
 
 
 ang mga author: 
 
 
 
 Alvaro Cartea ´ Fayc¸al Drissia Marcello Monga Authors: 
 
 
 
 Alvaro Cartea’ Mga pahinang tumuturo Si Marcello Monga ay Table Of Links Table ng mga Links abstrak ang 1. Introduction 1. ang introduction 2. Constant function markets and concentrated liquidity 2. konstante function markets at concentrated liquidity 
 
 
 Continuous function ng mga merkado Konsentrasyon ng likvidity market 3. The wealth of liquidity providers in CL pools Ang kahulugan ng likvidity providers sa CL pools 
 
 
 
 Posisyon ng Value Fee income
 
 
 
 
 
 Fee income: pool fee rate Fee income: spread and concentration risk Fee income: drift and asymmetry Re-balance ng gastos at gas fee 4. Optimal liquidity provision in CL pools Optimal na likvidity provision sa CL pools 
 
 
 
 
 ang problema Optimal ang Strategy Diskusyon: Profitability, PL, at konsentrasyon risk Diskusyon: drift at posisyon shift 5. Performance of strategy Ang performance ng Strategy 
 
 
 
 Mga Metodiko ang benchmark Mga resulta ng performance 6. Discussion: modelling assumptions Paglalarawan ng: Modeling Assumptions 
 
 Seminar hinggil sa Dan's Way 7. Conclusions And References Mga Konklusyon at References Abstract abstrak ang Ang mga konstante na merkado ng produkto na may concentrated liquidity (CL) ay ang pinaka-popular na uri ng automated market maker. Sa dokumento na ito, inihahanda namin ang continuous-time wealth dynamics ng strategic LPs na dinamahan ang kanilang range ng likvidity provision sa CL pools. Ang kanilang wealth resulta mula sa fee income, ang halaga ng kanilang mga holdings sa pool, at rebalancing costs. Pagkatapos, inihahanda namin ang isang self-financing at closed-form optimal liquidity provision strategy kung saan ang karamihan ng LP's liquidity range ay determinado sa pamamagitan ng profitability ng pool (provision fees minus gas fees), ang predictable losses (PL) ng LP's position, at concentration risk. Kapag ang drift sa marginal rate ay stochastic, kami ay nagpapakita kung paano optimize ang range ng likvidity upang i-increase ang revenue ng fee at profit mula sa mga nangangailangan na pagbabago sa marginal rate. Sa katapusan, ginagamit namin ang data ng Uniswap v3 upang ipakita na, sa average, ang LP ay nag-trade sa isang malaking pagbabago, at upang ipakita na ang out-of-sample performance ng aming estratehiya ay mas mataas kaysa sa historical performance ng LPs sa pool na tinanggap namin. Introduction ang Ang mga tradisyonal na electronic exchanges ay isinasagawa sa paligid ng mga libro ng limit order upang ilagay ang demand at supply ng liquidity. Sa kontrata, ang mga tagahanga at provider ng liquidity sa mga merkado ng pang-konstanteng function (CFMs) ay nag-interact sa mga pool ng liquidity; ang mga provider ng liquidity (LPs) ay nag-deposit ang kanilang mga assets sa pool ng liquidity at ang mga tagahanga ng liquidity (LTs) ay nag-exchange ng assets nang direkta sa pool. Sa kasalukuyang, ang mga constant product markets (CPMs) na may concentrated liquidity (CL) ay ang pinaka-popular na uri ng CFM, na may Uniswap v3 bilang isang pangunahing halimbawa; tingnan ang Adams et al. (2021). Sa mga CPM na may CL, ang LPs ay naglalaman ng mga interval ng rate (i.e., tick ranges) sa pamamagitan ng kung saan ay nag-deposit ang kanilang assets, at ang liquidity na ito ay counterpart sa mga negosyo ng LTs kapag ang margin exchange rate ng pool ay sa ilalim ng likvidity range ng LPs. Kapag ang LPs nag-deposit liquidity, ang mga bayad na ibinibigay ng LTs ay kumukuha at ibinibigay sa mga LPs kapag inilagay ang kanilang assets mula sa pool. Ang kasalukuyang pananaliksik ay nagkakaiba ng mga pagbabago ng LPs, ngunit hindi nag-aalok ng mga tool para sa strategic liquidity provision. Sa dokumento na ito, kami ay pag-aaral ng strategic liquidity provision sa CPMs na may CL. Nagdiriwang namin ang continuous-time dynamics ng kapangyarihan ng strategic LPs na binubuo ng posisyon nila sa pool (posisyon value), fee income, at gastos mula sa repositioning ang kanilang liquidity position. Ang layunin ng range kung saan ang mga asset ay naka-deposit ay nakakaapekto sa halaga ng posisyon ng LP sa pool; sa katunayan, nagpapakita namin na ang predictable loss (PL) na natagpuan ng LPs ay lumaki nang ang layunin ng likvidity range ay lumaki. PL ay nagkakahalaga ng mga unhedged losses ng LPs na binubuo mula sa depreciation ng kanilang mga holdings sa pool at mula sa mga gastos ng pagkakataon mula sa locking ang kanilang mga assets sa pool; tingnan Cartea et al. (2023b). PL ay katulad sa loss-versus-rebalancing (LVR) sa Milionis et al. (2022) na naglalarawan ng mga pagbabago sa mga tradisyonal na CFMs kapag LPs hedge ang kanilang presyo exposure sa isang exogenous na merkado.1 Halimbawa, ipakita namin na ang income ng fee ay nagtatagumpay sa isang kompromiso sa pagitan ng width ng likvidity range ng LP at ang volatility ng marginal rate sa pool. Ang risk ng pag-concentration ay sumusunod sa risk na nakikipagtulungan ng LP kapag ang kanyang posisyon ay na-concentrate sa malapit na antas; ang LP ay nagpasya ng pagkuha ng mga bayad kapag ang rate ay umalis sa antas ng kanyang posisyon. Kami ay sumusunod ng isang optimum dynamic strategy upang magbigay ng likvidity sa isang CPM na may CL. Sa aming modelo, ang LP maximizes ang inaasahan na utility ng kanyang terminal wealth, na binubuo ng nakumpleto na mga komersyal na mga bayad at ang mga gawain at mga kahanga-hangang mula sa market making strategy. Ang dynamic strategy ay kontrolin ang layunin at ang pag-aalok ng liquidity na tinutukoy sa marginal exchange rate. Para sa anumang kaso ng log-utility, makuha namin ang strategiya sa closed-form at ipakita kung paano ang solusyon ay balanse ang mga opponent na epekto sa pagitan ng PL at pagkuha ng mga bayad. Kapag ang volatility ay lumaki, ang PL ay lumaki, kaya may isang intimidasyon para sa LP na i-expand ang range ng liquidity provision upang masiguro ang exposure ng strategiya sa PL. Halimbawa, sa karaniwang kaso ng mataas na mataas na volatility, ang LP ay dapat i-retire mula sa pool dahil ang exposure sa PL ay mas mataas. Sa gitna ng Pagpatay ng sarili niyang Olympic maskot , Ang Dysfunctional clean up Ng maruming tubig nito, ang Pag-shutdown ng doping lab nito , Ang Deklarasyon ng isang emergency na pinansiyal , Ang Pagkakaroon ng virus Zika , At Iba't ibang mga kalamidad , Ang Olympic ambitions ng Rio ay isang kalamidad. Sa katunayan, kapag ang drift ng marginal exchange rate ay stochastic (mga, isang predictive signal), ang estratehiya ay tinutukoy ang range ng likvidity upang masiguro ang revenue ng fee, sa pamamagitan ng pagkuha ng trading flow ng LT, at upang masiguro ang halaga ng posisyon, sa pamamagitan ng pagganap mula sa mga nangangailangan na pagbabago sa marginal rate. Sa katunayan, ginagamit namin ang data ng Uniswap v3 upang motivate ang aming modelo at i-test ang pagganap ng strategya na natagpuan namin. Ang data ng LP at LT ay mula sa pool ng ETH/USDC (Ethereum at USD coin) sa pagitan ng pagkilala ng pool sa 5 Mayo 2021 at 18 Agosto 2022. Upang ilarawan ang pagganap ng estratehiya, ginagamit namin ang data sa sample upang estimate ang mga parameter ng modelo at ang data sa out-of-sample upang i-test ang estratehiya. Ang aming pag-analysis ng mga kasaysayan ng transaksyon sa Uniswap v3 ay nagpapakita na ang LPs ay nag-trade sa isang significant na loss, sa average, sa ETH/USDC pool. Nagpakita namin na ang pagganap ng out-of-sample ng aming estratehiya ay mas mataas kaysa sa average LP performance na nakita namin sa ETH/USDC pool. Ang mga unang trabaho sa AMMs ay sa Chiu at Koeppl (2019), Angeris et al. (2021), Lipton at Treccani (2021), Capponi at Jia (2021), Engel at Herlihy (2021a,b), Angeris et al. (2022); tingnan din ang nakaraang review ng Biais et al. (2023). Ang ilang mga trabaho sa literature study strategic liquidity provision sa CFMs at CPMs na may CL. Heimbach et al. (2022) nag-aalok ang kompromiso sa pagitan ng mga risk at mga return na nakikipagtulungan sa LPs sa Uniswap v3, Cartea et al. (2023b) nag-aaral ang predictable loss ng LPs sa isang continuous-time setting, Milionis et al. (2023) nag-aaral ang epekto ng mga fee sa mga profit ng mga arbitrator sa CFMs, Fukasawa et al. (2023) nag-aaral ang hedging ng mga impermanent na mga loss ng LPs, at Lı et al. (2023) nag-aaral ang ekonomiya ng liquidity provision. Kasama sa aming trabaho ay ang mga modelo sa Fan et al. (2021) at Fan et al. (2022) na nag-focus sa fee revenue at gamitin ang mga teknolohiya ng pag-approximation upang makakuha ng dynamic strategies. Sa katapusan, mayroong mas mataas na literature sa AMM design para sa fair competition sa pagitan ng LPs at LTs. Goyal et al. (2023) pag-aaral ng isang AMM na may dynamic trading function na nagtatrabaho sa mga beliefs ng LPs, Lommers et al. (2023) pag-aaral ng AMM kung saan ang LP's strategy ay dinamahan dinamatay sa impormasyon sa merkado, at Cartea et al. (2023c) generalize CFMs at inihayag ang mga AMM design kung saan ang LPs ay nagpapahiwatig ng kanilang mga Ang aming trabaho ay may kaugnayan sa algorithmic trading at optimized market making literature. Ang mga unang mga gawa sa likvidity provision sa mga tradisyonal na merkado ay Ho at Stoll (1983), Biais (1993), at Avellaneda at Stoikov (2008) na may mga extension sa maraming mga direksyon; tingnan Cartea et al. (2014, 2017), Gueant' (2017), Bergault et al. (2021), Drissi (2022). Nagreferensiyahan namin ang mga readers sa Cartea et al. (2015), Gueant' (2016), at Donnelly (2022) para sa isang komprehensibong review ng algorithmic trading models para sa mga tagahanga at makagawa ng likvidity sa mga tradisyonal na merkado. Gayunpaman, ang aming trabaho ay may kaugnayan sa mga sa Cartea et al. (2018), Barger and Lorig (2019), Cartea and Wang (2020), Donnelly and Lorig (2020), Forde et al. (2022), Bergault et al. (2022) na i-implementate ng mga signal ng merkado sa mga algorithmic trading strategies. Ang karaniwang bahagi ng papel ay sumusunod na sumusunod. Ang seksyon 2 ay naglalarawan ng mga pool ng CL. Ang seksyon 3 ay nagtatrabaho sa ang continuous-time dynamics ng kapangyarihan ng LPs bilang resulta ng halaga ng posisyon, ang income ng fee, at mga gastos ng re-balancing. Kasama rin, ginagamit namin ang data ng Uniswap v3 upang pananaliksik ang component ng komisyon na mga komisyon ng kapangyarihan ng LP at ang aming mga resulta ay nag-motivate ang mga assumptions sa aming modelo. Ang seksyon 4 ay nag-introduce ang aming modelo ng likvidity provision at gumagamit ng stochastic control upang lumikha ng isang closed-form na optimaal na estratehiya. Sa susunod, nag-aaral namin kung paano ang estratehiya ay kontrolado ang width at ang pag-driving ng likvidity range bilang function ng pool's profitability, PL, concentration risk, at ang drift sa marginal rate. Gayunpaman, ang Seksyon 5 ay gumagamit ng data ng Uniswap v3 upang i-test ang pagganap ng strategya at ipakita ang kanyang superior na pagganap. 
 
 Ang dokumento na ito ay magagamit sa archiv sa ilalim ng CC0 1.0 Universal License. Ang papel na ito ay Sa ilalim ng CC0 1.0 Universal License. available on a ang rxiv ang rxiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

Navigating the path to success with Exit Strategy, charting a course for businesses to thrive and investors to prosper.

Exit Strategy's blog

Ang audio na ito ay ginawa sa orihinal na wika ng kuwento!

Sa DeFi's Most Popular Market Design, Ang Mga Providers ng Liquidity ay Patuloy Na Hayaan

About Author

MGA KOMENTO

HANG TAGS

ANG ARTIKULONG ITO AY IPINAKITA SA

Related Stories

State of the Noonion: The Year of Profitability and Product Renaissance

Getting intimate with Ethereum tokens

COVID-19: We Need More Than Data, We Need Insights!

How I deployed my spark document classification(Logistic Regression) model/s as a standalone app…

State of the Noonion: The Year of Profitability and Product Renaissance

Getting intimate with Ethereum tokens

COVID-19: We Need More Than Data, We Need Insights!

How I deployed my spark document classification(Logistic Regression) model/s as a standalone app…

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps