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

In de wereld van de moderne financiën zijn prijzen zelden statisch; ze verschuiven voortdurend om nieuwe informatie te reflecteren, net zoals een thermometer stijgt en daalt met het weer. In traditionele markten kunnen prijzen direct worden aangepast, zelfs als er op dat exacte moment niemand actief aan het kopen of verkopen is. Echter, in een specifiek type digitale marktplaats die bekend staat als een automated market maker, zijn de regels anders. Hier verandert een prijs alleen wanneer er daadwerkelijk een transactie plaatsvindt. Als niemand een activum ruilt voor een ander, blijft de prijs precies waar hij was, ongeacht hoe de buitenwereld zich ook heeft bewogen. Dit creëert een uniek puzzelstuk voor onderzoekers: wanneer zij naar de gemiddelde prijsbeweging over een bepaalde tijd kijken, zien zij een mengeling van twee zeer verschillende zaken. Zij zien de frequentie van transacties en de omvang van de prijssprongen die tijdens die transacties plaatsvinden, allemaal samengesmolten. Het is moeilijk te zeggen of een markt efficiënter wordt omdat prijzen sneller corrigeren, of simpelweg omdat de markt verschillende omstandigheden bezoekt waarin transacties vaker voorkomen.

Een onderzoeker genaamd Wen-Ting Wang pakte deze puzzel aan door twee specifieke digitale valuta-pools op de Ethereum- en Base-blockchains te bestuderen. Deze pools fungeren als automated market makers, waarbij een vergoeding wordt in rekening gebracht bij elke transactie, en de prijs van de activa in de pool strikt wordt bepaald door de ratio van wat er in de pool wordt vastgehouden. Wang richtte zich op twee pools die vrijwel identiek waren in hun ontwerp, die beide een vergoeding van vijf basispunten in rekening brachten voor transacties tussen Ethereum en een stablecoin genaamd USDC. De studie besloeg een periode van 57 dagen in de zomer van 2026 en analyseerde meer dan 2,5 miljoen blokken aan gegevens. Het doel was om de totale prijscorrectie op te splitsen in drie duidelijke delen: hoe vaak de markt een staat bezocht waarin de prijs afwijkend was, hoe vaak er daadwerkelijk een transactie plaatsvond in die staten, en hoeveel de prijs zichzelf corrigeerde wanneer er wel een transactie plaatsvond. Omdat deze pools alleen de prijs veranderen wanneer een transactie wordt uitgevoerd, is de wiskunde exact; als er geen transactie plaatsvindt, is de prijscorrectie nul. Dit stelde de onderzoeker in staat om het "hoe vaak" te scheiden van het "hoeveel", zonder te hoeven gissen naar verborgen variabelen.

De studie begon met het bekijken van de ruwe cijfers, die een ogenschijnlijk rechttoe-recht-aan verhaal vertelden. Bij het vergelijken van twee verschillende tijdsvensters binnen de studieperiode leek de gemiddelde prijscorrectie in het latere venster licht te zijn gestegen. In het eerste venster was de gemiddelde correctie ongeveer 0,484 basispunten voor de Ethereum-pool en 0,107 voor de Base-pool. In het tweede venster klommen deze cijfers naar respectievelijk 0,580 en 0,143. Op het eerste gezicht zou dit kunnen suggereren dat de markt reactiever wordt of dat prijzen agressiever terugspringen naar hun werkelijke waarde. Echter, de onderzoeker vermoedde dat dit eenvoudige gemiddelde een complexere realiteit verborg. Om dit te testen, gebruikte de onderzoeker een methode die vergelijkbaar is met het vergelijken van twee groepen mensen door hen hetzelfde gewicht te geven, ongeacht hoeveel mensen er in elke groep zaten. De vraag was: als de markt in beide vensters dezelfde mix van prijscondities had bezocht, zou de correctie dan nog steeds omhoog zijn gegaan?

Het antwoord was een duidelijke omkering. Wanneer de onderzoeker de gegevens aanpaste om rekening te houden met het feit dat de markt verschillende condities had bezocht in de twee vensters, draaide het verhaal om. Het latere venster vertoonde in werkelijkheid een zwakkere prijsrespons dan het eerdere venster. De reden dat het ruwe gemiddelde omhoog was gegaan, was dat de markt zijn gedrag had veranderd en vaker bepaalde condities bezocht. Specifiek begon de markt veel vaker extreme prijsverschillen te bezoeken. In het latere venster kwam een groot deel van de gegevens uit een zeldzame, open eind categorie van zeer grote prijsverschillen, die veel vaker voorkwamen dan voorheen. Deze verschuiving in de "samenstelling van de staat" van de markt drukte het ruwe gemiddelde omhoog, ook al was de daadwerkelijke prijscorrectie die in elke specifieke conditie plaatsvond, kleiner geworden.

Om dit te begrijpen, stel je een dokter voor die de gemiddelde hersteltijd van patiënten meet. Als de dokter twee weken vergelijkt, en in de tweede week worden er veel meer patiënten toegelaten met zeer ernstige verwondingen die van nature langer nodig hebben om te genezen, dan zal de gemiddelde hersteltijd voor die week omhoog gaan. Dit betekent niet dat de artsen slechter zijn geworden in het behandelen van patiënten; het betekent simpelweg dat de mix van patiënten is veranderd. In deze studie zijn de "artsen" de automated market makers, en de "patiënten" zijn de prijsverschillen. De markt begon meer extreme gevallen te zien, wat het algemene gemiddelde scheef trok, terwijl dit de suggestie wekte dat de behandeling zelf — de prijscorrectie per transactie — minder effectief was geworden in de condities die het meest voorkwamen.

De onderzoeker onderzocht ook hoe vaak transacties plaatsvonden versus hoeveel de prijs bewoog wanneer zij wel plaatsvonden. Zij ontdekten dat de frequentie van transacties en de omvang van de prijscorrectie in tegengestelde richtingen bewogen. In het latere venster bezocht de markt condities waarin transacties waarschijnlijker waren, maar wanneer die transacties plaatsvonden, was de prijscorrectie kleiner dan voorheen. Deze twee krachten hieven elkaar bijna perfect op. De toename in hoe vaak de markt bepaalde staten bezocht, werd gecompenseerd door een afname in de kracht waarmee de prijs zichzelf corrigeerde in die staten. Dit delicate evenwicht betekende dat het hoofdcijfer, de ruwe gemiddelde correctie, nauwelijks bewoog, terwijl de onderliggende mechanismen van de markt aanzienlijk verschoven.

Dit bevinding daagt de manier uit waarop marktkwaliteit vaak wordt gemeten. Een eenvoudige statistiek die zegt dat "prijzen meer corrigeren" kan misleidend zijn als er geen rekening wordt gehouden met de omstandigheden waaronder deze correcties plaatsvinden. De studie toonde aan dat een markt het stukje van een verbetering kan lijken te zijn, simpelweg omdat het andere staten bezoekt, zelfs als de werkelijke capaciteit van de markt om prijzen te corrigeren aan het verzwakken is. De onderzoeker bevestigde dit door een eenvoudige regel te testen die het prijsgedrag voorspelde op basis van de omvang van de prijskloof. Deze regel, die in het eerste deel van de studie leek te werken, hield in het tweede deel niet stand, wat verder bewees dat de relatie tussen prijsverschillen en correcties niet stabiel is. De resultaten waren specifiek voor de twee onderzochte pools en de geobserveerde periode, maar de methode om deze effecten te scheiden biedt een nieuwe manier om naar digitale markten te kijken.

De studie keek ook naar wat er gebeurt wanneer de meest extreme datapunten worden verwijderd. Wanneer de onderzoeker de zeldzame, open eind categorie van enorme prijsverschillen uitsloot, bleef het patroon van tegenovergestelde krachten zichtbaar, hoewel het minder uitgesproken was. Dit bevestigde dat het effect niet slechts een statistische truc was veroorzaakt door een paar uitschieters, maar een echt kenmerk van hoe deze markten opereren. De verschuiving in de mix van marktcondities was de primaire drijfveer van de verandering in het gemiddelde, en niet een verandering in de fundamentele regels van de markt. Het onderzoek concludeert dat wanneer prijsupdates volledig afhankelijk zijn van uitvoering, het kijken naar het gemiddelde alleen onvoldoende is. Men moet naar de samenstelling van de markt, de frequentie van transacties en de omvang van de correctie apart kijken om te begrijpen wat er werkelijk gebeurt.

Uiteindelijk onthult het artikel dat de digitale markt een dynamisch systeem is waarbij het verhaal dat het gemiddelde vertelt, het tegenovergestelde kan zijn van het verhaal dat de details vertellen. De markt werd niet efficiënter; hij veranderde simpelweg van vorm. Het werk van de onderzoeker biedt een duidelijke, niet-mathematische manier om door de ruis van geaggregeerde statistieken heen te kijken en de echte mechanica van prijsaanpassing in geautomatiseerde systemen te begrijpen. Het dient als een herinnering dat in complexe financiële omgevingen het geheel vaak de som is van delen die in verschillende richtingen bewegen, en dat men alleen door die delen te scheiden het ware beeld kan zien.