How Much Screening Buys a Second? Speed, Selection, and the Maker's Spread
Diese Arbeit stellt eine Break-even-Bedingung her, die die Screening-Rate und die Repricing-Geschwindigkeit eines Liquiditätsanbieters verknüpft, und zeigt durch eine empirische Analyse von USDC-WETH-Pools auf, dass nicht-gaußsche Preisinnovationen und Trendmärkte im Vergleich zu Gaußschen Modellen ein signifikant höheres Screening von informierten Strömen erfordern, um die Kosten langsamerer Kursaktualisierungen auszugleichen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In den unsichtbaren Märkten, in denen digitale Vermögenswerte gehandelt werden, fungieren Liquiditätsanbieter als die steten Hände, die dafür sorgen, dass sich die Preise reibungslos bewegen. Sie stehen jederzeit bereit, zu kaufen und zu verkaufen, und bieten jedem, der handeln möchte, einen beidseitigen Preis an. Als Gegenleistung für diesen Service erheben sie eine kleine Gebühr, die in den Preisunterschied zwischen Kauf und Verkauf eingebaut ist, bekannt als der Spread. Dieser Spread ist ihre Versicherung; er muss breit genug sein, um die Verluste zu decken, die sie erleiden, wenn sie mit jemandem handeln, der mehr weiß als sie selbst. Wenn ein Trader weiß, dass der Preis gleich springen wird, wird er gegen den Anbieter handeln, bevor dieser seinen Preis aktualisieren kann, und die Differenz einstreichen. Der Anbieter verlässt sich dann auf die Gebühren, die von weniger informierten Tradern eingenommen werden, um diese Verluste auszugleichen. Dieses Gleichgewicht ist der Kern der Funktionsweise dieser Märkte, doch es wird fragil, wenn sich die Geschwindigkeit der Information ändert.
Die Herausforderung intensiviert sich in der Welt der Automated Market Makers, also Computerprogrammen, die Preise basierend auf der Menge des in einem Pool befindlichen Geldes festlegen. Im Gegensatz zu menschlichen Tradern oder traditionellen Börsen, die ihre Preise sofort aktualisieren können, aktualisieren diese Programme ihre Preise oft nur, wenn ein neuer Trade stattfindet. Im Ethereum-Netzwerk beispielsweise wird etwa alle zwölf Sekunden ein neuer Block mit Transaktionen erstellt. Wenn sich der Preis eines Vermögenswerts während dieser zwölf Sekunden auf einer schnelleren, zentralisierten Börse ändert, ist der automatisierte Pool dazu verdammt, einen veralteten Preis anzubieten. Ein Trader, der die schnellere Börse beobachtet, kann den neuen Preis sehen, warten, bis der automatisierte Pool noch den alten Preis anbietet, und dann einen Trade ausführen, der einen garantierten Gewinn auf Kosten des Pools ermöglicht. Der Pool bezahlt im Wesentlichen für einen Preis, dem der Rest der Welt bereits entfolgt ist.
Die Forscher Aleksei Adadurov und seine Kollegen wollten genau messen, wie viel diese Verzögerung kostet, und einen Weg finden, den Kompromiss zwischen Geschwindigkeit und Vorsicht zu quantifizieren. Sie stellten eine grundlegende Frage: Wenn ein Market Maker seinen Preis nicht so schnell aktualisieren kann wie die Konkurrenz, wie viel besser muss er darin sein, Trades von informierten Gegnern zu erkennen und abzulehnen, um zu überleben? Das Team entwickelte ein Modell, um die präzise Rate zu berechnen, mit der ein langsamerer Anbieter informierte Trader herausfiltern muss, um mit einem schnelleren, ungesiebten Anbieter bei Null herauszukommen. Ihre Arbeit zeigt, dass die Form der Preisbewegungen wichtiger ist als nur deren durchschnittliche Größe. Sie fanden heraus, dass Preisänderungen nicht glatt und vorhersehbar wie eine Glockenkurve sind; stattdessen bleiben sie oft über lange Strecken aus und springen dann plötzlich an. Diese gezackte Realität bedeutet, dass allein Schnelligkeit nicht die einzige Lösung ist, und dass die Kosten des Langsamseins höher sind, als traditionelle Modelle vermuten lassen.
Um ihre Theorie zu testen, untersuchten die Forscher vier große Pools, die einen digitalen Dollar gegen Ethereum handelten, und verglichen deren Performance gegenüber einer schnellen, zentralisierten Börse über einen Zeitraum von drei Monaten im Jahr 2026. Sie entdeckten, dass sich der Preis von Ethereum nicht jede Sekunde bewegt. Tatsächlich verzeichnen 73,4 Prozent der Ein-Sekunden-Subslots keine Änderung des Mittelpreises. Wenn sich der Preis bewegt, springt er oft signifikant, was eine Verteilung schafft, die weitaus extremer ist, als es Standard-Finanzmodelle vorhersagen. Da der Preis so oft stillsteht, häuft sich das Risiko eines plötzlichen, großen Sprungs über die Zeit schnell an. Als die Forscher einen zwölfsekündigen Aktualisierungszyklus mit einem einsekündigen Zyklus verglichen, stellten sie fest, dass die Verkürzung der Wartezeit von zwölf Sekunden auf eine Sekunde 84,5 Prozent des erwarteten Preisschocks eliminierte. Dies bedeutet, dass ein Anbieter, der mit einem zwölfsekündigen Verzug feststeckt, einen massiven Nachteil hat.
Die Studie berechnete, dass ein Anbieter, der alle zwölf Sekunden aktualisiert, mindestens 84,5 Prozent der informierten Trader herausfiltern müsste, die versuchen würden, seine veralteten Preise auszunutzen, um die Performance eines Anbieters zu erreichen, der jede Sekunde aktualisiert. Dies ist eine sehr hohe Hürde. Traditionelle Modelle, die davon ausgehen, dass Preisänderungen einer glatten, glockenförmigen Kurve folgen, würden nahelegen, dass eine Siebrate von nur 71,1 Prozent ausreichend ist. Die Forscher zeigten, dass dieses Standardmodell gefährlich optimistisch ist, da es die Realität dessen, wie sich Preise tatsächlich bewegen, ignoriert. Die „Fat Tails“ der realen Daten – jene plötzlichen, großen Sprünge – bedeuten, dass die Kosten des Langsamseins viel steiler sind als bisher angenommen. Wenn ein Anbieter nicht in der Lage ist, so viele informierte Trader herauszufiltern, muss er einen Weg finden, seine Preise schneller zu aktualisieren, oder er wird Geld verlieren.
Die Forscher untersuchten auch, was passiert, wenn der Markt einen Trend aufweist, sich also stetig in eine Richtung bewegt. In diesen Momenten wird der veraltete Pool auf der Seite des Trends aggressiver „gepickt“. Trades, die mit dem Trend gehen, erzielen einen signifikant besseren effektiven Preis als Trades, die gegen den Trend gehen, was einen Spread-Unterschied von 11,1 Basispunkten zugunsten des Trends schafft. Dies bestätigt, dass die Verzögerung bei der Preisaktualisierung nicht nur ein theoretisches Risiko ist, sondern ein realer, messbarer Kostenfaktor, der Wohlstand vom Pool zum informierten Trader verschiebt. Die Studie kommt zu dem Schluss, dass die Fähigkeit, den Flow zu sieben, eine starke Verteidigung ist, aber kein perfekter Ersatz für Geschwindigkeit. Wenn sich der Markt auf eine Weise bewegt, die schwer vorhersehbar ist und zu plötzlichen Sprüngen neigt, ist der einzige Weg, das Risiko der Veraltung vollständig zu neutralisieren, die Zeit zu reduzieren, in der der Preis exponiert ist.
Letztendlich liefert diese Forschung eine klare Metrik für den Wert von Geschwindigkeit in digitalen Märkten. Sie zeigt, dass eine einzige Sekunde weniger Verzögerung einen spezifischen Betrag an Schutz gegen informierte Trader zurückkauft. Für einen Market Maker geht es nicht mehr nur darum, wie schnell er aktualisieren kann, sondern darum, wie gut er in der Lage ist, die Trades zu identifizieren und abzulehnen, die ihm am meisten schaden werden. Die Ergebnisse legen nahe, dass in einer Welt, in der Preise unerwartet springen können, die Kosten des Wartens hoch sind, und der einzige Weg, mit einem schnelleren Konkurrenten gleichzuziehen, darin besteht, außergewöhnlich gut darin zu sein, die Trader herauszufiltern, die wissen, dass sich der Preis gleich ändern wird.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.