ZeroSwap:DeFi 中数据驱动的最优做市
机器学习
2024-04-30 v3 计算机科学与博弈论
摘要
自动做市商(AMMs)是去中心化金融(DeFi)中匹配流动性供需的主要中心。其运作主要依赖流动性提供者(LPs)的参与,他们被激励将资产投入流动性池。然而,池内资产的交易价格往往比中心化且更具流动性的交易所上的价格更滞后。这导致 LPs 遭受套利损失。该问题通过使市场价格适应交易者行为来解决,后者由 Glosten 和 Milgrom 的经典市场微观结构模型刻画。本文中,我们提出首个最优贝叶斯算法与首个无模型数据驱动算法,以最优跟踪资产的外部价格。我们所用的 optimality 概念对市场做市商的价格施加零利润条件,故名 ZeroSwap。这确保做市商平衡对知情交易者的损失与来自噪声交易者的利润。我们方法的关键特性是无需价格预言机或损失预言机即可估计外部市场价格。我们对这两种算法性能的理论保证(确保其价格建议的稳定性与收敛性)在强化学习理论中具独立意义。我们经实证展示了算法对变化市场条件的鲁棒性。
引用
@article{arxiv.2310.09413,
title = {ZeroSwap: Data-driven Optimal Market Making in DeFi},
author = {Viraj Nadkarni and Jiachen Hu and Ranvir Rana and Chi Jin and Sanjeev Kulkarni and Pramod Viswanath},
journal= {arXiv preprint arXiv:2310.09413},
year = {2024}
}