Mesurer les rendements des apporteurs de liquidité actifs et passifs sur Uniswap

Résumé

L’étude examine les différences de rendement entre les apporteurs de liquidité qui repositionnent leur capital et ceux qui le laissent en place. Elle propose deux méthodes pour estimer la performance passive : l’une repère de brèves positions de liquidité et sépare leur contribution des résultats des swaps, tandis que l’autre modélise un apporteur marginal qui reste continuellement dans la plage de prix active. Ces estimations sont comparées aux résultats des pools dans leur ensemble, selon les versions d’Uniswap et plusieurs réseaux blockchain.

Les résultats indiquent que les moyennes des pools peuvent masquer des différences importantes quant à ceux qui supportent la sélection adverse des transactions. Dans les pools où la liquidité est largement répartie, les estimations passives sont proches de la performance globale. Les pools à liquidité concentrée présentent un déficit plus marqué pour les apporteurs passifs, particulièrement sur Ethereum ; les auteurs suggèrent que des réactions plus rapides au flux de trading peuvent aider les apporteurs actifs. Les pools aux frais plus élevés sont généralement plus favorables à la liquidité passive. Les deux méthodes d’estimation concordent le plus souvent sur la direction du résultat, ce qui étaye cette tendance. L’analyse se limite aux protocoles, pools et chaînes examinés, et les associations rapportées n’établissent pas la cause des écarts. Les résultats incitent également à examiner de plus près la conception des frais et la mesure de la qualité des plateformes d’échange décentralisées.

Idées clés

• Les rendements à l’échelle d’un pool peuvent masquer les différences entre apporteurs de liquidité actifs et passifs.
• Deux approches complémentaires de markout estiment la performance passive à partir des données de trading et de prix.
• Dans les pools où la liquidité est largement répartie, les résultats passifs sont similaires aux résultats agrégés.
• Les pools à liquidité concentrée présentent une sous-performance passive, avec un écart plus important sur Ethereum.
• Les pools aux frais plus élevés tendent à offrir de meilleurs résultats aux apporteurs passifs.
• La comparaison des méthodes étaye la direction des résultats, mais ceux-ci restent propres aux contextes étudiés.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.