DeFi 中的再平衡損失
Loss versus Rebalancing（LVR，再平衡損失）描述了流動性提供者（LP）因將代幣鎖定用於做市而遭受的損失，相較於通過主動再平衡頭寸的套利者所實現的收益。
來源： Coin98Insights
引言
DeFi 中的流動性提供常被宣傳爲一種被動收入策略，用戶將資產存入自動做市商（AMMs）並通過賺取交易費用獲利。然而，在表面之下，流動性提供者（LP）面臨一些結構性低效問題，這些問題影響了他們的實際盈利能力。
其中最被忽視的低效之一就是 再平衡損失（Loss Versus Rebalancing，LVR），這是一種隱藏成本，在市場價格存在差異時，套利交易者通過持續從 LP 身上提取價值而產生的損失。與只比較 LP 表現和持幣收益的“無常損失（Impermanent Loss, IL）”不同，LVR 提供了一種更準確衡量在 AMM 中提供流動性實際成本的方式。它展示了 LP 相對於能夠實時再平衡頭寸的交易者的劣勢。AMM 的價格更新越慢，套利者就能提取越多的價值，使 LP 更加處於不利地位。
什麼是 Loss Versus Rebalancing（LVR）？
再平衡損失（LVR） 是指 LP 在提供流動性期間，由於 AMM 中的資產價格與外部市場價格之間的差異而遭受的損失。
該概念最早由 Jason Milionis、Tim Roughgarden、Ciamac Moallemi 和 Anthony Lee Zhang 於 2022 年在一篇研究論文中提出。
LVR 表示一種套利形式，只要 AMM 中的價格落後於外部市場價格，套利者就可以通過從 AMM 中交易至更具流動性的交易所來利用該差價。在這個過程中，套利者從 LP 手中提取價值並修復價格差。
自動做市商（AMM）是如何設計的？
自動做市商（AMMs）通過智能合約運行，允許去中心化交易，並通過管理流動性池實現運作。流動性池基於數學公式維持代幣儲備的平衡，其中最常見的形式是由 Uniswap 推廣的常乘積做市模型（constant product market maker）。
來源：Webopedia
該模型基於以下公式：
x * y = k
其中：
- x = 流動性池中代幣 A 的數量（例如 SOL）
- y = 流動性池中代幣 B 的數量（例如某種 meme 幣）
- k = 常數乘積，意味着總流動性保持不變
這個機制確保了資產價格會根據兩種代幣的相對供應進行調整。當用戶用一種代幣兌換另一種代幣時，流動性池的餘額發生變化，從而改變價格。由於 AMM 依賴交易者發起兌換操作，流動性池中的價格只有在市場參與者買賣時才會更新。這種對套利者的依賴，爲逆向選擇（Adverse Selection）留出了空間。
逆向選擇（Adverse Selection）
逆向選擇是指交易中的一方利用信息優勢，使另一方處於不利地位，從而造成不平衡。在傳統金融中，這種情況發生在買方或賣方對某項資產擁有更多信息時，導致信息較少的一方遭受不利結果。
在 DeFi 中，逆向選擇發生在有信息優勢的交易者在 AMM 更新價格前就利用了流動性池的價格差。由於 AMM 並不會實時追蹤外部市場的價格變化，套利者就可以通過交易落後的價格來提取價值，導致 LP 持續承受損失。
以下是 LVR 如何運作的一個簡單例子：
- 中心化交易所（CEX）因需求激增將 ETH 的價格更新爲 2100 美元。
- 一個 DeFi AMM（如 Uniswap）仍然將 ETH 的價格標爲 2000 美元，因爲還沒有新的交易發生。
- 套利者從 AMM 以 2000 美元購買 ETH，並在 CEX 以 2100 美元賣出，每枚 ETH 獲利 100 美元。
- 隨着套利交易繼續進行，AMM 中的價格最終會調整上來，但 LP 已經失去了價值——等於“低價賣出了”ETH。
LVR 與無常損失（IL）——即“持有對比損失”
無常損失（Impermanent Loss，IL）發生在流動性池中資產的相對價格發生變化時，導致鎖倉資產的總價值低於如果它們只是被存放在錢包中的價值。然而，IL 之所以被稱爲“無常的”，是因爲如果資產價格恢復到初始水平，LP 有可能收回這部分損失。
相比之下，再平衡損失（LVR）即使在價格回到初始水平後也會持續存在。這是因爲在價格回歸的過程中，套利者已經從 LP 手中提取了價值，使 LVR 成爲流動性提供中更爲根本性的成本。
示例
下面是一個逐步計算的例子，說明當 ETH 價格漲又回落時，ETH-USDC 流動性池中產生的流動性價值減少（LVR）：
初始持倉
存入資產：
- 1 ETH（當時價值爲 1000 美元）
- 1000 USDC \
總價值：
1000 美元（ETH）+ 1000 美元（USDC）= 2000 美元
情景一：ETH 價格漲至 $2,000
第一步：流動性提供者（LP）再平衡
再平衡機制：
爲了維持 50/50 的資產價值分配，資金池會根據公式（x*y=k）自動調整持倉比例。調整後的 LP 持倉：
- 約 0.71 枚 ETH
約 1,414 USDC
按 $2,000 的 ETH 價格計算估值：
- ETH 價值：0.71 × 2,000 ≈ $1,414
- USDC：$1,414
- 總 LP 價值：$1,414 + $1,414 ≈ $2,828
如果你持有初始資產不參與流動性挖礦：
- 1 ETH（現價 $2,000）= $2,000
- 1,000 USDC = $1,000
- 總持有價值：$3,000
- 無常損失（Impermanent Loss，IL）：$3,000 − $2,828 = $172
第二步：再平衡過程中的套利提取
- LP 的賣出行爲：
- 再平衡過程中，LP 相當於以約 $1,427 的內部價格“賣出”了 0.29 枚 ETH，換得約 $414。
- 套利機會：
- 套利者可以以 $1,427 的價格從 LP 買入 0.29 ETH，並以市場價格 $2,000 賣出，獲得約 $580
賣出端的淨損失：
- LP 實際只獲得了 $414，而不是市場上的 $580，
- 損失爲：$580 − $414 = $166
情景二：ETH 價格回落至 $1,000
LP 再次再平衡
- 回購行爲：
- ETH 價格回落至 $1,000 時，LP 需要回購之前賣出的 0.29 枚 ETH 來恢復平衡。
內部再平衡價格：LP 以約 $1,427 的價格回購 0.29 枚 ETH，總成本約 414 USDC。
市場參考價下的成本：
在市場上，0.29 枚 ETH 僅需花費 290 USDC。
回購端的淨損失：414 USDC（LP 實際支出）− 290 USDC（市場成本） = $124
總損失與最終資金池價值
- 總套利損失：$166（賣出端） + $124（回購端） = $290
- 最終價值：1 ETH + 1,000 USDC = $2,000
這個損失並非帳面上的資本損失，而是 LP 因爲 AMM 定價滯後被套利者利用而失去的機會成本。
對於任何一次價格波動，LVR（流動性價值減少）可以用公式 a(p−q) 計算，其中 a 是被出售資產的數量，p 是“真實”的市場價格，q 是 AMM 中“過時”的價格（注意：當賣出時 a 爲正數，買入時爲負數）。
盡管在理論上 LVR 看起來是一個嚴重問題，但它並不意味着流動性提供者（LP）一定會虧損。LP 將資產存入 AMM 是爲了獲得交易活動帶來的手續費收入，這些手續費可以在一定程度上抵消 LVR 帶來的損失。然而，整體的盈利能力還取決於多個因素，包括交易量、手續費結構和市場波動性等。根據 Milionis 等人的報告，一個 Uniswap 流動性池每天需要完成相當於其總流動性 10% 的交易量，才能讓每筆 0.3% 手續費的收入完全覆蓋因 LVR 導致的損失。
降低 LVR 的方法
盡管沒有完美的解決方案，但有幾種策略可以幫助減少與 LVR（流動性價值減少）相關的損失，並提升流動性提供者（LP）的盈利能力。
混合型 AMM 模型（集成預言機與 TWAMM）：
基於預言機的 AMM（如 Curve v2）使用鏈上價格預言機動態調整 AMM 報價，減少套利者通常利用的價格延遲。時間加權平均做市商（TWAMM）則通過時間分段逐步執行大額交易，限制由套利驅動的再平衡行爲的獲利空間。
減少區塊時間：
這是一種理論策略，通過縮短區塊生成時間提升交易頻率，迫使套利者必須頻繁交易以維持相同的預期收益率。借此 LP 可以獲得更多手續費，來抵消因 LVR 帶來的損失。
批量拍賣機制：
批量拍賣在固定時間間隔內同時處理多個訂單。每批次內的所有交易以統一價格結算，消除套利空間，同時減少頻繁的價格更新。這種方式降低了 LP 的再平衡成本。像 CoW Protocol 和 Gnosis Auction 等協議已採用此方法。
動態手續費結構：
AMM 可引入動態費率模型，在市場波動劇烈時提高手續費，懲罰依賴快速執行的套利交易；同時對願意等待多個區塊執行的“非信息型”交易提供較低費率。
函數最大化自動化做市商（FM-AMM）——對傳統 CF-AMM 的替代方案
函數最大化自動化做市商（FM-AMM）是一種 AMM 模型，旨在解決傳統基於恆定函數做市商（CFMM）模型（如 Uniswap）存在的核心問題。傳統 AMM 使用恆定乘積公式，即兩種代幣數量的乘積保持不變。
這種設計存在兩個主要問題：
套利利潤（LVR）：
AMM 與外部市場之間的價格差異爲套利者提供了獲利機會，而這些利潤是以 LP 的損失爲代價的。當市場價格變動時，套利者可以利用 AMM 的滯後價格執行低買高賣，造成 LP 損失。
三明治攻擊：
惡意交易者可以通過控制交易排序，在目標交易前後插入自己的交易，利用價格變動獲利。這不僅傷害了被攻擊者，也破壞了交易市場的公平性與透明度。
FM-AMM 的優勢：
FM-AMM 採用高頻批量拍賣的方式，在離散的時間間隔中處理交易，而非逐筆連續執行。相較於傳統 AMM，這種批量交易機制確保所有交易在同一批次內以統一價格結算，從而消除交易排序帶來的優勢。
消除 LVR：
通過以同一清算價格批量執行所有交易，FM-AMM 有效防止了套利者利用 AMM 與外部市場之間的價格差。
防止三明治攻擊
每個批次內的統一價格意味着所有交易的價格是集體確定的，使攻擊者無法通過操控單筆交易的順序來獲利。
提升流動性提供者（LP）收益
通過減少與套利和搶跑（front-running）相關的損失，FM-AMM 相較於傳統 AMM 能爲 LP 提供更佳的回報。實證分析顯示，對於多種代幣交易對，FM-AMM 所帶來的收益等於或高於如 Uniswap v3 等平台的表現。
結論
LVR（流動性價值損失）代表了套利者從 AMM 中可提取的最大價值，而這是以 LP 提供流動性的成本爲代價的。這種缺陷源於 AMM 結構上的低效率。爲了應對這些結構性問題，不同的設計方案被提出，包括整合預言機的 AMM 模型以及動態手續費結構。雖然這些方法在提升市場效率和減少套利驅動的損失方面取得了進展，但仍無法完全消除 LVR。
FM-AMM 則通過高頻批量拍賣來最大程度減少搶跑和套利的機會。盡管 AMM 的設計仍在持續演進之中，流動性提供者必須清楚地理解其中的取舍，才能在這些結構性挑戰中做出最佳決策。未來的 AMM 發展，可能將取決於如何在資本效率、價格發現機制，以及 LP 和套利者之間的激勵機制間達成平衡。
Artigos relacionados
DeFi 中的再平衡損失
引言
什麼是 Loss Versus Rebalancing（LVR）？
LVR 與無常損失（IL）——即“持有對比損失”
降低 LVR 的方法
函數最大化自動化做市商（FM-AMM）——對傳統 CF-AMM 的替代方案
結論
來源： Coin98Insights
引言
DeFi 中的流動性提供常被宣傳爲一種被動收入策略，用戶將資產存入自動做市商（AMMs）並通過賺取交易費用獲利。然而，在表面之下，流動性提供者（LP）面臨一些結構性低效問題，這些問題影響了他們的實際盈利能力。
其中最被忽視的低效之一就是 再平衡損失（Loss Versus Rebalancing，LVR），這是一種隱藏成本，在市場價格存在差異時，套利交易者通過持續從 LP 身上提取價值而產生的損失。與只比較 LP 表現和持幣收益的“無常損失（Impermanent Loss, IL）”不同，LVR 提供了一種更準確衡量在 AMM 中提供流動性實際成本的方式。它展示了 LP 相對於能夠實時再平衡頭寸的交易者的劣勢。AMM 的價格更新越慢，套利者就能提取越多的價值，使 LP 更加處於不利地位。
什麼是 Loss Versus Rebalancing（LVR）？
再平衡損失（LVR） 是指 LP 在提供流動性期間，由於 AMM 中的資產價格與外部市場價格之間的差異而遭受的損失。
該概念最早由 Jason Milionis、Tim Roughgarden、Ciamac Moallemi 和 Anthony Lee Zhang 於 2022 年在一篇研究論文中提出。
LVR 表示一種套利形式，只要 AMM 中的價格落後於外部市場價格，套利者就可以通過從 AMM 中交易至更具流動性的交易所來利用該差價。在這個過程中，套利者從 LP 手中提取價值並修復價格差。
自動做市商（AMM）是如何設計的？
自動做市商（AMMs）通過智能合約運行，允許去中心化交易，並通過管理流動性池實現運作。流動性池基於數學公式維持代幣儲備的平衡，其中最常見的形式是由 Uniswap 推廣的常乘積做市模型（constant product market maker）。
來源：Webopedia
該模型基於以下公式：
x * y = k
其中：
- x = 流動性池中代幣 A 的數量（例如 SOL）
- y = 流動性池中代幣 B 的數量（例如某種 meme 幣）
- k = 常數乘積，意味着總流動性保持不變
這個機制確保了資產價格會根據兩種代幣的相對供應進行調整。當用戶用一種代幣兌換另一種代幣時，流動性池的餘額發生變化，從而改變價格。由於 AMM 依賴交易者發起兌換操作，流動性池中的價格只有在市場參與者買賣時才會更新。這種對套利者的依賴，爲逆向選擇（Adverse Selection）留出了空間。
逆向選擇（Adverse Selection）
逆向選擇是指交易中的一方利用信息優勢，使另一方處於不利地位，從而造成不平衡。在傳統金融中，這種情況發生在買方或賣方對某項資產擁有更多信息時，導致信息較少的一方遭受不利結果。
在 DeFi 中，逆向選擇發生在有信息優勢的交易者在 AMM 更新價格前就利用了流動性池的價格差。由於 AMM 並不會實時追蹤外部市場的價格變化，套利者就可以通過交易落後的價格來提取價值，導致 LP 持續承受損失。
以下是 LVR 如何運作的一個簡單例子：
- 中心化交易所（CEX）因需求激增將 ETH 的價格更新爲 2100 美元。
- 一個 DeFi AMM（如 Uniswap）仍然將 ETH 的價格標爲 2000 美元，因爲還沒有新的交易發生。
- 套利者從 AMM 以 2000 美元購買 ETH，並在 CEX 以 2100 美元賣出，每枚 ETH 獲利 100 美元。
- 隨着套利交易繼續進行，AMM 中的價格最終會調整上來，但 LP 已經失去了價值——等於“低價賣出了”ETH。
LVR 與無常損失（IL）——即“持有對比損失”
無常損失（Impermanent Loss，IL）發生在流動性池中資產的相對價格發生變化時，導致鎖倉資產的總價值低於如果它們只是被存放在錢包中的價值。然而，IL 之所以被稱爲“無常的”，是因爲如果資產價格恢復到初始水平，LP 有可能收回這部分損失。
相比之下，再平衡損失（LVR）即使在價格回到初始水平後也會持續存在。這是因爲在價格回歸的過程中，套利者已經從 LP 手中提取了價值，使 LVR 成爲流動性提供中更爲根本性的成本。
示例
下面是一個逐步計算的例子，說明當 ETH 價格漲又回落時，ETH-USDC 流動性池中產生的流動性價值減少（LVR）：
初始持倉
存入資產：
- 1 ETH（當時價值爲 1000 美元）
- 1000 USDC \
總價值：
1000 美元（ETH）+ 1000 美元（USDC）= 2000 美元
情景一：ETH 價格漲至 $2,000
第一步：流動性提供者（LP）再平衡
再平衡機制：
爲了維持 50/50 的資產價值分配，資金池會根據公式（x*y=k）自動調整持倉比例。調整後的 LP 持倉：
- 約 0.71 枚 ETH
約 1,414 USDC
按 $2,000 的 ETH 價格計算估值：
- ETH 價值：0.71 × 2,000 ≈ $1,414
- USDC：$1,414
- 總 LP 價值：$1,414 + $1,414 ≈ $2,828
如果你持有初始資產不參與流動性挖礦：
- 1 ETH（現價 $2,000）= $2,000
- 1,000 USDC = $1,000
- 總持有價值：$3,000
- 無常損失（Impermanent Loss，IL）：$3,000 − $2,828 = $172
第二步：再平衡過程中的套利提取
- LP 的賣出行爲：
- 再平衡過程中，LP 相當於以約 $1,427 的內部價格“賣出”了 0.29 枚 ETH，換得約 $414。
- 套利機會：
- 套利者可以以 $1,427 的價格從 LP 買入 0.29 ETH，並以市場價格 $2,000 賣出，獲得約 $580
賣出端的淨損失：
- LP 實際只獲得了 $414，而不是市場上的 $580，
- 損失爲：$580 − $414 = $166
情景二：ETH 價格回落至 $1,000
LP 再次再平衡
- 回購行爲：
- ETH 價格回落至 $1,000 時，LP 需要回購之前賣出的 0.29 枚 ETH 來恢復平衡。
內部再平衡價格：LP 以約 $1,427 的價格回購 0.29 枚 ETH，總成本約 414 USDC。
市場參考價下的成本：
在市場上，0.29 枚 ETH 僅需花費 290 USDC。
回購端的淨損失：414 USDC（LP 實際支出）− 290 USDC（市場成本） = $124
總損失與最終資金池價值
- 總套利損失：$166（賣出端） + $124（回購端） = $290
- 最終價值：1 ETH + 1,000 USDC = $2,000
這個損失並非帳面上的資本損失，而是 LP 因爲 AMM 定價滯後被套利者利用而失去的機會成本。
對於任何一次價格波動，LVR（流動性價值減少）可以用公式 a(p−q) 計算，其中 a 是被出售資產的數量，p 是“真實”的市場價格，q 是 AMM 中“過時”的價格（注意：當賣出時 a 爲正數，買入時爲負數）。
盡管在理論上 LVR 看起來是一個嚴重問題，但它並不意味着流動性提供者（LP）一定會虧損。LP 將資產存入 AMM 是爲了獲得交易活動帶來的手續費收入，這些手續費可以在一定程度上抵消 LVR 帶來的損失。然而，整體的盈利能力還取決於多個因素，包括交易量、手續費結構和市場波動性等。根據 Milionis 等人的報告，一個 Uniswap 流動性池每天需要完成相當於其總流動性 10% 的交易量，才能讓每筆 0.3% 手續費的收入完全覆蓋因 LVR 導致的損失。
降低 LVR 的方法
盡管沒有完美的解決方案，但有幾種策略可以幫助減少與 LVR（流動性價值減少）相關的損失，並提升流動性提供者（LP）的盈利能力。
混合型 AMM 模型（集成預言機與 TWAMM）：
基於預言機的 AMM（如 Curve v2）使用鏈上價格預言機動態調整 AMM 報價，減少套利者通常利用的價格延遲。時間加權平均做市商（TWAMM）則通過時間分段逐步執行大額交易，限制由套利驅動的再平衡行爲的獲利空間。
減少區塊時間：
這是一種理論策略，通過縮短區塊生成時間提升交易頻率，迫使套利者必須頻繁交易以維持相同的預期收益率。借此 LP 可以獲得更多手續費，來抵消因 LVR 帶來的損失。
批量拍賣機制：
批量拍賣在固定時間間隔內同時處理多個訂單。每批次內的所有交易以統一價格結算，消除套利空間，同時減少頻繁的價格更新。這種方式降低了 LP 的再平衡成本。像 CoW Protocol 和 Gnosis Auction 等協議已採用此方法。
動態手續費結構：
AMM 可引入動態費率模型，在市場波動劇烈時提高手續費，懲罰依賴快速執行的套利交易；同時對願意等待多個區塊執行的“非信息型”交易提供較低費率。
函數最大化自動化做市商（FM-AMM）——對傳統 CF-AMM 的替代方案
函數最大化自動化做市商（FM-AMM）是一種 AMM 模型，旨在解決傳統基於恆定函數做市商（CFMM）模型（如 Uniswap）存在的核心問題。傳統 AMM 使用恆定乘積公式，即兩種代幣數量的乘積保持不變。
這種設計存在兩個主要問題：
套利利潤（LVR）：
AMM 與外部市場之間的價格差異爲套利者提供了獲利機會，而這些利潤是以 LP 的損失爲代價的。當市場價格變動時，套利者可以利用 AMM 的滯後價格執行低買高賣，造成 LP 損失。
三明治攻擊：
惡意交易者可以通過控制交易排序，在目標交易前後插入自己的交易，利用價格變動獲利。這不僅傷害了被攻擊者，也破壞了交易市場的公平性與透明度。
FM-AMM 的優勢：
FM-AMM 採用高頻批量拍賣的方式，在離散的時間間隔中處理交易，而非逐筆連續執行。相較於傳統 AMM，這種批量交易機制確保所有交易在同一批次內以統一價格結算，從而消除交易排序帶來的優勢。
消除 LVR：
通過以同一清算價格批量執行所有交易，FM-AMM 有效防止了套利者利用 AMM 與外部市場之間的價格差。
防止三明治攻擊
每個批次內的統一價格意味着所有交易的價格是集體確定的，使攻擊者無法通過操控單筆交易的順序來獲利。
提升流動性提供者（LP）收益
通過減少與套利和搶跑（front-running）相關的損失，FM-AMM 相較於傳統 AMM 能爲 LP 提供更佳的回報。實證分析顯示，對於多種代幣交易對，FM-AMM 所帶來的收益等於或高於如 Uniswap v3 等平台的表現。
結論
LVR（流動性價值損失）代表了套利者從 AMM 中可提取的最大價值，而這是以 LP 提供流動性的成本爲代價的。這種缺陷源於 AMM 結構上的低效率。爲了應對這些結構性問題，不同的設計方案被提出，包括整合預言機的 AMM 模型以及動態手續費結構。雖然這些方法在提升市場效率和減少套利驅動的損失方面取得了進展，但仍無法完全消除 LVR。
FM-AMM 則通過高頻批量拍賣來最大程度減少搶跑和套利的機會。盡管 AMM 的設計仍在持續演進之中，流動性提供者必須清楚地理解其中的取舍，才能在這些結構性挑戰中做出最佳決策。未來的 AMM 發展，可能將取決於如何在資本效率、價格發現機制，以及 LP 和套利者之間的激勵機制間達成平衡。
Artigos relacionados