Handel und Liquiditätsbereitstellung in AMMs mit konzentrierter Liquidität

Zusammenfassung

Die Arbeit entwickelt Modelle und Strategien für automatisierte Market Maker mit konstantem Produkt und konzentrierter Liquidität. Sie behandelt sowohl Liquiditätsnehmer, darunter große Orders und statistische Arbitrage, als auch Liquiditätsanbieter, die Positionen in einem oder mehreren Pools verwalten. Marktdaten bilden die Grundlage der Modellierung, darunter Daten von Uniswap v3 sowie Analysen zu Preisen, Liquidität, Handelskosten, gemeinsamem Verhalten, Lead-Lag-Effekten, Spillover-Effekten und Kausalität über verschiedene Handelsplätze hinweg.

Für Liquiditätsnehmer leitet die Arbeit Strategien ab, die Preise an konkurrierenden Handelsplätzen als Signale nutzen und Körbe gemeinsam schwankender Kryptowährungen handeln. Für Anbieter stellt sie eine Stochastik-Steuerungsstrategie vor, die die Breite des Liquiditätsbereichs anhand der Poolprofitabilität, der Positionsdynamik und des Konzentrationsrisikos auswählt, sowie einen modellfreien Ansatz mit einem LSTM-Netzwerk für mehrere Pools. Das Dokument beschreibt die datengestützte Motivation und die Herleitung der Strategien, enthält im bereitgestellten Text jedoch keine numerischen Leistungsergebnisse; die Ergebnisse hängen von Modellannahmen, Daten und Implementierung ab.

Kernaussagen

• Die Arbeit untersucht Handel und Liquiditätsbereitstellung in AMMs mit konstantem Produkt und konzentrierter Liquidität.
• Strategien für Liquiditätsnehmer nutzen Preise konkurrierender Handelsplätze und Beziehungen zwischen Anlageklassen, um große Trades und statistische Arbitrage zu steuern.
• Die Analyse untersucht Preise und Liquidität an Handelsplätzen, Handelskosten, Lead-Lag-Beziehungen, Spillover-Effekte und Kausalität.
• Eine Stochastik-Steuerungsmethode bestimmt die Breite des Liquiditätsbereichs eines Anbieters anhand von Poolprofitabilität, Positionsdynamik und Konzentrationsrisiko.
• Ein modellfreier LSTM-Ansatz schätzt Strategien zur Liquiditätsbereitstellung über mehrere Pools hinweg.

Schlagwörter

# Automated Market Making and Decentralized Finance


# Automated Market Making and Decentralized Finance









Automated market makers (AMMs) are a new type of trading venues which are revolutionising the way market participants interact. At present, the majority of AMMs are constant function market makers (CFMMs) where a deterministic trading function determines how markets are cleared. Within CFMMs, we focus on constant product market makers (CPMMs) which implements the concentrated liquidity (CL) feature. In this thesis we formalise and study the trading mechanism of CPMMs with CL, and we develop liquidity provision and liquidity taking strategies. Our models are motivated and tested with market data. We derive optimal strategies for liquidity takers (LTs) who trade orders of large size and execute statistical arbitrages. First, we consider an LT who trades in a CPMM with CL and uses the dynamics of prices in competing venues as market signals. We use Uniswap v3 data to study price, liquidity, and trading cost dynamics, and to motivate the model. Next, we consider an LT who trades a basket of crypto-currencies whose constituents co-move. We use market data to study lead-lag effects, spillover effects, and causality between trading venues. We derive optimal strategies for strategic liquidity providers (LPs) who provide liquidity in CPMM with CL. First, we use stochastic control tools to derive a self-financing and closed-form optimal liquidity provision strategy where the width of the LP's liquidity range is determined by the profitability of the pool, the dynamics of the LP's position, and concentration risk. Next, we use a model-free approach to solve the problem of an LP who provides liquidity in multiple CPMMs with CL. We do not specify a model for the stochastic processes observed by LPs, and use a long short-term memory (LSTM) neural network to approximate the optimal liquidity provision strategy.

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.