Adaptive Curves for Optimally Efficient Market Making

自动做市商（AMMs）在去中心化金融（DeFi）中非常重要，因为它们可以将流动性供需进行匹配。它们通过流动性提供者（LPs）将资产存入流动性池中来实现。然而，这些池中的资产交易价格通常落后于更具活力的中心化交易所中的价格，这可能导致LPs出现潜在的套利损失。为了解决这个问题，我们根据Glosten和Milgrom的经典市场微观结构模型，将市场做市商的债券曲线适应于交易者的行为。我们的方法确保市场做市商的价格满足零利润条件。我们推导出一种最优自适应曲线应该遵循的微分方程，以最小化套利损失，同时保持竞争力。使用Kalman滤波器，我们针对标准的高斯和对数正态价格模型获得了这个最优性方程的解。我们方法的一个关键特点是它能够估计外部市场价格，而不依赖于价格、损失预言机。我们还提供了一个等效的微分方程来描述规范静态债券曲线的隐含动态，并建立了它们最优性的条件。我们的算法展示了对不断变化的市场条件和对抗性扰动的稳健性，并提供了一个基于Uniswap v4的链上实现，以及离线的AI协处理器。

本论文旨在解决去中心化金融（DeFi）中自动化做市商（AMM）的流动性问题，提出了一种基于Glosten和Milgrom的市场微观结构模型的自适应市场制造商债券曲线的方法，以最小化套利损失。

论文提出的自适应市场制造商债券曲线的方案关键思路是根据交易者行为调整，确保市场制造商的价格满足零利润条件，通过Kalman滤波器和高斯和对数正态价格模型得出最优曲线的解，同时提供等效的静态债券曲线的微分方程以及其最优性的条件。

该方法不需要依赖价格、损失预言机即可估计外部市场价格，算法具有适应不同市场条件和对抗性扰动的鲁棒性，提供了与Uniswap v4的链上实现以及离线AI协处理器，值得进一步深入研究。

近期在该领域的相关研究包括：Uniswap v3、Balancer、Curve等AMM协议的改进，以及其他自适应市场制造商债券曲线的研究，如Dynamic AMM和Adaptive AMM等。