一文了解Uniswap V3 主动管理策略的成本

注,原文来自Gamma Strategies,以下为全文编译。

Uniswap V3 主动管理策略的成本可分解为成为活跃流动性提供者的gas成本和Optimism节约的成本两块。

我们之前分析过预期价格范围策略?,在这篇文章中,我们将研究与实施这一策略有关的成本,以及它是如何随使用的数据频率而变化的。由于该决定决定了该策略指示的再平衡频率,因此直接影响到实施该策略的成本。

简而言之,该策略选择其范围时,资产价格将以一定的概率处于预期范围内,而风险厌恶者也希望相对确定价格保持在该范围内,所以大约有80%的时间都会如此。然而,这个概率取决于目标时间段,原始研究论文("Uniswap v3中的战略流动性供应?")的作者选择使用的是10分钟的间隔。如你所料,这意味着一天内要进行多次再平衡,特别是在价格波动较大的时候。在长期的流动性提供中,这些成本都会累积起来,(因此)对大头寸来说非常重要。

在这个分析中,我们分析了2021年1月至7月12日期间的ETH/USDC价格,这与Uniswap v3的存在时间重合。为了比较所选时间间隔的影响,我们看了10分钟、2小时和1天的ETH价格变化。利用这些数据,我们可以校准策略,评估策略的成本如何随着目标价格区间的变化而变化。每个时间区间的预期价格回报分布如下图所示:

这个数据代表了ETH价格在下一个时间区间内移动给定百分比的概率。正如你所期望的那样,这些分布大致以零为中心,看起来大致对称(它们有轻微的负偏斜)。时间间隔越大,ETH价格的预期移动越大,对于1440分钟的间隔,分布非常分散,甚至可以观察到10%的重大价格变化。

迪士尼正计划聘请律师以探索包括NFT在内的新兴机会:金色财经报道,据LinkedIn上的一则招聘广告,迪士尼公司正在寻找一名交易律师,以探索包括NFT在内的新兴技术机会,该员工将“与业务团队合作,在他们计划新的全球新兴技术项目时”探索其他领域,如元宇宙和DeFi。(theblock)[2022/9/25 7:19:20]

黑色竖条显示的是用于设置策略范围的界限,并试图以90%的概率在时间间隔内捕获价格。这些界限显示,随着时间间隔的增大,在策略再平衡之前需要更大的价格变化。然而,这些较大的界限意味着较少的集中流动性,因此从交换中赚取的费用较低。所以需要在准确性和成本之间做出权衡。

为了展示该策略的运行情况,我们展示了该策略在2021年7月1日至7月7日期间,在120分钟和10分钟的区间内会有怎样的表现,同时使用三个仓位将流动性放在80%的概率内,以捕捉区间内的价格。正如策略所规定的,这些仓位内的强度与这些范围内提供的流动性强度的概率成正比,而使用的仓位数量是策略实施的选择。

120 分钟价格区间的预期价格区间策略示例

移动策略范围以蓝色显示,表示价格已经偏离到需要移动策略的时候。黑色和灰色的线条是三个预期的价格范围,这是实际提供流动性的地方,强度由颜色的深浅来显示。

在这一周里,该策略需要12次再平衡,这明显少于在此期间选择两小时价格区间所指示的84次(24/2 x 7)。作为比较,我们展示了该策略在10分钟间隔目标的基础上所显示的情况。

德银:比特币的价值完全取决于人们的“一厢情愿”:近日来,在各方因素的影响下,比特币陷入了“跌跌不休”的困局中,本周以来更是暴跌28%。德意志银行(Deutsche Bank)在周四最新发布的报告中,将比特币比喻成时尚,并用“时尚是俗气之前的最后阶段”来回应这一全球最大加密货币此前的暴涨暴跌。德银分析师Marion Labouré在报告中写道,“对魅力和风格适用的道理可能也适用于比特币。就像时尚可能会突然过时一样,我们刚刚收到证据表明,数字货币也可能很快成为过去。”“一条推文和一份中国政府声明就让这种加密货币过时了。”她补充道。

德意志银行认为,央行对加密货币监管方面的优势从“天秤座”(Libra)的经历中就很容易看出。Facebook在2019年宣布了一种未来的全球货币,这导致政府对货币供应的控制减少,并引来了各方监管者的注意。自那以后,Facebook不得不调整其数字货币的计划。(财联社)[2021/5/21 22:28:30]

10 分钟价格区间的预期价格区间策略示例

在这种情况下,该策略需要113次再平衡,这是一个很大的数量,由于使用了三个仓位,每次需要移动三个仓位,使得情况变得更加严重。同样,这仍然比目标所指示的1008次要少。流动性在范围内被密切跟踪,将导致LPing中更多的费用。

设置或删除Uniswap v3头寸的gas成本相对较低的估计是350,000 gas。这个gas成本在ETH和USD方面的表现取决于以太坊链上的拥堵情况(gas成本以Gwei计),以及当时的ETH价格。因此,在密切跟踪价格和移动策略所产生的gas成本之间存在着权衡。在这篇文章中,我们将重点关注成本方面的问题,把分析收益留到以后的文章中。

使用用于校准策略的相同ETH价格数据,以及Etherscan的日均gas成本表,我们可以提供一个估计,即每个月实施策略的gas成本是多少。

首先,让我们看一下该策略所指示的重置次数。正如我们之前所描述的,随着时间间隔的延长,需要的重置次数也会减少。非常不稳定的5月在重置数量上领先,10分钟间隔有1876次,120分钟间隔有236次,1440分钟间隔有63次。而相对平静的6月需要的重置次数则要少得多(分别为852次、87次和18次),因此正如一开始的预测,价格波动较大的时期意味着更多的重置。

其次,我们可以使用Etherscan的日均gas费用来评估这两个再平衡交易会花费多少ETH。正如预期的那样,最昂贵的月份是5月,然而2月则是相对于重置次数而言ETH成本较大的月份,反映出了网络拥堵对策略成本的重大影响,(因此)在决定如何校准你的LP策略时可能需要考虑到这一因素。

最后,我们可以使用我们的ETH价格来评估以美元计价的交易成本。情况再次发生变化,早期的几个月有大量的再平衡和ETH成本,由于ETH美元价格的重大变化,以美元计价看起来相对便宜,而这些时期之间的价格变化很大。为了说明问题,1月份10分钟间隔策略产生的大约150个ETH gas成本约为18万美元,而5月份的160个ETH gas成本为49万美元。对于120分钟间隔来说,最昂贵的5月份的gas成本为7.1万美元,但在6月份却降低到4.6万美元。因此,拥堵和ETH价格共同影响了策略运行的成本,需要主动管理来控制成本。

7月13日,Uniswap在基于Optimistic Rollup技术的以太坊扩展解决方案Optimism上推出了Alpha版本。在这个平台上,你可以进行代币互换,并提供比主网络上便宜10.2倍的流动性。然而,要使用Optimism链,你需要使用其Optimism网关来桥接你的资产进出。

为了评估在主网上的LP与Optimism Rollup的成本影响,我们观察了最近的LP行动,我们看到的最大成本在DAI/WETH池中略低于2美元,而其他许多交易是这个数额的一半左右。这种比较可以认为是对Optimism上运行策略所节省的最小gas的估计。相比之下,在写这篇文章的时候,在主网上同一池子里的交易费用大约是24美元,节省了12倍左右。

作为比较,下图显示了2021年6月在主网上运行该策略的成本,以及在Optimism上使用假设的2美元交易成本。据图上数据显示,在主网上10分钟的时间间隔内节省了约42,000美元的成本,而Optimism则为3,408美元,即成本减少约92%。这意味着一个全新的高频策略,在主网上实施可能成本太高,而在Optimism上则是可行的。

在这篇文章中,我们研究了难题中的一小块:在实施预期价格区间策略时,重置策略的成本是多少,我们得出了以下四个简单的见解:

网络拥堵对策略的成本有重大影响

拥堵和ETH价格共同影响了策略的运行成本,需要主动管理来控制成本。

Uniswap v3的Optimism rollup版本的费用明显降低,允许部署新的战略范围。

在进一步的文章中,我们想看看代币的另一面,即回报是如何被重置频率影响的,特别是关于无常损失和集中流动性的费用收入。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

链链资讯

UNI数字人民币测试提速 “硬钱包”或成下一个应用风口

现阶段,各地数字人民币试点在如火如荼地推进中,应用场景日趋丰富,不少用户已体验了数字人民币支付。最新数据显示,数字人民币白名单用户已达1000万。 7月份以来,三地传出大规模数字人民币试点的消息,采取多种创新形式,呈现全新亮点。成都发放大量优惠券以培养用户使用习惯;雄安新区提倡利用步数换取数字人民币红包;青岛则将数字人民币与特色文化活动相融合。

波场邹传伟:深入解析 AMM 条件流动性逻辑与潜在影响

Uniswap v3 在恒定乘积曲线 x*y=k 的基础上增加了粒度控制功能(《对 Uniswap v3 的研究》(2021 年第 33 期))。流动性提供者(LP)可以选择将资金集中在交易最频繁的区间内,以实现集中流动性和提高资金利用率,而 Uniswap v3 为流动性提供者的头寸创建 ERC-721 合约。

币安app下载DeFi 跨链协议接连被攻击 该如何防范?

原文标题:《半月连发 5 起攻击,安全机构:跨链协议需排查与其他 DeFi 产品组合的业务逻辑漏洞丨巴比特观察》 除了避免出现跨合约的逻辑兼容性漏洞,安全机构还建议在安全事件发生时及时排查封堵安全攻击,避免造成更多的损失。 近日,两个跨链桥项目接连遭遇黑客,总计损失约 1600 万,引发了行业震动。

[0:0ms0-4:213ms