Privacy Noise, Markteinfluss und Transfers an Händler in Kyle-Märkten

Zusammenfassung

Dieses Dokument analysiert, wie Datenschutzrauschen die Preisbildung in einem Kyle-artigen Markt beeinflusst. Es nimmt an, dass ein festgelegter Bayes'scher Market Maker einen Orderflow beobachtet, der mit unabhängigem Gauß'schem Rauschen vermischt ist, und leitet daraus ein eindeutiges lineares Gleichgewicht ab. In diesem Gleichgewicht verändern sich der Preiseinflusskoeffizient des Market Makers und die Strategie des informierten Händlers bei einer Änderung des Datenschutzparameters in entgegengesetzter Weise, sodass ihr Produkt gleich bleibt.

Eine Wohlfahrtszerlegung ergibt einen geschlossenen Transfer aus dem Liquiditätsanbieter-Pool des Protokolls an Händler, der als Datenschutzsubvention bezeichnet wird. Die Autoren deuten diesen Transfer als kostendeckende Gebühr für eine Börse mit unter Wahrung der Privatsphäre aggregiertem Orderflow und setzen das Ergebnis in Beziehung zu einem Einperioden-Pendant von Loss-Versus-Rebalancing. Als Anwendung werden abgeschirmte automatisierte Market Maker genannt, die Rauschen hinzufügen, darunter auch Modelle mit Differential Privacy. Die Analyse ist theoretisch und umfasst nur eine Periode. Gebündelte Swaps, Auktionen mit verdeckten Geboten und durch Orakel gekoppelte Transaktionen liegen ausdrücklich außerhalb ihres Rahmens und erfordern eine separate Analyse.

Kernaussagen

• Das Modell untersucht, wie ein Market Maker Orderflow bepreist, der durch unabhängiges Gauß'sches Datenschutzrauschen gestört wird.
• Datenschutz verändert den Preiseinfluss und die Strategie des informierten Händlers in entgegengesetzter Weise, während ihr Produkt unverändert bleibt.
• Eine Wohlfahrtszerlegung ermittelt einen Transfer aus dem Liquiditätsanbieter-Pool an Händler.
• Die resultierende Subvention ergibt eine kostendeckende Gebühr für die modellierte Börse mit unter Wahrung der Privatsphäre aggregiertem Orderflow.
• Das Framework umfasst nur eine Periode und deckt mehrere andere datenschutzwahrende Marktdesigns nicht ab.

Schlagwörter

# The Privacy Subsidy: Kyle's $λ$ under Noise-Perturbed Order-Flow Observation


# The Privacy Subsidy: Kyle's $λ$ under Noise-Perturbed Order-Flow Observation









Privacy-preserving cryptocurrency exchanges alter what the pricing mechanism observes about order flow. We derive the unique linear Kyle equilibrium when a committed Bayesian market maker observes order flow perturbed by independent Gaussian privacy noise. The price-impact coefficient and informed-trader strategy rescale by reciprocal factors of the privacy parameter (one down, one up), so their product is invariant. A welfare decomposition then identifies a closed-form per-period transfer from the protocol's LP pool to traders -- the "privacy subsidy", the break-even fee any privacy-aggregated exchange must charge. The result is the single-period closed-form privacy-noise analog of Loss-Versus-Rebalancing (Milionis et al. 2022). The primary application is shielded AMMs with explicit additive-noise injection (e.g., differential privacy); related designs (batched swaps, sealed-bid auctions, oracle-pegged crossings) require separate frameworks that we leave to future work.

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.