論文の概要: Leverage Staking with Liquid Staking Derivatives (LSDs): Opportunities and Risks
- arxiv url: http://arxiv.org/abs/2401.08610v4
- Date: Sat, 04 Jan 2025 14:13:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-07 17:01:47.047240
- Title: Leverage Staking with Liquid Staking Derivatives (LSDs): Opportunities and Risks
- Title（参考訳）: 液体抽出誘導体(LSD)を用いたレバレッジ・ステーク--機会とリスク
- Authors: Xihan Xiong, Zhipeng Wang, Xi Chen, William Knottenbelt, Michael Huth,
- Abstract要約: Proof of Stakeのエコシステムでは、ユーザーはETHをLidoに賭けてstETHを受け取ることができる。
本稿では,stETHを用いたレバレッジ・ステークの形式的枠組みを確立する。
- 参考スコア（独自算出の注目度）: 5.150039023969438
- License:
- Abstract: In the Proof of Stake (PoS) Ethereum ecosystem, users can stake ETH on Lido to receive stETH, a Liquid Staking Derivative (LSD) that represents staked ETH and accrues staking rewards. LSDs improve the liquidity of staked assets by facilitating their use in secondary markets, such as for collateralized borrowing on Aave or asset exchanges on Curve. The composability of Lido, Aave, and Curve enables an emerging strategy known as leverage staking, an iterative process that enhances financial returns while introducing potential risks. This paper establishes a formal framework for leverage staking with stETH and identifies 442 such positions on Ethereum over 963 days. These positions represent a total volume of 537,123 ETH (877m USD). Our data reveal that 81.7% of leverage staking positions achieved an Annual Percentage Rate (APR) higher than conventional staking on Lido. Despite the high returns, we also recognize the potential risks. For example, the Terra crash incident demonstrated that token devaluation can impact the market. Therefore, we conduct stress tests under extreme conditions of significant stETH devaluation to evaluate the associated risks. Our simulations reveal that leverage staking amplifies the risk of cascading liquidations by triggering intensified selling pressure through liquidation and deleveraging processes. Furthermore, this dynamic not only accelerates the decline of stETH prices but also propagates a contagion effect, endangering the stability of both leveraged and ordinary positions.
- Abstract（参考訳）: Proof of Stake (PoS) Ethereumエコシステムでは、ユーザは、ETHをLidoに賭けて、ETHの利害関係を表すLSD(Liquid Stake Derivative)であるstETHを受け取ることができる。
LSDは、Aaveでの担保付き借り入れやCurveでの資産交換など、二次市場での利用を促進することで、保有資産の流動性を向上させる。
Lido、Aave、Curveのコンポーザビリティは、リバレッジ・ステークとして知られる新たな戦略を可能にします。
本稿では,stETHの活用のための公式な枠組みを確立し,Ethereum上の442個の位置を963日間にわたって同定する。
これらの位置は総体積537,123 ETH (877m USD)である。
我々のデータによると、レバレッジ・ステークの81.7%が、従来のリド・ステークよりも年間パーセンテージ・レート(APR)を達成している。
高いリターンにもかかわらず、潜在的なリスクも認識しています。
例えば、Terraのクラッシュインシデントでは、トークンの切り下げが市場に影響を及ぼすことを示した。
そこで我々は,重大なstETH評価の極端な条件下でストレステストを実施し,関連するリスクを評価する。
シミュレーションの結果,レバレッジ・ステークは,液化および除染プロセスを通じて販売圧力を増大させることにより,カスケード液化のリスクを増幅することがわかった。
さらに、このダイナミクスはstETH価格の下落を加速するだけでなく、感染効果を伝播させ、レバレッジされた位置と通常の位置の両方の安定性を脅かす。
関連論文リスト
- When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。
StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。
AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
論文 参考訳（メタデータ） (2024-07-15T06:49:30Z) - Exploring the Market Dynamics of Liquid Staking Derivatives (LSDs) [3.386981473609616]
液状溶出誘導体(LSD)は, 単独溶出に伴う液状溶出の問題に効果的に対処している。
本稿では流動性テイカー(LT)と流動性プロバイダ(LP)の両方の観点からLCD市場ダイナミクスを解析する。
論文 参考訳（メタデータ） (2024-02-27T18:34:15Z) - Adaptive Liquidity Provision in Uniswap V3 with Deep Reinforcement
Learning [19.916721360624997]
分散取引所(DEX)は、分散金融(DeFi)の基盤である
本稿では,価格範囲を適応的に調整する深層強化学習(DRL)ソリューションを提案する。
当社のアプローチは、リバランシングポートフォリオを通じて流動性ポジションをヘッジすることで、価格変動リスクを中和する。
論文 参考訳（メタデータ） (2023-09-18T20:10:28Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-08-18T16:21:15Z) - Safe Deployment for Counterfactual Learning to Rank with Exposure-Based
Risk Minimization [63.93275508300137]
本稿では,安全な配置を理論的に保証する新たなリスク認識型対実学習ランク法を提案する。
提案手法の有効性を実験的に検証し,データが少ない場合の動作不良の早期回避に有効であることを示す。
論文 参考訳（メタデータ） (2023-04-26T15:54:23Z) - Can Perturbations Help Reduce Investment Risks? Risk-Aware Stock
Recommendation via Split Variational Adversarial Training [44.7991257631318]
本稿では,リスクを意識したストックレコメンデーションのための新しいSVAT法を提案する。
株式レコメンデーションモデルのボラティリティを下げることで、SVATは投資リスクを効果的に低減し、リスク調整利益の点で最先端のベースラインを30%以上上回ります。
論文 参考訳（メタデータ） (2023-04-20T12:10:12Z) - Measuring tail risk at high-frequency: An $L_1$-regularized extreme
value regression approach with unit-root predictors [6.603123437390905]
我々は、高周波金融市場におけるテールリスクダイナミクスとその取引活動および市場不確実性との関連について検討する。
定常および局所的な単位根予測器を共役する動的極値回帰モデルを導入する。
流動性とボラティリティの高ボラティリティ期における価格影響の低さにより、極端な損失の深刻度が適切に予測されることがわかった。
論文 参考訳（メタデータ） (2023-01-03T21:31:00Z) - Efficient Risk-Averse Reinforcement Learning [79.61412643761034]
リスク逆強化学習(RL)では、リターンのリスク測定を最適化することが目標である。
特定の条件下では、これは必然的に局所最適障壁につながることを証明し、それを回避するためのソフトリスク機構を提案する。
迷路ナビゲーション,自律運転,資源配分ベンチマークにおいて,リスク回避の改善を示す。
論文 参考訳（メタデータ） (2022-05-10T19:40:52Z) - Reinforcement learning for options on target volatility funds [0.0]
我々は、目標ボラティリティ戦略(TVS)に基づくリスクの高い証券のヘッジによる資金調達コストの上昇に対処する。
我々はこの問題をブラック・アンド・ショールズ(BS)のシナリオで解析的に解いた。
次に、局所ボラティリティ(LV)モデルの下で最も保守的な価格につながる資金組成を決定するために強化学習(RL)技術を使用します。
論文 参考訳（メタデータ） (2021-12-03T10:55:11Z) - A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。
ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。
我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
論文 参考訳（メタデータ） (2020-12-10T01:15:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。