本论文研究了自动化做市商(AMM)中动态最优费用的确定,通过建立随机控制模型推导出了常数函数做市商中的最佳费用结构。研究发现AMM存在两种费率制度:一方面设置较高费用以惩罚套利者,另一方面降低费用以增加价格波动性吸引噪声交易者。动态费用可用库存线性函数及对外部价格变动的敏感度良好近似,实现了费用结构的动态优化,提升了AMM的收益和市场表现 .
报告标题: Optimal Dynamic Fees in Automated Market Makers
作者: Leonardo Baggiani, Martin Herdegen, Leandro Sánchez-Betancourt
发布机构及日期: 2025年6月4日
研究主题: 自动化做市商(AMMs)中最优动态手续费的设计与分析
本报告系统研究了自动化做市商(AMMs)——特别是基于常数函数做市商(CFM,Constant Function Market Makers)机制——中动态手续费的最优设定问题。报告核心是在于通过数学建模和最优控制理论寻找动态费率结构,平衡交易所的收入最大化与交易行为的激励设计。研究发现存在两种截然不同的手续费策略:
两种模式互为制衡,使AMM能够兼顾防御套利与促进流动性,提升整体收益。论文还表明,通过库存(资产数量)和外部市场价格变化的线性函数形式设定动态费用,是对最优策略的良好近似,具备较强的实用性。
此论文不仅具备理论创新,还紧贴Uniswap v4等前沿AMM平台实现动态费率的现实背景,对DeFi生态中的做市机制设计具有重要参考价值,1].
报告首先回顾了AMM的发展背景,指出自Uniswap v2以来,AMM已迅速成为DeFi的重要组成部分。早期文献主要关注基本运行机制及流动性提供者的损失(尤其是“不可永久损失”Impermanent Loss,IL)。该损失源于流动性的被动提供和价格波动之间的矛盾.
为缓解IL,一些研究设计算法、激励机制及价格发现方法。报告引用多篇前沿文献,涵盖诸如基于竞价的AMM(Adams et al., 2025)、以信息为基础的最佳交易函数优化(Goyal et al., 2023)、以及基于外部价格信息的定价机制(Bergault et al., 2024b)等。其中对IL的管理和对流动性提供者激励机制设计表现出持续的关注和创新动力.
作者指出本研究的核心聚焦于动态手续费设计,这是目前发展中的重要话题。现有文献多限于静态常数费率或者未建立严格最优性的动态费率设计。相较而言,本文将通过随机控制方法明确最优费率,填补该领域空白.
本报告采用CFM为基础模型,考虑资金池中两种资产:风险资产Y与无风险资产X。定义交易函数f(x,y)=p2,体现池的深度固定。更具体地,以函数φ 表示资产X的数量对资产Y的函数关系,假设其单调减且凸函数(排除无风险套利).
资产Y的数量限制在有限网格上,y−N≤y≤yN,对应资产X的数量则是φ(y)的取值,保证总深度恒定。三种关键的汇率定义:
费用p和m加入于卖出和买入流程中,费用单位是资产X,费用被收取到交易所以后用于奖励流动性提供者,交易池机制本身仍按无费用的基础汇率运作,4].
交易发生由随机点过程控制,买卖订单的到达率依赖于收费结构和市场外部价格St(用布朗运动模型表示),并体现出套利空间激励——即当AMM内价格与集中交易所价格存在套利空间时,交易到达率呈指数变化.
累计手续费的动态和期望收益用数学公式严格定义,控制对象为收费策略pt、mt,目标是最大化费收减去价格偏离惩罚的期望值。该惩罚函数P一般为汇率与外部价格差的二次方,代表价格偏离成本,但主要结果以无惩罚P=0为主.
通过动态规划,推导出问题对应的Hamilton-Jacobi-Bellman (HJB)方程,描述价值函数的动态演化。价值函数被分解成手续费累计部分与剩余部分,方程涵盖了:
最优费用策略以价值函数增量形式表示,具体为卖出和买入手续费的函数。HJB方程本身非常复杂且难以直接求解,因此后续分为两种近似情形处理:
报告通过定理4.1给出固定S0情况下的价值函数求解,利用矩阵指数方法将HJB转化为线性ODE系统,明确地计算出最优费用策略。此时价值函数仅依赖当前资产库存y,手续费结构形成二维函数(买入、卖出),7].
图2a、2b:
显示最优买卖手续费随资产Y数量变化的曲线。可见当y低于基准值y0时,卖出手续费较高(惩罚套利者),而买入手续费则较低甚至负,吸引噪声交易者刺激交易波动;反之亦然,实现双向监管机制(造成价差与流动性的平衡),8].
图8则对比手续费不同参数下的敏感性和线性近似的准确性,结论是线性近似在小范围内极为有效,极大降低策略设计复杂度,便于实务应用,8].
参数k(指数灵敏度)变化的影响(图3,图9):
较高k使手续费策略更激进(对价格偏离极其敏感),而低k反映交易者对价格变动反应迟钝,做市商倾向于保持价格接近参考价,手续费分布趋于平缓。Corollary 4.2和5.3验证了k→0情况下手续费的极限形式,9,13,14].
惩罚参数ϕ影响(图10,图14):
增大ϕ使AMM更倾向紧跟外部价格,通过正负手续费调整驱动价格维持在期望范围内,抑制边界行为。手续费的形态及量级随ϕ线性变化,显示出调节市场价格对设计手续费结构的重要性,14].
外部价格s影响(图14右图):
线性费率与外部价格存在明显线性关系,随着s升高,卖出手续费p降低,买入手续费m升高,反映对套利者行为的动态响应.
报告第二部分通过对指数效应做二次近似形成拟合的二次多项式结构,利用Riccati方程和常系数ODE计算最优价值函数解(Theorem 5.2),并得出最优费率为资产库存y和价格s的线性函数,且费率结构不直接依赖价格波动率σ,12].
图13:展示二次近似下的最优费用与第一近似的对比,二次展开下手续费在边界处无过度倾斜,更加平滑稳定。
图15:比较两种近似下的价值函数,差异较小,验证了近似方法的准确性。
数值模拟表明,二次拟合的策略收益与第一近似策略几乎一致,且均显著优于固定手续费策略(常数费率)。此结果支持线性动态费率的应用价值.
本报告核心估值方法基于随机控制问题通过最优费用策略最大化收益。具体估值技术包括:
估值输入参数包括基线交易强度λ±,参数k控制订单到达率对价格的敏感度,资金池深度p2,交易量固定δ±,以及价格过程的波动率σ。
通过解上述动态规划方程获得时间和状态依赖的最优费用f(t,y,s),结合状态转移概率及费用产生—实现对收益的估计。
敏感性分析表明,参数k越低,策略对价格偏差反应平缓,整体手续费水平趋高;参数λ±增大,有利于增加交易频率与收益,15].
报告虽未专门列出风险因素,但从模型及背景中可推断出主要风险点:
报告中部分结论基于无惩罚项(P=0)条件,实际中需考虑价格偏离带来的风险,未来研究拟扩展这些风险管理与缓解策略,16].
报告逻辑严密,模型系统且与市场实践高度结合,是首批针对AMM动态费率最优设定的理论成果之一。然而有以下几点须谨慎考量:
总的来说,虽然报告假设受限,但研究为AMM动态费率设计提供了关键理论基石,未来需结合更多市场因素与实证数据进行深化[全文].
本报告针对AMM平台动态手续费设定问题,从随机控制角度建立数学优化模型,提出两个近似解法,均揭示最优费用具有双重调节角色:
丰富的数值模拟(包括固定/波动价格环境、不同参数条件)显示,最优策略显著优于传统常数费率规则,且线性费用模式能较好逼近最优策略,便于市场实际应用。
此外,动态费率设计还显示与外部市场价格存在联动关系,能够因应市场环境变化适时调整费用,体现了去中心化交易环境下机制设计的精妙与创新。
虽然模型对流动性动态与复杂市场行为尚待扩展,本文为AMM费率设定提供了系统理论框架和实现路径,为DeFi机制设计提供了重要启示和实践指导.
本研究以严谨的数学建模、充分的理论推导和数值模拟贯穿全文,开创性地分析了AMM中动态费用设计的最优结构,兼顾理论与应用,深化了去中心化金融领域对做市机制理解。研究成果不仅具有学术价值,也为DeFi产品设计指明了方向,具备广泛的推广意义。
,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16]
2506.02869.pdf