迈向DeFi中的事件感知预测：来自链上自动做市商协议的洞察
机器学习
2026-04-23 v1
摘要
自动做市商（AMM）作为去中心化金融（DeFi）的核心基础设施，通过确定性的储备比率机制独特地驱动链上资产定价。与传统市场不同，AMM 的价格动态主要由改变储备比率的链上事件（例如兑换）触发，而非对链下信息的连续响应。这使得事件层面的分析对于理解 AMM 中的价格形成机制至关重要。然而，现有研究普遍忽视了 AMM 层面的微观结构动力学，既缺乏覆盖多个协议并具有细粒度事件分类的综合数据集，也缺乏有效的事件感知建模框架。为填补这一空白，我们构建了一个数据集，包含来自四个代表性 AMM 协议（Pendle、Uniswap v3、Aave 和 Morpho）的 890 万条链上事件记录，并精确标注了交易类型和区块高度时间戳。此外，我们提出了一种不确定性加权均方误差（UWM）损失函数，它通过用同方差性对不确定性进行加权，将区块间隔回归项整合到传统的时间点过程（TPP）目标函数中。在八种先进的 TPP 架构上进行的大量实验表明，该损失函数在保持事件类型预测准确性的同时，将时间预测误差平均降低了 56.41%，为 AMM 生态系统中的事件感知预测建立了鲁棒的基准。这项工作为建模链上价格发现的离散性和事件驱动特性提供了必要的数据基础和方法论框架。所有数据集和源代码均已公开。https://github.com/yosen-king/Deep-AMM-Events
引用
@article{arxiv.2604.20374,
title = {Towards Event-Aware Forecasting in DeFi: Insights from On-chain Automated Market Maker Protocols},
author = {Huaiyu Jia and Jiehshun You and Yizhi Luo and Jingyu Liu and Shuo Sun},
journal= {arXiv preprint arXiv:2604.20374},
year = {2026}
}