ProbabilitySpace:预测市场的新型 AMM

TL;DR

传统的恒定函数做市商们 (CFMMs) 不太适合预测市场等应用。它们与时间无关,这意味着没有预测市场所需的流动性分布调整和流动性提供者保护。

在本文中,我们提出了一种与 YieldSpace 形式类似的与时间有关的 AMM,随着时间接近到期,它会将流动性分散到“边缘”。这导致在任何时候都有最低数量的 YES 和 NO 储量,从而保护流动性提供者。

我们称之为 ProbabilitySpace。

YieldSpace 的目标是在给定储量比率的情况下对恒定利率进行定价,而 ProbabilitySpace 则试图根据随机过程的波动性和时间对 YES 和 NO 的概率进行定价。

1. AMM 的推导

我们希望随着时间的临近到期,AMM 将流动性分散到 100% YES 和 100% NO。

这里我们选择 YES 和 NO 概率来遵循二元期权,YES 和 NO 储量比率的自然对数服从正态分布。

YES 和 NO 的概率应该随着时间的推移而增加或减少。

NO 的概率可以表示为:

其中 N(d) 是正态分布 N(0,1) 的 CDF(累积分布函数)。

我们还可以将第一个等式写成:

这意味着价格,作为 NO 和 YES 概率的比率,随着时间接近到期而增加到无穷大或减少到零。

使用 这篇论文 中的近似公式,我们可以进行单参数和双参数近似,这使得微分方程更容易求得解析解。

单参数近似

N(d) 近似为:

不失一般性,令

因此,在时间 t

双参数近似

N(d) 近似为:

不失一般性,令

二阶近似生成的微分方程也难以求解。因此,本文的其余部分,我们使用单参数近似。

我们得到的 AMM:

看起来与 YieldSpace 非常相似,只是 t 被 1/sqrt(t) 替代。

2. 流动性指纹

我们可以使用 这篇文章 中的技巧分析流动性分布的演化,衡量每个价格 tick 间的流动性。

AMM 的实时价格为:

y 可以被写成关于 P 的函数:

P 可以用价格 tick 来表达:

因此

📌 Desmos 链接: https://www.desmos.com/calculator/xozkru6lwz

正如我们从 Desmos 里看到的那样,随着时间在 0 处到期,AMM 按照我们预期的那样将流动性分散到了 100% YES 和 100% NO。

3. 非常数的 s

上述计算假设 s 随着时间的推移保持不变。

仅当 xy 保持在 s 时才保持不变。

例如, 如果 x = 2, y = 1:

t = 0.5, s = ~1.38

t = 0.25, s = ~1.33

因此,我们在这里讨论 s 不恒定时 AMM 的演化。

具体来说,我们将 xt = t0 的价格定义为 P0,将 st = t0 的值定义为 s0

使用以上两个公式,我们可以求解 x0y0

假设当 t < t0, x = x0, y = y0。

然后我们可以将 s 表示为 t 的函数:

代入 x0 和 y0,求解 s

s 代入以下等式:

📌 Desmos 链接: https://www.desmos.com/calculator/6j6hpobjph

随着时间的推移,AMM 趋于扁平,这表明无论如何,至少有一定的 YES 和 NO 储量,保护了流动性提供者。

4. xmin 和 ymin

xmin 和 ymin 指的是 AMM 实时的允许的 YES 和 NO 储量的最小数量。

假设当 t < t0, x = x0, y = y0

如果 t >= 1, xmin = ymin = 0。

如果 t < 1,

可 swap 出的最大数量:

t = 0

因为 AMM 会穿过 (x0,y0)

5. 流动性提供者保护

由于 AMM 设计的时间演化,流动性提供者会受到保护:

  • 随着时间接近到期,价格会变得更差。

  • 有最低数量的 YES 和 NO 储量不能换出。

假设当 t < t0, x = x0, y = y0

% 被保护

如果最终结果是 YES,

如果最终结果是 NO,

散发损失 (几何意义上的)

假设在时间 t 发生的交易使价格从 P 变为 Pk

因此,

散发损失 (实际上的)

假设在时间 t 发生的交易使价格从 P 变为 Pk

这是自 t0 以来的第一笔交易,也是到期前的最后一笔交易。

如果最终结果是 YES,

如果最终结果是 NO,

📌 Desmos 链接: https://www.desmos.com/calculator/t8e7bp3fw5

这个 Desmos 绘制了关于 tk 的实际上的散发损失。随着时间接近到期,实际散发损失会减少。

6. Balancer 权重方法

可以通过数学方式生成相似的 AMM,它们的演化类似于我们上面推导出的 AMM。

在 Balancer 里,

因此我们可以选择调整权重以满足:

单参数近似

如果我们令在指数上的 y/x 为常数,

如果指数上的 y/x 变化,

我们假设 AMM 在 t < t0 时穿过(x0, y0)

第二个指数上 y/x 变化的函数,表现非常类似于:

然而,这两个函数不满足关系 -dy/dx = (y/x) ^ (1/sqrt (t))。具体来说,第一个函数只在 (x0, y0) 处满足。

📌Desmos 链接: https://www.desmos.com/calculator/yb27o12cxd

感谢 Dan Robinson 提出这个想法,感谢 ayko2718、0xKaden、Allan Niemerg 和 Vanessa Tso 提供的有益讨论和反馈。

Subscribe to BTX | Research
Receive the latest updates directly to your inbox.
Mint this entry as an NFT to add it to your collection.
Verification
This entry has been permanently stored onchain and signed by its creator.