แหล่งที่มา: Coin98Insights

บทนำ

การให้ความสะดวกใน DeFi มักถูกส่งเสริมให้เป็นกลยุทธ์รายได้แบบไม่กระทบ ที่ผู้ใช้ฝากสินทรัพย์ในระบบ Automated Market Makers (AMMs) และได้รับค่าธรรมเนียมการซื้อขาย อย่างไรก็ตาม ภายใต้ผิวน้ำ ผู้ให้ความสะดวก (LPs) ต้องเผชิญกับความไมมีประสิทธิภาพในโครงสร้างที่มีผลกระทบต่อกำไรของพวกเขา

หนึ่งในความไม่เป็นที่สังเกตเห็นมากที่สุดคือการสูญเสียเทียบกับการได้รับการสมดุล (LVR), ค่าที่ซ่อนอยู่ที่เกิดขึ้นเมื่อนักซื้อขายแรบบิต สกัดค่าจาก LPs อย่างต่อเนื่องเนื่องจากความไม่สมดุลของราคา ต่างจากความสูญเสียที่ไม่ถาวร (IL) ซึ่งเปรียบเทียบประสิทธิภาพ LP กับการถือสินทรัพย์โดยตรง Loss versus Rebalancing ให้วิธีการที่แม่นยำมากขึ้นในการวัดต้นทุนที่แท้จริงของการให้ Likelihood ในตลาดอัตโนมัติ สิ่งนี้แสดงถึงว่า LPs ทำงานไม่ดีเท่ากับนักซื้อขายที่สามารถทำการปรับสมดุลตำแหน่งของพวกเขาทันที ยิ่ง AMM ที่อัพเดตราคาช้าลงมาก เท่านั้นนักซื้อขายสามารถสกัดค่าได้มากขึ้น ทำให้ผู้ให้ Likelihood (LPs) อยู่ในสถานการณ์ที่ไม่ได้เปรียบ.

Loss Versus Rebalancing (LVR) คืออะไร?

การสูญเสียเทียบกับการ Rebalancing (LVR) เป็นการวัดการสูญเสียที่เกิดขึ้นโดย LPs ระหว่างการให้สินทรัพย์เหลือทุนเนื่องจากความแตกต่างของราคาระหว่างสินทรัพย์ใน AMM และราคาตลาดภายนอก

แนวคิดนี้ถูกแนะนำครั้งแรกในหนังสือวิจัยปี 2022 โดย Jason Milionis, Tim Roughgarden, Ciamac Moallemi, และ Anthony Lee Zhang

LVR หมายถึงรูปแบบหนึ่งของการอาร์บิเทรจที่เกิดขึ้นเมื่อ AMM มีราคาที่ตกต่ำกว่าราคาตลาดภายนอก นักอาร์บิเทรจใช้ประโยชน์จากความแตกต่างนี้โดยการซื้อขายจาก AMM ไปยังตลาดที่มี Likuid มากกว่า แก้ไขการอาร์บิเทรจและสกัดคุณค่าจาก LPs ในขั้นตอน

การออโตเมตต์มาร์เก็ทเมกเกอร์ถูกออกแบบไว้

Automated Market Makers (AMMs) ทำงานผ่านสมาร์ทคอนแทรค ที่ทำให้เกิดการซื้อขายแบบไม่มีกลาง โดยการจัดการกับสระเงินทุน สระเงินทุนรักษาสมดุลของเหรียญสำรองโดยใช้สูตรคณิตธรรม โดยชนิดที่พบบ่อยที่สุดคือตลาดผลิตภัณฑ์คงที่ที่ได้รับความนิยมจาก Uniswap

ที่มา: Webopedia

โมเดลนี้ขึ้นอยู่กับสมการ;

x * y = k

ที่ไหน;

• x = ปริมาณของ Token A (เช่น SOL) ในรายการสระน้ำ
• y = ปริมาณของโทเค็น B (เช่น เหรียญมีม).
• k = ผลคูณคงที่ หมายถึง สินทรัพย์ทั้งหมดยังคงเท่าเดิม

กลไกนี้ทำให้ราคาของสินทรัพย์ปรับตัวตามปริมาณการเสนอของสองโทเค็น เมื่อผู้ใช้สลับโทเค็นหนึ่งให้กับอีกตัว ยอดคงเหลือของพูลเปลี่ยนทิศทาง ทำให้ราคาเปลี่ยนแปลง โดยเนื่องจาก AMMs ขึ้นอยู่กับนักเทรดเดอร์ในการเริ่มต้นการสลับ ราคาในพูลสมดุลจะอัพเดทเมื่อผู้เข้าตลาดซื้อหรือขายเท่านั้น การขึ้นอยู่กับผู้ค้าแลกเปลี่ยนนี้ทำให้มีพื้นที่สำหรับการเลือกซื้อที่แย่

การคัดเลือกที่เลวร้าย

การเลือกคณะที่ไม่เป็นกำไรเกิดขึ้นเมื่อฝ่ายหนึ่งในการธุรกรรมใช้ประโยชน์จากข้อดีทางข้อมูลให้สิทธิต่ออีกฝ่ายทำให้เกิดความไม่สมดุล ในการเงินด้านแบบเดิม สิ่งนี้เกิดขึ้นเมื่อผู้ซื้อหรือผู้ขายมีความรู้ที่ดีกว่าเกี่ยวกับสินทรัพย์ ทำให้เกิดผลลัพธ์ที่ไม่เอื้ออำนวยต่อฝ่ายที่ไม่มีความรู้มากพอ

ใน DeFi, การเลือกความที่ไม่เป็นที่ดีเกิดขึ้นเมื่อนักซื้อที่มีข้อมูลมีประโยชน์ใช้ประโยชน์จากกองสะสม Likelihood ก่อนที่ AMM จะปรับปรุงราคาของตนเอง โดยเนื่องจาก AMM ไม่ติดตามการเคลื่อนไหวในตลาดภายนอกในเวลาจริง นักซื้อขายความสามารถสามารถสร้างค่าโดยการซื้อขายต่อราคาที่ล้าสมัย ทำให้เกิดความเสียหายต่อผู้ให้สิทธิในการสะสม Likelihood อย่างต่อเนื่อง

ด้านล่างเป็นตัวอย่างง่ายๆ ของวิธีที่ LVR มีผล;

1. บริษัทแลกเปลี่ยนที่มีส่วนรวม (CEX) อัปเดตราคาของ ETH เป็น $2,100 หลังจากมีความต้องการเพิ่มขึ้น
2. AMM ของ DeFi เช่น Uniswap ยังคงกำหนดราคา ETH ที่ $2,000 เนื่องจากยังไม่มีการเทรดเกิดขึ้น
3. Arbitrageurs ซื้อ ETH จาก AMM ที่ราคา $2,000 และขายใน CEX ที่ราคา $2,100 รับกำไร $100 ต่อ ETH
4. เมื่อการอะบิทราจยังคงต่อเนื่อง ราคา AMM ปรับตัวในที่สุด แต่ LPs ได้สูญเสียค่ามูลค่าไปแล้ว ซึ่งทำให้ "ขาย" ETH ในราคาที่ถูกไป

LVR และความสูญเสียชั่วคราว (ความสูญเสียเมื่อเทียบกับการถือครอง)

Source: Delphi Digital

ความสูญเสียชั่วคราว (IL) เกิดขึ้นเมื่อราคาสินทรัพย์ในสระเหรียญเงินสดเปลี่ยนแปลงซึ่งทำให้มูลค่าของสินทรัพย์ที่ล็อคลงมีมูลค่าต่ำกว่าถ้าถือไว้ในกระเป๋าเงิน อย่างไรก็ตาม IL เป็น "ชั่วคราว" เพราะ LPs สามารถกู้คืนขาดทุนได้หากราคาสินทรัพย์กลับสู่ระดับเดิมของตน

ในทวีความต่างกัน Loss Versus Rebalancing (LVR) ยังคงอยู่ แม้ว่าราคาจะกลับมาสู่สถานะเริ่มแรกของตัวเอง นั่นเป็นเพราะว่านักออบอิทราชมีการสกัดคุ้มค่าไปจาก LPs ระหว่างกระบวนการ rebalancing ซึ่งทำให้ LVR เป็นต้นทุนที่เกี่ยวกับการให้สารสนเทศที่มีความสำคัญมากขึ้น

ภาพประกอบ

ด้านล่างเป็นตัวอย่างการคำนวณขั้นตอนต่อขั้นที่แสดงการลดค่ามูลค่า Likelihood Value Reduction (LVR) ในสระ ETH-USDC เมื่อราคาของ ETH เพิ่มขึ้นและกลับมา

ตำแหน่งเริ่มต้น

• เงินฝาก:
• 1 ETH (มูลค่า $1,000)

• 1,000 USDC

• มูลค่ารวม:
  $1,000 (ETH)+$1,000 (USDC)=$2,000

สถานการณ์ 1: ราคา ETH ขึ้นสู่ $2,000

ขั้นตอนที่ 1: การปรับสมดุล LP

• กลไกการสมดุลของ LP:
  เพื่อรักษาการแบ่งปันมูลค่า 50/50 ที่มั่นคง สระว่ายน้ำจะปรับครองทรัพย์สินของมัน (x*y=k)

• ตำแหน่ง LP ที่เกิดขึ้น:

• ประมาณ 0.71 ETH

• ประมาณ 1,414 USDC

• การประเมินที่ 2,000 ดอลลาร์ต่อ ETH:

• มูลค่า ETH: 0.71×2,000 ≈ $1,414
• USDC: $1,414
• มูลค่า LP รวม: $1,414+$1,414 ≈ $2,828

ถ้าคุณถือสินทรัพย์เริ่มต้นของคุณ:

• 1 ETH ที่ $2,000 = $2,000
• 1,000 USDC = $1,000
• มูลค่าที่ถือครองรวม: $3,000
• ความสูญเสียชั่วคราว (IL): $3,000−$2,828 = $172

ขั้นตอนที่ 2: การสกัดประโยชน์จากการล้มเหลวในการสมดุล

• การขายใน LP:
• การปรับน้ำหนักของ LP นี้ทำให้ "ขาย" 0.29 ETH ในอัตราภายในประมาณ $1,427 ต่อ ETH (มูลค่ารวมกว่า $414)
• โอกาสอาร์บิทราจ
• นักซื้อขายและตลาดสอนว่า 0.29 ETH บน LP ในราคาที่ต่ำกว่า จากนั้นขายที่บริษัทซึ่งอยู่ในซีอีเอ็กซ์ ในราคาตลาดที่แท้จริง 2,000 ดอลลาร์ต่อ ETH ได้รับเงินประมาณ 580 ดอลลาร์

ขาดทุนจากฝ่ายขาย:

• LP เก็บเพียงประมาณ $414 เท่านั้นเมื่อเทียบกับ $580 ที่สามารถได้รับจากตลาดเปิด
• ขาดทุน:
  $580−$414=$166

สถานการณ์ 2: ราคา ETH กลับมาที่ $1,000

การปรับสมดุลเพื่อปรับลำดับ LP

• การดำเนินการซื้อคืน:
• เมื่อ ETH ร่วงลงมาที่ $1,000, ผู้ให้ Likelihood ต้อง “ซื้อกลับ” 0.29 ETH เพื่อปรับสมดุล

• ราคาการปรับน้ำหนักภายใน: LP ซื้อกลับ 0.29 ETH ในอัตราที่มีประสิทธิภาพประมาณ $1,427 ต่อ ETH ที่มีค่าใช้จ่ายประมาณ 414 USDC

• โอกาสทางตลาด:

• ในตลาดเปิด 0.29 ETH จะมีราคาประมาณ 290 USDC ในราคาจริง 1,000 ดอลลาร์ต่อ ETH

• ขาดทุนจากการซื้อคืน:
  414 USDC (ค่า LP)−290 USDC (ราคาตลาด) = $124

ค่าสูญเสียทั้งหมดและมูลค่าสุดท้ายของพูล:

• ขาดทุนจากการอวยพจน์ทั้งหมด: $166 (ขาย) + $124 (ซื้อ) = $290
• ค่าสุดท้าย: $2,000 ( 1 ETH + 1,000 USDC)

ความสูญเสียไม่สะท้อนถึงการเปลี่ยนแปลงของมูลค่ารวมของ LP หรือการสูญเสียทุนหลักทรัพย์ถาวรในกระดาษเพราะมันจับมูลค่าโอกาสสำหรับ LPs ใน AMMs ที่มีราคาต่างกัน

สำหรับการเคลื่อนไหวราคาใด ๆ LVR สามารถคำนวณได้โดยใช้สูตร “a(p-q)” โดยที่ a คือ ปริมาณของสินทรัพย์ที่ถูกขาย p คือ ราคาตลาด "จริง" และ q คือ ราคา AMM "เสีย" (หมายเหตุ: "a" เป็นจำนวนบวกเมื่อขายและเป็นจำนวนลบเมื่อซื้อ)

แม้ว่า LVR อาจดูเหมือนเป็นปัญหาที่สำคัญในทฤษฎี แต่มันไม่จำเป็นต้องเป็นโชคร้ายสำหรับผู้ให้สารสนเทศ (LPs) เนื่องจากพวกเขาฝากสินทรัพย์เข้าสู่ AMMs เพื่อรับผลตอบแทน ค่าธรรมเนียมที่สร้างรายได้จากกิจกรรมการซื้อขายสามารถช่วยเบียดเบียนบางส่วนของความสูญเสียจาก LVR แต่ความกำไรโดยรวมขึ้นอยู่กับหลายปัจจัย รวมถึงปริมาณการซื้อขาย โครงสร้างค่าธรรมเนียม และความผันผวนของตลาด ตามรายงานโดย Milionis et al. บ่อยชาว Uniswap จะต้องมีมูลค่ารวมที่หมุนเวียน 10% ของปริมาณรวมทั้งหมดของมันทุกวันสำหรับค่าธรรมเนียม LP 30 ค่าพันธระที่จะครอบคลุมความสูญเสียจาก LVR ทั้งหมด

มาตรการลด LVR

ในขณะที่ไม่มีทางเลือกที่สมบูรณ์แบบ กลยุทธ์หลายรูปแบบสามารถช่วยลดความเสี่ยงที่เกี่ยวข้องกับ LVR และเพิ่มความกำไรของ LP

รูปแบบ Hybrid AMM (Oracle-Integrated & TWAMMs)

AMM ที่ใช้ Oracle-based (เช่น Curve v2) ใช้ on-chain price oracles เพื่อปรับราคา AMM อย่างไดนามิก ลดความล่าช้าที่ arbitrageurs มักใช้ประโยชน์ ที่ Market Makers แบบ Time-weighted average (TWAMMs) ยังทำธุรกรรมขนาดใหญ่เป็นระยะเวลา จำกัดความกำไรจากการ rebalancing โดย arbitrage

ลดเวลาบล็อก

นี่คือวิธีการทฤษฎีที่เพิ่มความถี่ในการซื้อขายโดยลดเวลาบล็อกลง โดยที่นักอาร์บิทราจะซื้อขายมากขึ้นเพื่อสร้างกำไรก่อนค่าธรรมเนียมที่คาดหวังเท่ากัน ด้วยนี้ นักลงทุน LPs สามารถรับค่าธรรมเนียมมากขึ้นเพื่อชดเชยขาดทุนที่เกิดขึ้นจาก LVR

การประมูลเป็นชุด

การประมูลแบบแบทช์ประมวลผลคําสั่งซื้อหลายรายการพร้อมกันภายในช่วงเวลาที่กําหนด การซื้อขายทั้งหมดในแบทช์ชําระในราคาเดียวกันขจัดโอกาสการเก็งกําไรและลดการอัปเดตราคาบ่อยครั้ง วิธีนี้ช่วยลดต้นทุนการปรับสมดุลสําหรับ LPs โปรโตคอลเช่น CoW Protocol และ Gnosis Auction ได้ใช้วิธีนี้

โครงสร้างค่าธรรมเนียมเคลื่อนไหว

AMMs สามารถนำระบบค่าธรรมเนียมแบบไดนามิกที่เพิ่มค่าธรรมเนียมในช่วงเวลาที่มีความผันผวนสูง ซึ่งจะลงโทษการซื้อขายอาร์บิเทรจที่ขึ้นอยู่กับการดำเนินการอย่างรวดเร็ว ในขณะที่ลดค่าธรรมเนียมสำหรับการซื้อขายที่สามารถรอระหว่างบล็อกหลายๆ รอบ (เช่น การซื้อขายที่ไม่มีข้อมูล)

AMM ที่สูบฉันท์สูงสุด (FM-AMM) - ทางเลือกสำหรับ CF-AMM

Function-Maximizing Automated Market Maker (FM-AMM) เป็นรูปแบบของ AMM ที่เน้นฟังก์ชันการสูงสุด ซึ่งอยู่ในโมเดล AMM ที่แก้ปัญหาหลักที่พบใน Automated Market Makers (AMMs) แบบดั้งเดิมโดยเฉพาะอย่างยิ่งในกรณีที่ใช้โมเดล Constant Function Market Maker (CFMM) เช่น Uniswap AMMs แบบดั้งเดิม เช่น ตัวอย่างของการใช้โมเดล CFMM ใช้สูตรผลคูณคงที่ ที่ผลคูณของปริมาณของสองโทเค็นยังคงเป็นคงที่

การออกแบบนี้มีท้ายที่สำคัญสองประการ:

กำไรจากการอาร์บิทราจ (LVR)

ความแตกต่างของราคาระหว่าง AMMs และตลาดภายนอกสร้างโอกาสให้กับผู้ทำการอาร์บิทราจะได้กำไรที่ต่อเนื่องจากผู้ให้สินทรัพย์หมุนเวียน (LPs) เมื่อราคาตลาดภายนอกเปลี่ยนแปลง ผู้ทำการอาร์บิทราจะสามารถใช้โอกาสที่เจาะจงนี้ ทำให้เกิดความเสียหายสำหรับ LPs

การโจมตีแซนด์วิช

ผู้กระทำที่ไม่ดีสามารถควบคุมการเรียงลำดับการทำธุรกรรมโดยการวางธุรกรรมของพวกเขาก่อนและหลังจากทำธุรกรรมเป้าหมาย เพื่อผลกำไรจากการเปลี่ยนแปลงราคาที่เกิดขึ้น สิ่งนี้ไม่เพียงเสียหายต่อนักซื้อที่เป็นเป้าหมายเท่านั้น แต่ยังทำลายความน่าเชื่อถือของสภาพแวดล้อมการซื้อขาย

ประโยชน์ของ FM-AMMs

FM-AMMs ใช้การประมวลผลการซื้อขายในช่วงเวลาที่ diskreet โดยใช้การประมวลผลที่บ่งบอกในบรรทัดเวลา ต่างจาก AMMs แบบดั้งเดิมที่ดำเนินการซื้อขายอย่างต่อเนื่อง กลไกการซื้อขาย batch นี้ทำให้มั่นใจว่าธุรกรรมทั้งหมดภายใน batch นั้นจะลบในราคาเดียวกัน ทำให้การสั่งซื้อธุรกรรมไม่มีข้อดี

ตัด LVR

โดยการดำเนินการซื้อขายทั้งหมดในชุดในราคาล้างเดียวกัน FM-AMMs ป้องกันนักลงทุนอาร์บิทราจจากการใช้ราคาต่างกันระหว่าง AMM และตลาดภายนอก

ป้องกันการโจมตีแซนด์วิช

การกำหนดราคาเอกลักษณ์ภายในแต่ละชุดหมายความว่าราคาถูกกำหนดโดยรวมสำหรับการเทรดทั้งหมด ไม่มีที่สำหรับผู้โจมตีในการจัดการลำดับธุรกรรมแต่ละรายการ

เพิ่มผลตอบแทน LP

โดยการลดความเสียหายที่เกี่ยวข้องกับการอาร์บิเทรทและฟร้อนท์รันนิ่ง FM-AMMs สามารถให้ผลตอบแทนที่ดีกว่าแก่ผู้ใส่ liquidity เมื่อเปรียบเทียบกับ AMMs แบบดั้งเดิม การวิเคราะห์ตามประสบการณ์ได้แสดงให้เห็นว่าสำหรับคู่ token ต่าง ๆ FM-AMMs มีการให้ผลตอบแทนที่เท่ากับหรือมากกว่าที่มองเห็นในแพลตฟอร์มเช่น Uniswap v3

สรุป

LVR แทนค่าสกัดสกัดสูงสุดที่สามารถสกัดสกัดได้โดยต้นทุนที่ให้การเงินใน AMM ข้อบกพร่องนี้ขึ้นอยู่กับความไม่เอฟฟีเซียนของ AMM เพื่อแก้ไขปัญหาเหล่านี้ มีการออกแบบต่าง ๆ ที่รวมถึง AMM ที่รวมออราเคิลและโครงสร้างค่าธรรมเนียมแบบไดนามิก ถูกนำมาใช้ ขณะที่การแก้ไขเหล่านี้ช่วยเพิ่มประสิทธิภาพของตลาดและลดการสูญเสียที่มาจากความสามารถในการสกัดสกัด แต่มันไม่สามารถกำจัด LVR ได้ทั้งหมด FM-AMMs ใช้การประมูลแบบเชุกเชื่อมทุกรุ่นเพื่อลดการแซงซ้อนและโอกาสในการสกัดสกัด

และในขณะที่การออกแบบ AMM ยังคงเร่งรัด ผู้ให้สินทรัพย์จะต้องนำ Gate.io ผ่านอุปสรรค์โครงสิราลัยเหล่านี้โดยมีความเข้าใจชัดเจนเกี่ยวกับการตัดสินใจที่เกี่ยวข้อง อนาคตของ AMM น่าจะขึ้นอยู่กับการสมดุลของประสิทธิภาพทางเงินทุน การค้นพบราคา และสิทธิส่วนแรงจากทั้ง LPs และ arbitrageurs