本报告基于对两只 QuantAMM TFMM(dynamic‑weight AMM)池在两次短期重平衡窗口(2025年7月与2026年1月)的逐块实证观测,揭示了“荷兰式反向拍卖”执行机制与随时间出现的拍卖压缩:主网(Ethereum)上可见套利频率上升、单笔提取下降;L2(Base)上则出现大量近零或负提取的“附带路由”重平衡,导致总体重平衡成本下降并在 LVR/RVR 基准下表现良好 .
| 指标 | July 2025 | January 2026 |
|---|---|---|
| Trades (2-hour window) | 20 | 78 |
| Empirical extraction per trade | $2.58 | $0.28 |
| Total empirical extraction | $51.55 | $22.00 |
| Theoretical optimum | $58.19 | $35.82 |
| Max allocation drift | ~0.65% | ~0.45% |
| Blocks between trades | ~30 (~6 min) | ~7.5 (~90 sec) |
以下为对研究报告 “Pools as Portfolios: Observed arbitrage efficiency & LVR analysis of dynamic weight AMMs” 的逐段、逐图、逐表的详尽剖析与解读。每处结论或直接来自原文的断言在句末标注了来源页码以便溯源(例如 )。为便于阅读,我将按报告结构分节,并对所有主要图表与表格逐一解释并展示其对应图片路径。
一、元数据与概览(引言与报告概览)
二、逐节深度解读(按报告结构)
三、图表与图像逐一深度解读(关键图表) 说明:下列每个图表在引用时均包含图片 Markdown 链接以便查看原图,且我会针对图的要素、趋势、作者结论与潜在局限展开分析并给出页码溯源。
Figure 1(荷兰式逆向拍卖机制示意)
描述與解读:图示将每区块套利机会(红柱)随权重插值而线性增长,直到某套利者的成本阈值(虚线)被跨越导致“执行”,随后重置循环。该图是整篇理论链路的直观具象化:权重插值 → 偏差累积 → 套利者接受(取走剩余)→ 重置 。该图支持作者关于“连续小偏差即为荷兰式逆向拍卖”的表述;局限在于示意图未量化 gas/费用分布或路由多跳导致的“净阈值”形成,这些在实证部分通过阈值校准与交易复杂度表格补充 。
Figure 2(无套利带与权重驱动拍卖周期)
描述與解读:上半图示意若池的边际价 m_u 与市场价 m_p 在区间 [γ m_u, γ^{-1} m_u] 内则无套利;下半图展示权重随时间移动使无套利带“走开”并形成 gap,直到套利发生并把 m_p 带回带边界附近(留下≈一笔费的残差)。该机制图与后文 D.4 的“最优套利目标是在边界处留下残差≈fee”的解析互为印证 。
Table 1(池对比 — 链/TVL/资产/费用/区块时间/MEV 基础)
报告页:Table 在 page 3。主要要点:两池 fee 相同但 TVL 相差约 6×(300kvs50k),区块时间与 MEV 基础差异(主网 PBS,Base FIFO sequencer)会影响套利节奏与可见成本结构 。
解读:Table 1 说明了将主网与 L2 作对比的合理性——较短的块时间与更便宜的 gas/不同交易排序机制在 L2 上促成更快拍卖清算和更多偶发路由机会;这是后文观察到 Base 上“几乎零提取但仍发生重平衡”的根源之一 。
Figure 3 & Figure 4(Safe Haven 两个窗口:July 2025 与 Jan 2026)
关键数据(表二与文中陈述):July 窗口 606 blocks 内 20 trades,allocation drift 峰值约 0.65%,约每 30 blocks(约 6 分钟)发生一次套利;理论上限提取 58.19,实证提取51.55(效率 88.6%)。六个月后(Jan)在类似时间段 591 blocks 内 78 trades(约每 90 秒一笔),每笔提取降为 0.28,累计提取降至22.00,理论最优 $35.82;拍卖“锯齿”高度压缩,交易更频繁但单笔提取更小 。
解读:这组图与表明证了作者关于“随着套利者竞争与 MEV 路由生态演进,拍卖压缩导致更多更小的交易,总体池被提取的金额下降且/或转向由路由生态付费”的结论 。局限:作者用单笔经验提取与理论最优比较来衡量“套利效率”,但理论最优依赖于闭式解模型与假设(例如对端交易成本、可得流动性等),因此 88.6% 的效率衡量更多说明套利者理性保守(下文 C 节也指出套利常常选择欠量化下单以取得绝大部分利润)而非模型完全精确 。
Table 2(Safe Haven 两窗口关键数值汇总)
table 来源:page 5(Table 2)
关键数值复述:Trades 20 → 78;empirical extraction per trade 2.58→0.28;total empirical extraction 51.55→22.00;theoretical optimum 58.19→35.82;blocks between trades ~30→~7.5(6 min → 90 sec)。
分析:表格定量清楚显示竞争压缩(更多交易但单笔价值下降),并与作者阐释一致:竞争使阈值下降,自动提高重平衡速度并降低每笔套利的可提取金额 。
Figure 5 & Base Macro(Base L2)图(Incidental routing)
要点与数据:Base Macro 在 Jan 窗口观察到 202 区块层变动对应 225 链上交易;每笔平均 empirical profit ≈ 0.0004,中位数<0.001,98% 的交易提取不足 1 美分,很多负提取(即实际上为池提供了微小净值)。作者将这类交易归为“incidental routing”:多跳套利交易包含该池作为中间一跳,实际上主利润来源于其它池间价差,QuantAMM 池只是按近公平价被纳入路由,从而实现“免费/补贴式”重平衡 。
解读:该观测强烈支持报告论断:在低成本 L2 和成熟路由栈(多兑换协议、复杂 bundle)下,重平衡能通过生态系统路由的副作用实现,而非专门针对该池的高利润套利;因此 AMM 作为基金执行层在 L2 上可能比在主网更具成本优势(甚至可优于理想 LVR) 。局限:这明显受限于池的 TVL 和周边 DEX 深度,若任一环节缺失(路由复杂度或外部套利机会)则偶发路由效应会减弱;作者在讨论中也提醒需更多池与市场条件下验证 。
Figure 6(LVR / RVR 基准累积表现)
描述與数据:Safe Haven(主网,Aug 2025–Jan 2026)相对 LVR 表现为负(即低于理想 LVR),但相对更现实的 RVR(考虑 spreads/commission)在 Nov–Jan 有回升并接近或小幅超越 RVR;Base Macro(May 2025–Jan 2026)在同期限大幅超越两项基准:对 LVR 超越约 +27pp,对 RVR 超越约 +43pp(作者陈述)。
解读:作者得出结论:在 L2 上,动态权重 AMM 执行有能力超过“理想无摩擦的中心化重平衡(LVR)”,而在主网上其表现至少可与实际的 RVR(含费用/价差)相当或更好。该结果支持“AMM 可作为可竞争的 tokenized-fund 执行层”的结论,但需注意作者也说明这些累积差异同时反映了策略信号(权重路径)与执行效率之合成效应,并非仅对执行成本的孤立衡量 。局限:LVR/RVR 是基准模型,其参数(例如 CEX spreads, commission)对 RVR 结果敏感;此外池的策略信号在不同周期表现差异很大,若策略本身更差即便执行再优也难以获利——作者在报告中承认这点并强调不应把 IL(相对 HODL)与执行效率混淆 。
Appendix Figures(D.4, D.5, D.6, D.7, E.8)——关于套利最优、有限规模效应与锯齿图
Figure D.4 (page 15)、Figure D.5 (page 17)、Figure D.6 (page 18)、Figure D.7 (page 19)、Figure E.8 (page 21)
说明:这些附录图表系统化地说明了(1)套利者为何将交易规模选择为使后期价格落在 no-arb 边界附近而非把价格完全推回市场价(因为边际收益=费用的最优点,且在边界附近收益函数非常平坦,允许“欠量化”执行获取大部分利润),(2)有限规模交易导致的边界内滑点(slippage)随交易规模线性增长,典型 slope ≈ 0.5bp per 1% TVL(对所研究池而言通常很小),(3)锯齿图(sawtooth)连续视图与成本分解(gas cost + arb profit)以说明权重变动速率如何影响拍卖周期频率与每次提取量 ,(4)权重插值将总成本按二次规模减少的形象演示 。这些补充数学与图示为主文的经验观察提供了明确理论支撑并解释了套利者行为(欠量化与预设离散交易大小) 。
四、估值与定量方法分析
五、风险因素评估(作者识别的风险与潜在影响)
六、批判性视角与细微差别(审慎评估)
七、结论性综合(总结关键发现)
八、建议的后续检验方向(基于报告暗示)
結語:该报告系统地将 TFMM 的理论机制与真实链上数据相结合,清晰展示了权重插值所产生的“反向荷兰拍卖”如何在现实中被套利生态执行,以及在 L2 环境下通过路由生态降低重平衡成本的实证证据。报告的数据密集、图表详尽且在方法学上透明(例如盈利门槛与交易复杂度表),附录中的数学/模拟支撑使结论具有较强因果链条。但结论仍受样本规模、策略配置与外部生态变化的限制,须在更多池与更长时间范围内进一步验证其普适性 。
—— 若需要,我可以:
2602.22069.pdf