자동화된 마켓 메이커의 가격 충격을 이해하는 방법
출처 | research.paradigm.xyz
저자 |
수천 명의 사람들이 매일 처음으로 탈중앙화 거래소를 사용합니다. 그러나 퍼블릭 체인의 특성상 전통 시장에 익숙한 사람들조차 초보자를 놀라게 하는 경우가 많습니다. 그 결과 트레이더의 자금이 차익 거래자와 선두 주자로 흘러 들어가 예상치 못한 방식으로 운영에 영향을 미치게 됩니다.
거시적 수준에서 각 거래 비용을 여러 구성 요소로 나눌 수 있습니다.
가격 충격
중개 수수료 또는 거래 수수료
미끄러짐
기본 블록체인에 대한 거래 수수료
AMM(Automated Market Makers)에 대한 이 기사는 시리즈를 소개하는 역할을 하며 첫 번째이자 가장 중요한 비용인 가격 충격에 대해 설명합니다. 독자는 다음을 배우게 됩니다.
Uniswap v2,Sushiswap과 Balancer의 AMM 메커니즘이 가격을 결정하는 방법
참고: 중앙 집중식 주문장(예: Serum) 또는 일괄 경매(예: Gnosis)를 사용하는 다른 DEX는 이 기사에서 논의되지 않습니다.
첫 번째 레벨 제목
유동성 풀이란 무엇입니까?
자동화된 마켓 메이커자동화된 마켓 메이커 (AMM,자동 마켓 메이커)가 존재합니다.
유동성 풀은 두 개 이상의 토큰이 저장되고 특정 규칙에 따라 누구나 입출금을 할 수 있는 스마트 계약입니다.
규칙 중 하나는상수 곱 공식 x * y = k보조 제목
AMM의 가격은 어떻게 책정됩니까?
이미지 설명
표 1: 서로 다른 AMM 공식은 서로 다른 가격 곡선을 생성합니다. Uniswap v2 유동성 풀에 15개의 Y 토큰이 있다고 가정하면 한계 Y 토큰에 대해 0.1 X 토큰만 지불합니다. 하지만 2.5개의 Y 토큰만 있을 때 4.0개의 X 토큰을 지불합니다. 다른 가격 곡선은 특정 가격(예: 스테이블 코인의 경우 1.0)에서 더 많은 유동성을 집중하도록 설계되었습니다. 출처: 커브 백서
실제 예로서 Uniswap은 작성 당시 ETH/WBTC 풀에 2,700 WBTC와 86,000 ETH를 보유하고 있습니다. 이 준비율은 당시 ETH의 시장 가격이 2,700 / 86,000 = 0.0314 WBTC라는 것을 의미합니다.
결정적으로,AMM은 다른 시장이 움직일 때 이 가격을 업데이트하지 않습니다.. 시장 가격은 누군가 거래할 때 풀의 토큰 준비금 비율이 변경될 때만 변경됩니다.
예를 들어 바이낸스의 ETH 가격이 0.0310 WBTC로 떨어지면 어떻게 될까요? 이것은 Uniswap LP가 현재 프리미엄으로 ETH를 구매하고 있음을 의미합니다.차익 거래 기회. Arbitrageurs는 Binance에서 "저렴한"ETH를 구매하고 Uniswap에서 판매하여 이익을 얻습니다. 그들은 Uniswap ETH 단가가 0.0310 WBTC(바이낸스와 동일)가 될 때까지 이를 계속할 것이며 더 이상 ETH를 판매하여 이익을 얻을 수 없습니다. 위의 예에서 이것은 550 ETH를 교환 풀에 17.2 WBTC로 판매한 후에 발생합니다(단순화를 위해 수수료 및 가스 무시).
첫 번째 레벨 제목
가격 충격이란?
두 토큰 준비금의 비율을 기반으로 현재 시장 가격을 계산하는 방법을 배웠지만 이 시장 가격은 AMM이 원하는 것을 나타낼 뿐입니다.한계 토큰 가격. 그러나 실제로 트레이더는 일반적으로 한 번에 많은 토큰을 사고 팔며, 각 토큰은 이전 토큰보다 토큰당 비용이 더 높습니다.
현재 시장 가격과 예상 거래 가격의 차이가 가격 충격입니다. (price impact)。
가격 충격은 두 가지 요인의 결과입니다.
유동성 풀에서 거래량의 비율
이미지 설명
이미지 설명
첫 번째 레벨 제목
가격 충격을 최소화하는 방법은 무엇입니까?
앞에서 언급했듯이 가격 충격은 거래의 총 실행 비용에서 상당한 부분을 차지합니다. 다음은 가격 충격을 최소화할 수 있는 몇 가지 간단한 전략입니다.
최고의 깊이로 시장 찾기이미지 설명
표 4: 시장 가격 차이의 2% 내에서 UNI 거래 쌍의 유동성 순위. Uniswap과 Bitfinex 스프레드의 차이점에 유의하십시오. 출처: 코인게코
DeFi를 넘어선 시장에 집중: 이것은 자동화된 시장 조성자에 대한 기사이지만 사용자가 항상 온체인에서 최고의 거래 실행을 얻지는 않는다는 것을 알고 있습니다. 실제로 해당 AMM의 유동성은 연속 가격 범위에 분산되어 있기 때문에 일반적으로 현재 시장 가격 주변에 유동성이 거의 집중되지 않습니다. 이것은 많은 탈중앙화 거래소들이 해결하려고 하는 문제입니다. 예를 들어 Uniswap v3를 사용하면 시장 조성자가 현재 시장 가격에 유동성을 집중할 수 있으므로 중앙 집중식 거래소보다 더 경쟁력 있는 가격을 제공할 수 있습니다.
분산형 거래소에서 토큰 가격을 변경하는 거래가 있고 해당 토큰이 다른 시장에서 여전히 거래되고 있는 경우 차익 거래 기회가 발생합니다. 위에서 언급한 바와 같이 차익 거래자는 탈중앙화 거래소의 가격을 글로벌 시장 가격으로 되돌리기 위해 거래를 미행(즉, 거래 직후 자신의 거래를 삽입)합니다. 분명히, 차익 거래의 존재 자체는 트레이더가 차익 거래자에게 자금을 효과적으로 기부하고 있기 때문에 실행이 제대로 이루어지지 않았다는 증거입니다. 다른 시장이 존재할 때 온체인 트랜잭션을 실행하기 위해 2%-3% 이상의 가격 충격을 받아들여야 합니까?
거래 수수료에 유의하세요: 자동화된 마켓 메이커는 0.3%의 거래 수수료를 부과합니다. 즉, 베스트 바이 주문과 베스트 셀러 주문 간의 스프레드는 0.6%입니다. 이 범위 내에서 자동화된 마켓 메이커는 견적을 내지 않습니다. 다시 말해서,가장 유동적인 AMM 거래에서도 0.3%의 가격 충격이 분명합니다.. 거래 수수료를 가능한 한 낮게 유지하는 것은 특히 중앙 집중식 거래소의 가격 충격에 의해 크게 영향을 받지 않는 거래의 경우 매우 중요하므로 중앙 집중식 거래소가 더 나은 거래 실행 플랫폼일 수 있다고 말하는 것이 안전합니다. (비교를 위해 동일한 거래 수수료는 바이낸스에서 0.1%, FTX 거래소에서 0.07%일 수 있습니다)
그럼에도 불구하고 전체 보관, KYC 또는 입금 프로세스 등과 같이 탈중앙화 거래소가 더 비싼 다른 이유가 있습니다. 그러나 이러한 경우에도 거래자는 더 높은 거래 가격 뒤에 숨겨진 사실을 알고 있어야 합니다.탈중앙화 또는 즉각적인 유동성 프리미엄。
탈중앙화 거래: 먼저 트랜잭션을 여러 개의 작은 트랜잭션으로 분해하고 하나씩 완료할 수 있습니다. 이것은 DeFi 공간 외부에 다른 유동성 시장이 있다는 사실에 관계없이 분산형 거래소를 선호하는 거래자에게 특히 중요합니다. 예를 들어 매번 20%를 매수한 다음 중재자가 가격을 회복할 때까지 기다립니다. 이 5개 트랜잭션의 결합된 가격 영향은 하나의 대규모 트랜잭션보다 낮지만 가스 비용은 더 높고 실행 시간은 더 길어집니다. 트랜잭션의 크기가 클수록 고정 가스 비용이 더 나은 마진 실행으로 감소하기 때문에 이 전략이 더 유리합니다. 이 전략은 스테이블 코인과 같은 평균 반복 자산에 대해 동일하게 작동합니다.
직접 거래가 반드시 저렴한 것은 아닙니다.: 모든 트랜잭션에 직접 트랜잭션 쌍이 있는 것은 아니며, 존재하더라도 반드시 사용하는 것보다 나은 것은 아닙니다.중간 통화저렴합니다. 예를 들어 토큰 A와 B에 대한 직접 거래 쌍이 있지만 A → ETH → B 거래 경로는 일반적으로 A-ETH 및 ETH-B 토큰 쌍이 더 유동적일 때 저렴합니다. 거래 경로 측면에서 애그리게이터의 조언은 매우 유용합니다.
탈중앙화 거래소 애그리게이터 사용이미지 설명
표 5: ETH로 10개($3,200), 50개($16,000), 100개($32,000) 및 200개($64,000) AAVE를 구매하기 위한 최적의 전략. 거래 규모가 클수록 단일 유동성 풀에 과도한 영향을 미치지 않도록 거래 경로에 더 많은 거래소가 포함됩니다. 소스: 1인치
알아채다
이 시리즈의 두 번째 기사에서는 미끄러짐에 대해 논의할 것입니다. 거의 모든 AMM 거래는 선불로 이루어지며 결국 트레이더가 수용할 수 있는 만큼의 슬리피지가 발생합니다. 이것은 오늘날의 분산형 교환 모델에서 피할 수 없는 퍼블릭 체인 거래의 고유한 "기능"입니다. 이 비용은 양도만 가능하여 "샌드위치 딜레마"가 발생합니다.
감사의 말: 토론과 검토를 해주신 EvanSS, Georgios Konstantopoulos, Dave White, Dan Robinson, Arjun Balaji 및 raul에게 감사드립니다.


