Trading y provisión de liquidez en AMM de liquidez concentrada

Resumen

La tesis desarrolla modelos y estrategias para creadores de mercado automatizados de producto constante con liquidez concentrada. Abarca tanto a quienes retiran liquidez, incluidas las órdenes grandes y el arbitraje estadístico, como a los proveedores de liquidez que gestionan posiciones en uno o varios pools. Los datos de mercado sirven de base para el modelado e incluyen datos de Uniswap v3 y análisis de precios, liquidez, costes de trading, comovimiento, efectos de adelanto y retraso, efectos indirectos y causalidad entre plataformas.

Para quienes retiran liquidez, el trabajo deriva estrategias que utilizan precios de plataformas competidoras como señales y operan cestas de criptomonedas que se mueven conjuntamente. Para los proveedores, presenta una estrategia de control estocástico que selecciona la amplitud del rango de liquidez según la rentabilidad del pool, la dinámica de la posición y el riesgo de concentración, además de un enfoque sin modelo que utiliza una red LSTM para varios pools. El documento describe la motivación basada en datos y la derivación de estrategias, pero el texto proporcionado no ofrece resultados numéricos de rendimiento; los resultados dependen de los supuestos del modelo, los datos y la implementación.

Ideas clave

• La tesis estudia el trading y la provisión de liquidez en AMM de producto constante con liquidez concentrada.
• Las estrategias para quienes retiran liquidez utilizan precios de plataformas competidoras y relaciones entre activos para orientar operaciones grandes y el arbitraje estadístico.
• El análisis examina precios, liquidez, costes de trading, relaciones de adelanto y retraso, efectos indirectos y causalidad entre plataformas.
• Un método de control estocástico fija la amplitud del rango de liquidez de un proveedor según la rentabilidad del pool, la dinámica de la posición y el riesgo de concentración.
• Un enfoque LSTM sin modelo estima estrategias de provisión de liquidez en varios pools.

Etiquetas

# 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.

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.