[論文レビュー] Uniswap Liquidity Provision: An Online Learning Approach

Yogev Bar-On, Yishay Mansour|arXiv (Cornell University)|Feb 1, 2023

Advanced Bandit Algorithms ResearchDecision Sciences被引用数 3

ひとこと要約

本稿は、非確率的報酬を伴うオンライン学習問題としてUniswap v3の流動性提供を定式化し、レジレット最小化とエキスパートアドバイスを用いた動的戦略を提案することで、取引量が十分に高い場合に流動性提供者に対して正の報酬を保証する。主な貢献は、敵対的価格変動下でも成り立つ報酬の理論的下限を提示した点であり、2022年の実際のEthereumデータを用いて実証的に検証された。

ABSTRACT

Decentralized Exchanges (DEXs) are new types of marketplaces leveraging Blockchain technology. They allow users to trade assets with Automatic Market Makers (AMM), using funds provided by liquidity providers, removing the need for order books. One such DEX, Uniswap v3, allows liquidity providers to allocate funds more efficiently by specifying an active price interval for their funds. This introduces the problem of finding an optimal strategy for choosing price intervals. We formalize this problem as an online learning problem with non-stochastic rewards. We use regret-minimization methods to show a liquidity provision strategy that guarantees a lower bound on the reward. This is true even for non-stochastic changes to asset pricing, and we express this bound in terms of the trading volume.

研究の動機と目的

• Uniswap v3における流動性提供の最適価格インターバル選択の課題に対処すること。価格の不一致による誤ったインターバル選択は、深刻な損失を招く。
• 流動性提供問題を非確率的報酬を伴うオンライン学習フレームワークとして形式化し、将来の価格ダイナミクスに関する仮定なしに、良好なパフォーマンスを発揮する戦略を可能にすること。
• 取引量が十分に高い場合に、価格変動パターンに関係なく正の報酬を保証する動的で適応的な流動性提供戦略を開発すること。
• 2022年の実際のUniswap v3データを用いて理論モデルを検証し、提案手法の実用的妥当性を示すこと。

提案手法

• 著者らは、エキスパートアドバイスを用いたオンライン学習問題として流動性提供をモデル化し、各エキスパートは流動性割り当て用の固定価格インターバル（濃度コントローラ）に対応する。
• 彼らは、複数の静的戦略のパフォーマンスを最小レジレットで統合する動的戦略を、指数重みアルゴリズム（EWA）に基づいて導入する。
• 報酬関数は、流動性提供者の価値の変化に基づき、取引手数料と不完全損失を組み合わせたものであり、理論的下限は平均対数価格変化と取引量の関数として表現される。
• 価格進化に確率的仮定を置かないため、敵対的または非確率的市場動向に対しても頑健である。
• 理論的分析により、取引量と対数価格変化の大きさの積に依存する、合計報酬の下限が確立された。
• 実証的検証では、Google BigQuery経由でEthereum上のUniswap v3プール（USDT/USDCおよびETH/USDC）の時間単位データを用い、2022年全期間にわたって静的および適応的戦略をシミュレートした。

実験結果

リサーチクエスチョン

• RQ1 アセット価格が非確率的かつ敵対的な方法で変化する場合でも、正の報酬を保証する流動性提供戦略を設計できるか？
• RQ2 敵対的価格変動下で、Uniswap v3の流動性提供において正の報酬を確保するために必要な最小取引量は何か？
• RQ3 エキスパートアドバイスに基づく適応的戦略のパフォーマンスは、異なる流動性プールおよび時間帯において、静的戦略と比べてどの程度優れているか？
• RQ4 Uniswap v3プールにおける実世界の取引量が、正の報酬をもたらす理論的条件をどの程度満たしているか？
• RQ5 提示されたオンライン学習フレームワークは、実証ブロックチェーンデータを用いて効果的にキャリブレーションおよび検証可能か？

主な発見

• Exponential Weights Adaptive (EWA) 戦略は、2022年のUSDT/USDCプールで1ユニットの流動性あたり0.515 USDCの合計報酬を達成し、すべての個別静的戦略を上回った。
• ETH/USDCプールでは、EWA戦略が-0.486 USDCの報酬を記録し、ベースライン条件下で負のパフォーマンスを示したが、取引量を10%人工的に増加させたことで正の報酬に転換した。
• 報酬の理論的下限は、平均対数価格変化と取引量の積に比例し、基準項 $ \frac{P \ln d}{\gamma} $ が正のパフォーマンスの閾値として機能する。
• 実証的データは、2022年のすべての時間単位間隔で $ d^{\left| \rho_t \right|} < 2 $ が成り立つことを確認した。これは、理論的モデルの根幹をなす仮定が妥当であることを裏付けた。
• EWA戦略のパフォーマンスは、USDT/USDCおよびETH/USDCプールの両方で、最良の静的戦略と密接に一致し、優れたレジレット最小化を示した。
• 理論的フレームワークは、実世界の流動性提供ダイナミクスの強力な近似であることが実証的に検証され、特に取引量が高い場合に顕著であった。