前言
该系列的前一篇文章介绍了Chainlink价格预言机的使用，其目前也被大部分DeFi应用所使用，但依然存在局限性。首先是所支持的Token的覆盖率还不全，尤其是长尾资产，大多还未支持，比如SHIB，目前只在BSC主网有SHIB/USD的PriceFeed，而其它网络的都还没有，连Ethereum的都还没支持。其次，有些资产的偏差阈值较大，价格更新也比较慢，可能长达十几二十个小时才会更新价格，比如BNT。
这时候就需要考虑其它价格预言机了，而UniswapV2和UniswapV3都是不错的选择。
本篇先来聊聊如何使用UniswapV2作为价格预言机。
UniswapV2价格预言机
UniswapV2使用的价格预言机称为TWAP，即时间加权平均价格。不同于链下聚合的Chainlink取自多个不同交易所的数据作为数据源，TWAP的数据源来自于Uniswap自身的交易数据，价格的计算也都是在链上执行的，因此，TWAP属于链上预言机。
TWAP的原理比较简单，首先，在UniswapV2Pair合约中，会存储两个变量price0CumulativeLast和price1CumulativeLast，在_update()函数中会更新这两个变量，其相关代码如下：
contract?UniswapV2Pair?{
??...
??uint32?private?blockTimestampLast;
??uint?public?price0CumulativeLast;
??uint?public?price1CumulativeLast;
??...
??//?update?reserves?and,?on?the?first?call?per?block,?price?accumulators
??function?_update(uint?balance0,?uint?balance1,?uint112?_reserve0,?uint112?_reserve1)?private?{
????...
????uint32?blockTimestamp?=?uint32(block.timestamp?%?2**32);
????uint32?timeElapsed?=?blockTimestamp?-?blockTimestampLast;
????if?(timeElapsed?>?0?&&?_reserve0?!=?0?&&?_reserve1?!=?0)?{
??????//?*?never?overflows,?and?+?overflow?is?desired
??????price0CumulativeLast?+=?uint(UQ112x112.encode(_reserve1).uqdiv(_reserve0))?*?timeElapsed;
??????price1CumulativeLast?+=?uint(UQ112x112.encode(_reserve0).uqdiv(_reserve1))?*?timeElapsed;
????}
????blockTimestampLast?=?blockTimestamp;
????...
??}
}
price0CumulativeLast和price1CumulativeLast分别记录了token0和token1的累计价格。所谓累计价格，其代表的是整个合约历史中每一秒的Uniswap价格总和。且只会在每个区块第一笔交易时执行累加计算，累加的值不是当前区块的第一笔交易的价格，而是在这之前的最后一笔交易的价格，所以至少也是上个区块的价格。取自之前区块的价格，可以大大提高操控价格的成本，所以自然也提高了安全性。
Curve发布禁用crvUSD价格预言机Chainlink限制提案:金色财经报道，Curve发布禁用crvUSD价格预言机Chainlink限制提案。提案称，目前，crvUSD中的所有价格预言机都具有Chainlink +/- 1.5% 的“安全限制”。这意味着，如果 Chainlink 价格与内部预言机价格 (EMA) 偏差太大（1.5%），它将使用 Chainlink 的来源。看来，当市场波动很大时，Chainlink价格会造成不必要的损失。如果波动足够高，使用 chainlink 限制的价格预言机仍然可能会出现偏差。
因此，我建议在所有市场的价格预言机合约中禁用Chainlink限制，除了旧的frxeth市场除外（很快就会被新的市场取代）。具体做法是通过set_use_chainlink(False)从控制器所有者（Ownership DAO）调用所有价格预言机合约来完成。[2023/8/20 18:11:02]
如上图所示，合约的第一个区块为Block122，这时候，价格和时间差都为0，所以累计价格也为?0。到了下一个区块Block123，这时候取自上个区块的最后一口价格10.2，且经过的时间差为7，因此就可以计算出累计价格priceCumulative=10.2*7=71.4。再到下个区块Block124，取自上一口价格10.3，两个区块间的时间差为8，那此时的累计价格就变成了71.4+(10.3*8)=153.8。Block125的时候也同理，上口价格为10.5，区块时间差为5，所以最新的累计价格就变成了153.8+(10.5*5)=206.3。
有了这个基础之后，就可以计算TWAP了。
固定时间窗口TWAP
计算TWAP的原理也是非常简单，如上图所示，这是计算时间间隔为1小时的TWAP，取自开始和结束时的累计价格和两区块当时的时间戳，两者的累计价格相减，再除以两者之间的时间差，就算出这1小时内的TWAP价格了。
这是TWAP最简单的计算方式，也称为固定时间窗口的TWAP。下面来讲讲具体如何实现。
Uniswap官方也有提供了一个示例代码来计算固定时间窗口的TWAP，其代码放在v2-periphery项目中：
https://github.com/Uniswap/v2-periphery/blob/master/contracts/examples/ExampleOracleSimple.sol
该示例代码也比较简单，我们直接贴上代码看看：
pragma?solidity?=0.6.6;
import?'
????function?update()?external?{
????????(uint?price0Cumulative,?uint?price1Cumulative,?uint32?blockTimestamp)?=
????????????UniswapV2OracleLibrary.currentCumulativePrices(address(pair));
????????uint32?timeElapsed?=?blockTimestamp?-?blockTimestampLast;?//?overflow?is?desired
????????//?ensure?that?at?least?one?full?period?has?passed?since?the?last?update
摩根大通将比特币公平价格预估下调至38000美元:1月29日消息，摩根大通就最近加密市场面临的波动性增加，将比特币公平价格预估下调至38000美元。据悉，该机构在11月估计比特币的长期价格为14.6万美元，当时比特币价格超过6万美元。而今年晚些时候比特币与黄金的波动率将降至2倍左右，基于比特币与黄金的波动率约为 4 倍，基于此，摩根大通预测对比特币的公允价值将是150000美元的 1/4，即38000美元。（Bitcoin.com）[2022/1/29 9:21:46]
????????require(timeElapsed?>=?PERIOD,?'ExampleOracleSimple:?PERIOD_NOT_ELAPSED');
????????//?overflow?is?desired,?casting?never?truncates
????????//?cumulative?price?is?in?(uq112x112?price?*?seconds)?units?so?we?simply?wrap?it?after?division?by?time?elapsed
????????price0Average?=?FixedPoint.uq112x112(uint224((price0Cumulative?-?price0CumulativeLast)?/?timeElapsed));
????????price1Average?=?FixedPoint.uq112x112(uint224((price1Cumulative?-?price1CumulativeLast)?/?timeElapsed));
????????price0CumulativeLast?=?price0Cumulative;
????????price1CumulativeLast?=?price1Cumulative;
????????blockTimestampLast?=?blockTimestamp;
????}
????//?note?this?will?always?return?0?before?update?has?been?called?successfully?for?the?first?time.
????function?consult(address?token,?uint?amountIn)?external?view?returns?(uint?amountOut)?{
????????if?(token?==?token0)?{
????????????amountOut?=?price0Average.mul(amountIn).decode144();
????????}?else?{
????????????require(token?==?token1,?'ExampleOracleSimple:?INVALID_TOKEN');
????????????amountOut?=?price1Average.mul(amountIn).decode144();
????????}
????}
}
PERIOD指定为了24小时，说明这个示例计算TWAP的固定时间窗口为24小时，即每隔24小时才更新一次价格。
该示例也只保存一个交易对的价格，即token0-token1的价格。price0Average和price1Average分别就是token0和token1的TWAP价格。比如，token0为WETH，token1为USDC，那price0Average就是WETH对USDC的价格，而price1Average则是USDC对WETH的价格。
加密货币数据公司Nomics推出AI驱动的7天价格预测:加密货币数据公司Nomics正在将人工智能应用于通常混乱的加密货币交易。Nomics宣布推出可以进行7天加密货币价格预测的AI系统。该公司首席执行官克莱·柯林斯（Clay Collins）告诉Cointelegraph，这些预测仅适用于寻求预测的散户投资者，不应视为福音。（Cointelegraph）[2020/4/23]
update()函数就是更新TWAP价格的函数，这一般需要链下程序的定时任务来触发，按照这个示例的话，就是链下的定时任务需要每隔24小时就定时触发调用update()函数。
update()函数的实现逻辑也和上面所述的公式一致：
读取出当前最新的累计价格和当前的时间戳；
计算出当前时间和上一次更新价格时的时间差timeElapsed，要求该时间差需要达24小时；
根据公式TWAP=(priceCumulative-priceCumulativeLast)/timeElapsed计算得到最新的TWAP，即priceAverage；
更新priceCumulativeLast和blockTimestampLast为当前最新的累计价格和时间戳。
不过，有一点需要注意，因为priceCumulative本身计算存储时是做了左移112位的操作的，所以计算所得的priceAverage也是左移了112位的。
consult()函数则可查询出用TWAP价格计算可兑换的数量。比如，token0为WETH，token1为USDC，假设WETH的价格为3000USDC，查询consult()时，若传入的参数token为token0的地址，amountIn为2，那输出的amountOut则为3000*2=6000，可理解为若支付2WETH，就可根据价格换算成6000USDC。
滑动时间窗口TWAP
固定时间窗口TWAP的原理和实现，比较简单，但其最大的不足就是价格变化不够平滑，时间窗口越长，价格变化就可能会越陡峭。因此，在实际应用中，更多其实是用滑动时间窗口的TWAP。
所谓滑动时间窗口TWAP，就是说，计算TWAP的时间窗口并非固定的，而是滑动的。这种算法的主要原理就是将时间窗口划分为多个时间片段，每过一个时间片段，时间窗口就会往右滑动一格，如下图所示：
上图所示的时间窗口为1小时，划分为了6个时间片段，每个时间片段则为10分钟。那每过10分钟，整个时间窗口就会往右滑动一格。而计算TWAP时的公式则没有变，依然还是取自时间窗口的起点和终点。如果时间窗口为24小时，按照固定时间窗口算法，每隔24小时TWAP价格才会更新，但使用滑动时间窗口算法后，假设时间片段为1小时，则TWAP价格是每隔1小时就会更新。
Uniswap官方也同样提供了这种滑动时间窗口TWAP实现的示例代码，其Github地址为：
https://github.com/Uniswap/v2-periphery/blob/master/contracts/examples/ExampleSlidingWindowOracle.sol
我们也贴上代码看看：
pragma?solidity?=0.6.6;
import?'
????address?public?immutable?factory;
????//?the?desired?amount?of?time?over?which?the?moving?average?should?be?computed,?e.g.?24?hours
动态 | 特斯拉总裁发“200K”一字推文 网友猜其为BTC价格预测闹乌龙:据StormGain消息，11月24日，特斯拉总裁埃隆·马斯克（Elon Musk）发布了一条只有一个单词的推文“ 200K”。随后，该数字引发讨论，其粉丝纷纷猜测，这是不是马斯克对比特币2021年价格的预测。事后证实，该数字与比特币无关，马斯克指的是其最新产品“ Cybertruck”的预订数量达“200K”。[2019/11/25]
????uint?public?immutable?windowSize;
????//?the?number?of?observations?stored?for?each?pair,?i.e.?how?many?price?observations?are?stored?for?the?window.
????//?as?granularity?increases?from?1,?more?frequent?updates?are?needed,?but?moving?averages?become?more?precise.
????//?averages?are?computed?over?intervals?with?sizes?in?the?range:
????//???
????//?e.g.?if?the?window?size?is?24?hours,?and?the?granularity?is?24,?the?oracle?will?return?the?average?price?for
????//???the?period:
????//???,?now]
????uint8?public?immutable?granularity;
????//?this?is?redundant?with?granularity?and?windowSize,?but?stored?for?gas?savings?&?informational?purposes.
????uint?public?immutable?periodSize;
????//?mapping?from?pair?address?to?a?list?of?price?observations?of?that?pair
????mapping(address?=>?Observation)?public?pairObservations;
????constructor(address?factory_,?uint?windowSize_,?uint8?granularity_)?public?{
????????require(granularity_?>?1,?'SlidingWindowOracle:?GRANULARITY');
????????require(
????????????(periodSize?=?windowSize_?/?granularity_)?*?granularity_?==?windowSize_,
????????????'SlidingWindowOracle:?WINDOW_NOT_EVENLY_DIVISIBLE'
????????);
????????factory?=?factory_;
????????windowSize?=?windowSize_;
????????granularity?=?granularity_;
声音 | John McAfee：仍坚信比特币5万美元中期价格预测，也坚信2020年底将达100万美元:杀软件之父、加密货币支持者John McAfee发推称：“忽略掉比特币价格的下跌吧。我坚定地支持Peter Brandt对5万美元中期价格的预测。我对2020年底前100万美元的价格也很坚定。”[2019/9/30]
????}
????//?returns?the?index?of?the?observation?corresponding?to?the?given?timestamp
????function?observationIndexOf(uint?timestamp)?public?view?returns?(uint8?index)?{
????????uint?epochPeriod?=?timestamp?/?periodSize;
????????return?uint8(epochPeriod?%?granularity);
????}
????//?returns?the?observation?from?the?oldest?epoch?(at?the?beginning?of?the?window)?relative?to?the?current?time
????function?getFirstObservationInWindow(address?pair)?private?view?returns?(Observation?storage?firstObservation)?{
????????uint8?observationIndex?=?observationIndexOf(block.timestamp);
????????//?no?overflow?issue.?if?observationIndex?+?1?overflows,?result?is?still?zero.
????????uint8?firstObservationIndex?=?(observationIndex?+?1)?%?granularity;
????????firstObservation?=?pairObservations;
????}
????//?update?the?cumulative?price?for?the?observation?at?the?current?timestamp.?each?observation?is?updated?at?most
????//?once?per?epoch?period.
????function?update(address?tokenA,?address?tokenB)?external?{
????????address?pair?=?UniswapV2Library.pairFor(factory,?tokenA,?tokenB);
????????//?populate?the?array?with?empty?observations?(first?call?only)
????????for?(uint?i?=?pairObservations.length;?i?<?granularity;?i++)?{
????????????pairObservations.push();
????????}
????????//?get?the?observation?for?the?current?period
????????uint8?observationIndex?=?observationIndexOf(block.timestamp);
????????Observation?storage?observation?=?pairObservations;
????????//?we?only?want?to?commit?updates?once?per?period?(i.e.?windowSize?/?granularity)
????????uint?timeElapsed?=?block.timestamp?-?observation.timestamp;
????????if?(timeElapsed?>?periodSize)?{
????????????(uint?price0Cumulative,?uint?price1Cumulative,)?=?UniswapV2OracleLibrary.currentCumulativePrices(pair);
????????????observation.timestamp?=?block.timestamp;
????????????observation.price0Cumulative?=?price0Cumulative;
????????????observation.price1Cumulative?=?price1Cumulative;
????????}
????}
????//?given?the?cumulative?prices?of?the?start?and?end?of?a?period,?and?the?length?of?the?period,?compute?the?average
????//?price?in?terms?of?how?much?amount?out?is?received?for?the?amount?in
????function?computeAmountOut(
????????uint?priceCumulativeStart,?uint?priceCumulativeEnd,
????????uint?timeElapsed,?uint?amountIn
????)?private?pure?returns?(uint?amountOut)?{
????????//?overflow?is?desired.
????????FixedPoint.uq112x112?memory?priceAverage?=?FixedPoint.uq112x112(
????????????uint224((priceCumulativeEnd?-?priceCumulativeStart)?/?timeElapsed)
????????);
????????amountOut?=?priceAverage.mul(amountIn).decode144();
????}
????//?returns?the?amount?out?corresponding?to?the?amount?in?for?a?given?token?using?the?moving?average?over?the?time
????//?range?,?now]
????//?update?must?have?been?called?for?the?bucket?corresponding?to?timestamp?`now?-?windowSize`
????function?consult(address?tokenIn,?uint?amountIn,?address?tokenOut)?external?view?returns?(uint?amountOut)?{
????????address?pair?=?UniswapV2Library.pairFor(factory,?tokenIn,?tokenOut);
????????Observation?storage?firstObservation?=?getFirstObservationInWindow(pair);
????????uint?timeElapsed?=?block.timestamp?-?firstObservation.timestamp;
????????require(timeElapsed?<=?windowSize,?'SlidingWindowOracle:?MISSING_HISTORICAL_OBSERVATION');
????????//?should?never?happen.
????????require(timeElapsed?>=?windowSize?-?periodSize?*?2,?'SlidingWindowOracle:?UNEXPECTED_TIME_ELAPSED');
????????(uint?price0Cumulative,?uint?price1Cumulative,)?=?UniswapV2OracleLibrary.currentCumulativePrices(pair);
????????(address?token0,)?=?UniswapV2Library.sortTokens(tokenIn,?tokenOut);
????????if?(token0?==?tokenIn)?{
????????????return?computeAmountOut(firstObservation.price0Cumulative,?price0Cumulative,?timeElapsed,?amountIn);
????????}?else?{
????????????return?computeAmountOut(firstObservation.price1Cumulative,?price1Cumulative,?timeElapsed,?amountIn);
????????}
????}
}
要实现滑动时间窗口算法，就需要将时间分段，还需要保存每个时间段的priceCumulative。在这实现的示例代码中，定义了结构体Observation，用来保存每个时间片段的数据，包括两个token的priceCumulative和记录的时间点timestamp。还定义了pairObservations用来存储每个pair的Observation数组，而数组实际的长度取决于将整个时间窗口划分为多少个时间片段。
windowSize表示时间窗口大小，比如24小时，granularity是划分的时间片段数量，比如24段，periodSize则是每时间片段的大小，比如1小时，是由windowSize/granularity计算所得。这几个值都在构造函数中进行了初始化。
触发update()函数则更新存储最新时间片段的observation，如时间片段大小为1小时，即每隔1小时就要触发update()函数一次。因为这个示例中是支持多个pair的，所以update()时需要指定所要更新的两个token。
而查询当前TWAP价格的计算就在consult()函数里实现了。首先，先获取到当前时间窗口里的第一个时间片段的observation，也算出当前时间与第一个observation时间的时间差，且读取出当前最新的priceCumulative，之后就在computeAmountOut()函数里计算得到最新的TWAP价格priceAverage，且根据amountIn算出了amountOut并返回。
总结
本文我们主要介绍了被广泛使用的一种链上预言机TWAP，且介绍了固定时间窗口和滑点时间窗口两种算法的TWAP。虽然，TWAP是由Uniswap推出的，但因为很多其他DEX也采用了和Uniswap一样的底层实现，如SushiSwap、PancakeSwap等，所以这些DEX也可以用同样的算法计算出对应的TWAP。
但使用UniswapV2的TWAP，其主要缺陷就是需要链下程序定时触发update()函数，存在维护成本。UniswapV3的TWAP则解决了这个问题，下一篇会来聊聊其具体是如何实现的。
文章首发于「Keegan小钢」公众号：
https://mp.weixin.qq.com/s?__biz=MzA5OTI1NDE0Mw==&mid=2652494441&idx=1&sn=57a97690390b93770c5a906dce4157c8&chksm=8b685079bc1fd96f9ab60cc1b41b8642abf807a13a37c12f05a280be2e03f3a9288a047b5739&token=1584634265&lang=zh_CN#rd
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。