Riepilogo Tecnico: Il Sussidio per la Privacy: $\lambda$ di Kyle sotto Osservazione del Flusso di Ordini Perturbata da Rumore

1. Enunciato del Problema

Il lavoro affronta una lacuna nella teoria classica della microstruttura dei mercati relativa agli scambi di criptovalute che preservano la privacy. Nei modelli standard di Kyle (1985), un market maker (MM) osserva il flusso di ordini aggregato $y = x + u$ (dove $x$ è il trading informato e $u$ è il trading rumoroso) per fissare i prezzi. Tuttavia, le moderne architetture che preservano la privacy (ad esempio, AMM schermati, scambi a conoscenza zero) alterano tale osservazione. Invece di vedere $y$, il MM osserva un segnale perturbato da rumore $\tilde{y} = y + \epsilon$, dove $\epsilon$ è un rumore di privacy gaussiano indipendente.

Il problema centrale è che i risultati classici non si estendono a questo regime. Nello specifico, è sconosciuto come cambino il coefficiente di impatto sul prezzo ($\lambda$), la strategia del trader informato ($\beta$) e la distribuzione del benessere quando l'osservazione del MM è oscurata dal rumore di privacy, in particolare quando il MM è un agente bayesiano impegnato (come un contratto intelligente) piuttosto che un agente competitivo a profitto zero.

2. Metodologia e Impostazione del Modello

Gli autori costruiscono un modello di equilibrio lineare di Kyle a periodo singolo con i seguenti primitivi:

• Valore dell'Attivo ($v$): Distribuito normalmente $N(p_0, \sigma_v^2)$.
• Flusso Rumoroso ($u$): Distribuito normalmente $N(0, \sigma_u^2)$, indipendente da $v$.
• Rumore di Privacy ($\epsilon$): Distribuito normalmente $N(0, \sigma_\epsilon^2)$, indipendente sia da $v$ che da $u$.
• Osservazione: Il MM osserva $\tilde{y} = x + u + \epsilon$.
• Market Maker (MM): Modellato come un AMM bayesiano impegnato. A differenza del MM competitivo da manuale che impone un profitto atteso nullo, questo MM fissa meccanicamente il prezzo $p(\tilde{y}) = E[v | \tilde{y}]$. Qualsiasi perdita attesa è assorbita dal pool dei fornitori di liquidità (LP) del protocollo. Questa impostazione è scelta per modellare le regole di pricing dei contratti intelligenti on-chain che non possono adattarsi strategicamente per garantire un profitto nullo.
• Trader Informato: Un insider neutrale al rischio che osserva $v$ e presenta un ordine lineare $x = \beta(v - p_0)$.

L'equilibrio è definito da una coppia $(\beta, \lambda)$ tale che la regola di pricing sia razionale bayesiana e il trader informato massimizzi il profitto atteso data la regola di pricing.

3. Contributi e Risultati Chiave

A. Equilibrio Lineare in Forma Chiusa (Teorema 1)

Il lavoro deriva l'unico equilibrio lineare sotto rumore di privacy. I coefficienti di equilibrio sono:
$$\lambda = \frac{\sigma_v}{2\sqrt{\sigma_u^2 + \sigma_\epsilon^2}}$$
$$\beta = \frac{\sqrt{\sigma_u^2 + \sigma_\epsilon^2}}{\sigma_v}$$

Proprietà Chiave:

• Riscalamento: Sia $\lambda$ che $\beta$ si riscalano per un singolo fattore dipendente dal parametro di privacy $\sigma_\epsilon$.
• Invarianza: Il prodotto $\lambda \beta = 1/2$ rimane invariato indipendentemente dal livello di rumore di privacy. Ciò preserva la proprietà di "rivelazione a metà" dell'equilibrio di Kyle classico: il prezzo medio condizionato si sposta a metà strada dal prior al valore reale, $E[p|v] = (p_0 + v)/2$.
• Statiche Comparate: All'aumentare del rumore di privacy ($\sigma_\epsilon$), il coefficiente di impatto sul prezzo $\lambda$ diminuisce (i prezzi diventano meno sensibili al flusso) e la strategia del trader informato $\beta$ si intensifica (l'insider opera in modo più aggressivo per nascondersi nel rumore).

B. Il Sussidio per la Privacy (Teorema 2)

Il lavoro esegue una scomposizione del benessere per calcolare il profitto/perdita atteso per ciascun agente.

• Profitto del Trader Informato ($\pi_I$): Aumenta con $\sigma_\epsilon$.
• Profitto del Trader Rumoroso ($\pi_N$): Aumenta (le perdite diminuiscono) con $\sigma_\epsilon$.
• Profitto del MM/Protocollo ($\pi_M$): Diventa negativo.

Il lavoro identifica un trasferimento in forma chiusa dal pool del protocollo/LP ai trader, denominato Sussidio per la Privacy:
$$|\pi_M| = \frac{\sigma_v \sigma_\epsilon^2}{2\sqrt{\sigma_u^2 + \sigma_\epsilon^2}}$$

Questa quantità rappresenta la commissione di pareggio che qualsiasi scambio aggregato per la privacy deve addebitare per compensare il suo strato di liquidità. È zero quando $\sigma_\epsilon = 0$ (ripristinando il risultato di Kyle da manuale) e strettamente positiva altrimenti.

C. Statiche Comparate del Sussidio

Il sussidio presenta comportamenti asintotici specifici:

• Regime a Bassa Privacy ($\sigma_\epsilon \to 0$): Il sussidio cresce quadraticamente ($\propto \sigma_\epsilon^2$).
• Regime ad Alta Privacy ($\sigma_\epsilon \to \infty$): Il sussidio cresce linearmente ($\propto \sigma_\epsilon$).
• Punto di Inflexione: La funzione ha un singolo punto di inflessione a $\sigma_\epsilon^* = \sqrt{2}\sigma_u$, transitando da convessa a concava.

D. Applicabilità e Limiti

Gli autori delimitano il campo di applicazione del loro quadro:

• Applicabile: AMM schermati con iniezione esplicita di rumore gaussiano additivo (ad esempio, privacy differenziale).
• Non Applicabile (Richiede Quadri Separati):
  • Swap in batch stile Penumbra: Questi si riducono a Kyle da manuale con varianza del rumore riscalata ma non generano sussidio per la privacy sotto un MM bayesiano.
  • Aste a offerta sigillata stile Suave: Queste coinvolgono asimmetria temporale piuttosto che rumore additivo, allineandosi più da vicino alla Perdita Rispetto al Ribilanciamento (LVR).
  • Crossing ancorati a oracle stile Renegade: Questi esulano completamente dall'analisi di Kyle poiché la scoperta del prezzo è esogena.

4. Significato e Posizionamento

Il lavoro posiziona il suo risultato all'intersezione tra microstruttura dei mercati e finanza decentralizzata (DeFi):

1. Estensione della Microstruttura: Estende l'equilibrio lineare di Kyle del 1985 a un regime di osservazione precedentemente non analizzato in cui l'imperfezione risiede nel segnale del market maker piuttosto che nell'informazione del trader.
2. Analogia DeFi con LVR: Il "Sussidio per la Privacy" è presentato come l'analogico a periodo singolo e in forma chiusa della Perdita Rispetto al Ribilanciamento (LVR). Mentre l'LVR misura il costo di prezzi obsoleti sfruttati da arbitraggisti con informazioni esterne, il sussidio per la privacy misura il costo del rumore di privacy che oscura l'osservazione del flusso da parte del MM. Entrambi sono trasferimenti di benessere dai fornitori di liquidità ai trader.
3. Implicazione per la Progettazione delle Commissioni: Il risultato fornisce un limite inferiore teorico per le commissioni negli scambi che preservano la privacy. Il lavoro nota che per una calibrazione BTC/USDT, un parametro di privacy uguale alla varianza del trader rumoroso ($\sigma_\epsilon = \sigma_u$) implica un requisito di commissione di pareggio di circa 1 milione di dollari al giorno, comparabile a una commissione dello 0,1% su un volume di 1 miliardo di dollari.

Il lavoro conclude che, sebbene la privacy avvantaggi sia i trader informati che quelli rumorosi (riducendo la selezione avversa contro i trader rumorosi e aumentando i profitti informati), l'intero costo è sostenuto dal pool del protocollo/LP, rendendo necessaria una struttura di commissioni specifica per garantire la solvibilità.