💻 computer science

Where Does MEV Really Come From? Revisiting CEXDEX Arbitrage on Ethereum

该论文通过构建包含随机跳跃项的离散时间自动做市商（AMM）模型，修正了传统连续模型对 CEX-DEX 套利利润的低估，从理论上证实了此类套利是以太坊 MEV 的主要来源且其规模与主要流动性池的总交易量相当。

原作者： Bence Ladóczk, Miklós Rásonyi, János Tapolcai

发布于 2026-04-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Bence Ladóczk, Miklós Rásonyi, János Tapolcai

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文探讨了一个非常有趣的问题：在以太坊（Ethereum）上，那些被称为"MEV"（最大可提取价值）的巨额利润，到底是从哪里来的？它们真的是在“收割”普通用户，还是源于某种更自然的机制？

为了让你轻松理解，我们可以把整个以太坊生态系统想象成一个巨大的、24 小时营业的“全球集市”。

1. 核心角色：集市里的“价格差”

在这个集市里，有两种主要的交易场所：

CEX（中心化交易所）： 就像大型连锁超市（如沃尔玛）。价格更新快，由后台系统统一决定。
DEX（去中心化交易所，如 Uniswap）： 就像集市里的个体摊位。价格是由摊位上的“自动售货机”（AMM，自动做市商）根据库存自动计算的。

MEV（最大可提取价值） 就是那些敏锐的“倒爷”（套利者）发现：同一个商品，在超市卖 100 元，在摊位卖 105 元。他们迅速在摊位买入，去超市卖出，赚取这 5 元的差价。

2. 过去的误解：平滑的波浪 vs. 突然的跳跃

以前的经济学家（论文作者之前的模型）在研究这个现象时，犯了一个可爱的错误。他们假设价格的变化像平静的海浪（数学上叫“布朗运动”或“几何布朗运动”）。

旧观点： 价格像海浪一样，慢慢涨、慢慢跌。倒爷们只能等到价格慢慢偏离一点点，才能赚一点点钱。
结果： 按照这个“平静海浪”模型计算，倒爷们赚的钱应该很少，甚至不够付电费。

但现实是残酷的（也是精彩的）：
论文作者发现，加密货币的价格并不像平静的海浪，而更像坐过山车，甚至会有突然的“跳崖”或“起飞”（数学上叫“价格跳跃”）。

新观点： 价格经常会在几秒钟内突然暴涨或暴跌。这种剧烈的跳跃，才是倒爷们大赚特赚的机会！
比喻： 想象一下，如果超市的价格突然从 100 元跳到了 105 元（因为发生了突发事件），而摊位的自动售货机还没反应过来，还显示 100 元。这时候，倒爷们就会蜂拥而至，瞬间把差价抹平。这种“瞬间的混乱”才是利润的源泉。

3. 论文做了什么？（给模型装上了“过山车”引擎）

作者们觉得以前的模型太“温吞”了，于是他们开发了一个新的数学模型：

旧模型： 只考虑平滑的波浪（Black-Scholes 模型）。
新模型： 既考虑平滑的波浪，也加入了随机的“跳跃”（Jumps）。

他们把这个新模型写成了代码（C++），然后去“抓取”了以太坊上真实的交易数据（就像去集市里数人头和数钱），看看新模型算出来的结果和现实是否吻合。

4. 惊人的发现

通过对比，他们发现：

以前的模型严重低估了利润： 如果只算“平静海浪”，倒爷们赚的钱很少。但加上“价格跳跃”后，算出来的利润和现实中观察到的巨额 MEV 非常接近！
大部分交易量其实是“倒爷”在跑： 以前大家以为集市里大部分是普通人在买东西（噪音交易者），其实很大一部分交易量是倒爷在疯狂套利。他们为了把价格拉回正轨，进行了海量的交易。
MEV 并不全是“黑暗”的： 虽然 MEV 听起来像黑客在偷钱，但实际上，CEX-DEX 套利（中心化和去中心化之间的套利）是维持市场公平的必要机制。如果没有这些倒爷，集市摊位的价格就会和超市脱节，普通用户就会买贵或卖便宜。

5. 结论：为什么这很重要？

这篇论文告诉我们：

MEV 的来源很自然： 它主要来自价格剧烈波动时的套利，而不是主要靠欺负普通用户（虽然“夹子攻击”等恶意行为也存在，但套利是主流）。
之前的理论太保守： 以前的理论家以为套利利润很少，是因为他们没考虑到价格会“跳”起来。
市场很高效： 只要价格有波动，倒爷们就会像蜜蜂一样迅速填补差价。这也解释了为什么以太坊的区块验证者（Validator）愿意花大价钱去争夺“打包交易”的权利——因为这里面藏着巨大的套利金矿。

一句话总结：
以前的理论家以为市场是平静的湖面，倒爷只能捡捡小钱；这篇论文告诉我们，市场其实是波涛汹涌的大海，偶尔还有海啸（价格跳跃），正是这些剧烈的波动，让倒爷们赚得盆满钵满，同时也顺便帮市场维持了价格的平衡。

论文技术总结：以太坊上 CEX-DEX 套利与 MEV 来源的再审视

论文标题：Where Does MEV Really Come From? Revisiting CEX–DEX Arbitrage on Ethereum
作者：Bence Ladóczki, Miklós Rásonyi, János Tapolcai
核心领域：区块链经济学、自动做市商（AMM）、随机过程、最大可提取价值（MEV）

1. 研究背景与问题 (Problem)

以太坊生态系统中，最大可提取价值（MEV） 的来源及其对普通用户的潜在危害是一个核心问题。虽然套利（Arbitrage）通常被视为维持去中心化交易所（DEX）与中心化交易所（CEX）价格对齐的良性机制，但关于其实际规模和利润来源仍存在巨大争议：

现有认知的矛盾：
- 理论模型：基于 Black-Scholes (BS) 随机微分方程（SDE）的早期理论模型（假设价格轨迹连续、仅微小变动）预测 CEX-DEX 套利的利润和交易量非常有限。
- 实证观察：近期的实证研究表明，CEX-DEX 套利的交易量远超原子套利（Atomic Arbitrage）和三明治攻击，是 MEV 的主要来源。
- 差距：理论预测与实证数据之间存在数量级上的巨大差异。现有理论模型低估了套利规模，因为它们忽略了价格跳跃（Price Jumps），而套利机会恰恰往往在这些不连续的跳跃点产生。

核心问题：如何构建一个更准确的数学模型来解释 CEX-DEX 套利的真实规模，并阐明 MEV 收入的真实来源？

2. 方法论 (Methodology)

作者提出了一种扩展的离散时间 AMM 模型，旨在克服传统连续时间 BS 模型的局限性。

2.1 价格动力学模型

离散时间框架：考虑到以太坊区块时间（12 秒）和实际模拟的离散性，模型采用离散时间步长（秒级）。
混合随机过程：CEX 价格过程 $X_n$ $X_{n}$ 被建模为扩散项（Diffusive component）与随机跳跃项（Stochastic jumps）的总和：
$X_{n+1} - X_n = \mu(X_n) + \sigma(X_n)\epsilon_{n+1} + Z_{n+1}U_{n+1}$
- 扩散项： $\mu$ 为漂移， $\sigma$ 为波动率， $\epsilon$ 为噪声（允许非高斯分布，具有厚尾特征）。
- 跳跃项： $Z_n$ 为跳跃指示器（伯努利分布，概率 $q$ ）， $U_n$ 为跳跃幅度（任意分布，如正态分布）。
优势：该框架不仅包含标准的 BS 模型，还能涵盖 Merton 跳跃扩散模型和 Ornstein-Uhlenbeck 过程，并能捕捉加密货币市场中常见的剧烈价格波动。

2.2 套利机制建模

做市商（AMM）动态：引入套利者（Arbitrageur）作为“我的”（myopic）代理人，当 CEX 与 DEX 之间的对数价差 $\tilde{X}_n$ 超出交易费用边界 $[-\gamma_-, \gamma_+]$ 时，套利者会执行交易将价格拉回边界。
马尔可夫链性质：证明了在引入套利者后，价差过程 $\tilde{X}_n$ 构成一个遍历的马尔可夫链（Ergodic Markov Chain）。

2.3 稳态分布计算

函数迭代法：利用函数迭代（Function Iteration）计算该马尔可夫链的平稳概率分布（Stationary Probability Distribution, SPD） $f^*$ 。
收敛性：证明了该迭代过程具有几何收敛速度（Geometric Convergence），即经过有限次迭代即可逼近稳态分布。
参数拟合：使用 C++ 实现数值求解器，将模型参数（波动率、漂移、跳跃概率、跳跃幅度分布等）拟合到真实的以太坊链上数据（Uniswap V2 ETH-USDT 池）和 CEX 价格数据。

3. 主要贡献 (Key Contributions)

理论突破：
- 推翻了仅依赖连续路径（Black-Scholes）假设的传统观点，证明了价格跳跃是解释 CEX-DEX 套利规模的关键因素。
- 建立了包含任意噪声分布和跳跃项的通用离散时间 SDE 框架，并证明了其稳态分布的存在性和唯一性。
数学工具创新：
- 提出了一种通过函数迭代计算复杂随机过程稳态分布的高效数值方法，避免了传统解析解在复杂模型中的不可行性。
- 推导了套利交易量和利润的闭式表达式（Corollary 3 & 4），直接依赖于稳态分布 $f^*$ 。
实证验证：
- 收集并处理了 2025 年 9 月 13 日至 29 日 Uniswap V2 池的真实交易数据及 CEX 价格数据。
- 通过统计测试（如 Kolmogorov-Smirnov 检验）证实了加密货币回报分布具有厚尾特征，不支持高斯假设，从而验证了引入跳跃项的必要性。

4. 研究结果 (Results)

4.1 模型拟合与预测

参数估计：拟合结果显示，ETH 价格存在显著的非高斯跳跃（跳跃概率 $q \approx 0.045$ 每秒，平均跳跃幅度在 log 回报单位下约为 -24.9%）。
交易量预测：
- 基于新模型（包含跳跃）预测的日均套利交易量约为 188 万美元（ETH-USDT 池）。
- 相比之下，基于传统 Black-Scholes 模型的预测仅为 20.8 万美元。
- 实证数据：该池的实际 CEX-DEX 套利交易量约为 97 万美元（基于启发式筛选）。
- 结论：新模型的预测值（188 万）与实证观测值（97 万）处于同一数量级，且显著高于传统模型。考虑到模型假设套利者总是以高概率捕捉机会（未包含噪声交易者干扰），模型预测略高于观测值是合理的。

4.2 MEV 来源分析

MEV 规模：模型计算出的套利利润与链上观测到的 MEV 总量相当。这表明 CEX-DEX 套利是 MEV 收入的主要来源，而非之前认为的三明治攻击或清算。
噪声交易者角色：分析表明，在 Uniswap V2 池中，噪声交易者（非套利驱动的随机交易）对总交易量的贡献相对较小，大部分交易量是由 DEX 追踪 CEX 价格的需求（即套利）驱动的。
PBS 机制：区块构建者（Block Builders）愿意支付高额费用获取打包权，其收益自然来源于这种由市场内在动力学（CEX-DEX 价差）产生的套利机会。

4.3 对现有启发式方法的修正

实证研究中用于识别套利交易的严格启发式规则（如仅识别特定机器人、排除某些交易模式）可能过于保守，导致低估了真实的套利规模。模型表明，许多未被标记为“套利”的交易实际上也是由套利逻辑驱动的。

5. 意义与启示 (Significance)

重新定义 MEV 来源：
论文有力地证明了 MEV 并非主要源于对用户的恶意剥削（如三明治攻击），而是源于CEX 与 DEX 之间的价格发现机制。这种套利是维持去中心化流动性效率的必要机制。
对模型设计的指导：
未来的 AMM 和 MEV 分析模型必须考虑价格跳跃和非高斯分布。继续使用 Black-Scholes 模型会严重低估风险、波动率和套利利润。
对以太坊生态的启示：
- 区块时间：缩短区块时间可能无法显著减少 MEV，因为套利机会主要源于快速的价格跳跃，而非连续的价格漂移。
- 市场饱和：套利市场高度饱和，竞争迫使套利者将大部分利润作为 Gas 费支付给区块构建者，这解释了为何 MEV 收入如此之高。
- 监管视角：理解 MEV 的良性来源（价格对齐）有助于制定更合理的监管政策，区分恶意操纵与市场效率机制。
开源贡献：
作者提供了 C++ 实现的开源代码，用于计算稳态分布和拟合参数，促进了该领域的可复现性和进一步研究。

总结：该论文通过引入包含价格跳跃的离散时间随机模型，成功弥合了理论预测与实证数据之间的巨大鸿沟，揭示了 CEX-DEX 套利是以太坊 MEV 的主要驱动力，并为理解去中心化金融市场的微观结构提供了坚实的理论基础。