The Privacy Subsidy in Continuous-Time Kyle: Cumulative Welfare under Noise-Perturbed Order-Flow Observation

技術的サマリー：連続時間 Kyle におけるプライバシー補助

問題提起
本論文は、分散型金融（DeFi）、特に自動市場メーカー（AMM）と注文フロー集約の文脈における、プライバシー保護メカニズムの厚生への影響を扱っている。 companion paper [12] が単一期 Kyle モデルにおいて、プロトコルの流動性プールからトレーダーへの移転である閉形式の「プライバシー補助」を確立したのに対し、本研究は分析を連続時間設定に拡張する。核心的な問題は、独立したガウス型プライバシーノイズによって攪乱された集約注文フローを観測するコミットされたベイズ型マーケットメーカー（MM）が被る累積期待損失を定量化することである。古典的な競争的マーケットメーカーがゼロ利潤条件を強制するのに対し、本モデルは（スマートコントラクトベースの AMM に典型的な）「コミットされた」価格設定ルールを仮定しており、MM はノイズのある観測値に基づいてベイズ則で価格を更新するが、ゼロ利潤を確保するために動的に調整することはない。

手法
分析は、プライバシー集約情報に適応された連続時間 Kyle–Back フレームワーク [1] を採用する。

• モデルの素性: モデルは、取引期間 $[0, 1]$、正常な資産価値 $v$ を観測するインサイダー、フロー $du_t = \sigma_u dW^u_t$ を提出するノイズトレーダー、独立したブラウンノイズ $d\varepsilon_t = \sigma_\varepsilon dW^\varepsilon_t$ を追加するプライバシーチャネルを特徴とする。マーケットメーカーは攪乱されたフロー $d\tilde{y}_t = dy_t + d\varepsilon_t$ を観測する。
• 価格設定ルール: MM は、$dp_t = \lambda_t d\tilde{y}_t$ というコミットされた線形価格設定ルールを使用する。ここで $\lambda_t$ は、ベイズ射影恒等式から導出された事前固定のカルマンゲインである。重要なのは、本モデルが競争的 Kyle モデルに見られるゼロ利潤均衡制約を課さず、代わりに生じる非ゼロの期待利潤（または損失）を研究対象として受け入れる点である。
• 均衡の導出: 著者はインサイダーの戦略（$dx_t = \beta_t(v - p_t)dt$）に対して線形マルコフ的アンザッツを用い、関連するハミルトン・ヤコビ・ベルマン（HJB）方程式を解く。解は、均衡パラメータを特定するために、最終時点での完全情報開示を意味する標準的な Kyle–Back の合理性条件 $\Sigma(1) = 0$ に依存する。
• 厚生会計: 累積プライバシー補助は、3 人の参加者（インサイダー、ノイズトレーダー、マーケットメーカー）の間で総期待厚生を分解することで導出される。MM の期待利潤は、システムを均衡させるために必要な残差として計算される。

主要な貢献と結果
本論文は 3 つの主要な結果を確立する。

1. 定理 1（マルコフ的線形均衡）: プライバシーノイズ強度 $\sigma_\varepsilon$ を伴うコミットされたベイズ型 AMM 価格設定ルールのもと、唯一の均衡は、一定の価格インパクト係数 $\lambda = \sigma_v / \sqrt{\sigma_u^2 + \sigma_\varepsilon^2}$ と、線形的に減少する事後分散 $\Sigma(t) = \sigma_v^2(1-t)$ を特徴とする。プライバシーノイズの存在は、均衡条件においてノイズトレーダーのボラティリティを $\sigma_u$ から $\sqrt{\sigma_u^2 + \sigma_\varepsilon^2}$ へ実質的に増加させる。

2. 定理 2（累積プライバシー補助）: 本論文は、期間 $[0, 1]$ における流動性プールからトレーダーへの累積期待移転（プライバシー補助）の閉形式式を導出する。
   $$|\Pi_M| = \frac{\sigma_v \sigma_\varepsilon^2}{\sqrt{\sigma_u^2 + \sigma_\varepsilon^2}}$$
   著者は、この値が [12] で導出された単一期の類似物のちょうど 2 倍であることを指摘する。彼らは、この「倍増」が単一期から連続時間モデルへの Kyle–Back の移行における標準的な特徴（インサイダーの利潤もまた 2 倍になる）であり、プライバシーメカニズム固有のアーティファクトではないと明確にしている。

3. 命題 1（LVR との構造的二重性）: 本論文は、Milionis ら [10] が定積 AMM で特定した**リバランス対損失（LVR）**と、Kyle 市場におけるプライバシー補助との間の構造的二重性を確立する。

   • LVR は、コミットされた AMM 曲線と外部価格観測とのミスマッチに起因する厚生損失を定量化する。
   • プライバシー補助 は、コミットされた価格設定ルールと注文フロー観測とのミスマッチに起因する厚生損失を定量化する。
     両方の厚生率は、関連するノイズ駆動因子（価格拡散対プライバシーノイズ）の強度の 2 乗と、コミットされた対象の関数に因数分解される。この二重性は、コミットされた曲線取引所における損益分岐点手数料を較正するための統一的な枠組みを提供する。

意義と主張
本論文は、プライバシー集約情報環境下で運用されるコミット型 AMM 取引所に対する損益分岐点手数料の定量化というプログラムを完了させることを主張する。その意義は以下の点にある。

• 文献の架橋: 内部者取引に関するマイクロストラクチャー文献（Kyle/Back）と、AMM 厚生損失に関する DeFi 文献（LVR）を結びつけ、プライバシーノイズが価格観測ギャップと構造的に同一の厚生ギャップを生み出すことを実証する。
• プライバシーコストの操作化: 流動性プールのソルベンシーの観点から「プライバシーのコスト」の正確な閉形式メトリックを提供する。著者は、プロトコルがソルベントであるためには、累積手数料収入がこの累積プライバシー補助を上回る必要があると論じる。
• 設計への示唆:
  • 時間不変性: 連続時間極限において、累積補助はプライバシーノイズの時間平均分散のみに依存し、その時間的プロファイルには依存しない。これは、プロトコルが平均予算を変更せずにプライバシー注入を戦略的にスケジュール（例えば、終期近くで弱いプライバシー）することで補助を削減できないことを意味する。
  • 手数料較正: 導出された式は、CFMM における LVR が手数料構造を informing するのと同様に、プライバシー補助を賄うための比例手数料を設定する直接的な方法を提供する。
  • 離散対連続: 著者は、連続時間モデルがクリーンな閉形式を提供する一方で、実用的な実装（シールドされた AMM、MPC エンジン）は、固定強度の連続ブラウン型プライバシーチャネルが有限の差分プライバシー保証と両立しないため、プライバシー予算が有限である離散ブロック展開として解釈されなければならないと警告する。

本論文は、これらの結果がガウスノイズに対して成り立つこと、およびラプラス（差分プライバシー用）などの非ガウスノイズやジャンプ過程への拡張は将来の課題として残されていることを付記して結論づけている。