論文の概要: Exploring the Market Dynamics of Liquid Staking Derivatives (LSDs)
- arxiv url: http://arxiv.org/abs/2402.17748v2
- Date: Thu, 21 Mar 2024 17:03:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-22 18:58:05.423837
- Title: Exploring the Market Dynamics of Liquid Staking Derivatives (LSDs)
- Title(参考訳): 液体抽出誘導体(LSD)の市場ダイナミクスの探索
- Authors: Xihan Xiong, Zhipeng Wang, Qin Wang,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 3.386981473609616
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Staking has emerged as a crucial concept following Ethereum's transition to Proof-of-Stake consensus. The introduction of Liquid Staking Derivatives (LSDs) has effectively addressed the illiquidity issue associated with solo staking, gaining significant market attention. This paper analyzes the LSD market dynamics from the perspectives of both liquidity takers (LTs) and liquidity providers (LPs). We first quantify the price discrepancy between the LSD primary and secondary markets. Then we investigate and empirically measure how LTs can leverage such discrepancy to exploit arbitrage opportunities, unveiling the potential barriers to LSD arbitrages. In addition, we evaluate the financial profit and losses experienced by LPs who supply LSDs for liquidity provision. Our results show that 66% of LSD liquidity positions generate returns lower than those from simply holding the corresponding LSDs.
- Abstract(参考訳): StakeはEthereumがProof-of-Stakeコンセンサスに移行した後、重要なコンセプトとして登場した。
LSD(Liquid Stake Derivatives)の導入は、ソロステイクに伴う不公平な問題に効果的に対処し、市場の注目を集めている。
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市場のダイナミクスを分析する。
まず、LSDプライマリとセカンダリマーケットの価格差を定量化する。
そこで我々は,LSD仲裁に対する潜在的な障壁を明らかにするために,このような不一致を利用して調停機会を活用できるかを実験的に検討した。
また,流動性確保のためにLSDを供給しているLPが経験した財政利益と損失を評価した。
以上の結果から,LSD液状化位置の66%は,LSDを単に保持した値よりも低い値を生成することがわかった。
関連論文リスト
- Unveiling Wash Trading in Popular NFT Markets [0.7529855084362796]
4つの非偽造トークン(NFT)市場における2500万以上のトランザクションを分析します。
本稿では,トランザクションのネットワーク特性を行動解析と統合するアルゴリズムを提案する。
以上の結果から, インセンティブのあるNFT市場は, 洗剤取引量の割合が高いことが示唆された。
論文 参考訳(メタデータ) (2024-03-15T14:52:52Z) - Liquid Staking Tokens in Automated Market Makers [5.277756703318046]
LST(Liquid stake tokens)は、ブロックチェーンの証明にステークされた資産のトークン化表現である。
自動市場メーカ(AMM)におけるLCT液状度を理論的にモデル化する。
我々は、これらのメトリクスを、最も関連するAMMプールのLSTに対して経験的に測定する。
論文 参考訳(メタデータ) (2024-03-15T11:53:46Z) - Leverage Staking with Liquid Staking Derivatives (LSDs): Opportunities and Risks [5.150039023969438]
リーベージ・ステーク(leverage stake)とは、ユーザがリドにETHを賭けてstETHを取得し、stETHをAaveに担保として利用してETHを借り、リドに借りたETHをリドに再作成する新しい戦略である。
我々は,リド・アーブ生態系におけるレバレッジ・ステーク(レバレッジ・ステーク)の機会とリスクについて検討する。
我々はレバレッジ・ステークがカスケード液化のリスクを著しく増幅することを発見した。
論文 参考訳(メタデータ) (2023-11-28T23:43:29Z) - HalluciDoctor: Mitigating Hallucinatory Toxicity in Visual Instruction Data [102.56792377624927]
機械生成データに固有の幻覚は未発見のままである。
本稿では,クロスチェックパラダイムに基づく新しい幻覚検出・除去フレームワークであるHaluciDoctorを提案する。
LLaVAに比べて44.6%の幻覚を緩和し,競争性能を維持した。
論文 参考訳(メタデータ) (2023-11-22T04:52:58Z) - 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) - Uniswap Liquidity Provision: An Online Learning Approach [49.145538162253594]
分散取引所(DEX)は、テクノロジーを活用した新しいタイプのマーケットプレイスである。
そのようなDECの1つ、Unixwap v3は、流動性プロバイダが資金のアクティブな価格間隔を指定することで、より効率的に資金を割り当てることを可能にする。
これにより、価格間隔を選択するための最適な戦略を見出すことが問題となる。
我々は、この問題を非確率的な報酬を伴うオンライン学習問題として定式化する。
論文 参考訳(メタデータ) (2023-02-01T17:21:40Z) - A Game of NFTs: Characterizing NFT Wash Trading in the Ethereum
Blockchain [59.0626764544669]
非Fungible Token(NFT)市場は2021年に爆発的に成長し、2022年1月には月間貿易額が60億ドルに達した。
ウォッシュトレーディングの可能性に関する懸念が浮かび上がっており、あるパーティがNFTを取引してそのボリュームを人為的に膨らませる市場操作の形式である。
洗濯物取引は全NFTコレクションの5.66%に影響し、総生産量は3,406,110,774ドルである。
論文 参考訳(メタデータ) (2022-12-02T15:03:35Z) - 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) - Intelligent Trading Systems: A Sentiment-Aware Reinforcement Learning
Approach [11.09729362243947]
本稿では市場ムードを活用して利益の安定を図るセンティメント・アウェア・RL(SentARL)インテリジェントトレーディングシステムを提案する。
本稿では,SentARLのベースラインに対する一貫した有効性を示す。
論文 参考訳(メタデータ) (2021-11-14T16:30:45Z) - LSDAT: Low-Rank and Sparse Decomposition for Decision-based Adversarial
Attack [74.5144793386864]
LSDATは、入力サンプルのスパース成分と対向サンプルのスパース成分によって形成される低次元部分空間における摂動を加工する。
LSDは画像ピクセル領域で直接動作し、スパース性などの非$ell$制約が満たされることを保証します。
論文 参考訳(メタデータ) (2021-03-19T13:10:47Z) - SDF-Bayes: Cautious Optimism in Safe Dose-Finding Clinical Trials with
Drug Combinations and Heterogeneous Patient Groups [84.63561578944183]
本稿では,薬物の最大許容量(MTD)を臨床試験で検索するための新しいベイズ設計であるSDF-Bayesを提案する。
SDF-Bayesは、1つの薬物の現在の投与量をエスカレートまたは脱エスカレートする従来の原則ではなく、慎重な楽観主義によって進行する。
合成データセットと実世界データセットの両方に基づく広範な実験は、最先端のDC試験設計よりもSDFベイズの利点を示しています。
論文 参考訳(メタデータ) (2021-01-26T18:59:26Z)
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。