技術的概要：プライバシー補助金——ノイズ擾乱された注文フロー観測下における Kyle の $\lambda$

1. 問題提起

本論文は、プライバシーを保護する暗号資産取引所に関する古典的な市場マイクロストラクチャー理論の欠落を扱っている。標準的な Kyle (1985) モデルでは、市場メーカー (MM) が価格を設定するために、総注文フロー $y = x + u$（ここで $x$ はインサイダー取引、$u$ はノイズ取引）を観測する。しかし、現代のプライバシー保護設計（例：シールドされた AMM、ゼロ知識取引所）は、この観測方法を変更する。MM は $y$ を直接見るのではなく、$\tilde{y} = y + \epsilon$ というノイズ擾乱された信号を観測する。ここで $\epsilon$ は独立なガウス分布のプライバシーノイズである。

中心的な問題は、古典的な結果がこの領域に拡張できないことである。具体的には、MM の観測がプライバシーノイズによって隠蔽される場合、価格インパクト係数 ($\lambda$)、インサイダー取引者の戦略 ($\beta$)、および厚生分配がどのように変化するかは不明である。特に、MM が競争的なゼロ利潤エージェントではなく、コミットされたベイズ的エージェント（スマートコントラクトなど）である場合においてである。

2. 方法論とモデル設定

著者らは、以下の基本要素を持つ単一期の線形 Kyle 均衡モデルを構築する：

• 資産価値 ($v$): 正規分布 $N(p_0, \sigma_v^2)$ に従う。
• ノイズフロー ($u$): 正規分布 $N(0, \sigma_u^2)$ に従い、$v$ と独立である。
• プライバシーノイズ ($\epsilon$): 正規分布 $N(0, \sigma_\epsilon^2)$ に従い、$v$ および $u$ の両方と独立である。
• 観測: MM は $\tilde{y} = x + u + \epsilon$ を観測する。
• 市場メーカー (MM): コミットされたベイズ的 AMM としてモデル化される。教科書的な競争的 MM が期待利潤をゼロに強制するのとは異なり、この MM は機械的に価格 $p(\tilde{y}) = E[v | \tilde{y}]$ を設定する。いかなる期待損失も、プロトコルの流動性提供者 (LP) プールによって吸収される。この枠組みは、ゼロ利潤を確保するために戦略的に調整できないオンチェーンのスマートコントラクト価格設定ルールをモデル化するために選択された。
• インサイダー取引者: $v$ を観測し、線形注文 $x = \beta(v - p_0)$ を提出するリスク中立なインサイダー。

均衡は、価格設定ルールがベイズ的に合理的であり、かつインサイダー取引者がその価格設定ルールを前提として期待利潤を最大化するような、ペア $(\beta, \lambda)$ によって定義される。

3. 主要な貢献と結果

A. 閉形式の線形均衡（定理 1）

本論文は、プライバシーノイズ下における一意の線形均衡を導出する。均衡係数は以下の通りである：
$$\lambda = \frac{\sigma_v}{2\sqrt{\sigma_u^2 + \sigma_\epsilon^2}}$$
$$\beta = \frac{\sqrt{\sigma_u^2 + \sigma_\epsilon^2}}{\sigma_v}$$

主要な性質:

• 再スケーリング: $\lambda$ と $\beta$ の両方は、プライバシーパラメータ $\sigma_\epsilon$ に依存する単一の因子によって再スケーリングされる。
• 不変性: 積 $\lambda \beta = 1/2$ は、プライバシーノイズのレベルに関係なく不変である。これにより、古典的 Kyle 均衡の「半分開示」の性質が維持される。すなわち、条件付き平均価格は事前分布から真の価値の半分の位置まで移動する：$E[p|v] = (p_0 + v)/2$。
• 比較静学: プライバシーノイズ ($\sigma_\epsilon$) が増加すると、価格インパクト係数 $\lambda$ は減少し（価格がフローに対して鈍感になる）、インサイダー取引者の戦略 $\beta$ は激化する（インサイダーはノイズに紛れ込むためにより攻撃的に取引する）。

B. プライバシー補助金（定理 2）

本論文は、各エージェントの期待利潤/損失を計算するために厚生分解を行う。

• インサイダー取引者の利潤 ($\pi_I$): $\sigma_\epsilon$ とともに増加する。
• ノイズ取引者の利潤 ($\pi_N$): $\sigma_\epsilon$ とともに増加する（損失が減少する）。
• MM/プロトコルの利潤 ($\pi_M$): 負となる。

本論文は、プロトコル/LP プールから取引者への移転を閉形式で特定し、これをプライバシー補助金と名付ける：
$$|\pi_M| = \frac{\sigma_v \sigma_\epsilon^2}{2\sqrt{\sigma_u^2 + \sigma_\epsilon^2}}$$

この量は、流動性層を補償するためにプライバシー集約型取引所が徴収しなければならない損益分岐点の料金を表す。$\sigma_\epsilon = 0$ の場合（教科書的な Kyle 結果を回復）はゼロであり、それ以外の場合は厳密に正である。

C. 補助金の比較静学

補助金は特定の漸近挙動を示す：

• 低プライバシー領域 ($\sigma_\epsilon \to 0$): 補助金は二次的に増加する ($\propto \sigma_\epsilon^2$)。
• 高プライバシー領域 ($\sigma_\epsilon \to \infty$): 補助金は線形に増加する ($\propto \sigma_\epsilon$)。
• 変曲点: 関数は $\sigma_\epsilon^* = \sqrt{2}\sigma_u$ に単一の変曲点を持ち、凸から凹へ遷移する。

D. 適用範囲と境界

著者らは、自らの枠組みの適用範囲を明確にしている：

• 適用可能: 明示的な加法ガウスノイズ注入（例：差分プライバシー）を伴うシールドされた AMM。
• 適用不可（別枠組みが必要）:
  • Penumbra 型のバッチスワップ: これらは再スケーリングされたノイズ分散を持つ教科書的な Kyle に帰着するが、ベイズ的 MM 下ではプライバシー補助金を生成しない。
  • Suave 型の密封入札オークション: これらは加法ノイズではなく時間的非対称性を伴い、損失対リバランス (LVR) に近い。
  • Renegade 型のオラクルペグド・クロス: これらは価格発見が外生的であるため、Kyle 分析の範囲外である。

4. 意義と位置づけ

本論文は、その結果を市場マイクロストラクチャーと分散型金融 (DeFi) の交差点に位置づける：

1. マイクロストラクチャーの拡張: 不完全性が取引者の情報ではなく市場メーカーの信号にある、これまで分析されていない観測領域において、Kyle の 1985 年の線形均衡を拡張する。
2. LVR に対する DeFi のアナロジー: 「プライバシー補助金」は、損失対リバランス (LVR) の単一期・閉形式のアナログとして提示される。LVR が外部情報を持つアービトラージャーによって古い価格が摘み取られるコストを測定するのに対し、プライバシー補助金はプライバシーノイズが MM のフロー観測を隠蔽することによるコストを測定する。両者とも、流動性提供者から取引者への厚生移転である。
3. 料金設計への示唆: この結果は、プライバシー保護取引所における料金の理論的下限を提供する。論文は、BTC/USDT のキャリブレーションにおいて、ノイズ取引者の分散に等しいプライバシーパラメータ ($\sigma_\epsilon = \sigma_u$) は、1 日あたり約 100 万ドルの損益分岐点料金を意味すると指摘しており、これは 10 億ドルの取引量に対する 0.1% の料金に相当する。

本論文は、プライバシーがインサイダー取引者にもノイズ取引者にも利益をもたらす（ノイズ取引者に対する逆選択を減らし、インサイダーの利潤を増加させる）一方で、その全コストはプロトコル/LP プールによって負担されるため、破綻を防ぐために特定の料金構造が必要であると結論づけている。