기술적 요약: 프라이버시 보조금: 노이즈가 교란된 주문 흐름 관찰 하의 Kyle 의 $\lambda$

1. 문제 제기

본 논문은 프라이버시 보호 암호화폐 거래소에 관한 고전적 시장 미시구조 이론의 공백을 다룹니다. 표준 Kyle (1985) 모델에서 시장 조성자 (MM) 는 가격 설정을 위해 총계 주문 흐름 $y = x + u$ (여기서 $x$는 정보 기반 거래, $u$는 노이즈 거래) 를 관찰합니다. 그러나 현대의 프라이버시 보호 설계 (예: 차폐된 AMM, 영지식 거래소) 는 이러한 관찰 방식을 변경합니다. MM 은 $y$를 직접 보는 대신, $\epsilon$이 독립적인 가우스 프라이버시 노이즈인 노이즈가 교란된 신호 $\tilde{y} = y + \epsilon$을 관찰합니다.

핵심적인 문제는 고전적 결과들이 이러한 영역으로 확장되지 않는다는 점입니다. 구체적으로, MM 의 관찰이 프라이버시 노이즈에 의해 가려질 때 가격 영향 계수 ($\lambda$), 정보 기반 거래자의 전략 ($\beta$), 그리고 후생 분포가 어떻게 변하는지 알려지지 않았습니다. 특히 MM 이 경쟁적 제로프로핏 (zero-profit) 에이전트가 아닌, 스마트 계약과 같은 헌신적 베이지안 에이전트일 때의 변화는 불명확합니다.

2. 방법론 및 모델 설정

저자들은 다음과 같은 기본 요소들을 가진 단일 기간 선형 Kyle 균형 모델을 구성합니다:

• 자산 가치 ($v$): 정규분포 $N(p_0, \sigma_v^2)$를 따름.
• 노이즈 흐름 ($u$): 정규분포 $N(0, \sigma_u^2)$를 따르며, $v$와 독립적임.
• 프라이버시 노이즈 ($\epsilon$): 정규분포 $N(0, \sigma_\epsilon^2)$를 따르며, $v$와 $u$ 모두와 독립적임.
• 관찰: MM 은 $\tilde{y} = x + u + \epsilon$을 관찰함.
• 시장 조성자 (MM): 헌신적 베이지안 AMM 으로 모델링됨. 제로 기대 수익을 강제하는 교과서적 경쟁적 MM 과 달리, 이 MM 은 기계적으로 가격 $p(\tilde{y}) = E[v | \tilde{y}]$를 설정함. 모든 기대 손실은 프로토콜의 유동성 공급자 (LP) 풀에 흡수됨. 이러한 프레임은 제로 수익을 보장하기 위해 전략적으로 조정할 수 없는 온체인 스마트 계약 가격 결정 규칙을 모델링하기 위해 선택됨.
• 정보 기반 거래자: $v$를 관찰하고 선형 주문 $x = \beta(v - p_0)$를 제출하는 위험 중립적 내부자.

균형은 가격 결정 규칙이 베이지안 합리적이며, 정보 기반 거래자가 주어진 가격 결정 규칙 하에서 기대 수익을 극대화하는 $(\beta, \lambda)$ 쌍으로 정의됨.

3. 주요 기여 및 결과

A. 폐쇄형 선형 균형 (정리 1)

본 논문은 프라이버시 노이즈 하에서 유일한 선형 균형을 유도함. 균형 계수는 다음과 같음:
$$\lambda = \frac{\sigma_v}{2\sqrt{\sigma_u^2 + \sigma_\epsilon^2}}$$
$$\beta = \frac{\sqrt{\sigma_u^2 + \sigma_\epsilon^2}}{\sigma_v}$$

주요 특성:

• 재조정: $\lambda$와 $\beta$ 모두 프라이버시 매개변수 $\sigma_\epsilon$에 의존하는 단일 인자로 재조정됨.
• 불변성: $\lambda \beta = 1/2$의 곱은 프라이버시 노이즈 수준과 무관하게 불변임. 이는 고전적 Kyle 균형의 "반반 드러남" 특성을 유지함: 조건부 평균 가격은 사전 확률에서 실제 가치까지 절반만큼 이동함, $E[p|v] = (p_0 + v)/2$.
• 비교 정적 분석: 프라이버시 노이즈 ($\sigma_\epsilon$) 가 증가함에 따라 가격 영향 계수 $\lambda$는 감소함 (흐름에 대한 가격이 덜 민감해짐), 그리고 정보 기반 거래자의 전략 $\beta$는 강화됨 (내부자가 노이즈에 숨기 위해 더 공격적으로 거래함).

B. 프라이버시 보조금 (정리 2)

본 논문은 각 에이전트의 기대 수익/손실을 계산하기 위해 후생 분해를 수행함.

• 정보 기반 거래자 수익 ($\pi_I$): $\sigma_\epsilon$에 따라 증가함.
• 노이즈 거래자 수익 ($\pi_N$): $\sigma_\epsilon$에 따라 증가함 (손실 감소).
• MM/프로토콜 수익 ($\pi_M$): 음수가 됨.

본 논문은 프로토콜/LP 풀에서 거래자로의 폐쇄형 이전을 식별하며, 이를프라이버시 보조금이라고 명명함:
$$|\pi_M| = \frac{\sigma_v \sigma_\epsilon^2}{2\sqrt{\sigma_u^2 + \sigma_\epsilon^2}}$$

이 양은 유동성 계층을 보상하기 위해 모든 프라이버시 집계 거래소가 부과해야 하는 손익분기점 수수료를 나타냄. $\sigma_\epsilon = 0$일 때 (교과서적 Kyle 결과 회복) 는 0 이며, 그 외의 경우 엄격히 양수임.

C. 보조금의 비교 정적 분석

보조금은 다음과 같은 특정 점근적 거동을 보임:

• 저프라이버시 영역 ($\sigma_\epsilon \to 0$): 보조금은 2 차함수적으로 성장함 ($\propto \sigma_\epsilon^2$).
• 고프라이버시 영역 ($\sigma_\epsilon \to \infty$): 보조금은 선형적으로 성장함 ($\propto \sigma_\epsilon$).
• 변곡점: 함수는 $\sigma_\epsilon^* = \sqrt{2}\sigma_u$에서 단일 변곡점을 가지며, 볼록에서 오목으로 전환됨.

D. 적용 범위 및 한계

저자들은 프레임워크의 범위를 명확히 함:

• 적용 가능: 명시적인 가산 가우스 노이즈 주입 (예: 차분 프라이버시) 을 갖춘 차폐된 AMM.
• 적용 불가 (별도 프레임워크 필요):
  • 펜엄브라 (Penumbra) 스타일의 배치 스왑: 재조정된 노이즈 분산을 가진 교과서적 Kyle 로 환원되지만, 베이지안 MM 하에서는 프라이버시 보조금을 생성하지 않음.
  • 수아브 (Suave) 스타일의 밀봉 입찰 경매: 이는 가산 노이즈가 아닌 시간적 비대칭을 포함하며, 손실 대 재조정 (LVR) 에 더 부합함.
  • 레네게이드 (Renegade) 스타일의 오라클 고정 교차: 가격 발견이 외생적이므로 Kyle 분석 범위를 완전히 벗어남.

4. 중요성 및 위치 설정

본 논문은 시장 미시구조와 탈중앙화 금융 (DeFi) 의 교차점에 그 결과를 위치시킴:

1. 미시구조 확장: 이는 1985 년 Kyle 의 선형 균형을, 불완전성이 거래자의 정보가 아닌 시장 조성자의 신호에 있는 이전에 분석되지 않은 관찰 영역으로 확장함.
2. LVR 에 대한 DeFi 비유: "프라이버시 보조금"은**손실 대 재조정 (LVR)**의 단일 기간 폐쇄형 비유로 제시됨. LVR 이 외부 정보를 가진 차익거래자들이 낡은 가격을 선점함으로써 발생하는 비용을 측정하는 반면, 프라이버시 보조금은 프라이버시 노이즈가 MM 의 흐름 관찰을 가림으로써 발생하는 비용을 측정함. 둘 다 유동성 공급자에서 거래자로의 후생 이전임.
3. 수수료 설계 함의: 이 결과는 프라이버시 보호 거래소의 수수료에 대한 이론적 하한을 제공함. 논문은 BTC/USDT 보정에서 노이즈 거래자 분산과 동일한 프라이버시 매개변수 ($\sigma_\epsilon = \sigma_u$) 가 하루 약 100 만 달러의 손익분기점 수수료 요구사항을 의미한다고 지적함. 이는 10 억 달러의 거래량에 대한 0.1% 수수료와 비교 가능함.

본 논문은 프라이버시가 노이즈 거래자에 대한 역선택을 줄이고 정보 기반 수익을 증가시킴으로써 정보 기반 거래자와 노이즈 거래자 모두에게 이익을 주지만, 전체 비용은 프로토콜/LP 풀이 부담하므로 건전성을 보장하기 위해 특정 수수료 구조가 필요하다고 결론지음.