Resumen Técnico: De la Media a la Mediana: Diseño de Referencia Óptimo

1. Planteamiento del Problema

El artículo aborda el diseño crítico de los indicadores de referencia de precios (price benchmarks) en los mercados financieros, centrándose específicamente en su resistencia a la manipulación. Los indicadores, que resumen los precios de mercado prevalecientes, sustentan derivados, préstamos y valoraciones de carteras. El valor nocional de estos contratos crea incentivos para que los agentes distorsionen los precios en su beneficio. Si bien la manipulación en las finanzas tradicionales ha resultado en pérdidas de cientos de millones de dólares, la llegada de las Finanzas Descentralizadas (DeFi) ha amplificado estas preocupaciones debido a la ejecución automatizada, los grandes valores de los contratos y la limitada exigibilidad legal.

Un patrón empírico desconcertante motiva la investigación: los indicadores de referencia en las finanzas tradicionales (por ejemplo, LIBOR, EURIBOR, el Fix de las 4 pm) suelen utilizar la media, mientras que los indicadores en DeFi (por ejemplo, MakerDAO, oráculos de Tellor) utilizan predominantemente la mediana. El artículo busca determinar la fórmula de referencia óptima que maximice el costo de la manipulación, explicando así esta división y proporcionando una regla de diseño para indicadores robustos.

2. Metodología y Modelo

El autor emplea un marco de teoría de juegos modelado como un problema de contratación óptima con riesgo moral multitarea (multi-task moral hazard). El manipulador actúa como un agente que elige cómo distorsionar una distribución de precios para inducir un sesgo específico ($\Delta$), sujeto a una función de costo.

Componentes Clave del Modelo:

• Distribución de Precios: Los precios no manipulados se extraen de una distribución $F$, asumida como simétrica y estrictamente unimodal alrededor de un punto $P$. En algunos resultados, se asume que la distribución no tiene dispersión (degenerada en $P$).
• Estrategia de Manipulación: El manipulador desplaza los precios de una distribución inicial $F$ a una distribución manipulada $G$. La estrategia se define mediante funciones de distribución condicional $G_c(\cdot|p)$.
• Estructura de Costos: El costo de la manipulación es la suma de dos componentes:
  1. Costos Variables ($c(\cdot)$): Una función de la magnitud de la distorsión del precio ($q$). El artículo considera tanto formas convexas como cóncavas. Notablemente, el Apéndice B deriva que para los Constant-Product Market Makers (CPMM), los costos variables son cóncavos.
  2. Costos Fijos ($k$): Un costo incurrido por cada precio manipulado, independiente del tamaño de la distorsión. Esto es particularmente relevante en entornos de blockchain donde asegurar el ordenamiento de las transacciones (por ejemplo, mediante subastas de MEV o tarifas de gas) incurre en un costo por transacción.
• Definición del Indicador (Benchmark): Un indicador es un funcional de localización. El artículo se centra en indicadores simétricos (aquellos iguales al punto de simetría para distribuciones simétricas), incluyendo la media, la mediana y las medias recortadas $\tau$ ($\tau$-trimmed means).
• Criterio de Optimidad: Un indicador es óptimo si maximiza el costo mínimo requerido para que un manipulador induzca un sesgo dado $\Delta$. El análisis se basa en la Proposición 1, que establece que si existe una estrategia de manipulación simétrica y de costo mínimo para un indicador, dicho indicador es óptimo.

3. Contribuciones Clave y Resultados

A. Los Casos Polares (Mercado Homogéneo)

El artículo establece una correspondencia entre la estructura de costos y el indicador de referencia óptimo:

• Costos Variables Negligibles ($k=0$) con Costos Variables Convexos: La Media es óptima. Cuando los costos variables son convexos, la estrategia de manipulación más barata es distribuir el sesgo uniformemente entre todos los precios. La media es máximamente robusta ante tales desplazamientos uniformes, mientras que la mediana es altamente sensible a ellos.
• Costos Variables Negligibles ($c(\cdot)=0$): La Mediana es óptima. Cuando solo importan los costos fijos, el manipulador minimiza el costo manipulando la menor masa de precios posible necesaria para desplazar la mediana. La mediana requiere manipular exactamente la mitad de la masa, mientras que la media requeriría manipular todos los precios. Por lo tanto, la mediana maximiza el costo de la manipulación en este régimen.

B. El Caso General (Costos Fijos y Variables)

Cuando ambos componentes de costo están presentes, el indicador óptimo es una Media Recortada (Trimmed Mean).

• Costos Variables Convexos: Si los costos fijos son grandes en relación con el sesgo objetivo ($\delta_{min} > 2\Delta$), la manipulación óptima de la media se concentraría en menos de la mitad de los precios, rompiendo la simetría. Una media recortada $\tau$ contrarresta esto descartando los precios extremos, obligando al manipulador a realizar un intercambio entre concentración y mayores costos promedio. El parámetro de recorte óptimo $\tau^*$ aumenta a medida que aumentan los costos fijos.
• Costos Variables Cóncavos: Este caso es empíricamente relevante para los CPMM de DeFi. Incluso sin costos fijos, la concavidad implica que la manipulación óptima concentra la masa en los extremos. El indicador de referencia óptimo sigue siendo una media recortada, con el grado de recorte aumentando conforme aumentan los costos fijos.
• Estática Comparativa: El grado óptimo de recorte disminuye con la liquidez del mercado. En fondos más profundos (donde los costos marginales de manipulación son mayores), el indicador se aproxima a la media; en fondos más superficiales, se aproxima a la mediana.

C. Mercados Heterogéneos

El artículo extiende el análisis a mercados donde los precios provienen de subpoblaciones con diferentes costos de manipulación (por ejemplo, variaciones en la liquidez o en las tarifas de gas a lo largo del tiempo).

• Costos Puramente Variables: El indicador óptimo es una Media Ponderada, donde los pesos son proporcionales a los costos marginales de manipulación ($c'_i(\Delta)$). Los precios que son más baratos de manipular al margen son de menor peso.
• Costos Puramente Fijos: El indicador óptimo es una Mediana Ponderada (al estilo de Edgeworth), donde los pesos son proporcionales a los costos fijos de manipulación ($k_i$).
• Costos Proporcionales: Si los costos fijos y variables son proporcionales entre las subpoblaciones, el indicador óptimo es una Media Recortada Ponderada, con pesos y parámetros de recorte que reflejan la estructura de costos combinada.

4. Significado y Reivindicaciones

El artículo afirma proporcionar una racionalización teórica para la divergencia observada entre los diseños de indicadores de referencia en las finanzas tradicionales y DeFi:

• Finanzas Tradicionales: Caracterizadas por un comercio sostenido y costos variables convexos (con costos fijos insignificantes por observación de precio), lo que conduce a la optimalidad de la media.
• Finanzas Descentralizadas (DeFi): Caracterizadas por la disponibilidad de herramientas como los préstamos relámpago (flash loans, que hacen que los costos variables sean insignificantes) pero con altos costos fijos para el ordenamiento de transacciones (MEV/gas), lo que conduce a la optimalidad de la mediana.

El autor enfatiza que los resultados se derivan bajo supuestos específicos (distribuciones simétricas, estructuras de costos específicas) y que extender el análisis a distribuciones asimétricas o estructuras de costos heterogéneas generales sigue siendo un desafío. El artículo posiciona su criterio de resistencia a la manipulación como complementario, en lugar de competidor, de los criterios de eficiencia estadística encontrados en la estadística robusta (estimadores L). Al identificar la media, la mediana y las medias recortadas como óptimas para la manipulación, el artículo sugiere que estos estimadores estándar pueden disciplinarse tanto en las dimensiones de eficiencia como de robustez.

El trabajo no propone nuevos protocolos experimentales ni detalles de implementación específicos para contratos inteligentes más allá de las reglas de agregación teóricas. Se centra en el compromiso fundamental entre las estructuras de costos y las fórmulas de agregación para determinar el indicador de referencia más resistente a la manipulación.