論文の概要: Liquid Staking Tokens in Automated Market Makers
- arxiv url: http://arxiv.org/abs/2403.10226v1
- Date: Fri, 15 Mar 2024 11:53:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 17:20:54.854382
- Title: Liquid Staking Tokens in Automated Market Makers
- Title（参考訳）: 自動販売機における液状化トークン
- Authors: Krzysztof Gogol, Robin Fritsch, Malte Schlosser, Johnnatan Messias, Benjamin Kraner, Claudio Tessone,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 5.277756703318046
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper studies liquid staking tokens (LSTs) on automated market makers (AMMs), both theoretically and empirically. LSTs are tokenized representations of staked assets on proof-of-stake blockchains. First, we theoretically model LST-liquidity on AMMs. This includes categorizing suitable AMM types for LST liquidity, as well as deriving formulas for the necessary returns from trading fees to adequately compensate liquidity providers under the particular price trajectories of LSTs. Two relevant metrics are considered. Firstly, losses compared to holding the liquidity outside the AMM (loss-versus-holding, or impermanent loss). Secondly, the relative profitability compared to fully staking the capital (loss-versus-staking) which is a metric specifically introduced for the case of LST-liquidity. Subsequently, we empirically measure these metrics for Ethereum LSTs across the most relevant AMM pools. We find that, while trading fees often compensate for impermanent loss, fully staking is more profitable for many pools, putting the sustainability of current LST allocation to AMMs into question.
- Abstract（参考訳）: 本稿では, 自動市場メーカ (AMM) における液状ステイキングトークン (LST) について理論的および実験的に検討する。
LSTは、ステークオブテイクブロックチェーン上のステークされた資産のトークン化表現である。
まず,AMM上でのLST液状度を理論的にモデル化する。
この中には、LST流動性のための適切なAMMタイプを分類することや、LSTの特定の価格軌跡の下で流動性プロバイダを適切に補償するために取引手数料から必要なリターンの式を導出することが含まれる。
関連する2つの指標が検討されている。
第一に、損失はAMMの外の流動性(ロス・ヴァーサス・ホールディング(ロス・ヴァーサス・ホールディング)、即時損失)と比較される。
第二に、LSTリキディティ(LST-quidity)の場合に特別に導入された指標である資本(ロス・ヴァーサス・ステーク)を完全に獲得するのと比べて、相対的な収益性がある。
続いて、最も関連するAMMプールにわたるEthereum LSTに対して、これらのメトリクスを実証的に測定する。
取引手数料は、しばしば不恒久的な損失を補うが、多くのプールにとって完全な取引はより利益を上げており、現在のLSTのAMMへの配分の持続可能性に疑問を呈している。
関連論文リスト
- Game Theoretic Liquidity Provisioning in Concentrated Liquidity Market Makers [8.56210578177444]
集中流動性市場メーカ(CLMM)におけるLPのインセンティブについて検討する。
リスク資産を有する流動性プールでは、LPはナッシュ均衡から遠く離れた投資戦略を採用する。
いくつかのプールにおいて、我々のゲームのナッシュ均衡をより緊密に適合させる戦略を更新することで、LPは日々のリターンの中央値を16.99ドル改善できることを示す。
論文 参考訳（メタデータ） (2024-11-15T18:09:43Z) - RediSwap: MEV Redistribution Mechanism for CFMMs [6.475701705193783]
アプリケーションレベルでの最大抽出可能価値(MEV)の取得と,ユーザおよび流動性プロバイダ間での返金を目的とした,新たなAMMであるRediSwapを紹介した。
RediSwapの中核となるのは、AMMプール内の調停機会を管理するMEV再分配機構である。
我々は、我々のメカニズムがインセンティブに適合し、シビルに耐性があることを証明し、仲裁者が容易に参加できることを証明した。
論文 参考訳（メタデータ） (2024-10-24T05:11:41Z) - 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) - SoK: Liquid Staking Tokens (LSTs) [0.0]
LST(Liquid Stake Tokens)は、保有するネイティブアセットのトークン化表現として機能し、ステイク報酬も獲得する。
我々は,液体抽出の基礎となる設計選択とプロトコルを記述した一般的な枠組みを確立する。
上位のLST実装を比較し、ノード演算子の選択、バリデータ演算、報奨分布モデルについて検討する。
LSTの性能を実証的に分析した結果,デザイン選択や市場イベントがペグの安定性に影響を及ぼすことがわかった。
論文 参考訳（メタデータ） (2024-03-31T11:08:12Z) - Quantifying Arbitrage in Automated Market Makers: An Empirical Study of Ethereum ZK Rollups [6.892626226074608]
本研究は、ZKロールアップにおけるAMM(Automated Market Makers)とCEX(Centralized Exchanges)の仲裁の機会を体系的にレビューする。
このような仲裁の機会を計測し、関連する最大任意値(MAV)の式を導出する理論的枠組みを提案する。
全体として、USDC-ETH SyncSwapプールにおける2023年7月から2023年までの累積MAVは104.96k(取引量の0.24%)である。
論文 参考訳（メタデータ） (2024-03-24T10:26:34Z) - 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) - UAMM: Price-oracle based Automated Market Maker [42.32743590150279]
本稿では,外部市場価格と流動性プールの非定常損失を考慮した価格計算手法UBET AMMを提案する。
当社のアプローチは、外部市場価格が効率的である場合に、仲裁の機会を排除できることを実証する。
論文 参考訳（メタデータ） (2023-08-11T20:17:22Z) - 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) - Delta Hedging Liquidity Positions on Automated Market Makers [5.122487534787007]
Liquidity Providers on Automated Market Makersは毎日数百万USドルを取引手数料で調達する。
流動性位置の純値は、プールの根底にある資産の価格変動に弱い。
本研究では,流動性位置PNLを測定するための新しい指標を提案する。
論文 参考訳（メタデータ） (2022-08-04T19:30:26Z) - Leveraged Weighted Loss for Partial Label Learning [64.85763991485652]
部分ラベル学習は、各インスタンスに候補ラベルのセットが割り当てられるデータを扱うが、そのうちの1つだけが真実である。
部分ラベルからの学習に関する多くの方法論の研究にもかかわらず、リスク一貫した性質に関する理論的理解はいまだに欠けている。
本稿では,テキスト重み付き損失(LW)と呼ばれる損失関数のファミリーを提案する。これはまず,部分ラベル上の損失と非部分的な損失とのトレードオフを検討するために,レバレッジパラメータ$beta$を導入する。
論文 参考訳（メタデータ） (2021-06-10T13:25:13Z) - Reinforcement-Learning based Portfolio Management with Augmented Asset
Movement Prediction States [71.54651874063865]
ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。
本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。
当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
論文 参考訳（メタデータ） (2020-02-09T08:10:03Z)
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。