• Uniswap V2平台新币激增，每小时约有15个新币对ETH创建，期间造币活跃且多为honeypot合约，占比约88%，这类币阻止卖出导致大量流动性被锁定，误导投资者，降低市场效率[page::3][page::4]。

• 买入持有策略回测显示70.9%的代币带来正收益（多为honeypot），31.98%可卖代币正收益为46.69%，但策略盈利依赖夹击攻击带来的价格波动且难以真实执行[page::5][page::6]。

• 净交易价值（NTV）指标用于衡量代币实际市场价值。结果表明，在第10次swap时94%市场价值被honeypot锁定，100次及1000次swap时仍有显著比例流动性被困，表明大量虚假流动性存在[page::7][page::8]。

• 极端NTV高值常源于rug pull事件，流动性池主忽然撤回所有流动性使价格暴涨但资产无流动性，投资者惨遭套牢；极端NTV负值来源于大额抛售导致价格崩溃，主要发生于honeypot[page::9]。

| Action | Timestamp | Amount ETH | Amount NT | Reserve ETH | Reserve NT | Price (ETH) |
|--------|-----------------------|------------|-----------------|-------------|----------------|----------------|
| Sell | 2024-11-01T20:52:47 | -0.02365 | 4.86E+09 | 0.89905 | 1.89E+11 | 4.75E-12 |
| Burn | 2024-11-01T20:54:11 | -0.89905 | -1.89E+11 | | | |
| Buy | 2024-11-01T21:10:35 | 0.04965 | -1.46E-05 | 0.04965 | 0.0001165 | 426.19 |

• 夹击攻击通过在买家买入交易前后插入买卖订单，借助低流动性实现套利。约68%honeypot和90%可卖代币至少遭遇一次夹击攻击。策略回测中高收益主要来源于利用此类攻击形成的价格异常，但实际执行难度极大，因多采用FlashBots私链交易[page::10][page::11]。

• 夹击攻击最优投资规模权衡池内流动性、交易滑点与手续费，低流动性池因价格冲击更大，夹击攻击潜在收益更高，说明新币流动性低促成攻击多发[page::12][page::13][page::14]。

• 价格行为聚类分析揭示，swap time聚类中honeypot表现持续上涨价格，卖able代币则呈现上升后回落，swap time未考虑同一区块内多交易非连续性质；物理时间聚类表明多数代币经历爆发后迅速崩溃，且机制性地存在持续上涨的honeypot，强调了交易实际执行受区块结构影响[page::15][page::16][page::17]。

• 结论强调新币市场收益具高度投机性且风险极大，honeypot泛滥及夹击攻击双重障碍使普通投资者难以实现真实盈利，建议未来研究聚焦更早侦测rug pull和深层交易动态，推动去中心化市场健康发展[page::18]。

金融研究报告详尽分析报告

报告题目：A Sea of Coins: The Proliferation of Cryptocurrencies in UniswapV2
作者：Manuel Naviglio，Francesco Tarantelli，Fabrizio Lillo
机构：Scuola Normale Superiore、INFN Sezione di Pisa、Università di Bologna
发布时间：2024年，涵盖数据区间10月10日至12月2日
主题：研究基于区块链的去中心化交易所Uniswap V2中新代币的大量生成、市场行为、利润情况与风险机制，重点探讨新币市场中“蜜罐”代币及“夹击攻击”的表现及其对市场效率和投资者风险的影响。

---

1. 元数据与概览

本报告围绕去中心化交易所Uniswap V2中频繁出现的新代币进行严谨的财务分析，强调其对市场流动性、投资回报及风险的深远影响。研究利用2024年10月至12月区块链数据，揭示了大量代币存在“蜜罐”特性（即限制卖出导致流动性锁定），导致市场流动性虚假繁荣，同时伴随着如“夹击攻击”（sandwich attacks）等多种操控性套利行为。

报告核心观点是：尽管新代币展现出高收益但表面上的盈利机会极具欺骗性，蜜罐和流动性操纵行为极大地削弱了投资实用性。作者提出了“净成交价值（NTV）”这一指标，定量衡量被锁定流动性和投资风险，并结合定量交易策略和聚类分析揭示了代币价格随时间和交易事件的不同演化模式，强调了传统基于“交易次数”时间轴研究的局限。

整体报告从数据采集、分类、性能分析到风险评估均展现了严密的财务与区块链技术融合视角，并通过数学模型和实证数据支持论断，向投资者和学术界提供了一套剖析DEX新币市场复杂性的全貌视角。

---

2. 逐节深度解读

2.1 引言与研究背景

报告开篇明确指出，区块链技术催生的去中心化交易所（DEX）如Uniswap V2，实现无需中介的自动化撮合，促成了新代币的爆炸式增长。研究期间（约两个月）平均每小时产生约15个新代币，与ETH配对，实现交易，并吸引大量投资者关注。[page::0]

然而，大量新代币高收益背后潜藏风险——其中80%-90%最终呈现“蜜罐”特征——限制卖出，导致流动性锁死，影响市场健康。自动化做市商机制（AMM）替换传统订单簿，提供连续流动性，但系统易被操纵。已有研究多从安全角度审视智能合约漏洞，而本报告突破性地采用金融视角，深入量化蜜罐和操纵行为的市场及利润影响。[page::0,1]

2.2 贡献与组织结构

报告补充说，现有文献虽在计算机安全识别蜜罐与恶意合约方面做出贡献，但对其广泛金融影响的量化与实证不足。本研究填补此空白。

其贡献包括：

• 构建系统数据集，涵盖1.7万余新币交易事件；

- 量化市场被锁流动性的规模及利润虚假情况；

• 设计基于买入持有策略探测风险；

- 引入净成交价值（NTV）指标衡量流动性及价值滞留；

• 揭示“夹击攻击”收益来源及最优规模，为低流动池的攻击频繁提供理论支撑；

- 运用聚类方法分别在“交易次数时间”和“物理时间”框架下分析价格轨迹差异，厘清时间维度对行为解释的影响。

章节设计明晰，涵盖数据集介绍、代币分类、早期交易特性、投资策略分析、交易策略限制、攻击机制分析、聚类价格行为至结论。[page::1]

2.3 数据集与代币分类（第二章）

数据采集自以太坊链上，覆盖2024年10月10日至12月2日，识别17194个新发行代币，监控交易对创建、交易量、流动性变动（铸币、销毁事件）等。此数据是后续所有分析的基石。[page::2]

关键在代币分类：

• 蜜罐（Honeypot）：无法卖出、锁定流动性，基于卖出失败模拟和合约静态分析（集成两家知名安全检测服务Honeypot.is和GoPlus Labs），仅需被任一服务标记即认定。

- 可卖出代币（Sellable）：全生命周期内无卖出限制。

统计显示，蜜罐占比达约88%，可卖出代币仅12%，暴露市场风险极高，绝大多数投资面临流动性陷阱。[page::2]

2.4 代币早期市场属性（第三章）

• 创币频率：平均每天约200个新代币创建，图1a（条形图）显示此稳定高频率，且其中绝大部分为蜜罐。日均多达数十至近百的蜜罐新币制造出市场“泡沫”，误导投资者入局。

- 时段分布：图1b（直方图）显示新币按小时统计，以15个左右为峰值，蜜罐明显更频繁。

• 交易活跃度：图2a显示蜜罐代币交易次数集中在极低值（中位42次），卖得开币交易分布更广散（中位363次），表明蜜罐活跃期短暂；图2b为空间ETH交易量的买卖分布，明确说明锚定交易机器人活动。（有关图表详见下文3.7章节解读）[page::3,4]

这些数据反映，早期阶段市场大量代币快速产生，但绝大多数为质量低下甚至欺诈性“蜜罐”，流动性受限且活跃度下降迅速，阻碍健康生态形成。

2.5 买入持有策略的初步盈利测试（第四章）

报告实现了一种极简的交易策略：

• 交易机器人在第60笔交易时点买入代币，金额0.016 ETH；

- 之后监测每笔交易，基于Uniswap V2的恒定乘积做市公式评估何时卖出以实现最大利润，设定动态阈值（如到第200笔交易卖出要求达到2倍本金等）；

• 如果达到1500笔交易仍无退出，则以亏损结算。

结果显示：

• 大多数代币（约70.9%）策略盈利，最大利润宏大（最高达1056 ETH）；

- 但这种利润大多集中在蜜罐代币（71.83%盈利率，最高1056 ETH）；

• 卖得开代币虽然总体盈利率稍低（68%左右），仍然盈利；

然而，策略揭示的高盈利主要是蜜罐产生的“假”利润，因为代币无法卖出，而卖得开代币盈利潜力有限但存在（约46.69%回报率）。[page::5,6]

2.6 买入持有策略局限与风险（第五章一部分）

报告指出，存在三大限制令该策略难以细致运用：

• 蜜罐风险：大量资金被锁，流动性骗子频发现象用NTV指标量化，展现市场虚高；

- 夹击攻击（sandwich attack）：通过优先执行交易获取价差利润，并非简单买卖时序可复制；

• 时间框架差异：交易发生在区块内同时执行，swap时间（按交换计数）与物理时间（真实区块时间）不同步，影响实际执行可能性和判断。

引入NTV指标衡量市场实际经济规模后发现，高比例资本初期就被锁入蜜罐，且蜜罐代币交易及价格行为伪装成健康生态。但大规模的流动性撤销（如烧毁事件）引发价格暴涨假象，严重误导投资者。[page::7]

2.7 净成交价值(NTV)及极端交易事件分析（第五章）

NTV定义为累计成交量乘以当前交易价格，为衡量流动未抽走及“假繁荣”提供数值证据。图4详细展示在第10、100、1000笔swap后，蜜罐和卖得开币NTV的分布差异：

• 第10笔，94%的市值流动在蜜罐中；

- 至第1000笔，仍有约55%流动锁死于蜜罐。

这些数字直接量化了市场流动性质量问题。极端负NTV代表流动性大抛售导致价格暴跌（主要出现在蜜罐），而极正NTV对应“地毯拉”（rug pull）操作——主要流动性提供者突然撤资，价格急剧上涨失真。对应图5的散点图展示最大NTV与流动性的强负相关，大部分极端事件均围绕低流动性区域及蜜罐代币爆发。[page::8,9]

2.8 夹击攻击的机制、盈利及实操难题（第五章二部分）

夹击攻击原理：攻击者监控内存池，事先高价提交买单，推涨价格，随后卖出获利，基于AMM低流动性的特性威力显著。报告量化了攻击案例，指出68%蜜罐币和90%卖得开币都遭遇过此攻击。

此策略构成了买入持有策略盈利的主要来源，但实际上难以复制，因攻击多通过FlashBots私人通道执行，普通交易者难以介入。卖得开代币极少有超过1 ETH利润的案件，表明大部分利润集中于夹击攻击。图6展示夹击攻击导致的价格峰谷曲线，反映机器人利用价格扭曲获利。[page::10,11]

2.9 夹击攻击大小最优解数学模型（第五章三部分）

详细解析夹击攻击最优交易投入金额$\Delta xa$，基于Uniswap V2常量乘积公式推导攻击者收益函数$s(\Delta xa; \Delta x\epsilon)$（其中$\Delta x\epsilon$为受害者交易量），涵盖手续费影响与池中流动性规模效应。

结论：

• 无手续费时，攻击者应极限加大投资规模以最大收益；

- 有手续费时存在最佳投入量，估计为$\Delta xa^{max}=\frac{\Delta x\epsilon}{f} - x$，平衡手续费与利润；

• 流动性越高，攻击收益越低，攻击更适合低流动性的小池子，解释新币频获攻击缘由；

- 受害者滑点容忍度限制攻击规模，攻击者最优策略依赖滑点窗口。

图7具体描绘了$s$函数与投入量关系，形象展示攻击收益的峰值表现。[page::12,13,14]

2.10 价格行为的时间维度差异及聚类分析（第五章四、六部分）

区块链交易是按区块批量执行的，导致物理时间（区块时间）和swap时间（交易顺序）两种时间尺度带来的价格行为差异。

• Swap时间聚类：基于早期100和1000笔交易价格轨迹归一化，运用K-means聚类得到2-3个类别。聚类结果显示，蜜罐多数集中于价格持续上涨的轨迹簇（买入无卖出推升价格），卖得开代币均匀分布，表明短期价格趋势差异明显。（图8、9，表4）[page::15,16]
• 物理时间聚类：利用动态时间规整（DTW）算法，按区块时间对价格轨迹聚类。结果揭示三大典型价格模式：初期发涨随即暴跌、持续上涨假象（蜜罐特征）及稳定缓涨等，反映真实时间下短寿命代币暴露出极高风险和操纵风险。（图10）[page::17]

聚类对比明确说明，物理时间分析更能反映实际市场动态和投资时机限制，swap时间视角有利于捕捉交易内利润但忽略交易排序和执行限制。

2.11 结论（第六章）

• Uniswap V2新币市场活动频繁，约15个/小时新币诞生，绝大多数为蜜罐，锁定大额流动性。

- 买入持有策略表面上盈利颇丰，但主要源自蜜罐虚假利润和夹击攻击套利，普通投资者难以复制套利成果。

• 夹击攻击因手续费及流动性限制优化规模，低流动性新币易成为攻击目标。

- 物理时间与swap时间分析差异显著，物理时间分析更贴近真实交易环境，揭示了执行难度和潜在风险。

• 投资新币极具挑战，需兼顾智能合约风险、流动性风险及网络执行顺序风险。

- 报告提出开展早期智能合约风险识别及流动性动态检测的研究方向。

---

3. 图表深度解读

3.1 图1 — 新币创建频率概况（图1a）

• 描述：每日新币创建总数（绿）、蜜罐（橙）与可卖代币（蓝）分层柱形图，覆盖2024年10月至11月末。

- 解读：每日新币创建数稳定在约200个，其中蜜罐占主导，显著高于可卖代币。该图直接显示了市场中欺诈潜力极大和流动性健康度不足的隐忧。

• 联系文本：支撑作者关于大部分流动性锁定在蜜罐中，市场虚高的论断。[page::3,4]

3.2 图2 — 新币每小时创建数量分布（图1b）

• 描述：统计新币按小时分布创建数，按币种类别堆叠。

- 解读：多数时间段新币创建数量围绕15左右，蜜罐密度更高，表明蜜罐项目高速发酵。

• 意义：人为操控和市场投机活跃，市场易受风险威胁。[page::3,4]

3.3 图2a — 交易活动寿命分布

• 描述：横轴为代币交易次数，纵轴为数量分布，区分蜜罐与可卖代币。

- 解读：蜜罐活跃期短，交易次数多集中于低值区域，表示投资者陷入买单无法退出局面。可卖币活跃期更长，中位交易次数为蜜罐8倍之多。

• 意义：揭示市场流动性风险与交易活跃度关联。 [page::4]

3.3 图2b — ETH交易量大小分布

• 描述：以ETH计量的买卖交易大小分布。

- 解读：买单方（正侧）交易量出现明显离散峰值，暗示交易机器人规模、分配策略较为固定。卖单（负侧）呈相对均匀。

• 联结文本：支持机器人主导早期交易，且大量买单导致假象收益。 [page::4]

3.4 图3 — 买入持有策略利润分布

• 描述：基于买卖策略累计收益ETH分布，区分蜜罐与卖得开币。

- 解读：大部分代币盈利集中于蜜罐，刻画出买入持有策略虚假盈利的风险；卖得开币虽然盈利比例较低，然而仍存在约46%的收益率。极少数代币贡献了极高收益。

• 意义：策略的实际盈利受限于高风险蜜罐和极端套利，普通投资者难以触及。 [page::6]

3.5 图4 — NTV分布随交易次数变化

• 描述：NTV在第10、100、1000次交换后的直方图，展示两类代币价值存量与分布。

- 解读：早期蜜罐占主导，锁定绝大多数资金；随着时间推移，卖得开代币NTV增长逐渐接近蜜罐，但依旧不容忽视；个别极端异常值显示事件化价格操纵。

• 文本解读：量化市场流动性“假象”，强调流动性被锁定带来的系统性风险。 [page::8]

3.6 图5 — NTV最大值与流动性散点图

• 描述：标绘代币最大NTV对池内流动性关联的散点（双对数坐标）

- 解读：极端高NTV多集中于低流动资金池，且主要为蜜罐币。流动性消失与价格人为膨胀高度相关，典型“地毯拉”模式。

• 文本绑定：佐证作者关于极端事件集中、低流动性被滥用的金融机制剖析。 [page::9]

3.7 图6 — 高利润代币价格曲线（基于swap时间）

• 描述：买入持有策略中收益>0.5 ETH代币价格标准化轨迹，分别为卖得开币和蜜罐。

- 解读：图中尖锐峰值对应夹击攻击时刻，价格迅速拉高并回落，策略利用价格波动实现盈利。

• 作用：直观揭示夹击攻击塑造市场价格假象及其对交易策略的影响。[page::11]

3.8 图7 — 夹击攻击利润函数曲线

• 描述：攻击者盈利$s$与其投入量$\Delta x_a$的函数关系图，带峰值标。

- 解读：曲线呈先升后降凸形，峰值对应最优投资量。超投资导致手续费成本压倒利润，图解数学模型中的重要商讨。

• 意义：图形验证理论，突出攻击效率与流动性、手续费平衡动态。 [page::14]

3.9 图8 & 图9 — Swap时间聚类价格轨迹

• 描述：分别用$k=2,3$聚类后的归一化价格均值及标准差，覆盖前100和1000笔交易。

- 解读：早期聚类区分蜜罐频繁的持续涨价轨迹与卖得开代币更平稳轨迹（表4）。较长时间窗口聚类趋于同质，区别减弱。

• 功能：捕捉早期市场行为及其对买卖限制的关联动态。[page::15,16]

3.10 图10 — 物理时间动态时间规整(DTW)聚类

• 描述：对物理时间序列（按区块时间聚合），蜜罐与卖得开代币归一化价格轨迹的三聚类均值与置信带。

- 解读：两个代币类别均体现典型初期价格大幅涨跌行为。显示大部分代币寿命极短，且存在部分蜜罐表现持续上涨造假的特异轨迹。

• 价值：诠释区块链真实执行时间对交易及策略设计意义，提供非交易次数时间尺度的风险提示。[page::17]

---

4. 估值分析

报告中针对代币估值并非传统财务估值的DCF或多因子模型，而是提出了“净成交价值”（NTV）作为代币市场真实经济价值度量。NTV结合了成交量和当前价格，反映了流动性提取后，代币在市场上的实际价值。

对于夹击攻击，报告构建精细的数学模型，基于Uniswap V2恒定乘积市场做市公式，考虑手续费影响，推导最优攻击规模与利润极值，间接评估低流动性环境下的套利潜力。通过模拟验证，确认模型准确性，并解释了手续费与流动性变量在决定攻击可行性的角色。

同时，聚类分析体现了价格演化的估值轨迹差异，帮助揭示价格行为隐含的风险溢价和套利可能。

---

5. 风险因素评估

报告详尽地揭示了Investing Uniswap V2新代币面临的多重风险：

• 蜜罐风险：绝大多数新币被设计成不可摘抄的流动性陷阱，导致投资资金锁死，完全丧失退出渠道；

- 流动性撤出/烧毁风险：投资者面临流动性池突发清空或大幅缩水，导致价格短暂虚高后崩溃，被套路拉盘“地毯拉”；

• 夹击攻击：由优先交易执行控制引发的套利攻击，普通投资者难以实现同步策略，且该攻击盛行于低流动池，进一步侵蚀交易公平；

- 时间模型风险：swap时间与物理时间差异带来的交易策略执行失效，真实区块链执行环境下套利机会不如指标显示；

• 智能合约安全风险：未明文提及详细安全漏洞，但依赖于Honeypot.is与GoPlus Labs等安全检测提供商，间接体现合约潜在漏洞。

报告未显著给出缓解方案，更侧重量化风险本身，强调普通投资者应高度警惕流动性操纵和交易排序风险。

---

6. 批判性视角与细微差别

• 正视策略假设与执行难度：策略基于理论上在第60笔交易介入并动态退出，实际中抢占准确的交易位置及打包排序能力极有限，向普通投资者的示范意义有限。

- 蜜罐识别依赖第三方工具，可能含有分类偏差：如Honeypot.is通过模拟卖出判断，存在误判风险，尤其在流动性拉盘场景。

• 聚类分析受限于预设簇数和时间窗口，实际市场行为多样且复杂：随交换次数增加，蜜罐与卖得开币聚类趋于同质，显示早期差异显著但后期难辨别。

- 极端收益集中在少数案例，整体风险极高：正面盈利高度依赖少数爆炸型代币，存在样本选择偏差。

• 夹击攻击模型虽数学严谨，实际执行需私有途径（FlashBots等），隐含市场不公平。

- 流动性和时间元素深刻影响价格表现，报告强调现实时间分析重要，体现了对过去分析方法局限的科学反思。

---

7. 结论性综合

本报告通过系统链上数据与创新指标“净成交价值”，清晰展现了Uniswap V2新币市场的高速增长背后，绝大部分代币存在陷阱性质（蜜罐），导致资金流动性严重受限，并大幅扭曲市场真实价值。

买入持有策略看似可获高额利润，但实际上主要依托于蜜罐代币的价格错觉和夹击攻击套利，高度依赖交易排序优势和对时间轴的非现实假设。夹击攻击理论模型证明低流动池的高攻击获利性，进一步揭示了新币低流动性特点如何助长套利。

聚类分析从时间维度揭示价格行为关键差异，指出现实物理时间与swap事件序列时间分别塑造不同市场视角，影响战略实施可能性，凸显套利及投资风险的复杂时间特征。

整体报告具有高度实证性和理论深度，批判了现有交易策略的过度乐观，强调投资小型新币极高风险，呼吁未来在合同安全、流动性预警及区块内交易微观动态研究上加强投入。

综合观点：Uniswap V2上的新币市场尽管看似蕴藏暴利，却实则浸淫着蜜罐陷阱和夹击攻击等结构性风险，投资者需极大谨慎，策略设计必须基于物理时间和流动性综合视角，而非仅依赖交易事件序列。

---

附：重要图表示例

图1a — 新代币每日创建数量

图2a — 交易次数分布

图3 — 交易策略利润分布

图4 — NTV随交易次数变化

图5 — NTV峰值与池中流动性散点

图6 — 利润>0.5 ETH代币价格轨迹标准化展示

图7 — 夹击攻击收益函数

图8 — swap时间聚类轨迹（k=3）

图10 — 物理时间DTW聚类轨迹

---

本次详细分析，力求对报告中的每个章节重要论点、数据支持、模型推导、风险识别及图表意义做了全面剖析，揭示Uniswap V2新币生态的复杂面貌，为投资者和研究者理解去中心化交易所新兴市场现象提供了重要参考。

[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18]

报告