Price Adjustment When Updating Requires Execution: Evidence from Automated Market Makers

En el mundo de las finanzas modernas, los precios rara vez son estáticos; cambian constantemente para reflejar nueva información, de forma muy similar a un termómetro que sube y baja con el clima. En los mercados tradicionales, los precios pueden ajustarse instantáneamente, incluso si nadie está comprando o vendiendo activamente en ese segundo exacto. Sin embargo, en un tipo específico de mercado digital conocido como creador de mercado automatizado (automated market maker), las reglas son diferentes. Aquí, el precio solo cambia cuando ocurre una operación real. Si nadie intercambia un activo por otro, el precio se mantiene exactamente donde estaba, independientemente de cuánto se haya movido el mundo exterior. Esto crea un rompecabezas único para los investigadores: cuando observan el movimiento de precios promedio a lo largo del tiempo, están viendo una mezcla de dos cosas muy diferentes. Están viendo la frecuencia de las operaciones y el tamaño de los saltos de precio que ocurren durante esas operaciones, todo ello mezclado. Es difícil determinar si un mercado se está volviendo más eficiente porque los precios se corrigen más rápido, o simplemente porque el mercado está visitando diferentes condiciones donde las operaciones ocurren con mayor frecuencia.

Una investigadora llamada Wen-Ting Wang abordó este rompecabezas estudiando dos pools específicos de divisas digitales en las blockchains Ethereum y Base. Estos pools actúan como creadores de mercado automatizados, donde se cobra una comisión en cada operación, y el precio de los activos dentro del pool se determina estrictamente por la proporción de lo que se posee en el pool. Wang se centró en dos pools que eran casi idénticos en su diseño, ambos cobrando una comisión de cinco puntos básicos por las operaciones entre Ethereum y una stablecoin llamada USDC. El estudio cubrió un periodo de 57 días durante el verano de 2026, analizando más de 2,5 millones de bloques de datos. El objetivo era desglosar la corrección total de precios en tres partes distintas: con qué frecuencia el mercado visitaba un estado donde el precio estaba desviado, con qué frecuencia ocurría una operación en esos estados y cuánto se corregía el precio cuando ocurría una operación. Debido a que estos pools solo cambian de precio cuando se ejecuta una operación, las matemáticas son exactas; si no ocurre una operación, la corrección de precio es cero. Esto permitió a la investigadora separar el "qué tan seguido" del "qué tanto" sin necesidad de adivinar variables ocultas.

El estudio comenzó observando los números brutos, que contaban una historia aparentemente sencilla. Al comparar dos ventanas de tiempo diferentes dentro del periodo de estudio, la corrección de precio promedio pareció aumentar ligeramente en la segunda ventana. En la primera ventana, la corrección promedio fue de aproximadamente 0,484 puntos básicos para el pool de Ethereum y 0,107 para el pool de Base. En la segunda ventana, estas cifras aumentaron a 0,580 y 0,143, respectivamente. A primera vista, esto podría sugerir que el mercado se está volviendo más receptivo o que los precios están regresando a su valor real de forma más agresiva. Sin embargo, la investigadora sospechaba que este promedio simple estaba ocultando una realidad más compleja. Para probar esto, utilizó un método similar al de comparar dos grupos de personas dándoles el mismo peso, independientemente de cuántas personas hubiera en cada grupo. Se preguntó: si el mercado hubiera visitado la misma mezcla de condiciones de precio en ambas ventanas, ¿habría aumentado la corrección de todos modos?

La respuesta fue una reversión clara. Cuando la investigadora ajustó los datos para tener en cuenta el hecho de que el mercado había visitado diferentes condiciones en las dos ventanas, la historia se invirtió. La segunda ventana mostró en realidad una respuesta de precio más débil que la primera. La razón por la que el promedio bruto había aumentado fue que el mercado había cambiado su comportamiento, visitando un conjunto diferente de condiciones con mayor frecuencia. Específicamente, el mercado comenzó a visitar discrepancias de precios extremas con mucha más frecuencia. En la segunda ventana, una gran parte de los datos provenía de una categoría rara y abierta de brechas de precios muy grandes, que ocurrieron con mucha más frecuencia que antes. Este cambio en la "composición del estado" del mercado elevó el promedio bruto, a pesar de que la corrección de precio real que ocurría en cada condición específica se había reducido.

Para entender esto, imagine a un médico midiendo el tiempo de recuperación promedio de los pacientes. Si el médico compara dos semanas, y en la segunda semana el hospital admite a muchos más pacientes con lesiones muy graves que naturalmente tardan más en sanar, el tiempo de recuperación promedio para la semana aumentará. Esto no significa que los médicos sean peores tratando a los pacientes; simplemente significa que la mezcla de pacientes ha cambiado. En este estudio, los "médicos" son los creadores de mercado automatizados, y los "pacientes" son las discrepancias de precios. El mercado comenzó a ver más los casos extremos, lo que sesgó el promedio general, ocultando el hecho de que el tratamiento en sí —la corrección de precio por operación— se había vuelto menos efectivo en las condiciones que eran más comunes.

La investigadora también examinó con qué frecuencia ocurrían las operaciones frente a cuánto se movía el precio cuando ocurrían. Encontró que la frecuencia de las operaciones y el tamaño de la corrección de precio se movían en direcciones opuestas. En la segunda ventana, el mercado visitó condiciones donde las operaciones eran más probables de ocurrir, pero cuando esas operaciones ocurrían, la corrección de precio era menor que antes. Estas dos fuerzas se cancelaron casi perfectamente. El aumento en la frecuencia con la que el mercado visitaba ciertos estados fue compensado por una disminución en la fuerza con la que el precio se corregía en esos estados. Este delicado equilibrio significó que la cifra principal, la corrección promedio bruta, apenas se movió, mientras que la mecánica subyacente del mercado cambió sustancialmente.

Este hallazgo desafía la forma en que se mide a menudo la calidad del mercado. Una estadística simple que dice "los precios se están corrigiendo más" puede ser engañosa si no tiene en cuenta las condiciones bajo las cuales ocurren esas correcciones. El estudio demostró que un mercado puede parecer estar mejorando simplemente porque está visitando diferentes estados, incluso si su capacidad real para corregir los precios se está debilitando. La investigadora confirmó esto probando una regla simple que predecía el comportamiento del precio basándose en el tamaño de la brecha de precio. Esta regla, que parecía funcionar en la primera parte del estudio, no se mantuvo en la segunda parte, demostrando además que la relación entre las brechas de precio y las correcciones no es estable. Los resultados fueron específicos para los dos pools estudiados y el periodo observado, pero el método utilizado para separar estos efectos ofrece una nueva forma de observar los mercados digitales.

El estudio también analizó qué sucede cuando se eliminan los puntos de datos más extremos. Cuando la investigadora excluyó la categoría rara y abierta de brechas de precios enormes, el patrón de fuerzas opuestas siguió siendo visible, aunque era menos pronunciado. Esto confirmó que el efecto no fue solo un truco estadístico causado por unos pocos valores atípicos, sino una característica real de cómo operan estos mercados. El cambio en la mezcla de las condiciones del mercado fue el principal motor del cambio en el promedio, no un cambio en las reglas fundamentales del mercado. La investigación concluye que cuando las actualizaciones de precio dependen enteramente de la ejecución, mirar el promedio por sí solo es insuficiente. Uno debe observar la composición del mercado, la frecuencia de las operaciones y el tamaño de la corrección por separado para entender lo que realmente está sucediendo.

Al final, el documento revela que el mercado digital es un sistema dinámico donde la historia contada por el promedio puede ser lo opuesto a la historia contada por los detalles. El mercado no se volvió más eficiente; simplemente cambió su forma. El trabajo de la investigadora proporciona una forma clara y no matemática de ver a través del ruido de las estadísticas agregadas y comprender la verdadera mecánica del ajuste de precios en sistemas automatizados. Sirve como un recordatorio de que, en entornos financieros complejos, el todo es a menudo la suma de partes que se mueven en diferentes direcciones, y solo al separar esas partes podemos ver la imagen real.