Renditen aktiver und passiver Liquiditätsanbieter bei Uniswap

Zusammenfassung

Die Studie untersucht, wie sich die Renditen von Liquiditätsanbietern unterscheiden, die ihr Kapital umschichten, und jenen, die es unverändert lassen. Sie stellt zwei Verfahren zur Schätzung der passiven Performance vor: Das eine identifiziert kurze Liquiditätspositionen und trennt deren Beitrag von Swap-Ergebnissen; das andere modelliert einen marginalen Anbieter, der sich kontinuierlich innerhalb der aktiven Preisspanne befindet. Diese Schätzungen werden mit den Ergebnissen ganzer Pools über verschiedene Uniswap-Versionen und mehrere Blockchain-Netzwerke hinweg verglichen.

Die Ergebnisse zeigen, dass Pool-Durchschnittswerte erhebliche Unterschiede darin verdecken können, wer unter nachteiliger Handelsselektion leidet. In Pools mit breit verteilter Liquidität liegen die passiven Schätzungen nahe an der Gesamtperformance. Pools mit konzentrierter Liquidität weisen für passive Anbieter stärkere Rückstände auf, insbesondere auf Ethereum; die Autoren vermuten, dass schnellere Reaktionen auf den Orderflow aktiven Anbietern helfen könnten. Pools mit höheren Gebühren sind für passive Liquidität im Allgemeinen günstiger. Die beiden Schätzverfahren stimmen in ihrer Richtung größtenteils überein, was das Muster stützt. Die Analyse beschränkt sich auf die untersuchten Protokolle, Pools und Chains; die berichteten Zusammenhänge erklären nicht, warum die Unterschiede auftreten. Die Ergebnisse sprechen außerdem dafür, Gebührendesign und die Messung der Qualität dezentraler Börsen genauer zu betrachten.

Kernaussagen

• Pool-Renditen können Unterschiede zwischen aktiven und passiven Liquiditätsanbietern verdecken.
• Zwei ergänzende Markout-Verfahren schätzen die passive Performance anhand von Handels- und Kursdaten.
• In Pools mit breit verteilter Liquidität sind passive und aggregierte Ergebnisse ähnlich.
• Pools mit konzentrierter Liquidität zeigen eine schwächere Performance passiver Anbieter; auf Ethereum ist die Lücke größer.
• Pools mit höheren Gebühren bieten passiven Anbietern tendenziell bessere Ergebnisse.
• Der Methodenvergleich stützt die Richtung der Ergebnisse, die jedoch auf die untersuchten Szenarien beschränkt bleiben.

Schlagwörter

# Not All LPs Are Equal: The Active-Passive Gap in Automated Market Maker Liquidity Provision


# Not All LPs Are Equal: The Active-Passive Gap in Automated Market Maker Liquidity Provision









Liquidity provision in automated market makers is typically analyzed at the pool level, implicitly assuming LP homogeneity. This aggregate view can hide how liquidity provision outcomes differ between LP strategies, particularly as concentrated liquidity AMM designs operating on high-performance blockchains allow liquidity to be actively repositioned around trades. We develop a markout-based framework to decompose Uniswap LP profitability into active and passive components using two complementary methods: a LIFO subtraction method that matches short-lived mint-burn positions and attributes swap-level markouts by liquidity share; and an infinitesimal LP benchmark that estimates the performance of a fully passive, always-in-range marginal LP directly from the AMM price path. We apply these methods to Uniswap v2, v3, and v4 pools on Ethereum, Arbitrum, and Base chains, and find passive profitability can materially differ from aggregate pool profitability.In Uniswap v2, with liquidity distributed evenly and active LP behavior nearly absent, the overall and passive markouts are almost the same. In contrast, concentrated-liquidity pools have a systematic active-passive gap: passive LPs tend to underperform aggregate pool-level measures. The gap is wider on Ethereum than on L2s, consistent with active liquidity provision being more useful when block times and ordering conditions allow LPs to react to incoming flow. In general, passive LPs perform better on higher fee pools. The LIFO and infinitesimal estimates are generally consistent directionally across most pools, providing evidence of the robustness of the decomposition. The results suggest that adverse selection in AMMs is not evenly distributed among LPs, with important implications for LP strategy, fee-tier design and measurement of DEX market quality.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.