本报告提出了一种基于凸优化的滴答级流动性配置方法,旨在在给定价格波动率和交易量预测的条件下,最大化去除折旧后资产价值的收益。实验证明,将流动性集中在当前价格附近通常非最优,最优策略体现了费用追逐和损失规避两个相互作用的效应。该方法通过严格的数学推导和Python工具实现,支持多协议、多费率池的候选滴答集合,为去中心化市场的深度流动性提供了理论及实务框架
报告标题:《A Tick-by-Tick Solution for Concentrated Liquidity Provisioning》
作者:Corinne Powers
发布机构:Gadget Capital
发布日期:2024年5月30日
主题:针对基于自动做市商(AMM)的集中式流动性提供模式,提出了一种逐刻度(tick-by-tick)精细流动性配置的优化解决方案,着重于提高流动性提供者的收益与风险平衡。
核心论点与目的
作者提出,在基于tick刻度的自动做市商环境中,流动性提供者可以通过基于凸优化的数学方法,动态、精准地配置资本于各个tick,达到费用收益最大化并同时考虑储备资金的价值衰减。不仅证明了问题的凸优化结构,也发现了重要洞察:将流动性高度集中于当前价格附近的tick通常并非最佳策略。这对流动性提供者设计策略具有重要指导意义,尤其是在预测价格波动性和交易量的前提下优化资本配置,1,2]。
报告强调AMM中具备集中流动性能力的市场参与者可按tick编程,最大化获得费用和储备贬值后的资产价值是一个凸优化问题。该优化问题的向量解提供了最佳的tick流动性配置。早期实验显示,通常集中于当前价的传统策略并不是收益最佳的做法。
关键论点:在自动做市商中,流动性通过一系列离散的tick区间供应,每个tick根据价格区间承接交换并按比例分享手续费收益。流动性提供者针对每个tick需按市场状态准备特定的资产和稳定币组合,且tick对应的价值会随市场价格变动而浮动。
逻辑基础:直观上看,流动性集中在当前价格附近tick可在价格波动时赚取更多交换手续费,因为交换活动多集中在当前价格附近的tick。但与此同时,价格下跌时,这些tick的储备价值会衰减,重平衡成本增大,因此存在快速获取手续费和维持储备价值的收益-风险平衡。
假设:
最大化收入问题(P1):
[ \begin{array}{ll} \max & \sum_{i=1}^{n} a_i \frac{x_i}{x_i + b_i} \ \text{s.t.} & x \geq 0, \quad \mathbf{1}^T x = d \end{array} ]
其中,ai为预测的tick i手手续费收入,bi为已存在的流动性,d为总资本,xi为拟配置的资本。
解决方案:通过“水筒法”直观形式,xi的解析式为:
[ x_i = \max\left{ 0, \sqrt{a_i b_i}\left(u - \sqrt{\frac{b_i}{a_i}}\right) \right} ]
其中u是根据水位满足总资本约束的唯一解,3]。
最大化收益问题(P2):
加入第二项涉及储备预计回报的线性项(c_i x_i),其中ci表示tick i的储备预期价值变化因子。问题为:
[ \max \sum_{i=1}^n \left(a_i \frac{x_i}{x_i + b_i} + c_i x_i\right), \quad \text{s.t. } x \geq 0, \mathbf{1}^T x = d ]
凸优化:
经过等价变换后,变为标准凸优化问题,能通过cvxpy等工具高效求解,实现全局最优解认证,4]。
已知参数:流动性b直接由AMM状态获得(如Uniswap V3官方接口查询)。
手续费收入预测a的估计:
结合tick的历史交易量及价格波动,方法包括:
储备回报因子c的估计:
关键挑战:
实验设置:
观察结果:
对比单一范围策略:
性能测试:
展示了通过高度bi/ai及宽度aibi构造的“地面形态”,水面u对应的水量即为最佳资本分配xi。直观地说明了为何已有高流动性tick(大bi)设置了进入壁垒,且收益高的tick(大ai)更早获得资金补充。该示意帮助理解解析解背后的数学直觉。
图示以对数刻度展示了两个tick不同价格部分的储备回报率走势。高tick(蓝线)随着价格上涨逐渐停止增值,高于价格时趋于平稳;低tick(红线)则随价格下跌保持价值,相对稳定。这体现了不同价格区间tick持有储备价值的动态变化和风险暴露,有助于估计ci参数。
图中灰色区域为现有流动性,绿色区域为推荐的补充流动性。可见最优配置多集中在价格2830-2980美元区间,且当前价格tick未分配新流动性。该现象印证了报告结论:避免完全集中于当前价格tick,考虑费率与储备风险的平衡。
左图黄色为历史swap量,紫色为以当前价格为中心估计的高斯预测swap量;形状差异显示了预测与市场实际的差异。右图显示当前价格tick储备的损失最大,即集中配置当前tick风险较高。这进一步支持了分散配置的合理性。
上排展示随资本增加,tick上的总流动性(原有+新增)分布;下排则为仅新增流动性配置。随着资本规模扩大,新增配置呈现双峰的“损失规避”特征,说明更多资金倾向于分布于相对安全和高收益tick间的折中位置,反映了获益与储备风险平衡策略。
| 训练区块 | 测试区块 | Tick-by-tick收益 | 单范围±10%收益 | Delta-neutral收益 |
|---|---|---|---|---|
| 18943206 | 18993312 19021923 | 4.24% 4.00% | 4.50% 4.48% | 0.49% -1.11% |
| 18971817 19000435 19029031 | 19050541 19079137 | 1.69% 10.63% | 3.86% 5.25% | -2.57% -8.56% |
| 19057636 19086319 | 19107742 19136425 | 8.67% 7.38% | 5.30% 4.96% | -6.25% -6.66% |
| 19114856 | 19164962 | 3.55% | ||
| 4.79% | -5.97% | |||
| 19143467 | 19193573 | 1.1% | 3.80% | -3.71% |
| mean std | 5.16% 3.17% | 4.62% 0.54% | -4.29% |
结果显示Tick-by-tick策略在收益上整体优于单范围,但波动性较大;delta中性策略表现不佳。表明微观配置可提高期望收益,但风险管理仍需改进。
报告主要关注流动性配置的收益和价值最大化,未涉及传统的公司估值方法(如DCF或多倍数法)。估值核心为tick的预期手续费收益(ai)与预期储备价值变动(ci),结合现有流动性和总资本约束。利用凸优化工具求解最优流动性价值xi,从而获得最大预期组合价值。此处凸优化确保计算效率与全局最优解,且动态适用不同市场参数,4,5]。
储备价值贬值风险:价格下跌导致tick储备(资产或稳定币组合)价值降低,使再平衡成本升高,特别集中于当前价格tick时更显著。
流动性饱和:已投入大量流动性的tick因比例分配机制,带来边际收益递减,降低投资回报。
价格波动与交易量预测误差:估计的a和c参数依赖预测模型,若价格分布与交易量分布不匹配,优化结果可能偏离实际表现。
参数敏感性:模型对波动率和交易量等估计较为敏感,可能导致策略频繁调整或误判。
市场结构及合约限制:假设中无交易成本及市场深度充足,实际操作中可能受到链上交易费用波动及流动性碎片化影响。
潜在价格操纵:报告假设存在深厚的订单簿和替代市场,降低操纵风险,然而极端情况下仍不可完全排除,3,4,6]。
作者基于这些风险提出进一步研究需求,包括多池多费率策略敏感性、多方协调机制以及JIT(Just-In-Time)流动性策略的适用性。
报告假设流动性不变且无交易成本,现实中成本和市场动态会显著影响策略表现,模型可能过于理想化。
突然发现最优配置远离当前价格tick,挑战传统认知,但这是否适用于所有市场环境尚无充足验证,后续实证研究极为重要。
参数估计特别是交易量及价格波动模型的准确度和匹配程度对结果影响极大,模型对现实市场的“鲁棒性”存在隐忧。
代码实现片段展示凸优化求解流程,说明方法易于工程化落地,但对规模、延迟、链上复杂度未作深入探讨。
实验区间有限(近两个月),市场行情偏向上涨,策略表现可能较依赖近期强趋势,没有覆盖宽广多样的市场周期。
报告强调不使用传统金融Greeks进行风险衡量,转而用矢量和凸优化视角,虽然创新但部分复杂风险可能未被细致捕捉。
本报告系统性地提出了自动做市商逐tick流动性配置的凸优化框架,实现了在较短持仓期内最大化收益与储备价值的平衡。核心贡献包括:
问题建模:将最大手续费和储备价值期望结合构建优化问题,解决了流动性分布的非线性比例收益问题。
数学求解:推导出“水筒”式的解析解及其扩展凸优化表达,使得问题能快速、稳定求解。
参数估计:深入讨论基于市场历史数据、价格波动模型估计优化参数a,b,c的方法,为动态调整提供实务指导。
实证验证:通过基于Uniswap V3 ETH-USDC数据的实验,验证tick-by-tick配置较传统均匀单区间配置在收益和风险曲线上的优势。
策略洞察:强调"非集中于当前价格"的流动性分配可能带来更优表现,揭示了流动性管理的“损失规避”与“手续费追逐”双重机制。
未来研究:报告指出了多协议、多费率、一体化多池配置、不同时段动态调整及对冲等重要开放问题。
图表详细阐释了算法原理、实验配置及结果,强化了理论与实践的紧密结合。整体上,该报告为AMM领域提供了一个数学严谨且实用性较强的流动性管理新范式,极具启发意义和应用前景。
参考附图索引:
以上即为对报告《A Tick-by-Tick Solution for Concentrated Liquidity Provisioning》的详尽分析和解读,内容涵盖数学模型、算法推导、参数估计、实证检测及风险评估,体现了报告的全貌及其对AMM流动性精细管理的贡献。
2405.18728.pdf