Rendimientos de proveedores de liquidez activos y pasivos en Uniswap

Resumen

El estudio examina cómo difieren los rendimientos entre los proveedores de liquidez que recolocan capital y quienes lo dejan donde está. Presenta dos formas de estimar el rendimiento pasivo: una identifica posiciones breves de liquidez y separa su contribución de los resultados de los intercambios; la otra modela a un proveedor marginal que permanece continuamente dentro del rango de precios activo. Estas estimaciones se comparan con los resultados de todo el pool en distintas versiones de Uniswap y varias redes blockchain.

Los hallazgos indican que los promedios del pool pueden ocultar diferencias relevantes en quién soporta la selección adversa de operaciones. En los pools con liquidez ampliamente distribuida, las estimaciones pasivas se acercan al rendimiento general. Los pools de liquidez concentrada muestran un déficit mayor para los proveedores pasivos, sobre todo en Ethereum; los autores sugieren que reaccionar más rápido al flujo de trading puede ayudar a los proveedores activos. En general, los pools con comisiones más altas favorecen más la liquidez pasiva. Los dos métodos de estimación coinciden en gran medida en la dirección, lo que respalda el patrón. El análisis se limita a los protocolos, pools y cadenas examinados, y las asociaciones observadas no demuestran por qué se producen las diferencias. Los resultados también invitan a considerar más detenidamente el diseño de las comisiones y la forma de medir la calidad de los exchanges descentralizados.

Ideas clave

• Los rendimientos de todo el pool pueden ocultar diferencias entre proveedores de liquidez activos y pasivos.
• Dos enfoques complementarios de markout estiman el rendimiento pasivo a partir de datos de trading y precios.
• En pools con liquidez ampliamente distribuida, los resultados pasivos y agregados son similares.
• Los pools de liquidez concentrada muestran un rendimiento inferior de los proveedores pasivos, con una brecha mayor en Ethereum.
• Los pools con comisiones más altas tienden a ofrecer mejores resultados a los proveedores pasivos.
• La comparación entre métodos respalda la dirección de los hallazgos, aunque estos se limitan a los entornos muestreados.

Etiquetas

# 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.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.