A Dynamic Equilibrium Model for Automated Market Makers

Questo articolo sviluppa un modello di equilibrio dinamico per i Market Maker Automatizzati (AMM) che, integrando dati empirici e interazioni strategiche tra arbitraggisti, fornitori di liquidità e trader rumorosi, rivela un'asimmetria intrinseca nell'impatto dei prezzi e caratterizza le condizioni per un equilibrio interno non banale in cui la liquidità ottimale presenta una relazione a forma di campana con la volatilità.

L'essenziale

Immagina di dover spiegare questo complesso articolo accademico a un amico mentre prendete un caffè. Ecco la storia, raccontata in modo semplice e con qualche metafora divertente.

Il Titolo: Il Mercato che Respira (e a volte Si Strozza)

Questo studio parla di AMM (Automated Market Makers), che sono i "magazzini automatici" dove le persone scambiano criptovalute su internet (come Uniswap). Invece di avere un venditore e un acquirente che si incontrano, c'è un "piscina" di denaro gestita da un computer.

Gli autori (Zang, Wang e Zhang) hanno scoperto che c'è un grande mistero: perché le persone continuano a mettere i loro soldi in queste piscine, se spesso ci perdono?

Ecco come hanno risolto il mistero, passo dopo passo.

---

1. Il Problema: Il "Ladro" Invisibile

Immagina di essere un Fornitore di Liquidità (LP). Metti i tuoi soldi in una piscina per permettere ad altri di fare scambi. In cambio, prendi una piccola tassa su ogni transazione. È come se fossi il proprietario di un bar: guadagni dai drink che vendi.

Il problema è che ci sono i Ladri (Arbitraggisti).
Questi ladri guardano il prezzo del tuo bar e lo confrontano con il prezzo di un grande supermercato (gli scambi centralizzati come Binance). Se il prezzo nel tuo bar è sbagliato, i ladri corrono lì, comprano a poco e vendono al supermercato a tanto, rubando valore dal tuo bar.

La scoperta shock:
Nel modello "puro" (senza altri fattori), gli autori hanno dimostrato che se nel mercato ci fossero solo questi ladri intelligenti, nessuno metterebbe mai soldi nella piscina. I ladri ruberebbero così tanto che le tasse che guadagni non basterebbero a coprire le perdite. Sarebbe come aprire un bar dove i ladri entrano, bevono gratis e ti rubano il bancone: chi lo farebbe?

2. La Scoperta Reale: Non tutti sono Ladri (e non tutti sono Uguali)

Gli autori hanno guardato i dati reali di milioni di transazioni su Ethereum e hanno visto qualcosa di strano:

• Asimmetria: Comprare e vendere costa diversamente. È come se la piscina fosse più "scivolosa" da una parte che dall'altra.
• I "Ladri Sfortunati": Hanno notato che moltissime transazioni (spesso piccole) sono in perdita. Non sono ladri intelligenti che vincono, ma sono corridori che hanno corso troppo tardi.

L'Analogia della Corsa:
Immagina una gara di corsa dove c'è un premio (il prezzo sbagliato).

• Il primo corridore arriva, prende il premio e scappa.
• Ma ce ne sono cento altri che arrivano subito dopo, pensando di essere primi. Trovano il premio già preso, ma hanno comunque corso (hanno pagato le scarpe e il gas). Arrivano al traguardo stanchi e senza premio.
• Nel mondo crypto, questi "corridori in ritardo" sono quelli che pagano le tasse alla piscina (il Fornitore di Liquidità) ma finiscono per perdere soldi loro stessi.

3. La Soluzione: Il Modello "Esteso"

Gli autori hanno creato un modello più realistico che include tre cose fondamentali che mancavano prima:

1. Volatilità: I prezzi salgono e scendono come un'altalena.
2. Gas (Le tasse di traffico): Quando c'è troppa gente che corre (alta volatilità), le strade si intasano e le tasse per correre (Gas Fee) diventano altissime.
3. I "Clienti Veri" (Noise Traders): Ci sono persone che non cercano di rubare, ma hanno bisogno di comprare o vendere per motivi personali (pagare un affitto, comprare un NFT, ecc.). Questi sono i clienti veri del bar.

4. Il Risultato Finale: La Curva a "Gobba"

Qui arriva la parte più bella e controintuitiva.

Gli autori hanno scoperto che la quantità di soldi che i Fornitori di Liquidità decidono di mettere in gioco non è sempre uguale. Dipende da quanto il mercato è "nervoso" (volatilità).

Immagina una gobba (una collina):

• Volatilità Bassa (Il mare calmo): C'è poco traffico, i ladri non corrono molto, e i clienti veri fanno pochi scambi. Le tasse che guadagni sono poche. Risultato: Metti pochi soldi nella piscina.
• Volatilità Media (La collina perfetta): Il mercato si muove abbastanza da creare opportunità. Arrivano i "corridori in ritardo" (che pagano tasse anche se perdono) e i clienti veri. Le tasse sono alte, i ladri intelligenti non riescono a rubare tutto perché c'è troppo traffico. Risultato: È il momento migliore! Metti molto soldi nella piscina.
• Volatilità Alta (La tempesta): Il mercato è impazzito. I prezzi saltano in modo violento. I ladri intelligenti rubano tutto in un istante (perdita impermanente enorme). Inoltre, le tasse di traffico (Gas) sono così alte che nessuno osa muoversi. Risultato: È troppo rischioso. Togli i soldi dalla piscina.

In Sintesi

Questo paper ci dice che il mercato delle criptovalute non è un luogo dove i "bravi" vengono mangiati dai "cattivi". È un ecosistema complesso dove:

1. I Ladri Intelligenti creano il rischio.
2. I Corridori Sfortunati (che perdono soldi) pagano le tasse che mantengono il sistema in vita.
3. I Clienti Veri danno stabilità.

Il segreto per i Fornitori di Liquidità è trovare il punto dolce (la gobba): un livello di volatilità né troppo basso (pochi guadagni) né troppo alto (troppi rischi), dove il sistema funziona meglio per tutti.

È come guidare un'auto: se vai troppo piano, non arrivi da nessuna parte; se vai troppo veloce, fai un incidente. Il segreto è trovare la velocità giusta per il traffico di oggi.

Sommario tecnico

Ecco un riassunto tecnico dettagliato del documento "A Dynamic Equilibrium Model for Automated Market Makers" di Zang, Wang e Zhang, redatto in italiano.

Titolo: Un Modello di Equilibrio Dinamico per i Market Maker Automatizzati (AMM)

1. Il Problema di Ricerca

Il documento affronta una lacuna fondamentale nella comprensione economica dei Market Maker Automatizzati (AMM), pilastri della finanza decentralizzata (DeFi). Nonostante la scala enorme del volume scambiato (es. Uniswap), le basi microeconomiche della fornitura di liquidità rimangono poco chiare.
Il paradosso centrale è il seguente: nei AMM a prodotto costante (come Uniswap V2), i fornitori di liquidità (LP) assorbono passivamente il flusso degli ordini, esponendosi a una selezione avversa e a perdite impermanenti causate da trader informati (arbitraggisti). Tuttavia, la liquidità persiste su larga scala.
La domanda di ricerca è: perché i LP forniscono liquidità se l'arbitraggio informato genera perdite che le commissioni non sembrano compensare? La letteratura esistente spesso assume flussi di "rumore" (trader non informati) esogeni per bilanciare le perdite, senza verificare se ciò corrisponda al comportamento on-chain osservato.

2. Metodologia

Gli autori combinano un modello teorico di equilibrio dinamico con un'analisi empirica rigorosa basata su dati on-chain.

• Modello Teorico:

  • Ambiente: Un AMM a prodotto costante ($x \cdot y = k$) con commissioni proporzionali, interagente con un mercato esterno (Exchange Centralizzato - CEX) dove i prezzi seguono un moto browniano geometrico (GBM).
  • Agenti:
    1. Arbitraggisti Informati: Cercano di sfruttare le discrepanze di prezzo tra AMM e CEX.
    2. Fornitori di Liquidità (LP): Ottimizzano l'allocazione del capitale tra l'AMM e la detenzione diretta dell'asset, massimizzando l'utilità CRRA (Constant Relative Risk Aversion).
    3. Trader di Rumore (Estensione): Trader con shock di preferenza esogeni (es. esigenze di pagamento, privacy).
  • Dinamiche: Il modello incorpora costi di transazione endogeni (gas fee), volatilità stocastica e una "gara di arbitraggio" dove più arbitraggisti competono per la stessa opportunità, portando a transazioni "overrun" (eseguite dopo che il prezzo è già stato corretto).

• Analisi Empirica:

  • Dati: Dati transazionali di livello singolo da pool Uniswap e Binance-AMM (ETH/USDT, BNB/USDT, ecc.) incrociati con dati di prezzo ad alta frequenza da CEX (Binance, Bybit, ecc.).
  • Classificazione: Le transazioni sono classificate come "profittevoli" o "non profittevoli" ex-post confrontando il prezzo di esecuzione on-chain con il prezzo del CEX aggiustato per le commissioni e il gas.
  • Test Statistici: Analisi di causalità di Granger e regressione per studiare la relazione tra volatilità, volume di trading non profittevole e costi del gas.

3. Contributi Chiave

A. Asimmetria Intrinseca di Impatto sui Prezzi (Buy-Sell Asymmetry)
Gli autori derivano e validano empiricamente che la struttura geometrica degli AMM a prodotto costante genera un'asimmetria sistematica nei costi di esecuzione.

• Teoria: Per una data quantità scambiata, l'acquisto (buy) induce uno slippage (impatto sul prezzo) maggiore rispetto alla vendita (sell) a causa della curvatura della funzione di legame, anche in assenza di movimenti direzionali del prezzo.
• Evidenza: I dati mostrano che, in regime di prezzi stabili, le vendite sono più frequentemente profittevoli rispetto agli acquisti. Gli acquisti richiedono errori di prezzo più ampi per essere profittevoli dopo aver sottratto slippage e commissioni.

B. Il Fallimento dell'Equilibrio con Solo Arbitraggisti Informati
Nel modello di base (solo arbitraggisti informati), gli autori dimostrano che fornire liquidità è strategicamente dominato per i LP.

• Le correzioni di prezzo guidate dall'arbitraggio generano salti negativi nel rendimento della liquidità (perdite impermanenti) che le commissioni non riescono a compensare.
• Risultato: L'equilibrio è degenerato; i LP ritirano la liquidità fino al minimo livello ammissibile. Questo contraddice la realtà osservata, suggerendo che il modello deve includere altri agenti.

C. Estensione del Modello: Eterogeneità e Gara di Arbitraggio
Per spiegare la persistenza della liquidità, il modello viene esteso includendo:

1. Trader di Rumore Reali: Generano commissioni senza cercare profitto immediato.
2. Arbitraggisti "Overrun" (Sconfitti): In periodi di alta volatilità, molti arbitraggisti tentano di sfruttare lo stesso spread. Solo il primo esegue con profitto; gli altri eseguono su uno stato del pool già aggiornato, subendo perdite ex-post. Questi trader "sconfitti" agiscono di fatto come trader di rumore, fornendo liquidità e commissioni ai LP.
3. Gas Fee Endogene: I costi del gas sono modellati come funzione della volatilità e della congestione, influenzando la soglia di ingresso per gli arbitraggisti.

4. Risultati Principali

• Validazione Empirica dell'Asimmetria: I dati confermano che la maggior parte degli scambi (fino all'80% in alcuni pool) è ex-post non profittevole rispetto ai prezzi del CEX, ma questi scambi non sono casuali: sono correlati alla volatilità.
• Relazione a "Gobba" (Hump-Shaped) della Liquidità Ottimale:
  • Il risultato più significativo del modello esteso è che la fornitura ottimale di liquidità ($\theta^*$) da parte dei LP non è monotona rispetto alla volatilità ($v$), ma presenta una forma a gobba.
  • Bassa Volatilità: I costi del gas sono bassi, i trader di rumore sono attivi e generano commissioni stabili. La liquidità è fornita.
  • Volatilità Intermedia: Aumenta la frequenza delle opportunità di arbitraggio e, crucialmente, aumenta il volume di arbitraggisti "overrun" (sconfitti). Questi trader, pur perdendo, pagano commissioni e generano flussi di cassa che compensano le perdite impermanenti. La liquidità fornita dai LP aumenta per catturare queste opportunità.
  • Alta Volatilità: I costi del gas (convessi) diventano proibitivi, riducendo l'attività complessiva. Inoltre, i salti di prezzo diventano troppo grandi e frequenti, rendendo le perdite impermanenti insostenibili nonostante le commissioni. La liquidità fornita diminuisce.
• Ruolo del Gas: I costi del gas non sono puramente esogeni; sono guidati dalla volatilità dei prezzi del CEX, creando un meccanismo di feedback che regola l'attività degli arbitraggisti.

5. Significato e Implicazioni

• Risoluzione del Paradosso della Liquidità: Il paper spiega perché la liquidità persiste nonostante la selezione avversa: non è sostenuta solo da trader di rumore "innocenti", ma anche da un flusso endogeno di arbitraggisti che falliscono nelle loro gare di velocità (overrun), agendo come fonte di liquidità e di commissioni.
• Nuova Prospettiva sulle Perdite: Le transazioni non profittevoli non sono semplici errori o rumore esogeno, ma un risultato strutturale della competizione competitiva in un ambiente con frizioni (gas, latenza).
• Progettazione dei Mercati: Il modello suggerisce che l'efficienza dei mercati AMM e gli incentivi per i LP dipendono criticamente dalla dinamica della volatilità e dai costi di transazione. Le strategie di liquidità ottimali devono essere adattive e non statiche.
• Fondamento Microeconomico: Fornisce un quadro teorico rigoroso che collega la microstruttura del mercato (gara di arbitraggio, costi di gas) ai risultati macroeconomici (fornitura di liquidità, efficienza dei prezzi) nei mercati DeFi.

In sintesi, questo lavoro stabilisce che la sostenibilità della liquidità negli AMM è il risultato di un equilibrio dinamico complesso tra arbitraggio informato, fallimenti competitivi (overrun), trader di rumore e costi di transazione endogeni, portando a una relazione non lineare tra volatilità e liquidità fornita.