขาและอัตราแลกเปลี่ยนนี้เป็นคู่ต่อการซื้อขายของ LTs เมื่ออัตราแลกเปลี่ยนขอบเขตของสระว่ายน้ําอยู่ในช่วงของอัตราแลกเปลี่ยนของ LPs เมื่อ LPs ใส่อัตราแลกเปลี่ยนค่าธรรมเนียมที่จ่ายโดย LTs จะเพิ่มขึ้นและจะจ่ายให้กับ LPs เมื่อพวกเขาถอนสินทรัพย์ของพวกเขาออกจากสระว่ายน้ํา จํานวนค่าธรรมเนียมที่ได้รับจาก LPs เป็นสัดส่วนของอัตราแลกเปลี่ยนที่พวกเขาถือในแต่ละช่วงของอัตราแลกเปลี่ยนของสระว่ายน้ํา การวิจัยที่มีอยู่ลักษณะการสูญเสียของ LPs แต่ไม่ได้เสนอเครื่องมือสําหรับการจัดหาการเงินสดเชิงกลยุทธ์ ในบทความนี้เราศึกษาการจัดหาการเงินสดเชิงกลยุทธ์ใน CPMs กับ CL. เรามาจากไดนามิกแบบต่อเนื่องของความอุดมสมบูรณ์ของ LPs กลยุทธ์ซึ่งประกอบด้วยตําแหน่งที่พวกเขาถืออยู่ในสล็อต (มูลค่าตําแหน่ง), ผลกําไรค่าธรรมเนียมและค่าใช้จ่ายจากการวางตําแหน่งการเงินสดของพวกเขา ความกว้างของช่วงที่สินทรัพย์จะถูกเก็บไว้มีผลต่อมูลค่าของตําแหน่งของ LP ในสระว่ายน้ํา โดยเฉพาะอย่างยิ่งเราแสดงให้เห็นว่าความสูญเสียที่คาดการณ์ได้ (PL) ที่เกิดขึ้นกับ LPs เพิ่มขึ้นเมื่อความกว้างของช่วงการเงินสดลดลง PL มีการวัดความสูญเสียที่ไม่สามารถป้องกันได้ของ LPs ที่เกิดจากการลดมูลค่าของหุ้นของพวกเขาในสระว่ายน้ําและค่าใช้จ่ายโอกาสจากการล็อคสินทรัพย์ของพวกเขาในสระว่ายน้ํา ดู Cartea et al. (2023b) PL มีความคล้ายคลึงกันกับ loss-versus-rebalancing (LVR) ใน Milionis et al. (2022) ซึ่งอธิบายถึงการสูญเสียใน CFMs แบบดั้งเดิมเมื่อ LPs ป้องกันการสัมผัสราคาของพวกเขาในตลาดภายนอก.1 นอกจากนี้เรายังแสดงให้เห็นว่ารายได้จากค่าธรรมเนียมจะถูกยกเว้นจากการแลกเปลี่ยนระหว่างความกว้างของช่วงความคล่องตัวของ LP และความล้มเหลวของอัตราขีด จํากัด ในสระว่ายน้ํา โดยเฉพาะอย่างยิ่ง CL เพิ่มรายได้จากค่าธรรมเนียมเมื่ออัตราจะอยู่ในช่วงของ LP แต่ยังเพิ่มความเสี่ยงในการมุ่งเน้น ความเสี่ยงการมุ่งเน้นหมายถึงความเสี่ยงที่ LP จะเผชิญเมื่อตําแหน่งของตนมีความเข้มข้นในช่วงที่เข้มข้น LP จะหยุดเก็บค่าธรรมเนียมเมื่ออัตราออกจากช่วงของตําแหน่งของตน เราได้มาจากกลยุทธ์แบบไดนามิกที่เหมาะสมเพื่อให้มีเสถียรภาพใน CPM กับ CL ในรูปแบบของเรา LP จะช่วยเพิ่มประโยชน์ที่คาดหวังของความมั่งคั่งของเธอซึ่งประกอบด้วยค่าธรรมเนียมการซื้อขายที่สะสมและผลกําไรและผลสูญเสียจากการใช้กลยุทธ์การสร้างตลาด กลยุทธ์แบบไดนามิกควบคุมความกว้างและสกปรกของเงินสดที่กําหนดเป้าหมายอัตราแลกเปลี่ยนขอบเขต สําหรับกรณีเฉพาะของ log-utility เราได้รับกลยุทธ์ในรูปแบบปิดและแสดงให้เห็นว่าวิธีการแก้ปัญหาสมดุลผลกระทบที่ตรงกันข้ามระหว่าง PL และการเก็บรวบรวมค่าธรรมเนียม เมื่อการสั่นสะเทือนเพิ่มขึ้น PL เพิ่มขึ้น ดังนั้นจึงมีแรงจูงใจสําหรับ LP เพื่อขยายช่วงการจัดหาเงินสดเพื่อลดการสัมผัสของกลยุทธ์กับ PL โดยเฉพาะอย่างยิ่งในกรณีที่มีการสั่นสะเทือนสูงมาก LP จะต้องถอนออกจากสระว่ายน้ําเพราะการสัมผัสกับ PL นั้นสูงเกินไป นอกจากนี้เมื่อมีความเพิ่มขึ้นของค่าธรรมเนียมการจัดหาศักยภาพที่ LP อาจเก็บรวบรวมเนื่องจากกิจกรรมการเก็บเงินที่มีความคล่องตัวสูงขึ้นกลยุทธ์จะสมดุลสองกองกําลังที่ตรงกันข้าม ประการหนึ่งมีแรงจูงใจในการเพิ่มการเก็บรวบรวมค่าธรรมเนียมโดยการมุ่งเน้นความคล่องตัวของ LP ในช่วงที่เข้มงวดรอบอัตราแลกเปลี่ยนของสระว่ายน้ํา ประการที่สองมีแรงจูงใจในการ จํากัด การสูญเสียเนื่องจากความเสี่ยงการมุ่งเน้นโดยการขยายช่วงของการจัดหาความคล่องตัว สุดท้ายเมื่อการไหลของอัตราแลกเปลี่ยนขอบเขตเป็นสต็อกสติก (เช่นสัญญาณการคาดการณ์) กลยุทธ์จะสกปรกช่วงของเงินสดเพื่อเพิ่มรายได้จากค่าธรรมเนียมโดยการจับกุมกระแสการซื้อขาย LT และเพิ่มมูลค่าตําแหน่งโดยการได้รับประโยชน์จากการเปลี่ยนแปลงที่คาดหวังในอัตราแลกเปลี่ยนขอบเขต สุดท้ายเราใช้ข้อมูล Uniswap v3 เพื่อสร้างแรงจูงใจในรูปแบบของเราและทดสอบประสิทธิภาพของกลยุทธ์ที่เราสร้าง ข้อมูล LP และ LT จากสล็อต ETH/USDC (สกุลเงิน Ethereum และ USD) ระหว่างจุดเริ่มต้นของสล็อตในวันที่ 5 พฤษภาคม 2021 และ 18 สิงหาคม 2022 เพื่อแสดงให้เห็นถึงประสิทธิภาพของกลยุทธ์เราใช้ข้อมูลตัวอย่างเพื่อประเมินพารามิเตอร์แบบจําลองและข้อมูลภายนอกตัวอย่างเพื่อทดสอบกลยุทธ์ การวิเคราะห์ของเราเกี่ยวกับการเทรดประวัติศาสตร์ใน Uniswap v3 แสดงให้เห็นว่า LPs มีการเทรดด้วยความสูญเสียอย่างมีนัยสําคัญโดยเฉลี่ยใน ETH / USDC pool เราแสดงให้เห็นว่าประสิทธิภาพการเทรดภายนอกตัวอย่างของกลยุทธ์ของเราสูงกว่าประสิทธิภาพ LP โดยเฉลี่ยที่เราสังเกตเห็นใน ETH / USDC pool งานแรกเกี่ยวกับ AMMs มีใน Chiu และ Koeppl (2019), Angeris et al. (2021), Lipton และ Treccani (2021), Capponi และ Jia (2021), Engel และ Herlihy (2021a,b), Angeris et al. (2022); ดูการตรวจสอบล่าสุด Biais et al. (2023) Capponi et al. (2023a) การศึกษาการสร้างราคาใน AMMs Heimbach et al. (2022) พูดคุยเกี่ยวกับการแลกเปลี่ยนระหว่างความเสี่ยงและผลตอบแทนที่ LPs จะเผชิญใน Uniswap v3, Cartea et al. (2023b) พูดคุยเกี่ยวกับความสูญเสียที่คาดการณ์ได้ของ LPs ในสภาพแวดล้อมแบบต่อเนื่อง Milionis et al. (2023) พูดคุยเกี่ยวกับผลกระทบของค่าธรรมเนียมต่อผลกําไรของผู้พิพากษาใน CFMs Fukasawa et al. (2023) พูดคุยเกี่ยวกับการป้องกันความสูญเสียที่คงทนของ LPs และ Lı et al. (2023) พูดคุยเกี่ยวกับเศรษฐศาสตร์ของการให้ความเสี่ยง ที่ใกล้ที่สุดกับงานของเราคือแบบจําลองใน Fan et al. (2021) และ Fan et al. (2022) ซึ่งมุ่งเน้นไปที่รายได้จากค่าธรรมเนียมและใช้เทคนิคการเข้าถึงเพื่อให้ได้กลยุทธ์แบบไดนามิก สุดท้ายมีคําอธิบายที่เพิ่มขึ้นเกี่ยวกับการออกแบบ AMM สําหรับการแข่งขันที่ยุติธรรมระหว่าง LPs และ LTs Goyal et al. (2023) วิจารณ์ AMM ที่มีฟังก์ชั่นการซื้อขายแบบไดนามิกซึ่งรวมความเชื่อของ LPs Lommers et al. (2023) วิจารณ์ AMM ที่กลยุทธ์ของ LP มีการปรับตัวแบบไดนามิกกับข้อมูลตลาดและ Cartea et al. (2023c) วิจารณ์ CFM และเสนอการออกแบบ AMM ที่ LPs แสดงความเชื่อและความต้องการความเสี่ยงของพวกเขา; ดู Bergault et al. (2024 งานของเราเกี่ยวข้องกับการซื้อขายอัลกอริทึมและการสร้างตลาดที่ดีที่สุด งานแรกเกี่ยวกับการจัดหาของเหลวในตลาดแบบดั้งเดิมคือ Ho และ Stoll (1983), Biais (1993) และ Avellaneda และ Stoikov (2008) ที่มีการขยายตัวในหลายทิศทาง; ดู Cartea et al. (2014, 2017), Gueant' (2017), Bergault et al. (2021), Drissi (2022). เราอ้างอิงผู้อ่าน Cartea et al. (2015), Gueant' (2016), และ Donnelly (2022) สําหรับการตรวจสอบแบบครบวงจรของรูปแบบการซื้อขายอัลกอริทึมสําหรับผู้รับและผู้สร้างของเหลวในตลาดแบบดั้งเดิม นอกจากนี้การทํางานของเราเกี่ยวข้องกับ Cartea et al. (2018), Barger and Lorig (2019), Cartea and Wang (2020), Donnelly and Lorig (2020), Forde et al. (2022), Bergault et al. (2022) ซึ่งใช้สัญญาณตลาดในกลยุทธ์การซื้อขายอัลกอริทึม ส่วนที่เหลือของกระดาษจะดําเนินการดังต่อไปนี้ ส่วนที่ 2 อธิบายสระว่ายน้ํา CL ส่วนที่ 3 สํารวจไดนามิกอย่างต่อเนื่องของความอุดมสมบูรณ์ของ LPs เป็นผลมาจากมูลค่าตําแหน่งรายได้ค่าธรรมเนียมและค่าใช้จ่ายการสมดุล โดยเฉพาะอย่างยิ่งเราใช้ข้อมูล Uniswap v3 เพื่อศึกษาองค์ประกอบของรายได้จากค่าธรรมเนียมของความอุดมสมบูรณ์ของ LP และผลลัพธ์ของเราทําให้เกิดการคาดการณ์ในรุ่นของเรา ส่วนที่ 4 นําเสนอรูปแบบการจัดหาการเงินสดของเราและใช้การควบคุมแบบสต็อกสติกเพื่อสร้างกลยุทธ์ที่ดีที่สุดแบบปิดผนึก ต่อไปเราจะศึกษาวิธีการที่กลยุทธ์นี้ควบคุมความกว้างและเส้นโค้งของช่วงการเงินสดเป็นฟังก์ชั่นของผลกําไรของสระว่ายน้ํา PL ความเสี่ยงการมุ่งเน้นและการไหลเวียนในอัตราขีด จํากัด สุดท้ายส่วน 5 ใช้ข้อมูล Uniswap v3 เพื่อทดสอบประสิทธิภาพของกลยุทธ์และแสดงประสิทธิภาพที่เหนือกว่า กระดาษนี้สามารถใช้ได้ใน archiv ภายใต้ใบอนุญาตสากล CC0 1.0 กระดาษนี้สามารถใช้ได้ใน archiv ภายใต้ใบอนุญาตสากล CC0 1.0 รัสเซีย