안테로 엘로란타 - 2025년 10월 6일

이 연구는 ETHGas 의 지원을 받았습니다 . 귀중한 피드백과 의견을 주신 Kevin Lepsoe 와 ETHGas 팀에 진심으로 감사드립니다. 이 글에 담긴 모든 의견은 저의 개인적인 생각입니다.

1. 소개

오늘날 이더리움의 온체인 거래는 자동화된 마켓 메이커(AMM)와 솔버 네트워크를 통해 이루어지며, 유니스왑(Uniswap)은 가장 큰 AMM 프로토콜이고, 코우스왑(CoWSwap)은 가장 큰 솔버 네트워크입니다. AMM에서는 유동성 공급자(LP)가 수동적으로 유동성을 공급할 풀을 선택함으로써 마켓 메이킹이 이루어지는 반면, 솔버 네트워크에서는 솔버들이 각자의 유동성과 결합된 최적의 AMM 풀 조합을 찾아 거래를 성사시키기 위해 서로 적극적으로 경쟁합니다. 이는 기존 금융 거래소에서 거래에 사용되는 지정가 주문장(LOB) 메커니즘과는 근본적으로 다릅니다. 지정가 주문장에서는 마켓 메이커가 시장 상황에 따라 매수 및 매도 주문을 적극적으로 조정합니다. AMM 유동성 공급에 대한 수동적인 접근 방식은 LP가 LOB에 비해 유해한 거래량 형태의 역선택에 더 취약하게 만듭니다.

AMM의 거래량은 유해 거래량과 노이즈 거래량으로 구분할 수 있습니다. 유해 거래량은 가격 불일치로 인해 발생합니다. 즉, 중앙화된 거래소에서 두 블록 간의 토큰 가격이 크게 변동하여 중앙화된 거래소와 AMM의 가격 사이에 차익거래 기회가 발생하여 차익거래자가 이를 활용할 수 있게 되는 경우입니다. 반면, 노이즈 거래량은 사람들이 거래소 간 가격 불일치를 통해 이익을 얻지 않고 자산 간 거래를 원할 때 발생합니다.

유동성 공급 수수료 수준을 선택할 때, LP는 상충 관계에 직면합니다. 높은 수수료는 LP를 차익거래자로부터 보호하고 거래당 수익을 증가시킵니다. 반면, 높은 수수료는 AMM 풀이 받는 거래량을 감소시켜 수수료 수익 감소와 가격 고착성 증가로 이어집니다. AMM이 부과하는 수수료 외에도, LP는 블록 생성 시간을 단축하여 차익거래자로부터 보호받을 수 있습니다. 이를 통해 중앙화 거래소와 AMM 간의 가격 차이가 개별 블록 생성 시간 대비 두 블록 사이의 풀 수수료를 초과할 확률이 낮아집니다. 이는 수동적인 AMM LP가 역선택으로 인해 잃는 자산의 양을 줄이는 결과를 가져오는데, 이는 부실 거래량의 상당 부분이 장기간 수수료 수익의 형태로 LP에게 반환되기 때문입니다.

이더리움의 지연 시간이나 블록 시간을 다루는 논의는 크게 두 가지 유형이 있습니다.

• 저스틴 드레이크가 주도하는 프로토콜: 린 이더리움(Lean Ethereum) 이니셔티브에서는 블록 생성 시간을 4초 또는 2초로 단축할 수 있습니다. 이 이니셔티브는 향후 10년 안에 실현될 것으로 예상되며,

• 프로토콜 외: 사용자가 실시간 사전 확인을 획득하고 거래할 수 있는 기능입니다(예: ETHGas ). 이 기능은 빠른 사용자 경험을 제공하는 초기 검증자 그룹과 함께 오늘부터 이용 가능합니다.

본 연구는 블록 시간을 12초에서 더 짧은 간격으로 단축하는 것이 DEX, AMM 유동성 공급자, 그리고 트레이더에게 미치는 영향을 분석합니다. 또한, 본 연구는 블록 공간이 거의 무한하다고 가정합니다. 즉, 블록 시간이 단축되고 거래량이 증가하면 블록 공간이 거의 즉시 채워질 것입니다. 린 이더리움(Lean Ethereum) 이니셔티브가 블록 공간을 늘릴 것으로 예상되지만, 기반 롤업(Based Rollup) 로드맵이 실행될 것으로 가정하지만, 이에 대한 논의는 본 기사의 범위를 크게 벗어납니다.

연구 결과는 블록 생성 시간 단축이 차익거래 보호 필요성을 줄여 AMM(자동화 시장 마켓 메이커)에 유리함을 보여줍니다. 이를 통해 풀은 유동성 공급자 보호를 유지하면서도 더 낮은 수수료를 제공할 수 있습니다. 이는 선순환 구조를 형성합니다. 낮은 수수료는 거래량 증가를 유도하고, 중앙화된 거래소와의 가격 경쟁력을 향상시키며, 거래 실패율을 낮추고, 가격 안정성을 개선합니다. AMM 풀은 두 가지 유형으로 나뉩니다. 차익거래 보호를 위해 수수료를 최적화해야 하는 고위험 거래량을 가진 풀과 경쟁력 있는 가격을 통해 전체 거래량 극대화에 집중해야 하는 풀입니다.

2. 시장 조성

전통 금융과 지정가 주문장(LOB)에서 시장 조성은 광범위하게 연구되어 왔습니다. 이는 일반적으로 시장 조성자가 시장의 최적 매수 호가와 매도 호가를 결정하려는 최적 제어 문제로 간주됩니다. 시장 조성자는 다양한 변수를 기반으로 호가를 결정함으로써 수익 창출과 재고 위험 관리 간에 최적의 균형을 이루는 매수 호가와 매도 호가를 찾으려 합니다. 이러한 변수에는 변동성, 주문 흐름 불균형, 누적 거래량 델타, 거래량, 그리고 다른 자산과의 상관관계 등이 포함될 수 있습니다.

변동성은 대부분의 시장 조성 모델에서 중요한 요소로, 시장에서 역선택 위험을 판단하는 지표로 사용됩니다. 시장의 변동성이 증가함에 따라 시장 조성자와 정보를 갖춘 거래자 간의 정보 비대칭 가능성도 높아집니다. 이를 고려하여 시장 조성자는 변동성이 높은 기간에는 역선택 위험 증가를 상쇄하기 위해 매수 호가와 매도 호가 간 스프레드를 늘리고, 변동성이 낮은 기간에는 경쟁력을 유지하기 위해 스프레드를 줄이는 경향이 있습니다. 변동성 외에도 일반적으로 모델을 미세 조정하는 데 다른 변수들이 사용됩니다. 주문 흐름 불균형은 다양한 가격 수준에서 매수 및 매도 호가의 양에 대한 통찰력을 제공하며, 시장 조성자는 이를 활용하여 자산의 공정 가치를 판단할 수 있습니다. 누적 거래량 델타와 거래량은 시장 조성자가 직면한 위험에 영향을 미칠 수 있습니다. 다른 자산과의 상관관계를 활용하여 시장 조성자의 전반적인 위험 노출을 더 잘 이해하고 헤지할 수 있습니다.

시장 조성 모델의 예로, 아벨라네다-스토이코프 모델은 가장 널리 언급되는 모델 중 하나입니다. 이 모델은 변동성, 시장 조성자의 재고, 위험 회피도, 그리고 시장 내 주문 빈도를 기반으로 최적의 매수 및 매도 호가를 결정합니다. 이 모델은 시장 변동성, 재고, 그리고 시장 조성자의 위험 회피도를 기반으로 시장의 무차별 가격 r을 결정하는 것으로 시작합니다. 여기서 s 는 현재 가격, σ 는 변동성, q 는 현재 재고, γ 는 위험 회피도, κ는 주문 빈도입니다.

r = s - q\γ\sigma^2 r = s − q γ σ 2

무차별 가격은 시장 조성자가 매수 또는 매도에 대해 무차별적인 가격을 나타냅니다. 시장 조성자가 재고를 보유하지 않으면 무차별 가격은 현재 가격과 동일합니다. 무차별 가격을 결정한 후, 모델은 최적 스프레드를 결정합니다.

\delta = \delta_a + \delta_b = \gamma\sigma^2 q + 2\gamma\ln(1 + \gamma\kappa) δ = δ a + δ b = γ σ 2 q + 2 γ ln ( 1 + γ κ )

델타 δ 는 시장 조성자가 매수 호가와 매도 호가를 얼마나 떨어뜨려야 하는지를 나타내며, 델타_a δ a 와 델타_b δ b는 최적의 매수 호가와 매도 호가가 무차별 가격에서 얼마나 떨어져 있어야 하는지를 나타냅니다. 시장 조성자가 자산 재고를 보유하지 않는 경우, 매도 호가와 매수 호가의 스프레드는 동일합니다. 그러나 재고가 있는 경우, 재고가 호가를 왜곡하기 때문에 매도 호가와 매수 호가 스프레드가 서로 다릅니다. 이는 호가가 추가 재고에 도달할 확률을 낮추는 동시에, 호가가 추가 재고에 도달할 확률을 높이기 위한 것입니다.

이를 바탕으로 모델은 최적의 매수 및 매도 가격을 다음과 같이 표현합니다.

\text{bid} = r - q\gamma\sigma^2 - \gamma\ln(1 + \gamma\kappa) bid = r − q γ σ 2 − γ ln ( 1 + γ κ )

\text{ask} = r - q\gamma\sigma^2 + \gamma\ln(1 + \gamma\kappa) ask = r − q γ σ 2 + γ ln ( 1 + γ κ )

3. AMM

자동화된 마켓 메이커(AMM)는 데이터 처리량에 제한이 있는 블록체인 상에서 거래를 원활하게 하는 마켓 메이킹 메커니즘입니다. LOB와 AMM의 주요 차이점은 AMM의 경우, 가격 결정이 유동성 공급자의 행동과 무관하게 AMM과 상호작용하는 트레이더에 따라 이루어지는 반면, LOB의 경우, 각 유동성 공급자가 제시하는 매수 및 매도 호가에 따라 가격이 사전에 결정된다는 것입니다. 즉, AMM 유동성 공급자는 AMM 풀에 수동적으로 자금을 예치할 수 있으며, AMM의 가격은 유동성 공급자가 자금을 예치하는 것 외에는 풀과 상호작용하는 거래에 따라 결정됩니다. 이를 통해 유동성 공급자가 수행해야 하는 상호작용 횟수와 이러한 상호작용으로 인해 발생하는 온체인 데이터의 양을 줄이는 동시에 비교적 효율적인 시장을 구축할 수 있습니다. 그러나 이러한 방식의 단점은 유동성 공급자가 더 이상 여러 풀에서 유동성을 제공하는 것 외에는 자신의 호가를 통제할 수 없다는 것입니다.

Milionis 외 연구진( https://arxiv.org/pdf/2305.14604 )은 토큰의 변동성, 블록 생성 시간, 그리고 AMM 수수료를 기반으로 중앙화 거래소와 AMM 간에 이론적으로 얼마나 많은 유해 거래량이 존재해야 하는지를 분석했습니다. 이러한 변수들을 바탕으로, 이 연구는 개별 블록에 대한 유해 거래 발생 확률이 감소함에 따라 감소한다는 것을 발견했습니다.

• AMM 수수료 인상

• 변동성이 감소합니다

• 블록 시간이 감소합니다

이는 차익거래 기회를 위한 거래소 간 가격 차이가 충분히 클 확률이 감소했기 때문입니다. 저자들은 블록 타임이 빨라지면 AMM의 수수료 수입에 영향을 주지 않으면서 차익거래 수익이 감소한다고 강조하며, 수수료는 AMM 유동성 공급자를 차익거래로부터 보호하는 것과 다른 거래소와의 가격 경쟁력 사이에서 최적화되어야 한다고 강조합니다. 아래는 5%의 일일 변동성을 기준으로 다양한 블록 타임과 수수료에 따른 12초 동안의 차익거래 발생 확률과 예상 차익거래 기회 수를 시각화한 것입니다.

그림 1: 5% 일일 변동성을 기준으로 한 다양한 블록 시간과 수수료를 적용한 12초 기간 동안의 블록 내 중재 확률 및 예상 중재 횟수

Campbell 외 연구진( https://arxiv.org/pdf/2508.08152 )은 Uniswap v2와 Binance의 ETH/USDC 데이터를 사용하여 AMM(자동화 시장)의 유동성 공급자를 위한 최적 수수료를 모델링했습니다. 연구진은 기본 거래자들이 각 거래소의 가격 경쟁력에 따라 주문을 여러 거래소로 라우팅한다고 가정합니다. 이 연구는 AMM의 최적 수수료가 중앙화 거래소의 유효 거래 비용의 70%에서 80% 사이를 부과함으로써 정상적인 시장 상황에서 중앙화 거래소 거래자들이 부담하는 거래 비용을 소폭 낮춘다는 것을 발견했습니다. 시장 변동성은 모든 수수료 수준에서 유동성 공급자(LP)의 수익성에 영향을 미치며, 변동성이 높을수록 수익성이 낮아집니다. 유동성 공급자는 거래량을 유치할 수 있을 만큼 낮은 수수료와 AMM과 중앙화 거래소 간의 차익거래 손실을 상쇄할 수 있을 만큼 높은 수수료 사이에서 균형을 맞춰야 합니다. 이를 고려하여, 본 연구는 AMM 수수료가 변동성이 낮은 기간에는 중앙화 거래소 거래 비용보다 약간 낮고 안정적으로 유지되지만, 변동성이 높은 기간에는 수수료가 훨씬 더 높아지거나 AMM 거래가 완전히 중단되는 임계치 유형의 동적 수수료를 제안합니다. 본 연구는 현재 30bp의 수수료가 많은 AMM 풀에 너무 높을 수 있으며, 대부분의 AMM 풀은 수수료 수준을 5bp에 가깝게 낮추는 것이 유리할 것이라고 결론짓습니다. 저자들은 또한 블록 타임을 줄이면 유동성 공급자의 수익성이 향상될 것이라고 언급합니다.

온체인 노이즈 트레이더는 이더리움의 긴 블록 타임으로 인해 여러 가지 어려움을 겪습니다. 첫째, AMM LP는 블록 타임이 짧을 때보다 긴 블록 타임을 고려하여 더 높은 수수료 풀에서 유동성을 제공하는 방식을 선택할 수 있습니다. 이는 유해 거래량이 LP 수익에 미치는 부정적인 영향을 방지하기 위한 것입니다. 블록 타임이 짧아 유해 거래량으로 인한 부정적인 영향이 줄어들면, LP는 대신 더 낮은 수수료 풀에서 유동성을 제공하는 방식을 선택할 수 있습니다. 이는 트레이더가 지불하는 수수료를 낮추고, AMM이 자산 매매에 더 매력적인 선택지가 되게 하며, 노이즈 거래량 증가를 통해 LP의 수수료 수입을 증가시킬 것입니다.

둘째, 노이즈 트레이더가 AMM 풀에서 AMM과 중앙화 거래소 간의 가격 차이를 증가시키는 방향으로 거래를 실행하면, 해당 거래는 중앙화 거래소보다 체결 가격이 낮아집니다. 이는 차익거래자가 수익성이 있는 범위 내에서만 차익거래를 실행하여, 차익거래자의 거래 후 풀 가격이 중앙화 거래소 수수료 가치만큼 감소하기 때문입니다. 예를 들어, 토큰이 "무한 유동성"을 갖춘 중앙화 거래소에서 10,000달러에 거래되고 AMM에서는 10,100달러에 거래되고 중앙화 거래소와 AMM에서 거래 수수료를 합산한 금액이 0.5%인 경우, 차익거래자는 AMM 가격을 10,050달러로 조정할 것입니다. 그 시점 이후에는 거래의 한계 이익이 마이너스가 되고, 그 시점 이전에는 차익거래자가 돈을 남기기 때문입니다. 노이즈 트레이더가 차익거래 후 AMM에서 토큰을 매수하려는 경우, 노이즈 트레이더는 중앙화 거래소보다 토큰에 더 많은 비용을 지불하게 됩니다.

셋째, 블록 타임으로 인해 거래가 12초마다 체결되기 때문에 거래자는 거래가 체결될 가격을 예측하기 어렵습니다. 예를 들어, 거래자가 슬롯 진입 후 2초 후에 거래를 전송하면, 거래가 체결되기 전 10초 동안 자산 가격 변동에 노출됩니다. 예를 들어, 토큰이 10,000달러에 거래되고 있고, 거래자가 슬리피지 허용 범위 내에서 토큰 1개를 10,000달러에 매수하는 거래를 개시했는데, 중앙화된 거래소의 가격이 다음 블록 생성 전에 10,050달러로 상승하면 거래는 실패하고 거래자는 50달러의 수익을 놓치게 됩니다. 그러나 블록 타임이 더 짧았다면 거래는 성사되었을 것입니다.

4. 데이터

이더리움의 블록 타임 감소가 AMM 유동성 공급자와 거래자에게 미치는 영향을 분석하기 위해 AMM과 중앙화 거래소 모두에서 데이터를 수집합니다. AMM의 경우, 이더리움 블록체인 기반의 Uniswap v3에 중점을 둡니다. 중앙화 거래소의 경우, 매수-매도 스프레드를 제외한 모든 거래에 Binance를 사용합니다. Binance는 가장 유동성이 높은 거래소이기 때문입니다. 본 연구에서 분석된 자산의 가격 발견 프로세스는 Binance에서 발생하며, 다른 거래소에서 발생하는 경우 Uniswap보다 Binance 가격이 먼저 반영된다고 가정합니다. Uniswap 풀의 이벤트 데이터를 사용하여 스왑이 있는 각 블록의 시작과 끝에서 풀 상태를 재생성하고 블록의 타임스탬프를 사용하여 해당 Binance 가격과 일치시킵니다.

저는 이더리움 메인넷 기반의 다음 Uniswap v3 풀에 대한 스왑, 발행, 소각 이벤트를 수집합니다. USDC - WETH 풀(5bps 수수료), USDC - WETH 풀(30bps 수수료), USDC - SEI 풀(30bps 수수료), USDC - WBTC 풀(30bps 수수료). 데이터 세트의 첫 번째 블록은 2025년 6월 1일 오전 2시 53분(UTC)에 생성된 22,607,000개이고, 마지막 블록은 2025년 6월 30일 오후 9시 44분(UTC)에 생성된 22,820,000개입니다. 발행 및 소각 이벤트는 풀의 유동성을 계산하는 데 사용되고, 스왑 이벤트는 풀의 거래를 결정하는 데 사용됩니다.

바이낸스의 경우, 동일 기간의 1초 캔들과 거래에 대한 과거 데이터를 수집합니다. 모든 통화쌍에 대해 USDT - 토큰 통화쌍에 대한 데이터를 수집하는데, USDT 통화쌍은 해당 USDC 통화쌍보다 거래량과 유동성이 높기 때문입니다.

매수-매도 스프레드를 결정하기 위해 2025년 6월 1일부터 2025년 6월 7일까지의 Bybit 데이터를 사용합니다. 바이낸스의 과거 주문장 데이터를 쉽게 구할 수 없기 때문에 Bybit 데이터를 사용합니다.

5. 방법론

차익거래/유해 흐름

유니스왑과 바이낸스 간의 차익거래인 AMM 거래의 하위 집합을 파악하기 위해 다음과 같은 작업을 수행합니다. 먼저, 각 블록이 끝날 때 AMM 풀의 가격을 바이낸스의 1초 캔들 데이터 가격과 다음 블록에 해당하는 타임스탬프와 비교하여 바이낸스와 유니스왑 풀 간의 가격 차이가 풀 수수료보다 높은 블록을 파악합니다.

\frac{|P_{\text{AMM}} - P_{\text{바이낸스}}|}{\min(P_{\text{AMM}}, P_{\text{바이낸스}})} > f | P AMM − P 바이낸스 | min ( P AMM , P 바이낸스 ) > 에프

여기서 P_{\text{AMM}} P AMM은 AMM 풀의 가격이고, P_{\text{Binance}} P Binance는 Binance의 가격이고, f는 수수료입니다.

둘째, 이러한 블록에서 AMM 풀에 접촉하는 첫 번째 거래로 인해 거래의 결과로 가격 차이가 수렴되는 사례를 식별합니다.

(P^*_{\text{AMM}} > P_{\text{AMM}} 및 P_{\text{바이낸스}} > P_{\text{AMM}}) 또는 (P^*_{\text{AMM} < P_{\text{AMM}} 및 P_{\text{바이낸스}} < P_{\text{AMM}}) ( P ∗ AMM > P AMM ∧ P 바이낸스 > P AMM ) ∨ ( P ∗ AMM < P AMM ∧ P 바이낸스 < P AMM )

여기서 P^*_{\text{AMM}} P ∗ AMM은 거래 후 AMM의 가격입니다.

셋째, 블록의 첫 번째 거래가 AMM 풀에 접촉하여 가격 차이가 거래 수수료보다 더 가깝게 수렴하지 않는지 확인합니다. 이는 가격을 바이낸스 가격에 가깝게 조정하여 차익거래를 하는 거래와, 가격을 가깝게 조정하지만 차익거래는 아닌 거래를 구분하기 위한 것입니다.

P^*_{\text{AMM}} \geq P_{\text{바이낸스}} \cdot (1 + f), \text{ if } P_{\text{AMM}} > P_{\text{바이낸스}} P ∗ AMM ≥ P 바이낸스 ⋅ ( 1 + f ) , P AMM > P 바이낸스 인 경우

P^*_{\text{AMM}} \leq \frac{P_{\text{바이낸스}}}{1+f}, \text{ if } P_{\text{AMM}} < P_{\text{바이낸스}} P ∗ AMM ≤ P 바이낸스 1 + f , P AMM < P Binance 인 경우

이러한 기준에 따라 각 AMM 풀에서 유해 거래 및 노이즈 거래의 규모와 건수를 계산합니다. 이 수치는 다른 분석의 기준으로 사용됩니다.

독성 및 소음 거래로 인한 수익 변화

유해 거래 및 노이즈 거래의 기준을 정한 후, 블록 시간을 줄이거나 수수료를 변경하면 차익거래 규모가 어떻게 변하는지 시뮬레이션합니다. 이는 바이낸스 1초 캔들과 거래 데이터를 기반으로 가격 변동을 분석하고, 데이터를 여러 기간으로 나누어 샘플링하는 방식으로 진행됩니다. 캔들 데이터의 경우, 시가를 사용하여 특정 기간 동안의 가격 변동을 파악합니다. 거래 데이터의 경우, 타임스탬프가 일치하는 거래 가격 또는 기간 종료 전 마지막 타임스탬프를 사용하여 가격 변동을 계산합니다. 이를 바탕으로 블록 시간과 수수료 차이가 차익거래 규모와 AMM의 수익에 미치는 영향을 분석합니다.

AMM 풀의 유해 거래 수익이 블록 타임에 따라 어떻게 변화하는지 파악한 후, 노이즈 거래량 변화가 AMM 풀의 수익에 어떤 영향을 미치는지, 그리고 풀의 TVL이 증가하지 않는다는 가정 하에 풀의 수익이 주로 노이즈 거래, 유해 거래량, 또는 이 두 가지의 조합에 의해 발생하는지 시나리오 분석을 수행합니다. 시나리오 A에서는 블록 타임이 절반으로 줄어들면서 노이즈 거래량이 25% 증가하고, 시나리오 B에서는 증가율이 50%입니다.

캠벨의 최적 수수료

마지막으로, Bybit 현물 거래와 관련된 과거 스프레드와 비용을 분석하여 풀이 Campbell 등이 권장하는 수수료 수준을 따를 경우 AMM 수수료를 어떻게 책정해야 하는지 파악합니다. 현물 거래 관련 비용은 매수-매도 스프레드를 절반으로 줄이고 여기에 VIP0 현물 거래 수수료 0.1%를 추가하여 추정합니다.

6. 결과

차익거래/유해 흐름

표 1은 다양한 풀에서 차익거래 비율과 거래량을 나열하고 있으며, 그림 2와 3은 각각 ETH-USDC 5bps와 SEI-USDC 30bps 풀에 대한 차익거래 비율을 시각화합니다. 연구 대상 풀 중 SEI를 제외한 모든 풀은 거래 건수보다 거래량 측면에서 차익거래 비율이 더 높습니다. 이는 차익거래 규모가 평균 거래 규모보다 큰 경향이 있음을 나타냅니다. 이는 그림 2와 3의 시각화에서도 뒷받침됩니다. 그림 2와 3의 세 번째 하위 플롯은 차익거래 건수와 수익에 대한 분포를 시각화하며, 이러한 분포가 일별 수준에서도 동일함을 보여줍니다. 시각화되지 않은 다른 풀들도 유사한 분포를 보였습니다.

표 1: 다양한 풀에서의 중재 거래 비율 및 거래량
그림 2: Uniswap v3 ETH - USDC 5bps 풀에서의 중재 거래 비율 및 거래량
그림 3: Uniswap v3 SEI - USDC 30bps 풀에서의 중재 거래 비율 및 거래량

독성 및 소음 거래로 인한 수익 변화

그림 4와 5는 각각 ETH와 SEI 풀의 수수료와 블록 시간에 따른 차익거래 수익 시뮬레이션을 시각화합니다. 두 경우 모두 수수료와 블록 시간이 감소함에 따라 차익거래 수익 풀이 증가합니다. 그러나 풀 수수료가 0에 너무 가깝게 감소하면 수익이 감소하기 시작합니다. 수수료와 블록 시간이 감소하면 수익이 증가하는 이유는 추가적인 차익거래 기회에서 발생하는 추가 수익이 거래당 수수료 수입 감소분을 충분히 상쇄하기 때문입니다. 이러한 결과는 Milionis 외 연구 결과와 일치합니다.

그림 4: 12초 블록 시간과 5bps 수수료를 기준으로 한 다양한 블록 시간과 수수료 조합을 적용한 ETH-USDC의 중재 거래 수익*
그림 5: 12초 블록 시간과 30bps 수수료를 기준으로 한 다양한 블록 시간과 수수료 조합을 적용한 SEI-USDC의 중재 거래 수익*

흥미롭게도, 그림 6에 표시된 시뮬레이션 결과에 따르면 블록 시간이 1초 미만으로 단축될 경우 차익거래 수익이 크게 증가할 것으로 예상됩니다. 이는 대량 주문으로 인해 일시적으로 유동성이 크게 감소하고 가격 변동이 심하기 때문일 가능성이 높습니다.

그림 6: 12초 블록 시간과 5bps 수수료 기준 대비 다양한 1초 미만 블록 시간과 수수료 조합을 적용한 ETH-USDC의 중재 거래 수익

AMM 풀의 수수료와 블록 타임 조합이 차익거래 수익에 어떤 영향을 미치는지 분석한 후, 다양한 시나리오에서 다양한 풀의 총 수익(노이즈 거래 포함)을 분석합니다.그림 7과 8은 차익거래 수익, 현재 노이즈 거래량을 고려한 총 수익, 블록 타임이 절반으로 줄어들 때 노이즈 거래량이 25% 증가하는 시나리오 A, 블록 타임이 절반으로 줄어들 때 노이즈 거래량이 50% 증가하는 시나리오 B를 시각화합니다.이러한 값은 표 2, 3, 4에도 나열되어 있습니다.그림 7의 첫 번째 하위 플롯은 수수료가 2bps로 설정되었을 때 시각화된 수수료 중 ETH-USDC 풀이 상대적으로 가장 높은 차익거래 관련 수익을 얻는다는 것을 보여줍니다.이는 최적의 블록 타임과 수수료 조합을 사용한다면 AMM 풀의 차익거래 수익을 두 배로 늘릴 수 있음을 나타냅니다. 그러나 두 번째 하위 플롯은 유해 거래량과 노이즈 거래량을 모두 고려할 때, 모든 블록 타임에서 10bps로 수익이 가장 높음을 보여줍니다. 세 번째와 네 번째 하위 플롯에서도 동일한 현상을 확인할 수 있습니다. 블록 타임이 감소하고 노이즈 거래량이 증가함에 따라, 더 높은 풀 수수료 수익이 가장 높게 유지됩니다. 이러한 결과는 최적의 블록 타임과 수수료, 그리고 현재 거래량을 고려할 때 AMM의 수익이 1.6배까지 증가할 수 있으며, 시나리오 A와 B의 경우 각각 3.5배와 7배까지 증가할 수 있음을 시사합니다.

그림 7: ETH-USDC 풀의 중재 수익, 총 수익 및 블록 시간이 12초 블록 시간과 5bps 수수료로 현재 수익에 비해 절반으로 줄어들 때 노이즈 거래량이 25%(시나리오 A) 또는 50%(시나리오 B) 증가할 경우의 총 수익

그림 8은 SEI와 상반되는 결과를 보여줍니다. 수수료가 5bps일 때 시각화된 수수료인 12초 블록에서 차익거래 수익이 가장 높지만, 블록 시간이 감소함에 따라 2bps 수수료가 가장 많은 차익거래 수익을 창출합니다. 최적의 블록 시간과 수수료 조합을 사용한다면 AMM 풀의 차익거래 수익은 현재 수익의 15배까지 증가할 수 있습니다. 두 번째 하위 플롯에서는 독성 거래량과 노이즈 거래량이 모두 발생하더라도 결과가 크게 달라지지 않는데, 이는 차익거래로 인해 발생하는 거래량이 풀의 총 수익에서 매우 중요한 역할을 하기 때문입니다. 시나리오 A와 B에서도 노이즈 거래량이 차익거래 최적화로 창출할 수익에 비해 매우 적기 때문에 마찬가지입니다. 일부 밈코인과 같이 유동성이 제한된 다른 토큰도 유사한 특성을 보였습니다.

그림 8: SEI - USDC 풀의 중재 수익, 총 수익 및 블록 시간이 12초 블록 시간과 30bps 수수료로 현재 수익에 비해 절반으로 줄어들 때 노이즈 거래량이 25%(시나리오 A) 또는 50%(시나리오 B) 증가할 경우의 총 수익
표 2: 주어진 거래 수수료에 대한 ETH-USDC 풀 수익은 다양한 시나리오에서 현재 수익과 비교됩니다. 여기서 A와 B에서는 블록 시간이 절반으로 줄어들면 노이즈 거래량이 각각 25%와 50% 증가합니다.
표 3: 주어진 거래 수수료에 대한 WBTC-USDC 풀 수익은 다양한 시나리오에서 현재 수익과 비교됩니다. 여기서 A와 B에서는 블록 시간이 절반으로 줄어들면 노이즈 거래량이 각각 25%와 50% 증가합니다.
표 4: 주어진 거래 수수료에 대한 SEI-USDC 풀 수익은 다양한 시나리오에서 현재 수익과 비교되며, A와 B에서는 블록 시간이 절반으로 줄어들면 노이즈 거래량이 각각 25%와 50% 증가합니다.

캠벨의 최적 수수료

표 5는 다양한 통화쌍의 매수-매도 스프레드와 거래 비용 및 수수료를 보여줍니다. 중간값 스프레드는 0.7bp에서 15.4bp까지이며, ETH와 BTC는 중간값 스프레드가 낮은 반면, SEI는 ETH와 BTC보다 15배 더 높습니다. 흥미롭게도 평균 스프레드를 살펴보면 BTC의 스프레드는 중간값보다 0.5bp 높지만, ETH는 35bp로 17bp, SEI는 55bp로 세 배 이상 높습니다. 수수료를 포함한 거래 비용 측면에서 BTC와 ETH의 중간값은 10bp와 11bp인 반면, SEI의 비용은 18bp이며, 평균 비용을 고려하면 수수료는 10bp에서 38bp 사이입니다.

표 5: Bybit의 다양한 쌍에 대한 중앙값 및 평균 입찰-매도 스프레드와 거래 비용 및 수수료

표 6은 다양한 체인 기반의 5bps 및 30bps 이더리움 풀에 대한 평균 및 중간 거래 규모와 가스비(gas-to-trade) 비율 중간값을 보여줍니다. 거래량 대비 가스비는 메인넷 5bps 및 기본 5bps 풀에서만 1bp를 초과합니다. 즉, 이러한 풀을 제외하면 트레이더들이 가스비에 평균적으로 지출하는 금액은 상대적으로 거의 없습니다. 그러나 메인넷의 평균 및 중간 거래 규모는 다른 체인보다 몇 배나 높다는 점에 유의해야 합니다. 이는 메인넷 거래 규모가 작을 경우 가스비가 훨씬 더 큰 역할을 할 것임을 의미합니다.

표 6: ETH-USDC에 대한 DEX 거래 규모의 평균 및 중간값과 다양한 풀에서의 스왑 가스 비용

캠벨은 AMM이 거래자 거래 비용의 70~80%에 해당하는 수수료를 제시함으로써 중앙화된 거래소보다 거래 비용을 낮춰야 한다고 제안했습니다. 이를 고려할 때, 최적의 수수료는 중간값 또는 평균값 거래 비용 사용 여부에 따라 4~30bp가 될 것입니다. 중간값 거래 비용과 3bp의 가스 비용을 사용할 경우, BTC와 ETH의 최적 수수료는 4~6bp, SEI의 최적 수수료는 9~11bp가 될 것입니다. 반면, 평균 거래 비용과 1bp의 가스 비용을 사용할 경우, BTC의 최적 수수료는 6~8bp, ETH의 최적 수수료는 18~21bp, SEI의 최적 수수료는 25~29bp가 될 것입니다.

7. 연구 결과 및 논의

AMM 거래 쌍은 바이낸스나 다른 중앙화된 거래소와 비교했을 때 나타나는 유해 거래량과 노이즈 거래량의 양에 따라 두 그룹으로 나눌 수 있습니다. 유해 거래량이 높고 AMM의 노이즈 거래량이 바이낸스보다 현저히 낮지 않은 경우, AMM과 중앙화된 거래소 간의 차익거래 수수료를 최적화하여 AMM의 수익을 최적화할 수 있습니다. 반면, 유해 거래량이 거래량의 일부만 차지하거나 중앙화된 거래소의 노이즈 거래량이 AMM보다 현저히 높은 경우, 노이즈 거래량을 최적화하여 수수료 수익을 통해 최대한 많은 거래량을 생성하도록 풀을 최적화해야 합니다. 그러나 AMM 풀이 이러한 그룹 중 어느 그룹에 속하든 블록 시간을 줄이는 것이 역선택 감소와 트레이더 경험 향상 측면에서 풀에 유익하다는 점에 유의하는 것이 중요합니다.

블록 생성 시간이 단축되면 AMM 풀은 더 이상 높은 수수료로 역선택을 방지할 필요가 없으므로 수수료를 낮출 수 있습니다. 이는 거래 비용을 절감하여 트레이더의 경험을 향상시킬 뿐만 아니라, 중앙화된 거래소와 AMM 간의 가격 차이를 줄이고 AMM의 가격을 안정적으로 유지합니다. 또한, 트레이더는 다음 블록 생성 전 가격 변동으로 인해 보류 중인 거래가 실패할 가능성이 낮아지는 이점도 있습니다.

블록 생성 시간을 단축하여 수수료를 낮추고 역선택 가능성을 줄이는 방안을 모색하는 것 외에도, 캠벨에 따르면 최적의 풀 수수료는 얼마인지도 검토했습니다. 중간 거래 비용을 기준으로 볼 때, 풀은 ETH 및 BTC 풀의 경우 약 11bps, SEI 풀의 경우 약 18bps의 수수료를 받아야 한다는 결론을 내렸습니다.

8. 요약

본 연구는 이더리움의 블록 생성 시간을 12초에서 단축하는 것이 자동 마켓 메이커(AMM)의 트레이더와 유동성 공급자 모두의 경험을 개선할 수 있는지 분석합니다. 유니스왑 v3 풀과 바이낸스 데이터를 분석한 결과, 조사 대상 풀의 AMM 거래량 중 23~52%는 유니스왑과 바이낸스 간의 가격 차이를 이용한 차익거래로 구성되어 있으며, 나머지는 노이즈 트레이딩으로 구성되어 있음을 확인했습니다.

연구 결과는 블록 타임 단축이 차익거래 보호 필요성을 줄여 AMM(자산 시장 참여자)에게 유리함을 보여줍니다. 이를 통해 풀은 유동성 공급자 보호를 유지하면서도 더 낮은 수수료를 제공할 수 있습니다. 이는 낮은 수수료로 더 많은 거래량을 유치하고, 중앙화된 거래소와의 가격 경쟁력을 향상시키며, 거래 실패율을 낮추고, 가격 안정성을 개선하는 선순환 구조를 형성합니다. AMM 풀은 두 가지 유형으로 나뉩니다. 차익거래 보호를 위해 수수료를 최적화해야 하는 고위험 거래량을 가진 풀과 경쟁력 있는 가격을 통해 전체 거래량을 극대화하는 데 집중해야 하는 풀입니다. 연구 대상 고위험 거래량 풀의 경우, 짧은 블록 타임과 최적의 수수료를 결합했을 때 최대 15배의 수익 증가가 가능했습니다. ETH-USDC의 경우, 노이즈 거래량 증가 없이도 수익 증가율은 약 60%에 달했으며, 블록 타임 단축으로 노이즈 거래량이 크게 증가할 경우 최대 600%까지 증가할 수 있었습니다.

분석 결과, 현재 30베이시스포인트의 수수료는 많은 풀에 너무 높은 것으로 보입니다. 캠벨 등이 제시한 중앙화 거래소 비용 절감 프레임워크에 따라, ETH 및 WBTC와 같은 주요 자산의 최적 수수료는 4~11베이시스포인트가 되어야 합니다. 블록 생성 시간을 단축하면 차익거래 방지를 통해 AMM의 경쟁력을 강화하고 수수료 인하를 통해 사용자 경험을 향상시킬 수 있습니다.