[论文解读] Don't Let MEV Slip: The Costs of Swapping on the Uniswap Protocol

Austin Adams, Benjamin Y Chan+2 more|arXiv (Cornell University)|Sep 24, 2023

Blockchain Technology Applications and SecurityComputer Science被引用 3

一句话总结

本文对 Uniswap v3 上的交易成本进行了全面的实证分析，引入了一种新颖的滑点分解方法，将滑点划分为良性与恶意两类——特别是重新排序滑点——并基于真实交易数据展开研究。研究发现，对于大额交易，滑点主导了成本，其中针对 PEPE 等迷因币的恶意重新排序导致滑点较 USDC 等稳定币上升 80%。

ABSTRACT

We present the first in-depth empirical characterization of the costs of trading on a decentralized exchange (DEX). Using quoted prices from the Uniswap Labs interface for two pools -- USDC-ETH (5bps) and PEPE-ETH (30bps) -- we evaluate the efficiency of trading on DEXs. Our main tool is slippage -- the difference between the realized execution price of a trade, and its quoted price -- which we breakdown into its benign and adversarial components. We also present an alternative way to quantify and identify slippage due to adversarial reordering of transactions, which we call reordering slippage, that does not require quoted prices or mempool data to calculate. We find that the composition of transaction costs varies tremendously with the trade's characteristics. Specifically, while for small swaps, gas costs dominate costs, for large swaps price-impact and slippage account for the majority of it. Moreover, when trading PEPE, a popular 'memecoin', the probability of adversarial slippage is about 80% higher than when trading a mature asset like USDC. Overall, our results provide preliminary evidence that DEXs offer a compelling trust-less alternative to centralized exchanges for trading digital assets.

研究动机与目标

• 提供对去中心化交易所（DEX）——特别是 Uniswap v3 —— 总交易成本的首次深入实证表征。
• 将滑点分解为良性与恶意成分，重点关注恶意重新排序作为主要成本驱动因素。
• 提出一种新指标——重新排序滑点——用于在无需报价价格或内存池数据的情况下识别恶意交易重新排序。
• 量化交易规模、资产类型（如稳定币与迷因币）、Gas 价格及市场动量对交易成本的影响。
• 基于可观测的交易行为，评估 MEV 生态系统中私有 RPC 和构建者（builders）的可信度。

提出的方法

• 使用 2023 年 1 月至 8 月期间通过 Uniswap Labs 接口在两个流动性池（USDC-ETH，5bps；PEPE-ETH，30bps）上完成的 534,198 笔兑换的真实交易数据。
• 将滑点定义为实际执行价格与报价价格之间的差异，并将其分解为价格冲击与恶意重新排序效应。
• 提出“重新排序滑点”这一新颖的、与数据无关的指标，通过分析执行价格偏差来检测恶意重新排序，而无需依赖内存池或报价数据。
• 采用回归模型分析交易规模、Gas 价格、市场动量及流动性池特征对滑点的影响，同时控制市场变量。
• 利用公开交易数据与私有 RPC 数据对比行为，评估 mev-boost 生态系统中构建者的可信度。
• 通过对比公开与私有交易结果，并基于重新排序滑点评估构建者行为，验证私有 RPC 的可靠性。

Figure 1 : Transaction Cost Composition For Different Transaction Types

实验结果

研究问题

• RQ1 Uniswap v3 上的交易成本在 Gas 费用、滑点与做市商费用之间如何分配？
• RQ2 滑点在多大程度上由恶意交易重新排序驱动，尤其是在大额交易与高波动性资产中？
• RQ3 与稳定币（如 USDC）相比，迷因币（如 PEPE）的恶意重新排序滑点发生概率有何不同？
• RQ4 是否可以在不访问报价价格或内存池数据的情况下测量重新排序滑点？其作为监控工具的有效性如何？
• RQ5 基于可观测的交易行为，私有 RPC 和区块构建者在 MEV 生态系统中的可信度如何？

主要发现

• 对于小额交易，Gas 成本占主导地位；而对于大额交易，滑点成为主要成本构成部分。
• 在 USDC-ETH 池中，平均每美元交易的交易成本为 22 bps；在 PEPE-ETH 池除，该数值为 140 bps。
• 在交易 PEPE 时，恶意重新排序滑点比交易 USDC 高出 80%，表明投机性资产面临显著更高的 MEV 暴露。
• 更大的交易规模显著增加了恶意滑点，其中大部分影响可归因于区块提议者与搜索者的策略性重新排序。
• 更高的 Gas 价格与市场动量加剧了滑点，可能由于竞争加剧与交易冲突增加。
• 目前尚无确凿证据表明 mev-boost 生态系统中前五大构建者存在不当行为，表明强激励或惩罚机制可能有效遏制恶意行为。

(b) WETH-USDC Swaps