范式|欧科云链研究院：金融市场交易的范式革命 ---自动做市商制度（AMM）( 四 )
然而 ， 自动化做市商制度却没有价格发现的功能 。 比如在某一资产的交易上 ， 用户A（做市商A）挂出的是5 美元 / 手的买单 ， 用户B（做市商B）挂出的是10美元/ 手的买单 ， 在竞价制度或做市商制度下 ， 用户B（做市商B）先实现交易 ， 但在Uniswap平台上却无法保证用户B先成交 。 因为我们前面提到 ， AMM的价格是靠流动性驱动的 ， 交易价格由储备池的资产情况决定 ， 而非订单价格决定 ， 即AMM只能产生交易价格 ， 却不能发现市场价格 。 为此 ， AMM不得不引入套利者这一重要角色：一旦AMM平台上的价格与市场公允价格不同 ， 就会出现套利空间 ， 并将价格拉回正轨 。
金融市场交易制度的核心是发现价格功能 ， 无法发现价格的交易制度注定无法成为主流 。 因此 ， 从未来发展看 ， 自动做市商制度很难取代现有的竞价制度和做市商制度 ， 但可以凭借其简洁灵活的交易特征 ， 成为金融市场交易的补充 。
2. 无常损失（Impermanent Loss）
在上文中我们提到 ， 由于模型设计上的缺陷 ， AMM不得不引入套利机制以完善其价格机制 。 然而 ， 这也带来了另一个严重后果---无常损失（Impermanent Loss）
无常损失实际上来源于套利行为 。 我们前面提前 ， AMM的交易价格与市场公允价格是脱轨的 ， 为此需要套利者进来购买被低估的资产或卖出高估的资产 ， 直到 AMM 提供的价格跟外部市场匹配 。 因此 ， 套利者的利润实际上来自于流动性提供者 ， 由于套利给流动性提供者带来损失的这一部分就被称为无常损失 。
我们以如下表格说明 ， 在Uniswap的一个智能合约内有资产A 1000份 ， 资产B 10份 。
1) 初始时刻 ， 资产A的价格为1美元 ， 资产B的价格为100美元 ， 此时资产池总价值为1*1000+10*100=2000美元；
2) T2时刻 ， 资产B的价格上升为110美元 ， 此时资产池总价值变为1*1000+10*110=2100美元 。 注意到Uniswao此时的兑换价格为资产A数量与资产B数量的比值 ， 即P = 1000/10 = 100 ， 而在市场公允价格下 ， 兑换价格为110美元/1美元= 110 ， 由此出现套利空间 。
3) T3时刻 ， 套利者向该智能合约注入48.81份资产A ， 换取0.47份资产B 。 套利结束后 ， 资产A有 1048.81份 ， 资产B 剩余9.53份 ， 此时储备池内资产总价值为1048.81*1+9.53*110=2097.62美元 ， 相较于套利前少了2.38美元 ， 这部分损失即无常损失 。
表3. 无常损失产生原理
文章图片
资料来源：欧科云链研究院
流动性提供者（LP）之所以为AMM提供流动性 ， 是因为可以获取交易费用 ， 然而无常损失的存在 ， 提高了流动性提供者的风险 。 如果无常损失超过了流动性收益 ， 那么LP将不再提供流动性 。 因此无常损失的大小是决定AMM类DEX能否正常运营的关键 。
3. 交易深度问题
交易深度是衡量市场交易优劣的重要指标之一 ， 反映的是市场在承受大额交易时价格不出现大幅波动的能力 。 很多行业人士认为 ， 只要向市场提供足够的流动性 ， 就可以解决交易深度问题 。 对于以订单薄为基础的竞价制度和做市商制度确实如此 ， 但对于AMM而言 ， 其模型本身也会影响交易深度 。
以Uniswap为例 ， 在上文中我们提到 ， 交易前智能合约内两种资产的数量为（x0,y0） ， 交易后变为（x,y） ， 那么其实际交易价格为（这里我们忽略交易费用）：
文章图片
因为y = k /x ， 所以我们带入上式并求导 ， 即可得
推荐阅读
- 区块链人才紧缺，徐明星旗下欧科云链加快人才布局脚步
- 前瞻产业研究院|2020年1-7月山西省铁矿石产量及增长情况分析
- 行业互联网|中科润研究院与国电投签署《战略合作协议》
- 科学研究院|中国财政科学研究院院长刘尚希：人的城镇化不充分导致2亿农民工处于漂移状态
- 城市|中国财政科学研究院院长刘尚希：人的城镇化不充分导致2亿农民工处于漂移状态
- 央视新闻客户端|意高等卫生研究院：应警惕新冠新增病例数持续上升
- 上海市闵行区人民政府网站|闵行区科委赴上海航天技术研究院调研“十四五”规划工作
- 资本|智能监管助力建设诚信守法资本市场——访南开大学金融发展研究院院长田利辉
- 用友社会化用工研究院|“直播带货+”进入下半场,用友薪福社顺势而为,加速企业转型
- 欧科云链OKLink发布“链上天眼”系统，颠覆级应用背后的颠覆级想象