Trading e provisão de liquidez em AMMs de liquidez concentrada

Resumo

A tese desenvolve modelos e estratégias para formadores de mercado automatizados de produto constante com liquidez concentrada. Abrange tanto tomadores de liquidez, incluindo ordens grandes e arbitragem estatística, quanto provedores de liquidez que gerenciam posições em um ou vários pools. Dados de mercado motivam a modelagem, incluindo dados da Uniswap v3 e análises de preços, liquidez, custos de trading, co movimento, efeitos de defasagem, efeitos de transbordamento e causalidade entre plataformas.

Para tomadores de liquidez, o trabalho deriva estratégias que usam preços em plataformas concorrentes como sinais e negociam cestas de criptomoedas com movimentos conjuntos. Para provedores, apresenta uma estratégia de controle estocástico que escolhe a largura da faixa de liquidez com base na rentabilidade do pool, na dinâmica da posição e no risco de concentração, além de uma abordagem sem modelo baseada em uma rede LSTM para vários pools. O documento descreve motivações baseadas em dados e derivações de estratégias, mas não fornece resultados numéricos de desempenho no texto apresentado; os resultados dependem das premissas do modelo, dos dados e da implementação.

Ideias principais

• A tese estuda trading e provisão de liquidez em AMMs de produto constante com liquidez concentrada.
• Estratégias para tomadores de liquidez usam preços de plataformas concorrentes e relações entre ativos para orientar operações grandes e arbitragem estatística.
• A análise examina preços nas plataformas, liquidez, custos de trading, relações de defasagem, efeitos de transbordamento e causalidade.
• Um método de controle estocástico define a largura da faixa de liquidez de um provedor usando a rentabilidade do pool, a dinâmica da posição e o risco de concentração.
• Uma abordagem LSTM sem modelo estima estratégias de provisão de liquidez em vários pools.

Tags

# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.