論文の概要: Strategic Analysis of Just-In-Time Liquidity Provision in Concentrated Liquidity Market Makers
- arxiv url: http://arxiv.org/abs/2509.16157v1
- Date: Fri, 19 Sep 2025 17:03:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-22 18:18:11.251941
- Title: Strategic Analysis of Just-In-Time Liquidity Provision in Concentrated Liquidity Market Makers
- Title（参考訳）: 集中型流動性市場におけるジャストインタイム流動性規定の戦略分析
- Authors: Bruno Llacer Trotti, Weizhao Tang, Rachid El-Azouzi, Giulia Fanti, Daniel Sadoc Menasche,
- Abstract要約: Just-In-Time (JIT) LPは、単一スワップに対して一時的に流動性を供給する戦略的エージェントである。
本稿では,多種多様なAMMを対象としたJIT流動性プロビジョンの最初の形式的トランザクションレベルモデルを提供する。
JITの流動性は、戦略的に展開することで、トレーダーの滑り込みを減らすことで市場効率を向上させることができることを示す。
- 参考スコア（独自算出の注目度）: 10.600927487191127
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Liquidity providers (LPs) are essential figures in the operation of automated market makers (AMMs); in exchange for transaction fees, LPs lend the liquidity that allows AMMs to operate. While many prior works have studied the incentive structures of LPs in general, we currently lack a principled understanding of a special class of LPs known as Just-In-Time (JIT) LPs. These are strategic agents who momentarily supply liquidity for a single swap, in an attempt to extract disproportionately high fees relative to the remaining passive LPs. This paper provides the first formal, transaction-level model of JIT liquidity provision for a widespread class of AMMs known as Concentrated Liquidity Market Makers (CLMMs), as seen in Uniswap V3, for instance. We characterize the landscape of price impact and fee allocation in these systems, formulate and analyze a non-linear optimization problem faced by JIT LPs, and prove the existence of an optimal strategy. By fitting our optimal solution for JIT LPs to real-world CLMMs, we observe that in liquidity pools (particularly those with risky assets), there is a significant gap between observed and optimal JIT behavior. Existing JIT LPs often fail to account for price impact; doing so, we estimate they could increase earnings by up to 69% on average over small time windows. We also show that JIT liquidity, when deployed strategically, can improve market efficiency by reducing slippage for traders, albeit at the cost of eroding average passive LP profits by up to 44% per trade.
- Abstract（参考訳）: 流動性プロバイダ(LP)は、自動市場メーカ(AMM)の運営において不可欠な人物であり、取引手数料と引き換えに、LPはAMMの運用を可能にする流動性を提供する。
多くの先行研究は一般的にLPのインセンティブ構造を研究してきたが、現在、Just-In-Time (JIT) LPとして知られる特殊なLPのクラスについての原則的な理解が欠如している。
これらは、1つのスワップに一時的に流動性を供給し、残りのパッシブLPに対する不均等な高い手数料を抽出しようとする戦略エージェントである。
本稿では,例えばUnixwap V3で見られるように,集中流動性市場メーカー(CLMM)と呼ばれる,多種多様なAMMを対象としたJIT流動性提供の形式的トランザクションレベルモデルを提供する。
JIT LP が直面する非線形最適化問題の定式化と解析を行い,最適戦略の存在を実証する。
JIT LPの最適解を実世界のCLMMに適用することにより、流動性プール(特に危険資産を持つもの)では、観測されたJITの挙動と最適JITの挙動の間に大きなギャップがあることを観察できる。
既存のJIT LPは、しばしば価格への影響を考慮せず、小さな時間帯で平均69%の利益を上げることができると見積もっています。
また、JITの流動性は、戦略的に展開すると、平均受動LP利益を最大44%減らすコストで、トレーダーの滑り込みを減らし、市場効率を向上させることができることを示した。
関連論文リスト
- Your AI, Not Your View: The Bias of LLMs in Investment Analysis [55.328782443604986]
大規模言語モデル(LLM)は、事前訓練されたパラメトリック知識とリアルタイム市場データとの相違により、しばしば知識の衝突に直面している。
本稿では, LLMに基づく投資分析において, 確認バイアスの定量的分析を行った。
われわれは、大口株に対する一貫した選好と、ほとんどのモデルにおけるコントラリアン戦略を観察する。
論文 参考訳（メタデータ） (2025-07-28T16:09:38Z) - SILS: Strategic Influence on Liquidity Stability and Whale Detection in Concentrated-Liquidity DEXs [0.0]
SILSはCLMM(Concentrated Liquidity Market Makers)におけるインパクトフル流動性プロバイダ(LP)を識別する
これは、静的なボリュームベースの分析から、動的でインパクトを重視した理解へのパラダイムシフトを表している。
このフレームワークは、基盤となる流動性構造と関連するリスクに対して前例のない透明性を提供します。
論文 参考訳（メタデータ） (2025-07-25T16:21:18Z) - Improving DeFi Accessibility through Efficient Liquidity Provisioning with Deep Reinforcement Learning [0.3376269351435395]
本稿では,DeFiプロトコルにおける流動性提供を最適化するために,深層強化学習(DRL)を適用した。
より効率的な流動性管理を促進することで、この取り組みはDeFi市場をよりアクセスしやすくし、幅広い参加者を包括的にすることを目的としている。
論文 参考訳（メタデータ） (2025-01-13T17:27:11Z) - 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) - A Little Help Goes a Long Way: Efficient LLM Training by Leveraging Small LMs [74.35290684163718]
大規模言語モデル(LLM)開発における最大の課題は、その面倒な事前トレーニングコストである。
本稿では,小言語モデル(SLM)を活用して,LLMの事前学習効率と品質を改善するための有望なパラダイムについて検討する。
論文 参考訳（メタデータ） (2024-10-24T14:31:52Z) - 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) - 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) - 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) - Strategic Liquidity Provision in Uniswap v3 [13.436603092715247]
流動性提供者(LP)は、資産の価格の1つ以上の閉区間に流動性を割り当てる。
動的流動性供給問題を形式化し、ニューラルネットワークベースの最適化フレームワークを提供する一般的な戦略に焦点をあてる。
論文 参考訳（メタデータ） (2021-06-22T19:48:02Z)
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。