LVR: کمی کردن هزینه ارائه نقدینگی به بازارسازان خودکار

دو نوع شرکت کننده در یک بازارساز خودکار (AMM) وجود دارد: معامله گران، که یکی از توکن های AMM را با دیگری مبادله می کنند (به عنوان مثال در حال اجرا، مثلاً ETH و USDC). و ارائه دهندگان نقدینگی (LPs)، که در وهله اول توکن ها را به AMM ارائه می کنند، به طور کلی در ازای سهمی از کارمزد معاملات.

چه زمانی شرکت به عنوان LP منطقی است؟ چه زمانی سود بیشتر از هزینه است؟ جنبه سودمندی این مقایسه به راحتی قابل درک است: درآمد حاصل از کارمزدهای معاملاتی مشترک، به علاوه در برخی موارد پاداش های توکن اضافی. این پست یک روش جدید برای فکر کردن در مورد هزینه را خلاصه می کند، که حول مقداری متمرکز می شود که ما آن را LVR می نامیم ("از دست دادن در مقابل تعادل مجدد" که "اهرم" تلفظ می شود). ما در زیر بیشتر در مورد LVR و پیامدهای آن برای LPs و طراحان AMM خواهیم گفت، اما ابتدا اجازه دهید نحوه رفتار AMM ها را با تغییر قیمت های بازار بررسی کنیم.

آربیتراژ و انتخاب نامطلوب در AMM

ارائه دهندگان نقدینگی در بازارسازان خودکار متحمل ضرر می شوند انتخاب نامطلوب، که بخشی از قیمت انجام تجارت به عنوان LP است. هر LP در یک AMM به دلیل پیشنهاد گرفتن هر یک از طرفین (خرید یا فروش) یک معامله با یک قیمت معین، این خطر را دارد که یک معامله گر با اطلاعات بهتر یا جدیدتر در مورد بازار توکن، سمت اشتباه معامله را بگیرد. قیمت به عنوان مثال، اگر قیمت ETH در بازار آزاد به طور ناگهانی افزایش یابد، یک آربیتراژور سریع ممکن است ETH را از یک AMM بخرد (با قیمت قدیمی و پایین تر) و آن را در یک صرافی متمرکز مانند Binance (با قیمت جدید و بالاتر بازار) دوباره بفروشد. ، به جیب زدن سود. از آنجایی که تنها دو نوع شرکت کننده در یک AMM وجود دارد، سود معامله گران باید با ضرر LP مطابقت داشته باشد.

برای استدلال در مورد هزینه تامین نقدینگی و در نتیجه اطلاع دادن به تصمیمات مشارکت LP و طراحی AMM، اجازه دهید با سوال ساده‌تر ارزیابی گذشته شروع کنیم. فرض کنید ما به تازگی عرضه نقدینگی را به یک AMM ETH-USDC تمام کرده ایم. در گذشته، آیا این ایده خوبی بود؟ فرض کنید ما 1 ETH و 1000 USDC را به AMM واریز کردیم و پس از برداشت 0.5 ETH و 2000 USDC دریافت کردیم. (در اکثر AMM ها، بسته به اینکه قیمت توکن های AMM در بازار چگونه در این مدت حرکت کرده است، ممکن است چیزی که پس می گیرید با آنچه وارد می کنید متفاوت باشد.) فرض کنید که ماه واقعاً خوبی برای ETH بود، با قیمت بازار. جهش از 1000 دلار به 4000 دلار در طول ماه. در این حالت، تصمیم به تامین نقدینگی، پول شما را از یک سبد به ارزش 2000 دلار در سپرده به 4000 دلار پس از برداشت دوبرابر می کرد. 

این ممکن است یک حرکت عالی به نظر برسد، اما این یک تفکر شلخته است. ارائه نقدینگی به AMM مستلزم نگهداری مقداری ETH برای ماه است. با توجه به اینکه قیمت ETH در طول ماه چهار برابر شد، تقریباً هر استراتژی که شامل نگه داشتن مقداری ETH است، در گذشته بسیار عالی به نظر می رسد.

سوال واضح‌تر و مهم‌تر این است: استراتژی خاص تامین نقدینگی AMM چگونه با سایر روش‌هایی که می‌توانستید "اتحریم طولانی مدت" را طی کنید، مقایسه می‌شود؟ به همین ترتیب، تصمیم پس از کنار گذاشتن سود (یا زیان) که صرفاً از تکامل قیمت ETH حاصل می شود چگونه است؟

ساده ترین راه برای شرط بندی روی افزایش قیمت ETH این است که - منتظر بمانید - مقداری ETH بخرید و آن را نگه دارید. و در مثال در حال اجرا ما، این استراتژی منجر به پورتفولیوی پایان ماه می شد (هنوز 1 ETH و 1000 USDC، اما اکنون با قیمت ETH 4000 دلار) به ارزش 5000 دلار، یعنی 1000 دلار بیشتر از آنچه از AMM برداشت شده است. . این شکاف 1000 دلاری نمونه ای از چیزی است که اغلب به عنوان «زیان دائمی» یا «زیان واگرایی» از آن یاد می شود.

مشکل از دست دادن ناپایدار 

در حالی که زیان ناپایدار حداقل سود LP را با آنچه که می‌توانست تحت یک استراتژی مرجع ایجاد شود مقایسه می‌کند، نمی‌تواند هزینه‌های انتخاب نامطلوب را که AMM LP با آن مواجه است، جدا کند. برای مشاهده این، بیایید مثال در حال اجرا خود را طوری تغییر دهیم که قیمت ETH در ابتدا و انتهای ماه 1000 دلار باشد. در این حالت، در اکثر AMMها، همان ترکیبی از توکن‌ها را که در سپرده اولیه خود (در واقع نگهداری) دریافت می‌کنید، به این معنی است که ضرر دائمی صفر خواهد بود. این درست است چه قیمت اتریوم در تمام ماه ثابت بماند و چه قبل از بازگشت به 1000 دلار، جهش داشته باشد.

استقلال از دست دادن دائمی در مسیر قیمت (به غیر از مقادیر اولیه و نهایی آن) باید شما را بی‌تفاوت کند. به عنوان مثال، ما قبلاً در مورد آربیتراژ در AMM بحث کرده‌ایم که در آن معامله‌گران به قیمت LP سود می‌برند. بنابراین، به نظر می رسد که هزینه های LP باید در تعداد فرصت های آربیتراژ AMM افزایش یابد. و فراوانی چنین فرصت‌هایی در صورتی که قیمت ثابت بماند (بدون آربیتراژ) در مقابل اگر زیاد باشد (آبیتراژ زیاد) بسیار متفاوت است.

معرفی LVR

ما روش جدیدی را برای فکر کردن در مورد هزینه‌های متحمل شده توسط LPهای یک AMM پیشنهاد می‌کنیم، که حول کمیتی است که ما آن را LVR می‌نامیم ("از دست دادن در مقابل تعادل مجدد" که "اهرم" تلفظ می‌شود). LVR را می توان به چندین روش مختلف تفسیر کرد (که به طور کلی نشانه خوبی برای یک تعریف است). موردی که در اینجا برجسته می‌کنیم به‌عنوان جایگزینی برای از دست دادن دائمی است که از رویکرد مرجع مناسب‌تر و ظریف‌تر، یعنی تعادل مجدد استفاده می‌کند. (تفسیری دیگر از LVR این است که ضرر LP پس از پوشش مناسب قرار گرفتن در معرض بازار خود در برابر قیمت ETH است. تفسیر دیگر به عنوان بهترین سودی است که می تواند توسط آربیتراژورها بدست آید.)

تعادل مجدد مختص AMM است، بنابراین بیایید آن را در مورد خاص متعارف سازنده بازار محصول ثابت (CPMM) که توسط Uniswap (v1 و v2) معروف شد، معرفی کنیم. مورد خاص یک CPMM دو توکن - همچنین به عنوان منحنی "x*y=k" شناخته می‌شود - دارای ذخایر دو توکن است، مثلاً x واحد ETH و y واحد USDC. قیمت نقدی - قیمت یک معامله بینهایت کوچک - به صورت y/x تعریف می شود که اثر برابر کردن ارزش بازار دو ذخایر را دارد. (از این نظر، چنین AMM به طور موثر استراتژی متعادل سازی مجدد را انجام می دهد.) در عمل، این قیمت لحظه ای به طور ضمنی با اجازه دادن به معاملاتی که محصول x*y از دو مقدار توکن را ثابت می گذارند، تعریف می شود.

LVR را می توان بر اساس تجارت به تجارت تعریف کرد، بنابراین بیایید به یک معامله نگاه کنیم. یک CPMM با 1 ETH و 1000 USDC را در نظر بگیرید، و فرض کنید که قیمت بازار ETH به طور ناگهانی از 1000 دلار به 4000 دلار افزایش می یابد. ما انتظار داریم که برخی از آربیتراژورها 0.5 ETH از CPMM با قیمت موثر به ازای هر ETH 2000 USDC بخرند، در نتیجه x*y را ثابت نگه می دارند در حالی که قیمت لحظه ای را به 2000/0.5=4000 USDC/ETH منتقل می کنند (و ارزش بازار را برابر می کنند. دو ذخیره 2000 دلاری). 

در اینجا تعادل مجدد مرجع است که از همان سبد اولیه 1 ETH و 1000 USDC شروع می شود: معامله CPMM را کپی کنید (به معنای فروش 0.5 ETH، درست مانند CPMM) اما آن را با قیمت فعلی بازار 4000 دلار اجرا کنید (به عنوان مثال، در Binance). از آنجا که این استراتژی جایگزین منجر به پورتفولیویی به ارزش 1000 دلار بیشتر از CPMM می شود (5000 دلار در مقابل 4000 دلار)، می گوییم LVR این معامله 1000 دلار است.

در ادامه مثال، فرض کنید قیمت ETH ناگهان به 1000 دلار بازگردد. CPMM (پس از آربیتراژ) مستقیماً به حالت اولیه خود یعنی 1 ETH و 1000 USDC برمی‌گردد، در واقع همان 0.5 ETH را با همان قیمت هر ETH 2000 USDC باز می‌خرد. استراتژی مرجع تعادل مجدد معامله را کپی می کند (خرید 0.5 ETH) اما آن را با قیمت بازار (1000 دلار) اجرا می کند. ارزش بازار پورتفولیوی استراتژی تعادل مجدد اکنون 1500 دلار بیشتر از CPMM است (3500 دلار در مقابل 2000 دلار)، با معامله دوم که 500 دلار اضافی به LVR تجمعی کمک می کند. 

این محاسبه به طور شهودی رضایت‌بخش است: بر خلاف زیان دائمی، LVR به مسیر قیمت بستگی دارد (اگر قیمت ثابت بماند LVR صفر است، اما اگر به بالا بپرد و سپس پایین بیاید) و تجارت به معامله انباشته می‌شود (همانطور که هر معامله ممکن است باشد. سمت اشتباه، منجر به هزینه های اضافی انتخاب نامطلوب).

LVR: یک تعریف کلی 

پس از مشاهده مثال قبل، تعریف کلی LVR نباید شما را شگفت زده کند: با توجه به دنباله ای دلخواه از معاملات در یک AMM دلخواه، LVR دنباله مجموع ضررهای متحمل شده از اجرای معاملات از طریق AMM است نه در AMM. بازار آزاد. هر جمله از این مجموع به شکلی است a (p – q)، که در آن a مقدار ETH فروخته شده در معامله را نشان می دهد (به عنوان مثال، در معاملات اول و دوم ما در بالا، 0.5 و -0.5)، p نشان دهنده قیمت بازار در آن زمان (بالا، 4000 و 1000)، و q نشان دهنده قیمت هر واحد معامله AMM است (بالا، 2000 و 2000). 

یکی از انواع این تعریف، تعادل مجدد به صورت دوره ای (به عنوان مثال، ساعتی یا روزانه) به جای تجارت به معامله است، در واقع معاملات دسته ای و کپی کردن تجارت خالص هر دسته. این نوع می تواند تحلیل تجربی LVR را ساده کند و مسلماً در تفسیر پوششی LVR که در بالا ذکر شد طبیعی تر است.

استدلال در مورد گذشته…

LVR هزینه های انتخاب نامطلوب متحمل شده توسط LP را جدا می کند. آیا تصمیم برای تامین نقدینگی در گذشته ایده خوبی بود؟ در مرحله اول، این سوال به این خلاصه می‌شود که آیا کارمزدهای جمع‌آوری‌شده از LVR متحمل شده است یا خیر، و بنابراین معمولاً با استفاده از داده‌های در دسترس عموم (به عنوان مثال، رکورد روی زنجیره معاملات AMM و داده‌های قیمت تاریخی در Binance) به راحتی می‌توان پاسخ داد.

... و در مورد آینده

برای استدلال در مورد آینده به جای تصمیمات قبلی LP، نمی‌توانیم مستقیماً به داده‌ها تکیه کنیم و باید برخی از مدل‌های ریاضی را از چگونگی تغییر قیمت‌ها اتخاذ کنیم. (به یاد داشته باشید که LVR به طور اساسی به مسیر قیمت بستگی دارد.) ما می‌توانیم از مدل‌های مختلف استفاده کنیم، اما شاید طبیعی‌ترین نقطه شروع، استاندارد باشد. مدل بلک اسکولز از امور مالی، با قیمت ETH که به طور مداوم مطابق با یک حرکت هندسی براونی (با توجه به یک اندازه گیری مارتینگل مناسب) در حال تغییر است. 

اگر با این مدل آشنا نیستید، نکته کلیدی که باید بدانید این است که اساساً تنها یک پارامتر مهم دارد، نوسان قیمت σ. اگر σ=0 قیمت ثابت می ماند، در حالی که اگر σ بزرگ باشد، قیمت به شدت به اطراف می پرد. اگر به بازده به عنوان یک پیاده روی تصادفی فکر می کنید، σ را می توان به طور ضعیف به عنوان طول معمولی یک گام تفسیر کرد.

LVR را می توان در این مدل دقیقاً مشخص کرد. از آنجایی که LVR تجارت به تجارت را انباشته می کند، و از آنجا که این یک مدل زمان پیوسته است که معاملات دائمی آن انجام می شود، LVR به عنوان انتگرال LVR آنی انباشته می شود. LVR آنی با σ و قیمت فعلی بازار و به صورت خطی با نقدینگی حاشیه ای AMM در آن قیمت به صورت درجه دوم مقیاس می شود.

این توصیف ریاضی ممکن است کمی ترسناک به نظر برسد، اما بسیاری از AMM های رایج آنقدر ساده هستند که LVR توسط یک فرمول ابتدایی شکل بسته ارائه می شود. 

به عنوان مثال، با یک CPMM، LVR آنی، زمانی که توسط ارزش بازار CPMM نرمال شود، دقیقاً σ²/8 است. با وصل کردن اعداد، اگر یک استخر Uniswap v2 ETH-USDC دارای نوسان روزانه 5٪ باشد، طبق مدل ما LP ها هر روز 3.125 bps به LVR از دست می دهند (برای تقریباً 11٪ ضرر سالانه). آیا درآمد کارمزد این ضرر را جبران می کند؟ پاسخ به کارمزد معاملات و حجم معاملات بستگی دارد. به عنوان مثال، اگر این AMM کارمزد ثابت معاملاتی 30 bps را دریافت کند، LPs به شرطی که حجم روزانه تقریباً 10.4٪ از دارایی های AMM باشد، به صفر می رسد. اگر نوسان روزانه 10 درصد بود، حجم مورد نیاز چهار برابر بیشتر بود. (به یاد داشته باشید که LVR با σ به صورت درجه دوم مقیاس می شود.)

مفاهیم برای طراحان AMM

LVR نه تنها برای ارائه دهندگان نقدینگی بالقوه بلکه برای طراحان AMM نیز مهم است. یک AMM تنها در صورتی می تواند موفق باشد که دارای LP های خوشحال باشد، به این معنی که درآمدهای کارمزد باید با LVR مقیاس شود. 

یکی از مفاهیم کار ما این است که، از آنجایی که LVR به نوسانات و درآمد کارمزد به حجم معاملات بستگی دارد، AMMها باید کارمزدهای پویا را در نظر بگیرند که با حجم، نوسانات یا LVR مشاهده شده تجربی تنظیم شوند. مورد دوم این است که طراحان AMM باید روش‌هایی را برای به حداقل رساندن LVR (و در نتیجه مشوق‌های LP مورد نیاز)، برای مثال با ترکیب یک اوراکل قیمت‌گذاری با کیفیت بالا برای نقل قول قیمت‌های نزدیک‌تر به بازار، بررسی کنند. AMM های نسل بعدی در حال کاوش هستند این و ایده‌های مرتبط، و ما نمی‌توانیم منتظر بمانیم تا ببینیم چگونه انجام می‌شود.

***

برای تجزیه و تحلیل فنی عمیق تر و بحث در مورد LVR، لطفا مقاله اصلی ما را ببینید.بازارسازی خودکار و تعادل مجدد ضرر در مقابل" و اینجا کلیک نمایید تیم راغگاردن در حال سخنرانی در مورد LVR است SBC'22.

***

جیسون میلیونیس دکتری است. دانشجوی دپارتمان علوم کامپیوتر در دانشگاه کلمبیا، جایی که کریستوس پاپادمیتریو و تیم راغگاردن به او مشاوره می دهند. او به طور گسترده ای به تئوری بازی ها، به ویژه در ارتباط با یادگیری ماشین، و امور مالی غیرمتمرکز (DeFi) علاقه مند است.

سیاماک معلمی هست ویلیام فون موفلینگ، استاد بازرگانی در بخش تصمیم گیری، ریسک و عملیات از مدرسه کسب و کار تحصیلات تکمیلی at دانشگاه کلمبیا.

تیم راغگاردن استاد علوم کامپیوتر و عضو موسسه علوم داده در دانشگاه کلمبیا و رئیس بخش تحقیقات در رمزنگاری a16z.

آنتونی لی ژانگ هست یکn استادیار امور مالی در دانشکده بازرگانی غرفه دانشگاه شیکاگو. تحقیقات او موضوعاتی مانند بانکداری و واسطه گری مالی، امور مالی خانوار، بازارهای پول، بازار مسکن، و رمزارز/DeFi را پوشش می دهد. 

تدوینگر: تیم سالیوان @tim_org 

***

نظرات بیان شده در اینجا نظرات پرسنل AH Capital Management, LLC ("a16z") نقل شده است و نظرات a16z یا شرکت های وابسته به آن نیست. برخی از اطلاعات موجود در اینجا از منابع شخص ثالث، از جمله از شرکت‌های سبد سرمایه‌ای که توسط a16z مدیریت می‌شوند، به‌دست آمده است. در حالی که a16z از منابعی گرفته شده است که معتقدند قابل اعتماد هستند، a16z به طور مستقل چنین اطلاعاتی را تأیید نکرده است و هیچ اظهارنظری در مورد صحت پایدار اطلاعات یا مناسب بودن آن برای یک موقعیت خاص ارائه نمی کند. علاوه بر این، این محتوا ممکن است شامل تبلیغات شخص ثالث باشد. aXNUMXz چنین تبلیغاتی را بررسی نکرده و محتوای تبلیغاتی موجود در آن را تایید نمی کند.

این محتوا فقط برای مقاصد اطلاعاتی ارائه شده است و نباید به عنوان مشاوره حقوقی، تجاری، سرمایه گذاری یا مالیاتی به آن اعتماد کرد. شما باید در مورد این موارد با مشاوران خود مشورت کنید. ارجاع به هر گونه اوراق بهادار یا دارایی دیجیتال فقط برای مقاصد توضیحی است و به منزله توصیه یا پیشنهاد سرمایه گذاری برای ارائه خدمات مشاوره سرمایه گذاری نیست. علاوه بر این، این محتوا برای هیچ سرمایه‌گذار یا سرمایه‌گذار بالقوه‌ای هدایت نشده و برای استفاده از آن در نظر گرفته نشده است، و تحت هیچ شرایطی نمی‌توان هنگام تصمیم‌گیری برای سرمایه‌گذاری در هر صندوقی که توسط a16z مدیریت می‌شود، به آن اعتماد کرد. (پیشنهاد سرمایه گذاری در یک صندوق a16z فقط توسط یادداشت قرار دادن خصوصی، قرارداد اشتراک و سایر اسناد مربوط به هر صندوق انجام می شود و باید به طور کامل خوانده شود.) هر گونه سرمایه گذاری یا شرکت پرتفوی ذکر شده، ارجاع شده، یا شرح داده شده نشان دهنده همه سرمایه گذاری ها در وسایل نقلیه تحت مدیریت a16z نیست، و نمی توان اطمینان داشت که سرمایه گذاری ها سودآور هستند یا سایر سرمایه گذاری های انجام شده در آینده ویژگی ها یا نتایج مشابهی خواهند داشت. فهرستی از سرمایه‌گذاری‌های انجام‌شده توسط صندوق‌های تحت مدیریت آندریسن هوروویتز (به استثنای سرمایه‌گذاری‌هایی که ناشر مجوز افشای عمومی a16z و همچنین سرمایه‌گذاری‌های اعلام‌نشده در دارایی‌های دیجیتالی عمومی را ارائه نکرده است) در https://a16z.com/investments موجود است. /.

نمودارها و نمودارهای ارائه شده در داخل صرفاً برای مقاصد اطلاعاتی هستند و هنگام تصمیم گیری برای سرمایه گذاری نباید به آنها اعتماد کرد. عملکرد گذشته نشان دهنده نتایج آینده نیست. محتوا فقط از تاریخ مشخص شده صحبت می کند. هر گونه پیش بینی، تخمین، پیش بینی، هدف، چشم انداز، و/یا نظرات بیان شده در این مطالب بدون اطلاع قبلی ممکن است تغییر کند و ممکن است متفاوت یا مغایر با نظرات بیان شده توسط دیگران باشد. لطفاً برای اطلاعات مهم بیشتر به https://a16z.com/disclosures مراجعه کنید.