cmDeFi: TWAMM 时间加权平均做市商
🕙
基本概念
✹ 什么是做市商和逆向选择？
做市商：做市商的主要职责是为市场提供流动性，即随时为买家和卖家提供买卖价格。他们通过买卖差价（spread）盈利。
信息不对称：在许多情况下，交易的一方（通常是大型交易者或机构）可能拥有关于某个资产未来价格走势的内部信息或分析。
逆向选择（Adverse Selection）：是金融学中的一个概念，主要描述的是在交易中信息不对称的情况，其中一方拥有比另一方更多的关于交易对象的信息。这种信息不对称可能导致市场效率降低，因为它可能会导致某些交易不发生或价格不公平。
✹ 逆向选择的影响：
当这些“知情”的交易者与做市商交易时，他们利用自己的信息优势，可能会导致做市商亏损。例如，如果一个交易者知道某公司即将发布利好消息，并决定买入该公司的股票，而做市商没有这些信息，那么做市商可能会以一个较低的价格卖出股票。当消息公布后，股价上涨，做市商就会遭受损失。
由于逆向选择，做市商可能会增加他们的买卖差价，以补偿可能的损失。这会导致市场效率降低，并可能影响其他非知情的交易者。
✹ 如何应对逆向选择：
做市商可能会调整他们的价格策略，特别是当他们怀疑某个大额订单可能是基于内部信息的时候。
在某些市场，有规定禁止基于内部信息的交易，以减少逆向选择的影响。
自动化做市商（AMM）通过算法和预定的规则来设置价格，而不是基于主观判断。但它们也可能受到逆向选择的影响，因为知情交易者仍然可以利用他们的信息优势进行交易。
Constant Product Market Makers
✹ 简单的交易规则 xy=k
想象一下，我们有一个自动的交易站（我们称之为自动化做市商或AMM），它允许人们用一种资产（比如美元稳定币USDC）来购买另一种资产（比如以太坊ETH）。这个交易站有一个简单的规则，就是它里面的两种资产的数量乘积总是一个固定的数字（我们称之为“k”）。
例如，如果交易站里有2,000 USDC和1 ETH，那么这个“k”就是2,000。无论你怎么交易，交易后这两种资产的数量乘积总是要等于2,000。
✹ 交易示例
假设你想用2,000 USDC来购买ETH。在交易前，交易站里有2,000 USDC和1 ETH。你把2,000 USDC放进去，交易站里的USDC变成了4,000。为了保持那个“k”不变（仍然是2,000），交易站里的ETH数量就要变成0.5（因为4,000 USDC * 0.5 ETH = 2,000）。所以，你用2,000 USDC买到了0.5 ETH。
✹ 价格的变化
在这个例子中，你可能注意到，虽然最开始1 ETH的价格是2,000 USDC，但由于你的大额购买，你实际上以更高的价格购买了ETH（平均4,000 USDC/ETH）。这就是所谓的“价格影响”，大的交易会影响交易价格。
✹ 为什么价格会上升？
这个模型的设计就是为了防止大的交易过于影响市场。如果一个交易者知道一些其他人不知道的信息，并试图通过大量交易来利用这些信息，这个模型会让他们支付更高的价格，从而减少他们的潜在利润。这种现象被称为“逆向选择”，价格上升保护通常处于信息劣势的一方。
Time-Weighted Average Market Makers
✹ 基本概念1
TWAMM（Time-Weighted Average Market Makers，时间加权平均做市商）是一种新型的自动化做市商（AMM），它帮助交易者在以太坊上高效地执行大额订单。它的工作原理是将长期订单分解为无限多个无限小的部分，并在一段时间内平滑地对它们进行执行。
✹ 交易示例
假设 Alice 想要用 1 亿 USDC 在链上购买 ETH。在现有的 AMM（例如 Uniswap）上执行这样大的订单会非常昂贵，因为它们会向 Alice 收取高价（滑点），以防她拥有其他人不知道的信息。目前，Alice 的最佳选择是手动将她的订单分成几部分，并在几个小时内执行它们，给市场时间/去意识到她没有内幕信息，从而能给她一个更好的价格。
✹ TWAMM 的解决方案
想象一下，Alice 想要购买大量的 ETH，但她不想一次性购买，因为这样会导致价格飙升，她也会支付更多。TWAMM 就像一个智能助手，它帮 Alice 把这个大订单分成很多很小的订单，并在一个时间段内慢慢、平稳地购买，以便不会对市场价格产生太大影响。这样，Alice 可以避免因一次性大量购买而导致的价格剧烈波动，同时也能节省交易成本。
以下是几个关键概念：
虚拟订单：TWAMM 将长期订单分解为无限多个无限小的虚拟订单，并在一段时间内平滑地执行它们，以确保在时间上的完美平滑执行。这些虚拟订单并不是在区块链上实际执行的交易，而是一种数学工具，用于在不实际进行交易的情况下模拟交易的效果。
执行：TWAMM 使用一种特殊的数学关系与其内嵌的 AMM 一起工作，能够在这些虚拟订单之间摊销 gas 成本。这是通过一种称为“懒惰评估”（Lazy Evaluation）的技术实现的。懒惰评估意味着 TWAMM 只在必要时计算虚拟订单的效果，例如当用户与 TWAMM 交互时（例如，通过与嵌入的 AMM 进行交易或添加新的长期订单）。
懒惰评估是一种计算策略，它的核心思想是：只有在真正需要结果的时候才进行计算。
想象一下，你有一个长长的购物清单，但你并不是每次都买清单上的所有东西。每次去商店，你只买你真正需要的东西。这就像懒惰评估：只有当你真的需要某样东西时，你才会去买它。
在TWAMM中，懒惰评估的应用是这样的：尽管有很多虚拟订单，但TWAMM并不会立即处理它们。只有当有人与系统交互（例如进行交易）时，TWAMM才会计算这些虚拟订单的效果。这样做的好处是，它可以节省大量的计算资源和时间。
Gas优化：在TWAMM中，一个重要的优化策略是“订单池化”。这意味着，而不是单独处理每一个订单，TWAMM会将多个相似的订单组合在一起，然后一次性处理。这样，它可以减少重复的计算，从而节省gas。
防御 Sandwich 攻击：因为它在区块之间处理交易，所以它也不太容易受到 sandwich 攻击的影响。
✹ TWAMM 的工作流程
1. 内部状态的更新
虽然虚拟订单不会在区块链上执行，但它们会在TWAMM的内部模型中被计算和考虑。这些虚拟订单会改变TWAMM的内部状态，包括资产的价格和储备量。因此，即使没有实际的区块链交易发生，这些虚拟订单也会影响未来与TWAMM的交互。
2. 用户的交互
当用户与TWAMM进行交互时（例如，提交一个新的订单或提取资金），TWAMM会计算自上次实际交互以来所有虚拟订单的累积效果。这意味着，虽然在用户的两次实际交互之间，虚拟订单不会在区块链上执行，但一旦用户进行下一次交互，之前所有的虚拟订单都会被计算进去，影响交易的结果。
3. 订单的完成
虽然虚拟订单不会在区块链上产生交易，但它们在TWAMM内部被视为已经执行。所以，即使用户在提交订单后长时间不与TWAMM交互，他们的订单仍然会在TWAMM的模型中被视为已经平滑地执行过。当用户再次与TWAMM交互时，他们会看到基于所有虚拟订单的累积效果的结果。
✹ 总结
TWAMM的内部模型是一套能够在不进行实际区块链交易的情况下模拟交易效果的算法和规则。虚拟订单在这个模型中被处理，改变模型的状态，从而影响未来与TWAMM的实际交互的结果。
💡 举例
假设Alice想在5天内平滑地购买一定数量的ETH。TWAMM会在其内部模型中模拟这个订单，将它分解为许多虚拟订单。
在5天内的其他交互： 如果在这5天内，有其他用户与TWAMM进行交互（例如，购买、卖出或提取资产），TWAMM会计算自上次实际交互以来所有虚拟订单的累积效果，包括Alice的虚拟订单。这些虚拟订单会影响TWAMM的内部状态（例如，资产的价格和储备量）。
影响实际交易： 当其他用户在这5天内与TWAMM进行实际交互时，他们会得到一个由所有未结算的虚拟订单影响的价格。也就是说，Alice的虚拟订单（尽管它们没有在区块链上实际执行）会影响TWAMM的价格和流动性，从而影响其他用户的交易。
订单的完成： 在这5天结束时，如果Alice或其他用户与TWAMM进行交互，Alice的所有虚拟订单的效果都会被计算进去，影响交易的结果。如果在这5天内没有其他交互，Alice的订单仍然会在模型中被视为已经平滑地执行过。
欢迎关注 cmdefi.io 👏
Crypto Research
Crypto Alpha Aggregation
DeFi strategies, insights, and trends
Metaverse
NFT
CRYPTO 市场具有极高风险，不构成投资建议。本文独立观点无任何赞助。
