本文深入研究去中心化自动做市商(AMMs)中不可永久损失(IL)与相较再平衡损失(LVR)的关系,聚焦IL和LVR的统计属性、手续费影响、区块时间及连续时间极限。研究发现,IL和LVR在短期表现一致,中期期望相同但分布不同,长期分布和均值均显著差异。手续费引入新的时间尺度,显著减少LVR但对IL影响有限,揭示手续费对流动性提供者风险管理的关键作用。
AMM基本模型构建及价格动态建模
IL与LVR的定义及数学关系
IL与LVR的统计特性及时间尺度划分
量化因子构建/策略总结:从IL分布函数累加推导LVR分布
仲裁交易量的规模及其时间步长依赖性
手续费引入与对IL、LVR的不同影响
量化模拟总结与设计启示
辅助分析(附录)支持关键结论
以下为对论文“Impermanent loss and Loss-vs-Rebalancing II” 的极其详尽和全面的分析解读。
报告核心论点:
本文通过数学分析和数值模拟,揭示了IL与LVR在不同时间尺度下的等价性与分化情况,明确了手续费对二者动态的不同影响,提出了三种主要时间行为模式,并探讨了套利频率、区块时间的竞争关系。作者希望提供直观易懂的理论框架,帮助理解AMM固有风险以及费用结构优化的重要影响。该研究不仅延续了作者相关前期工作,还对IL及LVR的分布函数首次做了详细描述和讨论,补充了相关文献中未覆盖的内容。,1]
定义:使用最简洁的CFMM模型,即恒定乘积公式:
[ xy = L^2 ]
这里,x、y分别为两种代币的数量,L为流动性(恒定项),体现池子对价格变化的“弹性”。
价格关系:
价格定义为p=xy,于是:
[ x(p) = \frac{L}{\sqrt{p}}, \quad y(p) = L \sqrt{p} ]
该公式保证交易中代币总价值的守恒,价格反比于代币数量;例如,增加x时,必须相应减少y。起始状态(x0,y0)满足 x0y0=L2,价格初始为p0=x0y0。,3]
布朗运动(BM)基于加性随机过程:
[ dP_t = P_0 \sigma dW_t ]
其中σ控制波动率,Wt为Wiener过程。其离散近似为:
[ P_{t+1} = P_t + P_0 \sigma \Delta W ]
价格变化呈独立正态分布,且允许价格取负值,适合短时间内简化分析。
几何布朗运动(GBM)是乘性随机过程:
[ dP_t = \mu P_t dt + \sigma P_t dW_t ]
其离散模型为:
[ P_{t+1} = P_t (1 + \sigma \Delta W) ]
确保价格始终正值,分布为对数正态,更符合资产价格行为。漂移μ在本文分析中被忽略。
两者区别与联系:
短时刻分布极为接近(图1显示σ2t很小时BM和GBM分布几乎重合)。
长时间尺度分布有显著差别(图2显示长时间后BM保持正态分布对称,而GBM逐渐偏态,膨胀更明显)。
BM均值固定,GBM均值呈指数增长。
波动在BM中表现为绝对波动,在GBM中表现为相对波动,随价格规模线性放大。
作者指出为简化数学推导与分析,模拟采用GBM,理论计算采用BM概率密度函数便于推导。,4,5,6,7]
衡量LP在AMM中持有资产的潜在损失,定义为LP持有资产市值,相较于若直接持有资产(HODL)时的价值差距。公式:
[ \mathrm{IL}(p, p_f) = \mathrm{HODL}(p_f) - V(p_f) = \frac{L}{\sqrt{p}}\left(1 - \sqrt{\frac{p}{p_f}}\right)^2 > 0 ]
关键点:IL只依赖价格初末状态,不在乎中间路径,永远非负。
含义:即使价格涨跌互抵,若中间波动存在,仍会有损失风险。,8]
LVR考虑的是如果LP在外部维护与AMM中持仓相同的动态资产组合并且不断重平衡,将产生的损失。区别于IL,LVR依赖价格路径和每步的资产调整:
计算差异ΔLVR为LP在AMM中的资产变动与影子组合重平衡成本的差。
公式给出:
[ \Delta \mathrm{LVR}(p,p+\Delta p) = \frac{L}{\sqrt{p}} \left(1 - \sqrt{\frac{p}{p+\Delta p}} \right)^2 > 0 ]
该损失反映LP在交易时选价(卖出价格往往介于交易前后价格之间)所产生的额外损失。
疗法提示:提高价格冲击(减少流动性)或“在终端价格卖出”可缓解LVR。,9]
作者依据价格为随机过程,分析三种时间刻度区间下IL和LVR表现的差异:
克服短时刻下的假设体现为价格路径的累计效应。
数学推导揭示单步LVR和价差方差成正比,利用Ito引理,LVR均值表现为:
[ \langle \mathrm{LVR}(T) \rangle \approx \frac{L}{4 \sqrt{p}} \sigma^{2} T ]
LVR累积各步损失,分布近似高斯(中央极限定理效应体现,如图4左)。
IL仅比较起点和终点,分布高度偏斜(大部分路径IL很低,少部分路径损失极大),均值和LVR相当(图4右)。
分布函数经过变量替换得出,也说明多数轨迹遭遇低于平均的IL。,11,12,13]
价格路径更可能大幅偏离起点,GBM和BM差异拉大。
LVR分布转为偏态类似对数正态,IL分布变化不大。
均值开始出现较大差异,且LVR一般低于IL。
指出增加多个IL服从截断幂律分布的和,有可能生成类似对数正态,但不完全一致。
详见图6及总结表1。,14,15]
套利量涉及交易的代币数量变化,单步变动约:
[ \Delta \mathrm{Vol} \propto \frac{L}{2 p^{3/2}} |\Delta p| ]
期望套利量随单步骤大小为线性增长而非二次方(与IL,LVR不同),导致连续时间极限下,套利量发散。
即将时间切分为N步叠加,套利量随N发散。
通过模拟(图7)验证该行为。
现实中区块时间、手续费以及锁定价差等机制构成自然下界,解决理论发散问题。,17]
手续费f使AMM价格存在无套利区间:
[ p_{lower} = p_{AMM}(1-f), \quad p_{upper} = \frac{p_{AMM}}{1-f} \approx p_{AMM} (1 + f) ]
套利者只能在价格越界至无套利区外进行套利。
模拟贪心随机游走揭示:
在价格区间内价格必须“等待”足够大波动越过边界后套利事件才能发生。
平均套利步数⟨Narb⟩因无套利区大小和波动率σ、区块时间Δt而异:
[ \left\langle N_{\mathrm{arb}}\right\rangle \propto \max\left(1, \frac{f}{\sigma \sqrt{\Delta t}}\right) ]
当Δt≫σf,无套利区效应弱,套利活跃。
当Δt≪σf,套利活动被延迟,套利次数大幅减少。
该动态通过蒙特卡洛与界限测试模拟并与理论拟合良好(图8、9、10、11)。~21]
手续费带来无套利区,显著减少套利机会,疏散LVR形成。
统计分析证明:
[ \text{LVR} \propto \begin{cases} \sigma^2 T, & \Delta t \gg \frac{f}{\sigma} \ \frac{\sigma^3 T}{f} \sqrt{\Delta t}, & \Delta t \ll \frac{f}{\sigma} \end{cases} ]
[ \text{Vol} \propto \begin{cases} \sigma \sqrt{T} \sqrt{N}, & \Delta t \gg \frac{f}{\sigma} \ \frac{\sigma^2 T}{p f}, & \Delta t \ll \frac{f}{\sigma} \end{cases} ]
模拟显示手续费大幅抑制LVR均值,IL均值影响较小,但部分路径IL因手续费获益转正(图12~14)。
费用结构是管理套利过程、减少LVR损失的有效工具,但无法根治IL,仍需对冲策略~26]
核心结论总结如下:
无论IL还是LVR,对极小概率价格变动表现一致。但随时间增长和波动加大,两者分布和平均值呈现显著差异。
中间时间尺度下IL和LVR均线性增长,平方量级依赖波动,但分布差异巨大,LVR趋近正态,IL偏态。
套利量增长行为不同,线性依赖波动率且在细时间切分下发散,手续费产生自然截断。
手续费在引入无套利区间后降低套利频率和LVR平均值,IL则主要受手续费收益正贡献影响。
减少LVR可大幅缓解交易流动性提供者因信息流产生的损失,尽管IL风险依然存在。
绝大多数价格路径的IL表现优于平均,手续费可令LVR和IL综合后性能提升。
完善手续费策略与对冲机制是促使AMM可持续发展的关键。
未来展望:建议针对非毒性流动性变化、动态手续费最优设计、多样化价格过程等进行深度研究。,27]
显示BM和GBM两种价格动力模型在短时间与长时间尺度下尾部分布差异。
短期分布几乎重合,长期GBM表现出长尾及偏态,符合资产价格的非对称行为。
对应40000次模拟的LVR(左)与IL(右)频率分布。
LVR分布紧凑近似正态,平均约2501。
IL分布极端偏斜,大多数结果趋近0,少数极端高值拉高均值至2515,体现IL大概率低于平均但存在极端尾部风险。
10000个随机IL样本求和后分布直方图。
显示求和服从中心极限定理规律,呈近似正态分布。
验证LVR作为多步IL累积的统计性质。
长时间尺度下LVR与IL分布比较。
LVR左图偏态明显,均值约104万,IL均值达160万以上,差异巨大。
显示时间维度和波动率升高显著加大两指标差异。
左:交易量随波动率线性增长。
右:交易量随时间离散步数平方根倍数发散。
模拟数据与理论预测吻合。
展示手续费引入无套利区导致套利次数统计的复杂随机游走模型。
通过价格路径与障碍状态的对比,平均套利次数由二次均方关系变为线性关系。
模拟数据与解析/拟合结果高度符合。
多次1000步AMM仿真统计不同手续费下LVR、IL及手续费收集分布。
展示费用降低LVR均值,同时IL均值几乎无变化。
手续费阈值调整影响套利流动性和LP收益分布。
对比IL和LVR在随机价格轨迹上的统计分布与理论解析。
显示二者均值一致,IL分布右偏较强,LVR较集中。
解析式推导确认两者在无费用且中间时段的平均约等关系。
论文并无传统财务估值模型(如DCF、P/E)讨论,估值相关内容可视为流动性价值损失的定量刻画,侧重统计学意义和风险分布特征。重点:
IL与LVR均是基于价格路径模型(BM/GBM)与流动性数学描述的风险指标。
以概率密度与分布函数形式揭示损失分布,而非传统估值框架。
采取了短、中、长时间尺度分层分析,体现风险随时间展开特征。
仿真验证理论模型精确性。
本报告主要聚焦于AMM流动性提供者的两类核心风险:
无常损失(IL):价格剧烈波动导致的实际资产价值损失,尤其价格长时间偏离初始点带来高风险尾部。
损失对比重平衡(LVR):动态重平衡操作中产生的频繁小额损失,尤其套利行为频繁时该风险显著。
套利交易带来的价格冲击和频率风险。
手续费结构影响套利频率与深度,费用过低易导致高套利损失,费用过高或影响流动性。
区块时间与价格更新频率引入时序约束,影响套利时间尺度与损耗累积。
报告对风险缓释措施提出建议,包括设置合理费用层级、动态手续费调整以及对冲策略配合,减少长期IL及LVR损失。
报告作者选择BM为理论计算基础,虽便于推导,但其允许负价格的缺陷在长期波动大时可能不够现实。虽然GBM弥补这一不足,但分析难度加大。
IL与LVR在平均值相等的结论依赖于无费用和理想市场假设,现实中手续费和不完全套利行为可能使LVR表现更复杂,甚至两者均值偏离。
统计分布尾部的极端IL值显示流动性提供者面临巨大非对称风险,而本文提示避免此巨大损失的方案较少,主要依赖额外对冲工具。
图表与数值结果依赖大量模拟试验,文中未详述部分参数敏感性和市场行为差异可能带来的影响,需要谨慎推广。
对手续费对套利行为的阻碍和限时套利模式假设较强,现实市场可能出现更复杂的交易真空和信息不对称效应。
本文全面系统地剖析了AMM中的无常损失(IL)和损失对比重平衡(LVR)两者之间的关系及其受时间尺度、价格动态模型及手续费影响的变化规律。主要发现包含:
在极短时间内,IL与LVR完全等价,是同一风险维度的两种表述。
在中间时间范围,两者均值相当但分布迥异,LVR呈高斯分布而IL高度偏斜,说明大多数价格路径IL小于平均。
长期波动显著时,两者均值和分布差异扩大,LVR趋于对数正态,IL保守正态近似。
套利交易量随时间步密度分裂出发散行为,手续费引入无套利区间平滑套利频率,减少LVR均值。
手续费机制有效减少LVR带来的损失,但对IL无显著缓解作用,只有结合对冲策略才能降低IL巨大尾部风险。
绝大多数价格走势下LP面临比理论均值更低的IL风险,说明手续费对净收益正贡献的重要性。
模型理论严谨、结合大量模拟,图文数据解读完整,实用价值高,适合深入理解AMM内生风险与优化策略。
整体而言,本文为AMM风险分析领域提供了一个结构清晰、理论与实验并重的框架,特别针对IL与LVR的统计性质和手续费影响做出细致的数学与模拟论证。研究结果对DeFi协议设计者优化流动性激励机制、平衡协议收益与风险提供了有力的理论支持与实践指引。–35]
如需针对某章节、公式或图表做更深入剖析,欢迎进一步提问。
2502.04097v2.pdf