Automated Market Makers: Mean-Variance Analysis of LPs Payoffs and Design of Pricing Functions
本文提出一种基于外部预言机的自动做市商机制，通过均值-方差分析证明其优于常数函数做市商，为流动性提供者带来更优收益。
2023-11-19 q-fin.TR
Competition between DEXs through Dynamic Fees
University of Warwick（华威大学）；University of Stuttgart（斯图加特大学）；University of Oxford（牛津大学）
本文研究了去中心化交易所之间通过动态费用竞争的均衡机制，发现竞争下费用策略在套利抑制与噪音交易吸引间交替，并影响执行滑点和费用收入。
2026-03-10 math.OC q-fin.MF q-fin.TR
Generalizing Impermanent Loss on Decentralized Exchanges with Constant Function Market Makers
流动性提供者对于去中心化交易所的功能至关重要，以确保流动性接受者可以保证其交易的交易对手。然而，投资于流动性池的流动性提供者面临许多风险，其中最突出的是临时损失。目前，由于不同的做市商算法、费用结构和不同交易所的集中流动性动态，很难对这一指标进行分析。为此，我们提供了一个框架，以推广非永久性损失的多个资产池服从任何常数功能的做市商与可选的集中流动性。我们还讨论了如何池费适合的框架，并确定的条件下，流动性供应变得有利可图时，从交易费的收益超过临时损失。最后，我们证明了这个框架的实用性和通用性，在BalancerV2和UniswapV3的模拟。
2023-01-17 q-fin.TR
Market Informedness and Market-Maker Profitability: The Trade-Off Between Adverse Selection and Price Discovery
University of Zurich（苏黎世大学）；ETH Zurich（苏黎世联邦理工学院）；Aisot Technologies（艾索特科技）
本文通过多智能体强化学习框架研究市场知情度对做市商盈利能力的影响，发现知情订单流在低知情市场中导致严重逆向选择风险，但整体上市场知情度提高带来的价格发现效应抵消了逆向选择的负面影响，使做市商盈利能力呈上升趋势。
2026-06-18 q-fin.TR
Liquidity Provision Payoff on Automated Market Makers
在许多去中心化交易所（DEX）中，补偿流动性提供者作为互换交易对手的标准方法是收取一小部分费用。在现有文献中，这种做市模式的现金流的预期回报还没有用数学公式表示。我们在这里提供了一个初步推导的支付公式，通过有效市场的标准假设，即几何布朗价格运动和零套利。交易量，传统上被视为费用计算的外生变量，在这个公式中成为波动性和可用流动性的函数。在这样做时，我们表明，它是一个近线性函数的波动率的基础风险资产。由于具有这种属性的对冲工具受到高度追捧，我们讨论了将流动性费用的现金流证券化以作为其本身的波动性产品的潜力。
2022-09-04 q-fin.MF q-fin.PR q-fin.TR
Optimal Fees for Liquidity Provision in Automated Market Makers
Columbia University（哥伦比亚大学）；Université Paris Dauphine-PSL（巴黎第九大学-巴黎文理研究大学）；Category Labs
研究AMM中被动流动性提供者因逆向选择受损的问题，构建动态模型并利用模拟与真实数据，揭示最优费用随市场条件变化的权衡机制，提出阈值型动态费用机制以改善LP收益。
2026-10-05 econ.GN math.OC q-fin.CP
Price-Aware Automated Market Makers: Models Beyond Brownian Prices and Static Liquidity
本文针对价格感知型自动做市平台的报价优化需求，提出融合随机波动率、跳变、Hawkes过程微观价格模型及两类需求过程的模型体系，并分析各模型最优报价计算的数值方法复杂度。
2024-05-18 q-fin.TR
Optimal Dynamic Fees for Automated Market Makers: A Stochastic Control Approach to Loss-Versus-Rebalancing
研究恒定乘积自动做市商中流动性提供者的最优动态费用策略，通过随机控制方法平衡交易收入与套利损失，证明最优费用与波动率正相关且具有顺周期性。
2026-06-23 q-fin.MF q-fin.TR
Concentrated Liquidity in Automated Market Makers
本文研究集中流动性如何改变自动做市商中的流动性提供市场，通过比较引入前后的平均费用回报，并利用历史交易数据评估多种基础集中流动性策略在不同交易对和市场条件下的表现。
2021-10-04 q-fin.TR
Optimal Rebate Design: Incentives, Competition and Efficiency in Auction Markets
UC Berkeley（加州大学伯克利分校）
研究拍卖市场中交易所通过返利政策激励做市商、缩小清算价与资产价值价差以提升市场效率的最优设计问题，采用主从博弈框架和深度BSDE方法求解。
2026-06-07 math.OC math.PR q-fin.TR
Better market Maker Algorithm to Save Impermanent Loss with High Liquidity Retention
提出基于幂律不变量的BMM和动态回扣系统，减少36%无常损失并保留3.98倍流动性，提升40%用户参与，实现接近CEX的流动性深度。
2025-02-27 q-fin.TR
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
Inefficiency of CFMs: hedging perspective and agent-based simulations
我们调查CFM交易的费用收入是否足以让流动性提供者对冲市场风险。我们首先通过连续时间金融数学的镜头来分析这个问题，并推导出一个非套利费用收入的上限，使CFM有效和流动性供给公平。然后，我们通过不同的CFM费用，市场波动性和流动性接受者的到达率进行多代理模拟来评估我们的研究结果。我们观察到，平均而言，流动性供给产生的费用收入不足以补偿市场风险。
2023-02-08 q-fin.MF q-fin.TR
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
Automated Market Making and Arbitrage Profits in the Presence of Fees
本文扩展双资产 AMM 模型，引入手续费与 Poisson 区块时间，闭式求解套利利润期望速率，并证明更快区块和更低 gas 费可减少流动性提供者损失。
2025-07-23 math.OC q-fin.MF q-fin.PM
Optimal Exit Time for Liquidity Providers in Automated Market Makers
本文将AMM中LP的流动性撤回建模为含内生停止时间的随机控制问题，证明HJB拟变分不等式粘性解唯一性，并用两种数值方法求解最优退出与手续费策略。
2025-10-20 q-fin.MF q-fin.TR
QLAMMP: A Q-Learning Agent for Optimizing Fees on Automated Market Making Protocols
University of Southern California（南加州大学）；BITS Pilani, Goa Campus（博拉理工学院果阿校区）
自动做市商（AMM）已经巩固了自己作为去中心化金融（DeFi）领域不可或缺的一部分。AMM是一种交易所，允许用户在不需要集中交易所的情况下交易资产。它们构成了许多去中心化交易所（DEX）的基础，有助于促进链上代币的快速有效交换。目前所有流行的DEX都是静态协议，具有控制费用和曲率的固定参数-它们具有不变性，无法适应快速变化的市场条件。这一特点可能会导致交易者在难以控制的市场波动所带来的高滑点条件下远离。我们提出了一个RL框架来优化AMM协议上收取的费用。特别是，我们开发了一个Q-学习代理做市协议（QLAMMP），学习最佳的费率和杠杆系数为给定的AMM协议，并最大限度地提高预期的费用在一系列不同的市场条件下收集。我们表明，QLAMMP始终能够在所有模拟测试条件下优于其静态同行。
2022-11-28 cs.LG q-fin.TR
Delta Hedging Liquidity Positions on Automated Market Makers
University of Pennsylvania（宾夕法尼亚大学）；New York University（纽约大学）
自动做市商上的流动性提供商每天产生数百万美元的交易费用。然而，流动性头寸的净值容易受到池中基础资产价格变化的影响。流动性头寸损失的主要衡量标准是临时损失。常函数做市商的非永久性损失已经被广泛研究。我们提出了一个新的指标来衡量流动性头寸PNL的基础上，从基础资产的价格变动。我们展示了这个新指标如何更恰当地衡量流动性头寸净值的变化，作为基础资产价格变动的函数。我们的第二个贡献是一个算法，以三角洲对冲任意流动性头寸的统一流动性自动做市商（如Uniswap v2）和集中流动性自动做市商（如Uniswap v3）通过衍生品的组合。
2022-12-28 cs.CE cs.LG q-fin.TR
Optimal auction duration: A price formation viewpoint
我们考虑一个拍卖市场，其中做市商在给定的时间段内填写订单簿，而其他一些投资者发送市价订单。我们将拍卖的清算价格定义为根据每个市场参与者的供给和需求使清算时间的交易量最大化的价格。然后，我们在一个半显式的形式得出的误差之间的清算价格和有效的价格作为拍卖持续时间的函数。我们研究了市场接受者的行为对这种错误的影响。为此，我们考虑天真的市场接受者和理性的市场接受者的情况下，发挥纳什均衡，以最大限度地减少他们的交易成本。我们计算的最佳持续时间的拍卖在泛欧交易所交易的77只股票，并比较在此最佳值的情况下，连续的限价订单簿的价格形成过程的质量。连续的限价订单簿通常是次优的。然而，就我们的衡量标准而言，它们只是适度地损害价格形成过程的质量。最佳拍卖持续时间的数量级是从2到10分钟。
2020-06-29 math.OC math.PR q-fin.TR
Mitigating Adverse Selection in Concentrated Liquidity AMMs with Dynamic Fees: An Agent-Based Model Approach
Scuola Normale Superiore（比萨高等师范学院）
针对Uniswap v3等集中流动性AMM中流动性提供者面临的逆向选择成本，提出基于波动率和订单流毒性的动态费用机制，通过代理建模验证其可补偿损失而非直接降低损失。
2026-06-23 q-fin.TR
Market making and incentives design in the presence of a dark pool: a deep reinforcement learning approach
我们考虑做市商同时在交易所的明池和暗池中行动的问题。该交易所希望建立一个合适的交易费用政策，以吸引在其场地进行交易。我们首先解决做市商在没有交易所干预的情况下的随机控制问题。然后，我们推导出定义做市商和交易所之间的最优合约的方程。该合约取决于做市商在两个交易场所的活动所产生的交易流量。在这两种情况下，我们显示的存在性和唯一性，在粘性的意义下，哈密顿-雅可比-贝尔曼方程的解决方案，相关的做市商和交易所的问题。最后，我们设计了深度强化学习算法，使我们能够有效地近似做市商的最优控制和交易所提供的最优激励。
2019-12-02 q-fin.MF q-fin.TR
Measuring Trade Direction in a Prediction Market: Settlement Ground Truth and Trading-Cost Measurement on Polymarket
本研究验证Polymarket预测市场交易方向，发现Lee-Ready规则在结算真值下优于tick和成交量分类，并揭示方向错误会显著扭曲交易成本测量。
2026-10-06 econ.EM q-fin.TR
The Economics of Automated Market Makers
本文通过建模资金池最优抽成率，研究 Uniswap 等自动做市商能否持续保留部分交易手续费，发现拥有忠诚交易量时可在不流失流动性的情况下设定非零抽成率，并给出依赖忠诚交易量和竞争者抽成率的最优抽成率。
2022-06-09 econ.GN q-fin.EC q-fin.TR
How to design a derivatives market?
我们考虑设计一个衍生工具交易所的问题，旨在满足客户在上市期权方面的需求，并提供适当的流动性。我们分两步进行。首先，我们使用量化方法来选择交易所应该显示的选项。然后，运用委托代理理论，设计了交易所和做市商之间的佣金契约。这种合约的作用是向做市商提供激励，使其为所有上市期权提供较小的价差，从而吸引交易并满足交易所的商业要求。
2019-09-19 econ.GN q-fin.EC q-fin.TR
Axioms for Automated Market Makers: A Mathematical Framework in FinTech and Decentralized Finance
本文提出自动做市商（AMM）的公理化数学框架，通过合理公理刻画资产兑换规模与定价预言机属性，定义新的价格影响度量，提出新费用结构解决交易拆分问题，并设计出无发散损失的新型AMM。
2025-02-01 q-fin.MF q-fin.TR
Arbitrage on Decentralized Exchanges
The Chinese University of Hong Kong（香港中文大学）
本文提出一个去中心化交易所套利者之间gas费用竞争的均衡模型，分析不同交易回退设置下套利者的盈利与市场效率，并通过实证数据验证模型的结论。
2026-09-10 q-fin.MF q-fin.TR
Rebalancing-versus-Rebalancing: Improving the fidelity of Loss-versus-Rebalancing
针对LVR指标衡量AMM再平衡效率的局限性，提出更高保真度的RVR模型，经大量模拟实验验证AMM在多数场景下再平衡效率优于中心化交易所，为动态AMM拓展了资产管理新用例。
2024-10-30 q-fin.TR
Fragmentation, Price Formation, and Cross-Impact in Bitcoin Markets
鉴于比特币交易格局的高度碎片化所导致的微观效率低下，我们利用由来自流动性最强的比特币市场的订单和交易数据组成的粒度数据集，以了解低于1秒的时间尺度下的价格形成过程。为了实现这一目标，我们构建了一组功能，封装相关的微观结构信息在短的回顾窗口。随后，这些特征首先被用来生成一个领先者-落后者网络，该网络量化了市场如何相互影响，然后被用来训练线性模型，该模型能够解释$500$ ms未来回报率（取决于哪个市场是预测目标）中10%到37%的总变化。然后将结果与考虑到交易现实，如交易成本的各种PnL计算结果进行比较。PnL计算基于我们与每个模型相关联的自然$\textit{taker}$策略（意味着它们采用市价订单）。我们的研究结果强调了市场的收费制度在决定其成为领先者或落后者的倾向，以及我们的接受者策略的盈利能力方面的作用。进一步进行分析，我们还推导出自然的$\textit{maker}$策略（即，一个只使用被动限价订单），由于与回测庄家策略相关的困难，我们在真实世界的实时交易实验中进行了测试，在该实验中，我们的名义交易量超过了150万美元。为我们的模型提供了额外的信心，并扩展了它们所基于的功能，结果表明，与天真的基准策略相比，我们也在真实资本的实时交易环境中部署了一个显着的改进，以便进行比较。
2021-08-22 q-fin.GN q-fin.ST q-fin.TR
Impermanent Loss in Uniswap v3
AMM是部署在区块链上的自治智能合约，它在该链上的不同资产之间建立市场。在本文中，我们正在研究一个特定类别的AMM称为常数功能做市商的交易概况，忽略费用，是由他们的债券曲线。这类AMM遭受通常被称为临时损失的损失，我们之前已经确定为相关自融资交易策略的Gamma成分，这是LP提供商针对潜在费用收入下注的风险。最近的Uniswap v3版本推广了杠杆流动性供给的概念--其中提供流动性的交易范围被缩小，并通过消除未使用的抵押品实现更高程度的资本效率。这种杠杆增加了所赚取的费用，但也增加了所承担的风险，即IL。Uniswap v3的费用水平已广为宣传，因此在本文中，我们将重点关注IL的计算。我们发现，对于我们分析的17个池，覆盖了TVL的43%，并根据规模，复合令牌和数据可用性进行选择，自成立以来到截止日期的总费用为1.993亿美元。我们还发现，在此期间，LP遭受的总IL为2.601亿美元，这意味着如果他们只是HODLd，这些LP的总收入将增加6080万美元。
2021-11-17 q-fin.PM q-fin.TR
Growth rate of liquidity provider's wealth in G3Ms
The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））；National Tsing Hua University（国立清华大学）；Baruch College, The City University of New York（纽约市立大学巴鲁克学院）
研究交易费用和连续时间套利对G3Ms中流动性提供者盈利能力的影响，通过随机反射扩散过程分析模型动态，扩展Tassy和White关于常数产品市场 maker 的研究至更广泛的G3Ms，计算流动性提供者财富的长期对数增长。
2026-04-11 q-fin.MF q-fin.PR q-fin.TR
Causal Effects of Protocol-Fee Changes on Liquidity Provision in Automated Market Makers
研究协议费用变化对自动化做市商流动性供应的因果效应，利用Uniswap协议费用切换的实际变化，通过匹配重叠事件研究差异设计估计流动性供应响应，未检测到短期平均响应，界定了估计量。
2026-07-14 q-fin.TR stat.AP
Simulation and estimation of an agent-based market-model with a matching engine
一个基于代理人的模型与互动的低频流动性接受者中介的高频流动性提供者共同作为做市商，可以用来提供现实的模拟价格影响曲线。当基于代理的模型交互通过在事件时间使用匹配引擎的订单匹配异步发生时，这是可能的，以取代顺序日历时间市场清算。在这里，匹配引擎基础设施已被修改，以提供作为消息流的订单确认和更新的连续馈送，以便更紧密地符合实时交易环境。然后汇总、校准和可视化模拟产生的交易和报价消息数据。各种风格化的事实与事件可视化和价格影响曲线一起呈现。我们认为，额外的现实主义建模可以实现一个小的代理参数和简单的交互规则，一旦交互是反应性的，异步的，在事件时间。我们认为，市场代理的反应性可能是金融市场的一个基本属性，当占可以允许简约的建模，而无需求助于额外的噪声源。
2021-08-20 cs.MA q-fin.CP q-fin.TR
Modeling Loss-Versus-Rebalancing in Automated Market Makers via Continuous-Installment Options
本文通过将AMM头寸建模为永续美式连续分期期权组合，证明LVR等于期权theta，并推导出近似恒定LVR的delta曲线与边界，为流动性提供者提供优化框架。
2025-08-05 q-fin.MF q-fin.PR q-fin.TR
Market Making without Regret
Università degli Studi di Milano and Politecnico di Milano, Milan, Italy（米兰大学和米兰理工学院，意大利）；University of Ottawa, Ottawa, Canada（渥太华大学，加拿大）；Politecnico di Milano and Università degli Studi di Milano, Milan, Italy（米兰理工学院和米兰大学，意大利）；Università degli Studi di Milano, Milan, Italy（米兰大学，意大利）；Independent researcher（独立研究者）
该研究针对序贯做市场景，在多种价格估值假设下刻画做市商遗憾，揭示其与首价拍卖等的关联，并给出i.i.d.情形下的遗憾下界。
2025-06-17 cs.GT cs.LG q-fin.TR
Automated Market Making and Decentralized Finance
本论文形式化研究了带有集中流动性的恒定乘积做市商交易机制，分别推导了流动性获取者执行大额订单与统计套利的最优策略，以及流动性提供者基于随机控制与LSTM神经网络的最优策略。
2024-07-23 q-fin.TR
RL-Exec: Impact-Aware Reinforcement Learning for Opportunistic Optimal Liquidation, Outperforms TWAP and a Book-Liquidity VWAP on BTC-USD Replays
Enzo Duflot, Stanislas Robineau
针对BTC-USD限价订单簿固定期限机会型最优清算问题，提出增强内生瞬时影响等因素的PPO智能体RL-Exec，在严格时间划分测试中显著优于TWAP和基于订单簿流动性的VWAP，且执行时间越长优势越明显。
2025-10-30 cs.LG q-fin.ST q-fin.TR
The Invisible Handshake: Persistent Overpricing by Adaptive Market Agents
Department of Computer Science University of Milan（米兰大学计算机科学系）；Institute of Finance University of Lugano（卢加诺大学金融研究所）；LLUI；Department of Computer Science Vienna University of Technology（技术大学维也纳计算机科学系）
本文研究了重复博弈中市场maker与market taker之间的过度定价问题，通过分解游戏为竞争和协作部分，分析了适应性市场代理如何导致持续高估。
2026-05-11 cs.GT cs.LG q-fin.TR
The Privacy Subsidy in Market Microstructure
The Open University of Japan（日本开放大学）
本文证明做市商在粗化信号上定价必然产生隐私补贴，并刻画其在三个经典模型中的闭式形式，表明隐私在主导阶上福利中性且可内生化选择最优噪声规模。
2026-09-11 cs.CR cs.GT q-fin.TR
