기술 요약: 평균에서 중앙값으로: 최적의 벤치마크 설계

1. 문제 제기

본 논문은 금융 시장에서의 가격 벤치마크 설계, 특히 조작에 대한 저항성에 초점을 맞춘 중요한 문제를 다룹니다. 벤치마크는 유통되는 시장 가격을 요약하며, 파생상품, 대출 및 포트폴리오 가치 평가의 기초가 됩니다. 이러한 계약들의 명목 가치는 대리인이 자신에게 유리하도록 가격을 왜곡할 동기를 부여합니다. 전통 금융에서의 조작이 수억 달러의 손실을 초래해 온 반면, 탈중앙화 금융(DeFi)의 등장은 자동화된 실행, 거대한 계약 가치, 제한된 법적 집행 가능성으로 인해 이러한 우려를 더욱 증폭시켰습니다.

이 연구를 촉발한 것은 흥ular로운 경험적 패턴입니다. 전통 금융의 벤치마크(예: LIBOR, EURIBOR, 오후 4시 Fix)는 일반적으로 **평균(mean)**을 사용하는 반면, DeFi의 벤치마크(예: MakerDAO, Tellor 오라클)는 주로 **중앙값(median)**을 사용한다는 점입니다. 본 논문은 조작 비용을 극대화하는 최적의 벤치마크 공식을 결정함으로써, 이 차이를 설명하고 견고한 벤치마크를 위한 설계 규칙을 제공하고자 합니다.

2. 방법론 및 모델

저자는 다중 과업 도덕적 해이(multi-task moral hazard)를 포함한 최적 계약 문제로 모델링된 게임 이론적 프레임워크를 활용합니다. 조작자는 특정 편향($\Delta$)을 유도하기 위해 비용 함수를 고려하면서 가격 분포를 왜곡하는 방법을 선택하는 대리인으로 작용합니다.

주요 모델 구성 요소:

• 가격 분포: 왜곡되지 않은 가격은 분포 $F$로부터 추출되며, $F$는 점 $P$를 중심으로 대칭이고 엄격하게 단봉형(single-peaked)이라고 가정합니다. 일부 결과에서는 분포가 분산이 없는 경우(점 $P$에 퇴화된 경우)를 가정합니다.
• 조작 전략: 조작자는 초기 분포 $F$를 조작된 분포 $G$로 이동시킵니다. 전략은 조건부 분포 함수 $G_c(\cdot|p)$로 정의됩니다.
• 비용 구조: 조작 비용은 두 가지 구성 요소의 합입니다.
  1. 가변 비용 ($c(\cdot)$): 가격 왜곡의 크기($q$)에 대한 함수입니다. 논문은 볼록(convex) 및 오목(concave) 형태를 모두 고려합니다. 특히 부록 B에서는 상수 곱 마켓 메이커(CPMM)의 경우 가변 비용이 **오목(concave)**하다는 것을 도출합니다.
  2. 고정 비용 ($k$): 조작된 가격당 발생하는 비용으로, 왜곡 크기와 무관합니다. 이는 거래 순서(예: MEV 경매 또는 가스비)를 확보하는 데 드는 비용이 거래당 발생한다는 점에서 블록체인 환경에서 특히 중요합니다.
• 벤치마크 정의: 벤치마크는 위치 함수(location functional)입니다. 논문은 대칭 벤치마크(대칭 분포의 대칭점과 동일한 것)에 집중하며, 여기에는 평균, 중앙값, $\tau$-절단 평균($\tau$-trimmed means)이 포함됩니다.
• 최적성 기준: 벤치마크는 조작자가 주어진 편향 $\Delta$를 유도하기 위해 필요한 최소 비용을 극대화하는 최적의 벤치마크입니다. 분석은 만약 대칭적이고 비용을 최소화하는 조작 전략이 존재하는 벤치마크가 있다면, 그 벤치마크가 최적이라는 **명제 1(Proposition 1)**에 의존합니다.

3. 주요 기여 및 결과

A. 극단적인 사례 (동질적 시장)

논문은 비용 구조와 최적 벤치마크 사이의 대응 관계를 확립합니다.

• 고정 비용이 미미한 경우 ($k=0$) 및 볼록한 가변 비용: **평균(Mean)**이 최적입니다. 가변 비용이 볼록할 때, 가장 저렴한 조작 전략은 모든 가격에 걸쳐 편향을 균등하게 분산시키는 것입니다. 평균은 이러한 균등한 이동에 대해 최대한의 저항성을 갖는 반면, 중앙값은 이에 매우 민감합니다.
• 가변 비용이 미미한 경우 ($c(\cdot)=0$): **중앙값(Median)**이 최적입니다. 고정 비용만이 중요할 때, 조작자는 중앙값을 이동시키기 위해 필요한 최소한의 가격 질량만을 조작함으로써 비용을 최소화합니다. 중앙값은 정확히 절반의 질량을 조작해야 하는 반면, 평균은 모든 가격을 조작해야 합니다. 따라서 중앙값은 이 체제에서 조작 비용을 극대화합니다.

B. 일반적인 경우 (고정 및 가변 비용 공존)

두 비용 구성 요소가 모두 존재할 때, 최적의 벤치마크는 **절단 평균(Trimmed Mean)**입니다.

• 볼록한 가변 비용: 만약 고정 비용이 목표 편향에 비해 크다면 ($\delta_{min} > 2\Delta$), 평균을 조작하는 최적의 방법은 절반 미만의 가격에 집중하는 것이 되어 대칭성이 깨집니다. $\tau$-절단 평균은 극단적인 가격을 제외함으로써 조작자가 집중도와 높은 평균 비용 사이에서 절충하도록 강제하여 이를 상쇄합니다. 최적의 절단 매개변수 $\tau^*$는 고정 비용이 증가함에 따라 증가합니다.
• 오목한 가변 비용: 이 사례는 DeFi CPMM에서 실무적으로 유의미합니다. 고정 비용이 없더라도, 오목성은 최적의 조작이 극단부에 질량을 집중시킨다는 것을 의미합니다. 최적의 벤치마크는 여전히 절단 평균이며, 고정 비용이 커짐에 따라 절단의 정도가 증가합니다.
• 비교 정학(Comparative Statics): 최적의 절단 정도는 시장 유동성에 따라 감소합니다. 유동성이 풍부한 풀(한계 조작 비용이 높은 곳)에서는 벤치마크가 평균에 가까워지며, 유동성이 낮은 풀에서는 중앙값에 가까워집니다.

C. 이질적 시장

논문은 가격이 서로 다른 조작 비용(예: 시간에 따른 유동성 또는 가스비의 변화)을 가진 하위 집단에서 발생하는 시장으로 분석을 확장합니다.

• 순수 가변 비용: 최적의 벤치마크는 한계 조작 비용($c'_i(\Delta)$)에 비례하여 가중치를 두는 **가중 평균(Weighted Mean)**입니다. 한계적으로 조작하기 쉬운 가격은 가중치가 낮아집니다.
• 순수 고정 비용: 최적의 벤치마크는 고정 비용($k_i$)에 비례하여 가중치를 두는 에지워스(Edgewness) 방식의 **가중 중앙값(Weighted Median)**입니다.
• 비례 비용: 만약 고정 비용과 가변 비용이 하위 집단 간에 비례한다면, 최적의 벤치마크는 가중치와 절단 매개변수가 결합된 비용 구조를 반영하는 **가중 절단 평균(Weighted Trimmed Mean)**입니다.

4. 의의 및 주장

본 논문은 관찰된 전통 금융과 DeFi 벤치마크 설계 간의 격차에 대한 이론적 근거를 제공한다고 주장합니다.

• 전통 금융: 지속적인 거래와 볼록한 가변 비용(가격 관측당 고정 비용은 무시할 수 있는 수준)을 특징으로 하며, 이에 따라 평균이 최적입니다.
• 탈중앙화 금융(DeFi): 플래시 론(flash loans)과 같은 도구의 가용성으로 인해 가변 비용은 무시할 수 있는 수준이 되지만, 트랜잭션 순서 지정(MEV/가스비)에 대한 고정 비용은 높으며, 이에 따라 중앙값이 최적입니다.

저자는 이러한 결과들이 대칭 분포, 특정 비용 구조라는 가정하에 도출되었음을 강조하며, 비대칭 분포나 일반적인 이질적 비용 구조로 확장하는 것은 여전히 과제로 남아 있다고 밝힙니다. 본 논문은 자신의 조작 저항성 기준이 강건 통계학(robust statistics)의 L-추정량(L-estimators)에서 발견되는 통계적 효율성 기준과 경쟁하는 것이 아니라 이를 보완하는 것이라고 위치시킵니다. 평균, 중앙값, 절단 평균을 조작 최적(manipulation-optimal)으로 식별함으로써, 본 논문은 이러한 표준 추정량들이 효율성과 강건성이라는 두 가지 차원에서 모두 규율될 수 있음을 시사합니다.

본 연구는 스마트 계약의 구체적인 구현 세부 사항이나 새로운 실험적 프로토콜을 제안하지 않습니다. 대신, 비용 구조와 집계 공식 사이의 근본적인 트레이드오프를 파악하여 가장 조작 저항성이 강한 벤치마크를 결정하는 데 집중합니다.