• 本文创新地考虑风险厌恶LP在无限期动态背景下，涵盖DEX流动性提供、CEX投资和消费的多期动态最优策略，弥补文献中多假设风险中性或单期策略的局限 [page::1][page::2][page::3][page::16][page::19]。

- 模型设定包括DEX中基于AMM的交易机制，其中LP通过固定定价函数和单位交易费构造流动性池，投资者分为套利者（完美信息）和流动性交易者（异质预期）；交易遵循五步时序（LP调整、流动性交易、套利交易、价格冲击后的套利） [page::8][page::9][page::13]。

• 投资者交易决策的封闭解析解（比例交易量）依赖于资产报价比率及交易费，导致“非交易区间”理论（价差不足以覆盖费率下无套利） [page::11][page::12]。

- LP的状态变量包括财富、DEX流动性池中两资产的规模比及基础资产汇率；LP动态规划问题证明了存在唯一解，且对于不同风险厌恶系数，价值函数和最优策略均可通过迭代求得 [page::16][page::17][page::18][page::19]。

• 对于重点研究的常见CGMMM定价函数，定价参数η控制池中资产配置比例及价格滑点；滑点影响LP对流动性交易者的费用收入和对套利者的损失，LP需在收支和平衡机会成本间权衡 [page::20][page::21]。

- 机会成本定义为DEX中资产配置比例与CEX高效配置比例之差带来的效用损失。CGMMM中机会成本来源于参数η和LP最优CEX投资比例间的不匹配 [page::22][page::23]。

• 交易费用与价格滑点均与参数η有关，存在η使得LP的费用收益净套利损失最大化，通常η约为0.5（CPMM）。费用与套利损失随η趋近0或1消失，二者在中间单峰，反映平衡关系 [page::24][page::25]。

- 通过数值方法（值迭代）计算LP在不同状态下的最优DEX与CEX投资占比，发现LP在DEX与CEX的投资比例受状态变量（价格比）影响显著，价格比接近1时，LP更愿意投资DEX以获得更高费率收益 [page::27][page::28]。

• 资产收益率参数变化对LP投资策略具有非线性影响：均值μ取中间值，波动率σ处于适度区间时，LP更倾向于提供DEX流动性，否则机会成本或套利损失过大；且更高基础汇率波动率对应更优交易费率 [page::27][page::29][page::30]。

- 最优单位交易费f随基础资产汇率波动率显著增加，但对均值无敏感性；定价参数η受均值和波动率影响，且体现机会成本与费用收入的权衡 [page::29][page::30][page::32]。

• 允许LP在CEX进行一定程度的做空（限于总杠杆200%及资产空头各不超过100%），能有效降低机会成本，扩大LP愿意参与DEX流动性的参数空间，且LP仍通过优化η减少机会成本，做空资金主要用于DEX资金需求 [page::31][page::33][page::34]。

- 实证回归基于110个Uniswap v3 AMM池，验证基础汇率波动率正相关于市场实际选择的单位交易费，且和资产相关系数及单资产波动率无显著关系，支持理论模型 [page::34][page::35]。

• 综述与分析了丰富的AMM与DEX文献，将LP流动性提供分析拓展至多期动态风险厌恶情形，结合实证数据，揭示定价函数设计与交易费定价的内在逻辑与有效性 [page::1][page::4][page::5].

- 关键图表：

详细分析报告 —《Optimal Design of Automated Market Makers on Decentralized Exchanges》

---

1. 元数据与概览

报告标题：Optimal Design of Automated Market Makers on Decentralized Exchanges
作者：Xue Dong He, Chen Yang, Yutian Zhou
发布机构与时间：未明确具体机构，但报告结构与格式符合学术期刊论文，论文内容结合2023年市场数据，故时间大约在2023年中后期
主题：本报告聚焦于去中心化交易所（DEX）中自动化做市商（AMM）的最优设计，特别是流动性提供者（LP）的动态投资决策与AMM的交易费和定价函数的设计机制。

报告核心论点和贡献：

• 构建了动态、风险规避的LP在多期框架下提供流动性的最优策略模型，同时考虑LP除了DEX外还能在中心化交易所（CEX）投资的情境。

- 推导出使LP效用最大化的AMM设计，包括最优单位交易费和最优定价函数，阐明其与资产基本汇率波动率的关系。

• 证明动态规划模型解的存在性与唯一性。

- 通过数值模拟和实证数据支撑其理论推论，发现最优交易费随着基础汇率波动率增加而上升，且最优定价函数诱导流动性池中的资产配置达到效率前沿。

作者传达的主要信息是，通过合理设计AMM的交易费与定价函数，可以有效激励风险规避的流动性提供者参与、提升市场效率和流动性，同时该设计与资产价格行为基本特征密切相关。

---

2. 逐节深度解读

2.1 摘要与引言（第0-1页）

• AMM在DEX中广泛应用，实现去中心化资产直接交易。LP通过在流动性池注入资产获得交易费用。

- 报告建立了LP动态、多期的投资消费模型，风险规避，投资域包括DEX流动性池、CEX资产和无风险资产。

• 目标是推导LP的最优流动性提供策略和AMM设计，重点分析交易费与定价机制。

- 重要发现包括交易费与基础资产汇率波动率正相关，定价函数设计应优化资产配置效率。

• 引言解释了DEX相较CEX的优势（如FTX崩盘后地位突出），总结DEX市场份额及AMM设计的主要议题。

[page::0,1]

2.2 AMM机制和现有文献综述（第1-6页）

• AMM通过特定算法及智能合约，根据流动资金量通过定价函数自动决定资产价格，区别于传统CEX的限价单簿机制。

- LP类似于CEX的做市商，承担提供流动性及承担价格变动风险的角色。

• 文献回顾指出以往多数研究假定LP风险中性、单期模型或忽视LP在DEX与CEX间的资产配置自由。

- 本文创新在于：（i）考虑风险规避LP，（ii）包括流动性池与CEX外部投资机会分开决策，（iii）建立动态多期模型。

• 本文首次系统引入“机会成本”概念，即LP因流动性池配置限制相较于CEX最优投资组合所带来的损失，及其对AMM设计的影响。

- 针对定价函数，作者关注CGMMM（常用且市场主流，Balancer等采用），研究其参数对流动性交易影响的权衡，涉及价格滑点与资产配置效率。

• 文献中也提及套利者、流动性交易者的行为及其对流动性池价值和LP收益的影响。

[page::1,2,3,4,5]

2.3 AMM的技术介绍（第6-7页）

• 具体定义了AMM的定价函数$F(y^A,y^B)$，资产交易如何通过保持$F$的值不变进行交换及计算，包含交易费用机制。

- 主要介绍两类AMM函数：
- CPMM（常数乘积市场做市商，Uniswap采用，$F(y^A,y^B) = y^Ay^B$）
- CGMMM（常数几何均值市场做市商，Balancer采用，$F(y^A,y^B) = (y^A)^\eta (y^B)^{1-\eta}$）

• 交易费用$f$如何影响用户实际支付资产数量，费用部分留存在池中（Uniswap v2协议），与部分已有文献中费用直接付给LP不同。

- LP提供流动性的限制条件，如保持资产注入比例不变，是现有DEX常见约束。
[page::6,7]

2.4 模型设定与主要理论结果（第8-21页）

• 设定有$A,B$两个风险资产及一无风险资产，资产同时在DEX和CEX交易，CEX价格为基本面价值。

- 参与者：单一代表性LP，套利者和流动性交易者（各自基于不同信息作交易决策）。

• 时间离散，周期内交易与流动性调整包含5步：LP调整、流动性交易者交易、套利者套利、价格震荡、套利者再次套利。详见Figure 1示意图。

- 关键假设及定价函数性质（Assumption 3.1）确保价格函数满足平滑、单调、有缩放性，以及经济合理性。

• 投资者交易问题（Proposition 3.1）在定价函数制约下得出最优交易策略，交易量比例取决于交易者对汇率的估价比及流动性池资产比例，且存在无交易区间。

- LP的动态优化模型包括消费比率、DEX流动性提供、CEX资产配置及无风险资产投资，依据CRRA效用函数最大化长期期望效用，带有限制条件（无借贷、无卖空等）。

• 以三个状态变量$(Xk,Sk,Zk)$表示财富、DEX与CEX汇率价差比率以及基础汇率，有明确定义和演化。

- 通过动态规划框架，设立价值函数及动态规划算子，证明算子存在唯一平稳解（Theorem 3.2），包含无风险厌恶和风险厌恶两大类情况。

• CGMMM定价函数特例简化状态空间维度（状态$Zk$对LP最优决策不影响），数学上有利于计算和解释。

- 详尽数学推导证明动态规划算子为收缩/上确界/下确界算子，保证算法收敛。
[page::8~21, 39~40]

2.5 数值分析及参数估计（第22-31页）

• 参数取自真实市场数据（ETH和BTC在Binance的8小时频率数据），估计了资产收益均值、波动率、相关性等，默认消费周期为24小时，周期长度为8小时。

- 重点分析机会成本：因DEX资产配置比例$\eta/(1-\eta)$与CEX最优投资比例差异产生的效用损失。

• 价格滑点定义和计算，揭示滑点对交易成本的影响及交易量的抑制作用。

- 费用收入与套利者损失的数学表达式推导，展示其对定价函数参数$\eta$和资产价差波动率的敏感性。

• 近似分析显示，LP的净收益是费用收入和套利损失的权衡，均关于$\eta$呈凸性，两端消失，中间最大。

- 数值结果（Figure 2和3）显示：
- LP倾向于在价格接近均衡时更多提供流动性。
- LP在均值或波动率极端时减少DEX投资，因机会成本和套利风险升高。

• 交易费用$f$对LP价值的影响呈现倒U型关系（Figure 4左），最佳费用水平随着基础汇率波动率显著调整（Figure 5）。

- 定价参数$\eta$的最优值则在中间值附近，且随市场参数变化调整以降低机会成本（Figure 4右，Figure 6）。

• 允许CEX卖空和杠杆约束（Figure 8-10）使LP能更灵活调整组合，扩大了DEX投资范围，并通过卖空部分资产降低机会成本。

- 最优$\eta$调整规律与无卖空情况下相似，主要作用仍是平衡机会成本。
[page::22~31]

2.6 实证检验（第34-35页）

• 利用来自Uniswap v3中110个AMM池及Binance的价格数据，建立回归模型验证理论预测。

- 实证结果显示：LP的单位交易费用$f$与基础资产汇率波动率$\sigma$有显著正相关关系，而与资产相关性$\rho$和单一资产波动无明显关系（表2）。

• 这一发现与模型预测一致，有力支持了报告理论模型的现实解释力。

[page::34,35]

2.7 结论（第35页）

• 本文成功构建了包括风险规避、多期动态、跨市场投资的LP流动性提供模型。

- 数值和理论结果表明，最优交易费和定价函数因资产基础汇率波动率和机会成本而异。

• 实证支持了交易费用随着汇率波动率上升而提升的结论。

- LP会选择CGMMM中$\eta$参数使流动性池资产配置更接近其最优投资配比，降低机会成本。

• 该研究为DEX中AMM的设计提供了系统的理论基础和市场实践指导。

[page::35]

---

3. 图表深度解读

Figure 1（第9页）

• 内容描述：展示了一个交易周期内五个步骤的时间线，从LP存款开始，到流动性交易和套利交易，以及价格变化和后续套利交易。

- 数据与趋势：清晰区分了每个步骤对资产存款和价格的影响，为理解交易动态提供了框架。

• 文本联系：是交易活动建模的基础，支撑动态规划中状态转移的定义。

---

Figure 2（第27页）

• 内容描述：展示LP对DEX（流动性池）及CEX中资产A、B的投资比例，横轴为状态变量，即DEX定价函数汇率与基础汇率的比率。

- 解读数据与趋势：当状态变量逼近1时（AMM汇率接近基础汇率），LP倾向于较大比例投入DEX，说明套利压力小，流动性提供更具吸引力。CEX部分投资特别是资产A占比较稳定。

• 文本联系：反映LP基于套利机会的动态调整决策，为后续收益与损失分析提供直观展示。

---

Figure 3（第28页）

• 内容描述：四个子图显示分别以不同资产收益率均值和波动率为自变量，LP在DEX和CEX的预期最优投资比例。

- 解读数据与趋势：显示LP投资DEX具有明显阈值效应，只有资产参数处于中间区间时LP才倾向于提供流动性；均值和波动率均会通过调整机会成本和套利损失影响LP策略。

• 文本联系：定量说明了模型对市场参数敏感性的解析结果，验证理论中机会成本和套利损失的平衡机制。

---

Figure 4（第29页）

• 内容描述：LP优化效用值关于单位交易费$f$和定价参数$\eta$的曲线图。

- 解读数据与趋势：单位交易费曲线呈倒U型，说明交易费过高或过低都不利于LP价值最大化；$\eta$最优值集中在中间范围做交易平衡资产配置。

• 文本联系：图表直接印证AMM设计中交易费和定价函数，因风险及交易行为特征有最优选择。

---

Figure 5（第30页）

• 内容描述：多幅图展示最优单位交易费$f$随资产收益均值与波动的关系，含固定基础汇率波动条件。

- 解读数据与趋势：交易费对均值参数不敏感，但显著随基础汇率波动率增加而提升，说明LP更愿调高费用以抵消高波动带来的套利损失。固定基础波动时交易费不变。

• 文本联系：支持理论核心结论即交易费主要受基础汇率波动率影响。

---

Figures 6-10（第32-34页）

• 内容描述：

- Figure 6/9：分别无卖空/允许卖空条件下，最优定价参数$\eta$随资产参数变化的曲线。
- Figure 7/10：同样条件下，LP最优投资比例随资产参数变化，$\eta$为最优选择。
- Figure 8：允许卖空情况下LP投资比例随资产参数变化。

• 解读数据与趋势：

- $\eta$调整反映了LP平衡机会成本与套利损失对资产配置比例的影响，严格依赖资产收益的预期；允许卖空后LP投资意愿增强，投资范围扩大。
- LP会通过选择适当$\eta$减少机会成本，卖空则主要用于资金融通。

• 文本联系：揭示AMM定价函数设计与LP实际投资及市场条件的高度相关性，支持动态设计AMM的必要性。

---

Table 1（参数设置）

| 参数类别 | 详细参数 | 数值 |
|--------------|----------------------------------|----------------|
| 无风险利率 ($Rf$) | 一期无风险资产回报率 | 1 + 0.002% |
| 资产均值 ($\muA,\muB$) | 资产$A$和$B$的收益均值 | 0.05% / 0.038% |
| 资产波动率 ($\sigmaA,\sigmaB$) | ETH及BTC波动率 | 1.99% / 1.52% |
| 资产相关性 ($\rho$) | 相关系数 | 0.8642 |
| LP风险厌恶系数 ($\gamma$) | CRRA风险厌恶参数 | 2 |
| 消费频率 ($N$) | LP消费间隔周期（二十四小时内） | 3（8小时为一期） |
| 交易费 ($f$) | 单位交易费 | 0.5% |
| AMM参数 ($\eta$) | CGMMM权重参数 | 0.5 |
| 流动性交易者到达概率 ($\alpha$) | 流动性交易者的概率 | 0.5 |
| 流动性交易者异质参数 ($\sigmaI$) | 流动性交易者信念异质的波动率 | 0.02 |

---

Table 2（Empirical Regression）

| 系数名称 | 截距 | 基础汇率波动率 $\sigma$ | 资产相关系数 $\rho$ | 资产B波动率 $\sigma_B$ |
|-------------|-------|-------------------------|------------------|-------------------|
| 回归系数 | 0.3454 | -0.0040 | -3.2821 | 14.5096 |
| p值 | 0.1602 | 0.9873 | 0.5054 | 0.0420 |

• 结论：单位交易费用与基础汇率波动率正相关（显著），与其他两者无显著关系。

---

4. 估值分析

本报告估值分析主要是LP的优化效用函数表现，具体体现在：

• LP的财富增长动态是通过组合资产的期望收益及波动率驱动，涵盖DEX与CEX两部分资产配置，收益受流动性提供成本（impermanent loss/套利损失）和收益（交易费）影响。

- 采用CRRA效用函数衡量LP对消费的偏好，长期目标为最大化贴现后期望效用。

• 价值函数通过动态规划求解，状态变量明确，价值函数反映LP的最优期望效用水平。

- 定价函数和交易费被视为设计参数，其取值影响LP的组合优化解，从而改变预期效用。

• 数值计算揭示存在使LP效用最大化的最优$f$和$\eta$。此外，最优$f$随着基础汇率波动率增加而提升呈现正相关。

- 该相对估值得出是基于资产价格变动模型及LP的风险厌恶行为，属于间接效用函数估价。

---

5. 风险因素评估

报告虽无专门章节集中评述风险，但通过模型设定隐含以下关键风险来源：

• 基础资产汇率波动风险：波动性增大导致套利损失风险增高，直接压缩LP收益空间。

- 流动性交易者异质风险与概率：流动性交易者到场概率及其估价异质性影响交易量及LP交易费收益，波动性高时交易量波动大。

• 资产配置效率风险（机会成本）：DEX流动性池资产比率受定价函数限制，难以与CEX最优投资组合保证一致，造成机会成本，显著影响LP长期收益。

- 市场结构风险：套利者行为、高频交易与链上资产变动的非连续性均可能增加LP收益波动及模型误差。

• 限制性投资策略风险：无卖空和无借贷约束限制了LP应对机会成本和风险的方法，卖空限制宽松可降低部分机会成本风险。

报告在允许卖空的扩展中讨论了缓解机会成本的机制，但未具体量化模型整体风险概率，仅以模型极限形式揭示风险暴露。

---

6. 批判性视角与细微差别

• 假设理想化：

- LP作为单一代表性投资者忽略市场中多LP竞争效应。
- 叙述中假设套利者对基本汇率有完美信息，现实中信息不对称可能影响套利效率。
- 假设收益率和随机扰动i.i.d，对非平稳现实市场或突发事件缺乏考虑。

• 费用模型简化：本模型采用恒定单位交易费，与例如Uniswap V3中基于滑点和交易规模的动态费用设置存在差异，可能导致实际表现偏差。

- 机会成本衡量创新但复杂：提出机会成本概念极具价值，但实际测度和应用可能因模型参数估计难度大而具挑战。

• 数值参数敏感性：数值模拟多基于单一资产对（ETH-BTC），其他资产组合行为可能迥异，泛化需审慎。

- 图表分布为经验模拟，实际市场环境可能存在结构性断点，模型动态调整能力需进一步验证。

---

7. 结论性综合

该报告系统地构建了一套多期风险规避的LP流动性提供动态投资模型，结合DEX中AMM的定价及交易费设计。从理论、数值到实证全面展开，核心结论为：

• 最优AMM交易费与基础资产价格波动正相关，表明在更高不确定性市场中，LP偏好通过提高交易费来抵御套利损失风险，相较于交易量的减少，这种成本转移机制赢得LP效用提升。
• 定价函数设计中的资产配置参数$\eta$，LP倾向于选择使池内资产权重接近自身CEX最优投资组合的参数，以降低机会成本，该最优点常在CGMMM的中间值附近。
• LP流动性提供策略清晰依赖于资产价格状态与基本汇率价差，动态投融资比例可有效平衡收益与风险，允许卖空进一步改善机会成本并扩张投资意愿。
• 实证分析基于110个Uniswap流动性池的市场数据，验证了理论推断的核心关联性，增强模型的现实适用性。
• 综合图表展现了LP效用及投资策略对市场参数（均值、波动率、费用率和定价参数）敏感性，具备明确的经济解释和政策含义。

最终，本研究为理解和优化DEX流动性池设计提供了理论与实践的桥梁，明确了交易费用和价格机制在保障流动性与防范套利风险中的关键角色，对去中心化金融生态系统的健康发展具有重要指导意义。

---

参考文献与数据来源

• 本报告引用了广泛的DeFi与AMM研究文献，尤其涉及Uniswap v2/v3、Balancer以及数学金融动态规划理论。

- 真实市场数据主要来源于Binance交易对的高频数据和Uniswap v3池的交易费设置。

• 数学证明部分引入了动态规划算子理论和Banach空间固定点定理，提供了严密方法论基础。

---

总体评价

该报告从模型创新、理论分析、数值模拟及实证验证四个维度全面系统地探讨了去中心化交易所自动化做市商的设计问题，充分考虑了流动性提供者的风险偏好和多市场投资机会，以及AMM设计参数与资产价格动态变量的相互作用。其结论不仅丰富了理论研究，更为DEX设计实践提供了可操作的策略指引，体现了理论金融在区块链金融应用中的重要价值。

（全文内容均来自报告本身契合页码标识，确保结论和分析的可溯源性）

报告