SoK: Decentralized Exchanges (DEX) with Automated Market Maker (AMM) Protocols
作为去中心化金融（DeFi）生态系统的一个组成部分，具有自动做市商（AMM）协议的去中心化交易所（DEX）随着最近对区块链和分布式账本技术（DLT）的兴趣重新燃起而获得了巨大的吸引力。自动做市商（AMM）采用对等池方法，通过所谓的守恒函数在算法上确定资产价格，而不是匹配买卖双方。为了促进基于自动做市商（AMM）的去中心化交易所（DEX）的改进和发展，我们创建了该领域知识的第一个系统化。我们首先建立了一个通用的自动做市商（AMM）框架，描述了经济学和形式化系统的状态空间表示。然后，我们采用我们的框架系统地比较顶级自动做市商（AMM）协议的机制，说明他们的守恒函数，以及滑移和发散损失函数。我们进一步讨论了安全和隐私问题，以及基于自动做市商（AMM）的去中心化交易所（DEX）的固有属性如何实现这些问题，并探索缓解解决方案。最后，我们对分散金融（DeFi）和传统市场微观结构的相关工作进行了全面的文献综述。
2023-03-14 cs.GT q-fin.TR
Towards Optimal Prior-Free Permissionless Rebate Mechanisms, with applications to Automated Market Makers & Combinatorial Orderflow Auctions
本文针对区块链MEV问题，提出一种确定捆绑交易用户补偿的正式方法，探讨Shapley值在公平补偿中的应用，并研究MEV返利与拍卖机制以削弱区块生产者权力。
2023-06-29 cs.GT
An Axiomatic Characterization of CFMMs and Equivalence to Prediction Markets
本文研究了CFMM与成本函数预测市场的等价关系，证明具有凹势函数的CFMM满足做市商公理且可转换为预测市场，揭示了促进交易与揭示信念的等价性，并展示了两者工具的互操作性。
2023-04-06 cs.GT
Defensive Rebalancing for Automated Market Makers
Brown University（布朗大学）
本文提出防御性再平衡机制，用于保护自动市场 makers 防止套利损失，通过凸优化问题解决流动性最大化问题。
2026-08-05 cs.GT
A Decomposition of Forecast Error in Prediction Markets
我们分析预测市场预测的误差来源，以限制证券价格与其估计的真实价格之间的差异。我们考虑基于成本函数的预测市场，其中自动做市商根据交易历史调整证券价格。我们将预测误差分解为三个部分：抽样误差，因为交易者只拥有对地面真相的嘈杂估计而产生;做市商偏见，由于使用特定的做市商（即，成本函数），以促进贸易;和收敛误差，产生的，因为在任何时候，市场价格可能仍然在不断变化。我们的目标是明确这些误差分量之间的权衡，受设计决策的影响，如成本函数的函数形式和市场的流动性。我们考虑一个特定的模型，在该模型中，交易者具有指数效用和指数家族信念，代表对地面真实的噪声估计。在这种情况下，抽样误差随着交易者数量的增加而消失，但其他两个组成部分之间存在权衡。我们提供了做市商偏差和收敛误差的上界和下界，并通过数值模拟证明这些界是紧的。我们的研究结果产生了新的见解，如何设置市场的流动性参数的问题，并到执行一致的价格在证券的预测效益。
2018-02-21 cs.GT
Axioms for Constant Function Market Makers
我们研究了不同类别的恒定功能的自动做市商（CFORS）的公理基础。我们特别关注的可分性和不同的不变性下缩放。我们的主要结果是一个公理化的表征的自然推广的常数产品做市商（CPONS），流行在分散的金融，一方面，和对数评分规则做市商（LMSR）的表征，流行在预测市场，另一方面。第一类是独立性和标度不变性的结合，而第二类是独立性和平移不变性的结合。因此，这两个类别的区别在于不同的不变性，这是由两个应用程序中对数值的不同解释所激发的。然而，两者都被相同的可分性属性所限制。此外，我们将CPMM描述为具有非集中流动性的规模不变、独立、对称的AMM类中的极值点。我们的研究结果增加了对目前用于去中心化交易所的机制的正式分析，并将最受欢迎的DeFi AMM类与最受欢迎的预测市场AMM类联系起来。
2023-02-14 cs.GT econ.TH
Pricing Personalized Preferences for Privacy Protection in Constant Function Market Makers
针对 CFMM 缺乏交易隐私的问题，本文提出支持用户个性化隐私要求与费用的噪声 CFMM，并刻画了可定价性条件及其与真实性和流动性的关系。
2023-09-26 cs.GT
Bandit Market Makers
我们介绍了一个模块化的做市的框架。它将基于成本函数的自动做市商与强盗算法相结合。我们得到了最坏情况下的利润保证的最好的事后在一类自然的“overround”成本函数。这种组合使我们有分布免费保证利润的遗憾，同时保持有界的最坏情况下的损失和计算的易处理性在组合空间的成本函数为基础的方法。我们目前的模拟结果，以更好地了解做市商的实际行为的框架。
2013-08-02 cs.GT q-fin.TR stat.ML
LOPMM: A Low-Order Parlay Market Maker
Princeton University（普林斯顿大学）；Kaleidoscope Blockchain（Kaleidoscope 区块链）
研究如何在预测市场提供连投产品，提出自动连投做市商APMM，采用分层参数化避免信息冗余，给出不同情况下做市商损失界限，并通过模拟和历史订单流验证，为预测市场提供连投产品提供了有效方法。
2026-10-07 cs.GT
Augmenting Batch Exchanges with Constant Function Market Makers
该研究针对批量交易所与CFMMs整合缺乏正式设计权衡理解的问题，提出基础公理与经济属性，证明属性间冲突，给出两种整合方案，并提出可计算两类资产WGS需求下Arrow-Debreu均衡的凸规划。
2024-06-21 cs.GT
An Automated Market Maker Minimizing Loss-Versus-Rebalancing
本文提出自动做市协议Diamond，通过区块生产者拍卖套利权并与流动性池共享收益，在协议层面最小化LVR，使被动流动性提供在区块链上理性可行。
2023-08-09 cs.GT
About constant-product automated market makers
恒定产品做市功能由Hayden Adams于2017年首次引入，以创建Uniswap，这是一个以太坊上的分散交易所。这使用户能够以任何给定的汇率交换资产。一些变化，如平衡器和曲线后来推出。在本文中，我们分析了规则这种类型的协议的数学。我们发现，将一笔交易拆分为多笔较小的交易不会影响最终汇率。我们还表明，该协议是更安全，更有利可图的时候，没有人重新复合他们的费用。
2023-01-20 cs.GT q-fin.TR
Embracing Fairness in Consumer Electricity Markets using an Automatic Market Maker
本文针对能源市场公平性问题，提出基于自动做市商和Fair Play算法的市场设计，通过差异化定价与资源分配实现公平，并在101个英国家庭数据上验证了其有效性。
2025-07-16 cs.GT cs.SY eess.SY
Automated Market Makers for Decentralized Finance (DeFi)
本文比较 DeFi 中多种自动做市商模型，提出基于恒定圆/椭圆的成本函数，以更低计算量和凸曲线改进恒定乘积模型，并增强抗滑点抢跑攻击能力。
2024-05-18 cs.DM cs.GT q-fin.TR
The Hyperdrive Protocol: An Automated Market Maker for Fixed and Variable Rates
Hyperdrive 协议通过单一流动性池的定价模型，解决固定与浮动利率资产交易中的流动性碎片化问题，提升交易效率与用户体验。
2024-05-22 cs.CE cs.GT
The Cost of Permissionless Liquidity Provision in Automated Market Makers
本文通过博弈论模型分析 AMM 中 LP 竞争，证明按存款比例分配费用会导致过剩流动性和线性福利损失，并揭示交易者类型互补及降低套利强度设计的局限。
2024-08-03 cs.GT
Market Making with Decreasing Utility for Information
Microsoft Research（微软研究院）
我们研究了在基于成本函数的组合预测市场中，当做市商对信息的效用随时间而降低时的信息获取问题。在突然披露的情况下，已知某些信息将被披露给交易者，并且做市商希望阻止在确定的信息上进行交易的保证利润。在逐渐减少的情况下，做市商对（部分）信息的效用随着时间的推移不断减少。我们为这两种设置设计了自适应成本函数：（1）保留先前在市场上收集的信息;（2）消除（或减少）交易者公开披露信息的奖励;（3）保持奖励结构不受其他信息的影响;（4）保持做市商的最坏情况损失。我们的结构利用混合Bregman分歧，这符合我们的信息效用的概念。
2014-07-30 cs.AI cs.GT
A Note on Optimal Fees for Constant Function Market Makers
本文提出一个确定CFMM最优交易费用的框架，证明多流动性池竞争下存在纯纳什均衡而非逐底竞争，并通过数值实验和真实交易数据验证其效果。
2021-05-28 cs.GT q-fin.TR
Designing Automated Market Makers for Combinatorial Securities: A Geometric Viewpoint
George Mason University（乔治梅森大学）；Rutgers University（罗格斯大学）
本文通过将组合证券自动做市商设计与计算几何中的范围查询问题相联系，提出了在任意集合系统上设计高效AMM的框架，并展示了有界VC维下的次线性算法及多分辨率集成。
2024-11-13 cs.CG cs.DS cs.GT
Maximizing Extractable Value from Automated Market Makers
自动做市商（AMM）是分散的应用程序，允许用户在不需要匹配交易订单的情况下交换加密代币。AMM是最成功的DeFi用例之一：事实上，主要的AMM平台每天处理价值数十亿美元的交易量。尽管AMM很受欢迎，但众所周知，它会受到交易排序问题的影响：对手可以影响用户交易的排序，并可能用自己的交易来抢占先机，从AMM中提取价值，从而损害用户的利益。我们设计了一个有效的程序来构建一个策略，通过该策略，对手可以最大限度地提高从用户交易中提取的价值。
2022-07-19 cs.CE cs.CR cs.FL
A theory of Automated Market Makers in DeFi
本文提出一种自动做市商理论，通过抽象操作模型刻画用户交互，证明其基本性质，并给出套利问题的通用博弈论解决方案。
2022-12-16 cs.FL cs.GT
Optimal Automated Market Makers: Differentiable Economics and Strong Duality
Harvard University（哈佛大学）
本文研究多商品及逆向选择下的最优自动做市商设计，证明其与最优传输问题对偶，并利用可微经济学工具发现最优机制可通过捆绑策略和实物支付提升效率。
2024-02-14 cs.AI cs.GT econ.TH
Arbitrage-Free Combinatorial Market Making via Integer Programming
Carnegie Mellon University（卡内基梅隆大学）；Microsoft Research（微软研究院）
我们提出了一个新的组合做市商，经营仲裁免费组合预测市场指定的整数规划。虽然无仲裁定价的问题，同时保持对做市商提供的补贴的约束，在最坏的情况下是P-硬的，我们认为，典型的情况下可能是适合现代整数规划（IP）求解器。在我们的方法的关键是弗兰克-沃尔夫（条件梯度）算法，用于实现Bregman投影对齐做市商的成本函数，使用IP求解器作为一个预言。我们证明了我们的方法的易处理性和提高的准确性，对现实世界的预测市场数据从组合投注放在2010年NCAA男子一级篮球锦标赛，其中的结果空间的大小为2^63。据我们所知，这是第一次实施和实证评估的无仲裁组合预测市场的规模。
2016-06-10 cs.AI cs.GT
Fairness and Strategy-Proofness in Automated Market Makers
研究自动做市商中流动性提供者投票聚合规则，证明在加权乘积族中不存在同时满足公平性和策略证明性的规则，除非是单提供者独裁。
2026-06-03 cs.GT econ.TH q-fin.TR
Monoculture in Matching Markets
针对算法单一化研究难以纳入市场效应的问题，本文提出双边匹配市场下的算法单一化理论模型，对比分析了单一化与多元化评估的结果差异及特征。
2023-12-15 cs.CY cs.GT econ.TH
Formalizing Automated Market Makers in the Lean 4 Theorem Prover
本文在 Lean 4 定理证明器中形式化了恒定乘积自动做市商，并提供了套利等关键经济属性的机械化证明，替代了传统的纸笔证明。
2024-02-08 cs.CE cs.GT cs.LO
am-AMM: An Auction-Managed Automated Market Maker
本文针对AMMs减少知情订单流损失与最大化非知情订单流收益的问题，提出拍卖管理AMM机制，通过链上拍卖选临时池管理者设定费率并获收益，最终提升流动性提供者收益与池流动性。
2025-02-12 cs.GT math.OC q-fin.MF
Strategic Analysis of Just-In-Time Liquidity Provision in Concentrated Liquidity Market Makers
UFRJ（里约热内卢联邦大学）；CMU（卡内基梅隆大学）；Avignon University（阿维尼翁大学）
本文首次建立集中流动性做市商中即时流动性提供者的交易级模型，证明最优策略存在，并发现实际行为与最优策略存在显著差距，优化后收益可提升69%，同时策略性JIT流动性可减少交易者滑点但降低被动做市商利润达44%。
2026-06-12 cs.CR cs.GT
Analysis of the RMM-01 Market Maker
本文研究了随时间变化的恒定函数做市商RMM-01，证明其可恢复Black-Scholes备兑期权收益，分析了定价属性与套利影响，确定了比Uniswap更稳定的参数边界，并结合借贷协议实现其他期权收益。
2023-10-22 cs.GT q-fin.CP q-fin.PM
Towards a Theory of Maximal Extractable Value I: Constant Function Market Makers
本文研究恒定函数做市商中最大可提取价值的博弈论性质，分析路由型与重排序型两类MEV的影响，给出无政府价格为常数等结论，为MEV成本收益估算提供方法。
2023-04-30 cs.CR cs.GT q-fin.CP
ZeroSwap: Data-driven Optimal Market Making in DeFi
Princeton University（普林斯顿大学）；Peking University（北京大学）；Witness Chain（见证链）
针对去中心化交易所中流动性提供者因价格陈旧遭受套利损失的问题，提出无需预言机的ZeroSwap最优做市算法，通过强制零利润条件平衡损失与收益，并确保价格推荐的稳定性与收敛性。
2024-04-29 cs.GT cs.LG
Mechanism Design for Automated Market Makers
本文提出一种批量处理区块内所有交易的AMM新机制，在传统区块链中实现套利弹性与公平对待，在去中心化排序公平的区块链中实现激励相容，从而消除MEV机会。
2025-09-13 cs.CG cs.GT
Price Updating in Combinatorial Prediction Markets with Bayesian Networks
Yahoo! Research（雅虎研究院）；Duke University（杜克大学）
为了克服基于对数市场评分规则（LMSR-based）的组合预测市场中计算/更新价格的#P-困难，Chen等人。[5]最近使用一个简单的贝叶斯网络来表示锦标赛组合预测市场中证券的价格，并表明两种类型的流行证券是结构保持的。在本文中，我们显着扩展这一想法，采用贝叶斯网络在一般的组合预测市场。我们揭示了一个非常自然的连接基于LMSR的组合预测市场和概率信念聚合，这导致了一个完整的表征所有结构保持证券可分解的网络结构。值得注意的是，Chen等人[5]的主要结果是我们特征的推论。然后，我们证明，为了一个非常基本的证券集是结构保持，贝叶斯网络的图必须是可分解的。我们还讨论了一些近似技术的证券结构不保持。
2012-02-14 cs.AI cs.GT
Budget Constraints in Prediction Markets
Microsoft Research（微软研究院）；University of Hong Kong（香港大学）
我们给出了一个详细的特征预算约束下的最优交易的预测市场的成本函数为基础的自动做市商。我们研究了个体交易者的预算约束如何影响他们影响市场价格的能力。作为我们的特征的一个具体应用，我们给出了一个我们称之为预算可加性的属性的充分条件：两个具有预算B和B'的交易者，以及相同的信念，其组合影响等于一个具有预算B+ B'的交易者。这样一来，即使单个交易者不能对市场产生太大的影响，一群志同道合的交易者也可以达到同样的预期效果。当与结果相关的收益向量的集合与证券相对应的坐标是独立的时，我们得到了广泛使用的对数市场评分规则的推广是预算可加的，但二次市场评分规则不是。我们的研究结果可以用来判断，以了解如果一个特定的做市商是受预算约束或不，和处方，作为一个配方，以构建市场。
2015-10-07 cs.AI cs.GT
ABIDES-MARL: A Multi-Agent Reinforcement Learning Environment for Optimal Execution with Endogenous Liquidity
ETH Zurich（苏黎世联邦理工学院）
ABIDES-MARL是用于内生流动性下最优执行的多智能体强化学习框架，扩展ABIDES-Gym实现多学习智能体，在扩展Kyle场景验证其可复现性，所得策略与外生冲击基准策略差异显著，为金融领域可解释智能体AI提供基础。
2026-08-25 cs.GT cs.MA cs.SY
Combinatorial Modelling and Learning with Prediction Markets
The University of Edinburgh（爱丁堡大学）
以适当的方式组合模型以实现高性能是当今机器学习领域中常见的。虽然已经建立了大量的组合模型，但很少有人注意到不同模型中的公共部分及其联系。因此，一种通用的建模技术值得研究，以深入理解模型组合，并为创建新的模型提供指导。预测市场显示出成为这样一个通用的，灵活的组合模型的希望。本文通过对几种流行的组合模型和预测市场模型的回顾，说明市场模型如何推广不同的组合结构，以及如何在特定条件下实现这些流行的组合模型。此外，在不同的市场模型中，Storkey的\emph{Machine Learning Markets}提供了比其他模型更基本、更通用的建模机制，在理论研究和应用上都有很大的吸引力。
2012-01-18 cs.AI cs.GT q-fin.TR
A Myersonian Framework for Optimal Liquidity Provision in Automated Market Makers
本文基于类贝叶斯信念推断框架，将垄断流动性提供者的最优策略刻画为具有向下倾斜需求曲线的激励相容AMM，推广了Myerson虚拟价值，揭示了最优需求曲线的跳跃源于逆向选择风险与垄断定价，为研究自动兑换机制提供了新视角。
2023-11-27 cs.GT econ.TH q-fin.MF
