📈 economía

Paying for speed, hedging the wait: Execution risk and optimal priority fees in arbitrage between centralised and decentralised crypto exchanges

Este artículo desarrolla un modelo para arbitrajistas que operan entre intercambios de criptomonedas centralizados y descentralizados que optimiza las tarifas de prioridad y las coberturas de futuros para mitigar el riesgo de ejecución derivado de los retrasos en las transacciones, demostrando mediante la calibración con datos reales del mercado que esta estrategia dinámica reduce significativamente la varianza de precios y supera a las reglas de tarifas fijas en términos de rentabilidad y retornos ajustados al riesgo.

Autores originales: Kirill Proskurin

Publicado 2026-11-02

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Kirill Proskurin

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo de las finanzas digitales, el dinero se mueve a través de dos tipos de mercados muy diferentes. Por un lado, existen los intercambios centralizados, gestionados por empresas que emparejan compradores y vendedores de forma instantánea, como un mercado de valores tradicional. Por otro lado, existen los intercambios descentralizados, donde las operaciones ocurren automáticamente mediante código informático en un libro de contabilidad público llamado blockchain. Estos dos mercados suelen mantener sus precios sincronizados porque los operadores compran barato en un lugar y venden caro en el otro, un proceso conocido como arbitraje. Sin embargo, surge un problema específico cuando estos operadores intentan mover dinero entre ambos. Mientras que la venta en el lado centralizado ocurre de inmediato, la compra en el lado descentralizado debe esperar en una fila pública, conocida como mempool, hasta que un minero informático decida incluirla en un nuevo bloque de datos. Esta espera es aleatoria y puede durar desde segundos hasta minutos. Durante ese tiempo, los precios pueden cambiar, convirtiendo una ganancia garantizada en una pérdida. Para evitar esto, los operadores pueden pagar una tarifa especial para saltarse la fila, pero pagar demasiado reduce las ganancias, mientras que pagar demasiado poco conlleva el riesgo de que el precio se mueva en su contra. La cuestión de cuánto pagar por la velocidad, y si es mejor pagar por la velocidad o protegerse contra los cambios de precio, ha sido durante mucho tiempo un enigma para quienes navegan por estos mercados digitales.

Un investigador llamado Kirill Proskurin ha abordado este enigma tratando el problema como un acto de equilibrio entre la velocidad y la seguridad. Construyó un modelo matemático para determinar la mejor estrategia para un operador que observa una diferencia de precio entre un intercambio centralizado y uno descentralizado. El modelo considera dos herramientas principales disponibles para el operador: una tarifa de prioridad, que es un pago realizado para acelerar la transacción en la blockchain, y una cobertura (hedge), que es una operación separada en el intercambio centralizado diseñada para cancelar el riesgo de que los precios se muevan mientras se espera. El investigador quería saber cómo interactúan estas dos opciones. ¿Cambia el hecho de pagar por la velocidad la cantidad que se debe destinar a la cobertura? ¿Y cuándo vale realmente la pena pagar extra para que su transacción se procese más rápido?

El estudio revela un orden de operaciones claro y algo sorprendente. La estrategia más eficaz es utilizar primero una cobertura para neutralizar la gran mayoría del riesgo. Al tomar una posición opuesta en el intercambio rápido y centralizado, un operador puede cancelar alrededor del 94 por ciento de las fluctuaciones de precios que podrían ocurrir mientras se espera a que la transacción de la blockchain se procese. Una vez que esta cobertura está en su lugar, el riesgo restante es muy pequeño. Debido a que la cobertura gestiona la mayor parte del peligro, la necesidad de pagar por la velocidad disminera significativamente. El modelo muestra que la cantidad óptima a pagar por la velocidad no depende de la magnitud de la operación o de las condiciones actuales del mercado de una manera compleja; en cambio, depende principalmente de cuánto riesgo queda después de la cobertura. Si la cobertura es buena, el operador debería pagar la tarifa mínima posible. Si la cobertura es deficiente o imposible, entonces el operador debería estar dispuesto a pagar mucho más por la velocidad.

Para probar estas ideas, el investigador utilizó datos reales de plataformas importantes, incluyendo el intercambio Binance, el intercambio descentralizado Uniswap y la red blockchain de Ethereum. Analizó períodos históricos que van desde días de mercado tranquilos hasta momentos de congestión extrema, como durante el colapso de importantes instituciones financieras o el auge de los tokens no fungibles (NFT). En los mercados tranquilos de 2026, los datos mostraron que la estrategia óptima era simplemente pagar la tarifa más baja posible. La red era tan eficiente que pagar extra por la velocidad no ofrecía ningún beneficio, y la regla simple de pagar el mínimo funcionaba tan bien como una estrategia compleja y en constante ajuste. Sin embargo, la historia cambió cuando la red estaba ocupada. Durante los períodos de alta congestión, la regla simple de pagar una tarifa fija y baja a menudo provocó pérdidas porque la espera se hacía demasiado larga y los precios se movían demasiado. En estos tiempos de actividad intensa, la estrategia optimizada de ajustar la tarifa basándose en el tamaño de la operación y el riesgo restante resultó mucho más efectiva.

Los resultados de las pruebas retrospectivas (backtesting) de estas estrategias en más de 180,000 operaciones reales mostraron una diferencia tangible. Cuando la red estaba congestionada, la regla optimizada ganó significativamente más dinero por operación que un enfoque de tarifa fija. Específicamente, en promedio, la estrategia optimizada ganó 2.59 dólares estadounidenses adicionales por operación en comparación con una regla estándar y no ajustada. Esto puede parecer una cantidad pequeña por operación, pero cuando se multiplica a través de miles de transacciones, representa una diferencia sustancial en la rentabilidad. El estudio también encontró que las tarifas más caras pagadas por los operadores en la blockchain a menudo no son para la protección contra los cambios de precio durante la espera. En su lugar, esas tarifas muy altas suelen ser pagadas por bots especializados que compiten agresivamente por la misma oportunidad, un comportamiento que va más allá de la simple gestión de riesgos de un operador ordinario.

El artículo concluye que, para la mayoría de los operadores, el secreto del éxito no es pagar frenéticamente por la velocidad, sino asegurar primero la operación con una cobertura. Una vez que la cobertura está en su lugar, la necesidad de pagar por la velocidad disminuye, y el operador a menudo puede permitirse pagar la tarifa mínima. Este conocimiento ayuda a explicar por qué los precios en los intercambios descentralizados se mantienen cercanos al resto del mercado: los arbitrajistas están dispuestos a operar porque tienen una forma de gestionar el riesgo de la espera. Sin embargo, cuando la red está obstruida, el costo de la espera aumenta, y la capacidad de pagar por la velocidad se convierte en una herramienta valiosa. La investigación sugiere que el costo de la velocidad en una blockchain no es solo una tarifa por un servicio, sino una parte fundamental del costo de mantener los mercados digitales eficientes. Para los operadores, los proveedores de liquidez y cualquier persona que utilice estas plataformas, comprender este equilibrio entre la cobertura y el pago por la velocidad es clave para navegar el panorama financiero digital de manera segura y rentable.

Resumen Técnico: Riesgo de Ejecución y Tarifas de Prioridad Óptimas en el Arbitraje CEX–DEX

Planteamiento del Problema
El arbitraje entre intercambios centralizados (CEX) e intercambios descentralizados (DEX) implica una asimetría fundamental en la velocidad de ejecución. Mientras que la pata del CEX en una operación de arbitraje se completa instantáneamente, la pata del DEX está sujeta a un retraso aleatorio mientras espera la inclusión en el mempool público. Durante este retraso estocástico, los precios de los activos en ambos centros fluctúan, introduciendo un riesgo de ejecución. Bajo el mercado de tarifas EIP-1559 de Ethereum, los operadores pueden reducir este retraso esperado pagando una tarifa de prioridad más alta, comprando efectivamente velocidad. Sin embargo, esto crea un problema de decisión: cuánto debe pagar un arbitrajista por la velocidad y cuánto del riesgo de exposición durante la espera debe cubrirse mediante coberturas (hedging) con futuros de CEX. El documento aborda la optimización conjunta de la tarifa de prioridad y el tamaño de la cobertura para maximizar los retornos ajustados al riesgo, señalando que la literatura existente suele tratar estas decisiones por separado o ignora el riesgo de ejecución específico inherente a los retrasos del mempool de los DEX.

Metodología
El autor formula el problema del arbitrajista como una tarea de control estocástico con dos variables de control: la tarifa de prioridad ( $g$ ) y el tamaño de la cobertura de futuros ( $h$ ).

Estructura del Modelo:
- Modelado del Retraso: El tiempo de espera ( $\tau$ ) se modela como el primer salto de un proceso de conteo con una intensidad $\lambda(g)$ que aumenta con la tarifa de prioridad. El documento asume una distribución exponencial para $\tau$ , donde el retraso medio es $1/\lambda(g)$ .
- Dinámica de Precios: Los precios en el CEX, el DEX y el contrato de cobertura de futuros siguen movimientos brownianos geométricos correlacionados.
- Función de Beneficio: El beneficio de un solo ciclo de arbitraje incluye el diferencial inicial, menos el costo del deslizamiento (slippage), la tarifa de gas y el impacto de precio durante el retraso.
- Objetivo: El autor emplea una función objetivo de media-varianza ( $J = E[\Pi] - \frac{\gamma}{2}Var[\Pi]$ ), donde $\gamma$ representa la aversión al riesgo. Esto se justifica como una aproximación de dos momentos para riesgos pequeños y horizontes cortos.
Enfoque Analítico:
- Solución Estática: El problema se resuelve primero en un entorno estático de un solo ciclo. El autor deriva soluciones de forma cerrada para la cobertura óptima y la tarifa de prioridad óptima.
- Solución Dinámica: Se formula una versión dinámica utilizando una ecuación de Hamilton–Jacobi–Bellman (HJB) con intensidad de ejecución controlada. Este modelo dinámico se resuelve numéricamente para verificar que las reglas de forma cerrada estáticas sirven como una aproximación válida de primer orden.
- Supuestos: Los supuestos clave incluyen la independencia condicional del retraso respecto a los incrementos de precios futuros y un modelo de forma reducida para el deslizamiento donde el deslizamiento esperado es inversamente proporcional a la intensidad de inclusión.
Datos y Calibración:
- El modelo se calibra utilizando datos públicos de Binance (CEX), Uniswap v3 (DEX) y la blockchain de Ethereum (datos de gas).
- El estudio cubre el periodo desde enero de 2021 hasta mayo de 2026, con un enfoque específico en el mercado "calmo" de 2026 y nueve periodos históricos de variaciones en la congestión de la red (por ejemplo, el auge de los NFT, el colapso de Terra, el colapso de FTX).
- Los parámetros como la elasticidad de la intensidad de inclusión con respecto a las tarifas ( $\beta$ ) y los coeficientes de deslizamiento se estiman mediante regresión sobre datos históricos.

Contribuciones Clave
El documento realiza tres contribuciones principales a la literatura sobre DeFi y riesgo de ejecución:

Marco de Decisión Conjunta: Formula el arbitraje CEX–DEX como un problema unificado de gestión de riesgos donde el operador elige simultáneamente la tarifa de prioridad y la cobertura. Demuestra que estas decisiones se separan: la cobertura óptima depende de la correlación entre los activos, mientras que la tarifa óptima depende de la parte del riesgo no cubierta.
Precios Explícitos de la Velocidad: El documento proporciona una fórmula explícita para la tarifa de prioridad óptima, mostrando que es una función del tamaño de la operación, la aversión al riesgo, la volatilidad y la parte no cubierta del riesgo. Confirma mediante la ecuación HJB que esta fórmula estática es una aproximación robusta de la política dinámica.
Validación Empírica: El estudio calibra el modelo con datos del mundo real y lo pone a prueba en diferentes regímenes de mercado. Va más allá de los modelos de equilibrio teórico para proporcionar reglas de decisión tratables para la ejecución bajo retraso.

Resultados

Eficacia de la Cobertura: La cobertura óptima de mínima varianza elimina aproximadamente el 93.9% de la varianza del precio durante la espera. Crucialmente, el ratio de cobertura óptima es independiente de la tarifa de prioridad.
Comportamiento de la Tarifa Óptima:
- En mercados calmos (por ejemplo, 2026), la tarifa óptima suele estar en el límite inferior (la mínima requerida para la inclusión). En estas condiciones, la regla optimizada funciona de manera idéntica a una regla de tarifa fija simple porque el costo de esperar es bajo y la velocidad es barata.
- En mercados congestionados, la regla optimizada supera significativamente a las estrategias de tarifa fija. A través de nueve regímenes históricos, la regla optimizada logró un Sharpe ratio más alto en ocho casos.
Ganancias Cuantitativas: En un conjunto de datos de 182,562 swaps de arbitraje on-chain, la regla de forma cerrada optimizada ganó USD 2.59 más por operación que una regla de tarifa fija.
Dependencia del Régimen: El valor de optimizar la tarifa está positivamente correlacionado con la congestión de la red. En periodos de alta congestión (por ejemplo, diciembre de 2021), la regla de tarifa fija resultó en un Sharpe ratio negativo, mientras que la regla optimizada se mantuvo positiva.

Significancia y Reivindicaciones
El documento afirma llenar un vacío en la literatura al tratar el arbitraje CEX–DEX no solo como un mecanismo de alineación de precios, sino como un problema de gestión de riesgos que involucra una cola de ejecución pública. Su importancia radica en proporcionar un modelo tratable para la toma de decisiones bajo retraso de ejecución, en lugar de un modelo de equilibrio del mercado de tarifas.

El autor afirma modestamente que sus resultados ofrecen orientación práctica para los arbitrajistas: "Cubra la espera primero, y pague por la velocidad solo cuando el riesgo restante sea grande". Esto implica que para posiciones pequeñas o redes calmas, la optimización compleja de tarifas no es necesaria, pero para posiciones grandes o durante tensiones de red, el ajuste dinámico de tarifas es crítico para la rentabilidad. El documento también destaca que el costo de la velocidad en una blockchain es un componente fundamental del costo de mantener la alineación de precios entre los mercados on-chain y off-chain, un costo que finalmente asumen los proveedores de liquidez y los usuarios.

El estudio reconoce limitaciones, incluyendo el supuesto de un agente tomador de precios (ignorando la competencia estratégica de MEV), el uso de un modelo de inclusión de forma reducida y el enfoque en un único par de negociación (ETH/USDC). No pretende modelar el equilibrio completo del mercado de tarifas ni el comportamiento estratégico de los constructores de bloques (block builders).

Resumen Técnico: Riesgo de Ejecución y Tarifas de Prioridad Óptimas en el Arbitraje CEX–DEX

Más como este