析发现,在最近两种稳定币 UST 和 USDT 的价格突然下跌期间,Uniswap V3 的价格并不准确。作者认为 Unsiwap V3 流动性提供者缺乏敏捷性是这些令人担忧的价格不准确的根本原因。此外,作者还概述了考虑到这种市场条件下的高波动性,流动性提供者进入流动性池的激励措施太少。 2. 关于借款恒定函数做市商股票的说明 作者: Tarun Chitra (Founder & CEO Gauntlet) Guillermo Angeris (Lifer Stanford University, Head of Research Bain Capital Crypto) Alex Evans (Partner Bain Capital Crypto) 摘要: Uniswap、Balancer 和 Curve 等恒定函数做市商 (Constant Function Market Makers, CFMM) 构成了以太坊等智能合约平台上一些最大的去中心化交易所。 随着这些协议中存入的资本数量的增长,提高流动性提供者 (LP) 的资本效率已成为一项越来越重要的挑战。提高效率的一种方法是允许 LP 以 CFMM 协议中的股票借用以太币或美元。 在这篇论文中,作者研究了允许此类贷款的安全性和资本效率。作者为 LP 借款提供了充分的条件,使其与 Aave/Compound 中的直接借款至少具有同样安全和资本效率。此外,作者表明 CFMM 贷方所承担的风险可以通过障碍期权进行复制,从而可以对冲风险。最后,作者展示了借入的 CFMM LP 股票的收益复制了 bounded convex payoffs。 综合起来,这些结果表明,CFMM 贷款是提高资本效率的安全机制。 3. Uniswap V3 中的集中流动性分析 作者: Saleh Hashemseresht (from) Mohsen Pourpouneh (from Kbenhavns Uni) 未找到论文链接,但是二作 Mohsen Pourpouneh 有很多 Crypto 方面的研究可以参考。 4. 自动做市、损失 vs 再平衡 作者: Jason Milionis (PhD Columbia University) Ciamac C. Moallemi (Professor Columbia University) Tim Roughgarden (Head of Research a16z, Professor Columbia University) Anthony Lee Zhang (Assistant Professor Chicago Booth) 摘要: 作者从被动流动性提供者 (LP) 的经济角度考虑自动做市商的市场微观结构,特别是恒定功能做市商 (CFMM)。在无摩擦、连续时间的 Black-Scholes 设置中,在没有交易费用的情况下,作者将 LP 的回报分解为瞬时市场风险成分和非负、非减少且可预测的成分,作者称之为「损失 vs 再平衡」(Loss-Versus-Rebalancing, LVR)。 市场风险可以完全对冲,但一旦消除,LVR 仍然是一种运行成本,必须通过交易费用收入来抵消,才能使流动性提供有利可图。 作者展示了如何以多种方式解释 LVR: 1. 作为预先承诺的成本; 2. 作为放弃未来可选性的时间价值; 3. 作为 Doob-Meyer 分解中的补偿器; 4. 作为利润形式的逆向选择成本套利者对池进行交易,并且作为信息成本,因为流动性池无法获得准确的市场价格。 LVR 与更常见的「无常损失」或「发散损失」度量不同; 后者指标更基本地描述为「损失 vs 持有」(Loss-Versus-Holding),并不是真正的运行成本。 作者以封闭形式简单地表示 LVR:瞬时的,它是价格方差和流动性池中可用边际流动性的缩放乘积,即 LVR 是广义方差互换的 floating leg。 因此,LVR 很容易根据市场数据和特定的 CFMM 结构进行校准。LVR 为 CFMM LP 投资决策的事前和事后评估提供了可交易的决策关键点,还可以为 CFMM 协议的设计提供信息。 来源:金色财经lg...