본문으로 건너뛰기
라이브러리 문서 전체

집중 유동성 AMM의 트레이딩과 유동성 공급

기사 arXiv papers · 저자: Marcello Monga
원문 읽기

요약

이 논문은 집중 유동성을 갖춘 일정 곱 자동화 마켓 메이커의 모형과 전략을 개발합니다. 대량 주문과 통계적 차익거래를 포함한 유동성 수취자와 하나 이상의 풀에서 포지션을 관리하는 유동성 공급자를 모두 다룹니다. Uniswap v3 데이터 등을 바탕으로 가격, 유동성, 거래 비용, 공동 움직임, 선행·지연 효과, 거래소 간 파급 효과와 인과성을 분석합니다.

유동성 수취자에 대해서는 경쟁 거래소의 가격을 신호로 사용하고 함께 움직이는 암호화폐 바스켓을 거래하는 전략을 도출합니다. 공급자에 대해서는 풀 수익성, 포지션 동학, 집중 위험을 바탕으로 유동성 범위의 폭을 정하는 확률적 제어 전략과, 여러 풀에 적용하는 LSTM 네트워크 기반 비모형 접근법을 제시합니다. 제공된 글은 데이터에 근거한 동기와 전략 도출을 설명하지만 수치 성과 결과는 제시하지 않습니다. 결과는 모형 가정과 데이터, 구현에 따라 달라집니다.

핵심 아이디어

  • 집중 유동성을 갖춘 일정 곱 AMM의 트레이딩과 유동성 공급을 연구합니다.
  • 유동성 수취 전략은 대량 거래와 통계적 차익거래를 위해 경쟁 거래소 가격과 자산 간 관계를 활용합니다.
  • 거래소별 가격, 유동성, 거래 비용, 선행·지연 관계, 파급 효과와 인과성을 분석합니다.
  • 확률적 제어 방법으로 풀 수익성, 포지션 동학, 집중 위험을 반영해 공급자의 유동성 범위 폭을 정합니다.
  • 비모형 LSTM 접근법으로 여러 풀의 유동성 공급 전략을 추정합니다.

태그

가상자산탈중앙화 금융(DeFi)차익 거래시장 미시구조머신러닝
전문
# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.