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

Nel mondo della finanza moderna, i prezzi sono raramente statici; cambiano costantemente per riflettere le nuove informazioni, proprio come un termometro che sale e scende con il tempo meteorologico. Nei mercati tradizionali, i prezzi possono adeguarsi istantaneamente, anche se nessuno sta attivamente comprando o vendendo in quel preciso secondo. Tuttavia, in un tipo specifico di mercato digitale noto come market maker automatizzato, le regole sono diverse. Qui, il prezzo cambia solo quando avviene effettivamente uno scambio. Se nessuno scambia un asset per un altro, il prezzo rimane esattamente dove era, indipendentemente da quanto possa essersi mosso il mondo esterno. Ciò crea un enigma unico per i ricercatori: quando osservano il movimento medio dei prezzi nel tempo, vedono una miscela di due cose molto diverse. Vedono la frequenza degli scambi e l'entità dei salti di prezzo che avvengono durante tali scambi, tutti mescolati insieme. È difficile capire se un mercato stia diventando più efficiente perché i prezzi si correggono più velocemente, o semplicemente perché il mercato sta visitando condizioni diverse in cui avvengono gli scambi più spesso.

Una ricercatrice di nome Wen-Ting Wang ha affrontato questo enigma studiando due pool specifici di valuta digitale sulle blockchain Ethereum e Base. Questi pool agiscono come market maker automatizzati, dove viene applicata una commissione su ogni scambio, e il prezzo degli asset all'interno è determinato strettamente dal rapporto di ciò che è detenuto nel pool. Wang si è concentrata su due pool quasi identici nel loro design, entrambi con una commissione del cinque per mille sugli scambi tra Ethereum e una stablecoin chiamata USDC. Lo studio ha coperto un periodo di 57 giorni nell'estate del 2026, analizzando oltre 2,5 milioni di blocchi di dati. L'obiettivo era scomporre la correzione totale del prezzo in tre parti distinte: quanto spesso il mercato visitava uno stato in cui il prezzo era errato, quanto spesso avveniva uno scambio in quegli stati e di quanto il prezzo si correggeva quando avveniva uno scambio. Poiché questi pool cambiano il prezzo solo quando viene eseguito uno scambio, la matematica diventa esatta; se non avviene alcuno scambio, la correzione del prezzo è zero. Ciò ha permesso alla ricercatrice di separare il "quanto spesso" dal "quanto molto" senza dover ipotizzare variabili nascoste.

Lo studio è iniziato osservando i numeri grezzi, che raccontavano una storia apparentemente semplice. Confrontando due diversi intervalli temporali all'interno del periodo di studio, la correzione media del prezzo sembrava aumentare leggermente nell'intervallo successivo. Nel primo intervallo, la correzione media era di circa 0,484 punti base per il pool di Ethereum e 0,107 per il pool di Base. Nel secondo intervallo, questi numeri sono saliti rispettivamente a 0,580 e 0,143. A prima vista, questo potrebbe suggerire che il mercato stesse diventando più reattivo o che i prezzi stessero tornando più aggressivamente al loro valore reale. Tuttavia, la ricercatrice sospettava che questa semplice media stesse nascondendo una realtà più complessa. Per testarlo, utilizzò un metodo simile al confronto di due gruppi di persone assegnando loro lo stesso peso, indipendentemente da quante persone ci fossero in ciascun gruppo. Si chiese: se il mercato avesse visitato la stessa miscela di condizioni di prezzo in entrambi gli intervalli, la correzione sarebbe comunque aumentata?

La risposta è stata un chiaro ribaltamento. Quando la ricercatrice ha regolato i dati per tenere conto del fatto che il mercato aveva visitato condizioni diverse nei due intervalli, la storia si è invertita. L'intervallo successivo mostrava in realtà una risposta del prezzo più debole rispetto al precedente. Il motivo per cui la media grezza era aumentata era che il mercato aveva cambiato il proprio comportamento, visitando un diverso set di condizioni più frequentemente. Nello specifico, il mercato ha iniziato a visitare discrepanze di prezzo estreme molto più spesso. Nell'intervallo successivo, una grande parte dei dati proveniva da una categoria rara e aperta di enormi scarti di prezzo, che si verificavano molto più frequentemente rispetto a prima. Questo spostamento nella "composizione degli stati" del mercato ha spinto verso l'alto la media grezza, nonostante la correzione del prezzo effettiva che avveniva in ogni specifica condizione fosse diminuita.

Per capire questo, immaginate un medico che misura il tempo medio di guarigione dei pazienti. Se il medico confronta due settimane e, nella seconda settimana, l'ospedale ammette molti più pazienti con lesioni molto gravi che naturalmente impiegano più tempo per guarire, il tempo medio di guarigione per la settimana aumenterà. Questo non significa che i medici siano peggiori nel trattare i pazienti; significa semplicemente che la miscela di pazienti è cambiata. In questo studio, i "medici" sono i market maker automatizzati e i "pazienti" sono le discrepanze di prezzo. Il mercato ha iniziato a vedere più i casi estremi, il che ha distorto la media complessiva, mascherando il fatto che il trattamento stesso — la correzione del prezzo per scambio — era in realtà diventato meno efficace nelle condizioni in cui era più comune.

La ricercatrice ha anche esaminato quanto spesso avvenivano gli scambi rispetto a quanto si muoveva il prezzo quando avvenivano. Ha scoperto che la frequenza degli scambi e l'entità della correzione del prezzo si muovevano in direzioni opposte. Nell'intervallo successivo, il mercato ha visitato condizioni in cui era più probabile che avvenissero scambi, ma quando tali scambi avvenivano, la correzione del prezzo era minore rispetto a prima. Queste due forze si sono annullate quasi perfettamente. L'aumento della frequenza con cui il mercato visitava certi stati è stato compensato da una diminza della forza con cui il prezzo si correggeva in tali stati. Questo delicato equilibrio ha fatto sì che il numero principale, la media grezza della correzione, si muovesse appena, mentre la meccanica sottostante del mercato cambiava sostanzialmente.

Questo risultato mette in discussione il modo in cui viene spesso misurata la qualità del mercato. Una statistica semplice che afferma "i prezzi si stanno correggendo di più" può essere fuorviante se non tiene conto delle condizioni in cui avvengono tali correzioni. Lo studio ha dimostrato che un mercato può apparire in miglioramento semplicemente perché sta visitando stati diversi, anche se la sua reale capacità di correggere i prezzi sta indebolendosi. La ricercatrice ha confermato questo testando una regola semplice che prevedeva il comportamento dei prezzi in base alla dimensione del divario di prezzo. Questa regola, che sembrava funzionare nella prima parte dello studio, non ha retto nella seconda parte, provando ulteriormente che la relazione tra scarti di prezzo e correzioni non è stabile. I risultati erano specifici per i due pool studiati e per il periodo osservato, ma il metodo utilizzato per separare questi effetti offre un nuovo modo per guardare ai mercati digitali.

Lo studio ha anche esaminato cosa accade quando vengono rimossi i punti dati più estremi. Quando la ricercatrice ha escluso la rara categoria aperta di enormi scarti di prezzo, il modello di forze opposte è rimasto visibile, sebbene fosse meno pronunciato. Ciò ha confermato che l'effetto non era solo un trucco statistico causato da alcuni outlier, ma una caratteristica reale di come operano questi mercati. Lo spostamento nella miscela delle condizioni di mercato è stato il driver primario del cambiamento della media, non un cambiamento nelle regole fondamentali del mercato. La ricerca conclude che quando gli aggiornamenti dei prezzi dipendono interamente dall'esecuzione, guardare solo la media è insufficiente. Bisogna guardare separatamente la composizione del mercato, la frequenza degli scambi e l'entità della correzione per capire cosa stia realmente accadendo.

In definitiva, l'articolo rivela che il mercato digitale è un sistema dinamico in cui la storia raccontata dalla media può essere l'opposto della storia raccontata dai dettagli. Il mercato non è diventato più efficiente; ha semplicemente cambiato forma. Il lavoro della ricercatrice fornisce un modo chiaro e non matematico per vedere attraverso il rumore delle statistiche aggregate e comprendere la vera meccanica dell'aggiustamento dei prezzi nei sistemi automatizzati. Serve come promemoria del fatto che, in ambienti finanziari complessi, il tutto è spesso la somma di parti che si muovono in direzioni diverse e che solo separando queste parti è possibile vedere l'immagine reale.