ZeroSwap: Data-driven Optimal Market Making in DeFi

要約

自動マーケットメーカー (AMM) は、分散型金融における流動性の供給と需要をマッチングする主要な中心です。
彼らの機能は主に、資産を流動性プールに投資するよう奨励される流動性プロバイダー (LP) の存在に依存しています。
ただし、プールされた資産が取引される価格は、集中型で流動性の高い取引所の価格よりも古いことがよくあります。
これにより、LP は裁定取引で損失を被ることになります。
この問題は、Glosten と Milgrom の古典的な市場微細構造モデルを介して取得されたトレーダーの行動に市場価格を適応させることで解決されます。
この論文では、資産の外部価格を最適に追跡するための、最初の最適ベイズアルゴリズムと最初のモデルフリーのデータ駆動型アルゴリズムを提案します。
私たちが使用する最適性の概念は、マーケットメーカーの価格にゼロ利益条件を強制するため、ZeroSwap という名前が付けられています。
これにより、マーケットメーカーは情報を持ったトレーダーの損失とノイズトレーダーの利益のバランスをとることができます。
私たちのアプローチの重要な特性は、価格オラクルや損失オラクルを必要とせずに外部市場価格を推定できることです。
これら両方のアルゴリズムのパフォーマンスに関する理論的な保証、つまり推奨価格の安定性と収束性は、強化学習の理論とは独立して重要です。
私たちは、変化する市場状況に対するアルゴリズムの堅牢性を経験的に実証しています。

要約(オリジナル)

Automated Market Makers (AMMs) are major centers of matching liquidity supply and demand in Decentralized Finance. Their functioning relies primarily on the presence of liquidity providers (LPs) incentivized to invest their assets into a liquidity pool. However, the prices at which a pooled asset is traded is often more stale than the prices on centralized and more liquid exchanges. This leads to the LPs suffering losses to arbitrage. This problem is addressed by adapting market prices to trader behavior, captured via the classical market microstructure model of Glosten and Milgrom. In this paper, we propose the first optimal Bayesian and the first model-free data-driven algorithm to optimally track the external price of the asset. The notion of optimality that we use enforces a zero-profit condition on the prices of the market maker, hence the name ZeroSwap. This ensures that the market maker balances losses to informed traders with profits from noise traders. The key property of our approach is the ability to estimate the external market price without the need for price oracles or loss oracles. Our theoretical guarantees on the performance of both these algorithms, ensuring the stability and convergence of their price recommendations, are of independent interest in the theory of reinforcement learning. We empirically demonstrate the robustness of our algorithms to changing market conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google