다시 생각해 보기: 1초 서브슬롯이 이더리움 CEX-DEX 차익거래를 어떻게 변화시키는가

01-22

이 기사는 기계로 번역되었습니다

원문 표시

이 연구는 @AnteroE 님 과의 공동 연구로 진행되었습니다 .

본 논문은 이더리움 슬롯 시간 단축이 탈중앙화 거래소(DEX) 활동, 특히 중앙화 거래소(CEX)와 DEX 간의 차익거래 행태에 미치는 영향을 분석합니다. 에이전트의 DEX 거래가 반드시 체결되는 것이 보장되지 않고, 에이전트가 차익거래 기회를 추구할지 여부를 결정할 때 이러한 체결 위험을 명시적으로 고려하는 거래 모델을 개발했습니다.

본 연구에서는 이더리움의 기본 12초 슬롯 시간 환경과 1초 서브슬롯 실행을 제공하는 더 빠른 환경에서 에이전트 동작을 비교합니다. 2025년 7월부터 9월까지의 바이낸스와 유니스왑 v3 데이터를 기반으로 보정된 시뮬레이션 결과, 슬롯 시간이 빨라지면 차익거래 건수는 평균 535%, 거래량은 평균 203% 증가하는 것으로 나타났습니다.

1초 단위의 서브슬롯에서 CEX-DEX 차익거래 활동이 증가하는 것은 거래 성공 및 실패 결과의 분산이 감소하여 위험 조정 수익률이 높아지고 CEX-DEX 차익거래가 더욱 매력적으로 변했기 때문입니다.

요약

탈중앙화 거래소(DEX) 진입 확률이 35%인 위험 회피형 에이전트의 경우, 확인 시간을 12초에서 1초로 줄이면 거래 건수가 535% 증가합니다. 거래량은 최대 203%까지 증가합니다.
위험 회피적인 투자자의 거래량 535% 증가는 두 가지 경로로 나눌 수 있는데, 371%는 구성 가능성에서 비롯되고 나머지 164%는 위험 완화에서 비롯됩니다.
1초 단위의 서브슬롯에서 CEX-DEX 차익거래 활동이 증가하는 것은 거래 성공 및 실패 결과의 분산이 감소하여 위험 조정 수익률이 높아지기 때문입니다.
실제 차익거래 결과를 기록한 기존 실증 연구와는 달리, 본 연구에서는 체결 불확실성 하에서 중앙거래소-탈중앙거래소(CEX-DEX) 차익거래자가 직면하는 의사결정 문제를 모델링합니다. 이러한 관점은 관찰된 차익거래 활동이 더 빠른 체결에 대한 잠재적 수요를 상당히 과소평가할 수 있는 이유를 밝혀줍니다. 즉, 많은 수익성 있는 기회가 존재하지 않아서가 아니라, 합리적인 행위자들이 현재의 체결 확인 시간을 고려하여 시도하지 않기로 결정하기 때문에 기회를 놓치는 것입니다.
우리는 프로토콜 수준의 변경 없이 제공될 수 있는 실행 보장에 초점을 맞추므로, 우리의 분석은 사전 확인을 포함하되 이에 국한되지 않는 다양한 메커니즘 설계에 적용될 수 있습니다.
결과는 승리 확률(α ∈ { 0.20 , 0.35 , 0.50 } ) 및 위험 회피 (λ ∈ { 0 , 0.01 , 0.03 } ) 의 합리적인 변동에 걸쳐 견고합니다.

1. 슬롯 시간 단축이 왜 중요할까요?

이더리움 탈중앙화 거래소(DEX) 거래량의 가장 활발한 원천 중 하나는 중앙화 거래소와 탈중앙화 거래소 간의 차익거래입니다. 전략은 간단합니다. 중앙화 거래소(예: 바이낸스)와 탈중앙화 거래소(예: 유니스왑)의 가격 차이가 발생할 때, 거래자는 더 저렴한 거래소에서 매수하고 더 비싼 거래소에서 매도함으로써 스프레드를 활용하여 이익을 얻습니다.

하지만 이 전략은 위험이 전혀 없는 것은 아닙니다. 중앙거래소(CEX) 거래는 거의 즉시 실행되는 반면, 분산거래소(DEX) 거래는 블록에 포함될 때까지 기다려야 하는데, 블록 포함이 보장되는 것은 아닙니다. DEX 거래는 우선 수수료 부족, 다른 거래자의 동시 진입, 지연 시간, 심지어 블록 생성자가 거래를 검열하는 등 여러 가지 이유로 실패할 수 있습니다.

본 논문은 탈중앙화 거래소(DEX) 거래 실행 위험과 슬롯 타임 간의 관계를 중점적으로 다룹니다. 온체인 거래가 실패할 가능성을 인지하고, 이러한 불확실성을 진입 및 청산 결정에 반영하는 거래 에이전트를 모델링합니다. 핵심 설정은 다음과 같습니다. 에이전트는 DEX 거래 성공 확률 α를 알고 있으며, 실패할 경우 발생하는 델타 노출을 어떻게 관리할지 결정해야 합니다.

그림 1: 6개의 이더리움 슬롯에 걸친 CEX-DEX 차익거래 전략. CEX 중간 가격(파란색 선)은 밀리초 단위로 지속적으로 업데이트되는 반면, DEX 가격(빨간색 선)은 차익거래 실행 후 12초 슬롯 경계에서만 업데이트됩니다. 녹색 영역은 DEX에서 매수하고 CEX에서 매도할 수 있는 기회를 나타내고, 주황색 영역은 그 반대 방향을 나타냅니다. 1974×1060 246KB

본 논문은 이더리움 슬롯 시간 단축이 탈중앙화 거래소(DEX) 거래량의 가장 큰 부분을 차지하는 부분에 어떤 영향을 미칠지 이해하고자 하는 관심에서 출발했습니다. 우리는 이더리움의 기본 12초 슬롯보다 거래자에게 더 빠른 피드백 루프를 제공하는 1초 서브슬롯 기반의 가상 프로토콜을 고려합니다. 본 논문에서 다루는 질문은 다음과 같습니다. 거래 실행 속도 향상이 차익거래자의 행동에 어떤 변화를 가져오며, 이는 DEX 활동에 어떤 영향을 미칠까요?

2. 시뮬레이션 시나리오 및 데이터

2.1 실행 체제

이 시뮬레이션의 핵심 목표는 더 빠른 실행 보장이 차익거래자의 행동과 시장 결과에 어떤 변화를 가져오는지 정량화하는 것입니다. 우리는 두 가지 실행 체제 하에서 병렬 시뮬레이션을 실행합니다.

정권	설명
12초 슬롯	탈중앙화 거래소(DEX) 거래는 이더리움 슬롯 경계에서만 실행될 수 있으며, 이는 12초마다 발생합니다. 따라서 현재 환경에서 차익거래자들은 상당한 실행 창과 그에 따른 불확실성에 직면하고 있습니다.
1초 서브슬롯	DEX 거래는 서브슬롯 확인을 통해 매초 실행될 수 있습니다. 이는 차익거래자들이 더 빠른 실행 보장을 받을 수 있는 개선된 환경입니다.

2.2 환경 구성

우리는 연구 결과의 견고성을 검증하기 위해 다양한 환경 구성에서 에이전트의 행동을 평가합니다. 각 구성은 시장 미세구조의 서로 다른 측면을 포착하는 두 가지 이진 설계 선택의 조합입니다.

CEX-DEX 가격 역전 : 이 기능을 활성화하면 회귀 기반 메커니즘을 사용하여 차익 거래 발생 사이에 서브슬롯 DEX 가격이 CEX 가격으로 점진적으로 조정됩니다. 이는 직접적인 차익 거래와는 별개로 발생하는 정보에 입각한 거래를 포착합니다.

노이즈 트레이딩 : 이 기능을 활성화하면 시뮬레이션에 무작위 비차익거래가 포함됩니다. 이러한 거래의 빈도와 가격 영향은 데이터에서 추정된 경험적 분포에서 추출됩니다. 이는 소매 거래 흐름 및 중앙거래소-탈중앙거래소 차익거래와 관련 없는 기타 거래 활동을 포착합니다.

2.3 데이터

저희는 2025년 7월부터 9월까지의 데이터를 사용하며, 여기에는 바이낸스의 밀리초 단위 최고 매수 및 매도 가격과 유니스왑 v3 ETH-USDC 풀의 30bp, 5bp, 1bp 스왑 거래 데이터가 포함됩니다.

2.4 주요 매개변수

매개변수	값	설명
α α	0.35	에이전트 1의 승리 확률
λ	0.01	위험 회피 계수
θ θ	0	진입 장벽
되돌리기 창	300초	CEX-DEX 역전 간격
몬테카를로 경로	16	각 노드의 경로
결정 대기 기간	3초	최대 대기 시간
\bar{k} ¯ k	3	강제 종료 전 최대 실패 시도 횟수

2.5 주요 가정

실행 측면에서 모든 검증자는 빠른 실행 보장을 제공하도록 선택되었으므로 거래 슬롯 누락이 없고 DEX 거래는 매초 발생할 수 있습니다. 가스 수수료는 0이며, 에이전트는 자본 부족에 시달리지 않으므로 유동성 제약이 실행에 영향을 미치지 않으며, DEX 풀 수수료 외에는 추가 수수료가 없습니다.

차익거래 측면에서는 모든 블록 최상단 차익거래 기회가 실행됩니다. 최적의 거래 규모로 차익거래가 체결되어 DEX 가격이 CEX 매수/매도 호가에서 단일 풀 수수료로 조정됩니다. 바이낸스에서는 최적의 매수/매도 호가에 무한한 유동성이 존재하며, 바이낸스에서의 체결은 즉각적이고 보장됩니다.

시장 구조 측면에서, DEX 풀은 고정 유동성(Uniswap v2 방식)을 가지며, 스왑 수수료 증가분을 제외하고는 유동성이 일정하고, 모든 풀은 비교 가능성을 위해 동일한 초기 유동성으로 시작합니다.

3. 모델 및 결과

3.1 모델 도출

DEX 가격 보간

이 시뮬레이션 프레임워크는 시간에 따른 중앙 집중식 거래소와 분산형 거래소 가격 간의 상호 작용을 모델링합니다. 과거 DEX 가격 데이터는 쉽게 구할 수 있으며 12초 간격의 벤치마크 시뮬레이션에 사용할 수 있습니다. 더 빠른 속도의 시뮬레이션을 위해서는 1초 간격의 하위 슬롯에 대해 이러한 가격을 보간하는 프레임워크가 필요합니다.

본 프레임워크는 세 가지 구성 요소로 이루어져 있습니다. 첫째, 현재 슬롯의 과거 가격으로 시작합니다. 이는 초기 서브슬롯의 가격이기도 합니다. 다음으로, (i-1)번째 서브슬롯의 가격 p^{\text{DEX}}(t_i -1) p DEX ( t i ) 로부터 i 번째 서브슬롯의 가격 p^{\text{DEX}} ( t_i ) p DEX ( t i ) 를 도출합니다 . 이를 위해 ( 1 ) 이전 슬롯 에 차익거래가 있는 경우 이를 적용하고, (2) 차익거래 이벤트 간의 오프체인 정보에 따라 DEX 가격이 어떻게 조정되는지 모델링하기 위해 CEX-DEX 가격 회귀를 적용하며, (3) 차익거래가 아닌 DEX 활동을 포착하기 위해 노이즈 트레이딩을 적용합니다.

노이즈 트레이딩. 우리는 과거 유니스왑 v3 거래를 그 특성에 따라 차익거래 또는 노이즈 거래로 분류합니다. 거래가 다음 네 가지 조건을 모두 충족하면 차익거래로 간주됩니다. (1) 블록 내 첫 번째 거래일 것, (2) 거래 전 중앙거래소(CEX)와 분산거래소(DEX) 간 가격 차이가 풀 수수료를 초과할 것, (3) 거래로 인해 DEX 가격이 CEX 가격 쪽으로 움직일 것, (4) 거래 후 가격 차이가 풀 수수료 이상일 것. 그 외의 모든 거래는 노이즈 거래로 분류됩니다.

CEX-DEX 가격 회귀. 이 아이디어는 주어진 CEX 가격 변화에 대한 DEX 가격의 일반적인 변동폭을 추정하고, 이 관계를 이용하여 차익거래 이벤트 사이에 DEX 가격을 CEX 가격으로 되돌리는 것입니다. 시간 축을 반개방 구간 F_k = (\tau_{k-1}, \tau_k] 및 F k = ( τ k − 1 , τ k ] 로 나누고 각 구간 내에서 선형 모델을 추정합니다.

r^{\text{DEX}}_i = \beta^{(k)}_0 + \beta^{(k)}_1 r^{\text{CEX}}_i + \varepsilon_i, \quad \varepsilon_i \overset{iid}{\sim} N(0, \sigma^2_k)

r DEX i = β ( k ) 0 + β ( k ) 1 r CEX i + ε i , ε i i i d ∼ N ( 0 , σ 2 k )

CEX 가격은 관측되었지만 DEX 가격이 아직 업데이트되지 않은 시간 간격 F_k 내의 모든 타임스탬프 t_i 에 대해 다음 과 같이 예측합니다.

\hat{r}^{\text{DEX}}_i = \hat{\beta}^{(k)}_0 + \hat{\beta}^{(k)}_1 r^{\text{CEX}}_i

^ r DEX i = ^ β ( k ) 0 + ^ β ( k ) 1 r CEX i

그리고 역산된 DEX 가격을 구하세요:

\hat{p}^{\text{DEX}}(t_i) = p^{\text{DEX}}(t_{i-1})(1 + \hat{r}^{\text{DEX}}_i)

^ p DEX ( t i ) = p DEX ( t i − 1 ) ( 1 + ^ r DEX i )

거래 에이전트 모델

CEX-DEX 차익거래는 중앙화 거래소와 분산형 거래소 간의 가격 차이를 이용하는 거래 방식입니다. 핵심 위험은 거래의 두 단계가 비동기적으로 실행된다는 점입니다. 바이낸스에서 무한한 유동성과 즉각적이고 보장된 실행이 이루어진다고 가정할 때, CEX 단계의 결제는 위험이 없지만, DEX 단계의 거래는 블록에 포함되어야 합니다. DEX 거래가 블록에 포함되지 않으면 거래자는 헤지되지 않은 위험에 노출됩니다.

본 연구에서는 이러한 위험을 명시적으로 고려하는 에이전트를 모델링합니다. 에이전트는 차익거래 시도의 DEX 구간을 성공적으로 체결할 고정 확률 α ∈ ( 0,1 ) 을 갖 습니다 . 만약 DEX 구간 체결에 실패하면, 에이전트는 그에 따른 노출 위험을 어떻게 관리할지 결정해야 합니다. 즉, CEX에서 즉시 청산하거나, 다음 거래 슬롯에서 DEX 거래를 다시 시도하거나, 더 나은 조건을 기다려야 합니다.

p^{\text{CEX}}_{\text{bid}}(t) p CEX bid ( t ) 및 p^{\text{CEX}}_{\text{ask}}(t) p CEX ask ( t ) 는 CEX의 매수호가와 매도호가를 나타내고, p^{\text{DEX}}(t_n) p DEX ( t n ) 는 슬롯 n n 에서의 DEX 가격을 나타낸다. 여기서 t_n = n\tau t n = n τ 는 슬롯 n n 의 타임스탬프이고 \tau τ 는 슬롯 지속 시간이다.

단순 모델. 이 단순 모델에서 에이전트는 실행 위험을 고려하지 않고 감지된 모든 차익 거래 기회를 포착하려고 시도합니다. 확률 α 로 DEX 거래가 성공적으로 체결되면 에이전트는 전체 차익 거래 이익을 얻습니다.

\pi^s = Q \left( p^{\text{CEX}}_{\text{bid}}(t_n) - p^{\text{DEX}}(t_n) \right)

π s = Q ( p CEX 입찰 ( t n ) − p DEX ( t n ) )

확률 1-α 1 − α 로 DEX 구간이 실패합니다. 에이전트는 이미 CEX에서 매도했으므로 이제 공매도 포지션을 청산해야 합니다. 단순 모델에서는 에이전트가 1초 후에 CEX에서 다시 매수합니다.

\pi^f = Q \left( p^{\text{CEX}}_{\text{bid}}(t_n) - p^{\text{CEX}}_{\text{ask}}(t_n + \delta) \right)

π f = Q ( p CEX bid ( t n ) − p CEX ask ( t n + δ ) )

위험 회피 모델. 위험 회피 모델은 단순 모델에는 없는 두 가지 능력을 에이전트에게 부여합니다. 즉, 위험을 조정한 기대 이익에 기반한 선택적 진입과 거래 실패 시 최적의 대안 결정 능력입니다.

진입 결정. 에이전트는 위험을 조정한 기대 이익이 임계 값 θ를 초과하는 경우에만 차익 거래 기회에 진입합니다.

E[\pi(t_n) | \mathcal{F}_{t_n}] - \lambda \sqrt{\text{Var}[\pi(t_n) | \mathcal{F}_{t_n}]} \geq \theta

E [ π ( tn ) | F t n ] − λ √ Var [ π ( t n ) | Ftn ] ≥ θ

어디:

E[\pi(t_n) | \mathcal{F}_{t_n}] = \alpha Q \left( p^{\text{CEX}}_{\text{bid}}(t_n) - p^{\text{DEX}}(t_n) \right) + (1-\alpha) E[V^f(t_{n,1}, 1) | \mathcal{F}_{t_n}]

E [ π ( t n ) | F t n ] = α Q ( p CEX bid ( t n ) − p DEX ( t n ) ) + ( 1 − α ) E [ V f ( t n , 1 , 1 ) | F t n ]

대체 로직. DEX 시도가 실패하면 에이전트는 결국 닫아야 하는 열린 CEX 위치를 유지합니다. k 번의 DEX 시도 실패 후 각 결정 지점 t_{n+k,m} ( 슬롯 n + k , 서브 슬롯 m ) 에서 에이전트 는 세 가지 옵션 중 하나를 선택합니다.

즉시 청산 : 현재 매수 호가로 CEX에서 되사세요.

\pi^c(t_{n+k,m}) = Q \left( p^{\text{CEX}}_{\text{bid}}(t_n) - p^{\text{CEX}}_{\text{ask}}(t_{n+k,m}) \right)

π c ( t n + k , m ) = Q ( p CEX bid ( t n ) − p CEX ask ( t n + k , m ) )

DEX 재시도 : 현재 DEX 가격으로 새로운 DEX 매수 주문을 제출하고 다음 주문 가능 시간을 기다리세요.
대기 : 한 시간 단계 동안 아무것도 하지 않고 t_{n+k,m+1} t n + k , m + 1 에서 다시 평가합니다.

에이전트는 위험을 고려한 효용이 가장 높은 옵션을 선택합니다.

V^f(t_{n+k,m}, k) = \max \left\{ u^c(t_{n+k,m}), u^r(t_{n+k,m}), u^w(t_{n+k,m}) \right\}

V f ( t n + k , m , k ) = max { u c ( t n + k , m ) , u r ( t n + k , m ) , u w ( t n + k , m ) }

제약 조건에 따라, 재시도는 슬롯 종료 전 충분한 시간이 있는 경우에만 가능하며( m ≤ M - m ≤ M - m ≤ M ), 대기는 슬롯 내에서만 가능하며( m < M , m < M ), k k 번의 실패 시도 후에는 에이전트가 종료되어야 합니다.

그림 2: DEX 거래 실패 후 대체 로직을 보여주는 의사결정 트리. 2168×1324 297KB

계산적 접근 방식. 각 노드에서 몬테카를로 추정법을 이용한 역방향 귀납법으로 가치 함수를 구합니다. 최종 조건은 k = \bar{k} k = ¯ k 에서 강제 폐쇄입니다. 재귀는 두 개의 중첩된 루프에서 진행됩니다. 외부 루프는 실패한 시도( k = \bar{k}-1, \ldots, 0 k = ¯ k − 1 , … , 0 )를, 내부 루프는 각 슬롯 내의 하위 슬롯( m = M, \ldots, 0 m = M , … , 0 )을 순회합니다. 각 상태에서 N 개의 가격 경로를 시뮬레이션하여 각 옵션의 기대값과 분산을 추정하고, 위험 조정 효용이 가장 높은 옵션을 선택합니다.

기대값 계산을 위한 가격 변동. 우리는 CEX 로그 수익률이 가우시안 랜덤 워크를 따른다고 가정합니다.

\log p^{\text{CEX}}_{\text{mid}}(t_{n+k,m}) = \log p^{\text{CEX}}_{\text{mid}}(t_{n+k,0}) + \sum_{j=1}^{m} \varepsilon_j, \quad \varepsilon_j \sim N(0, \sigma^2 \delta)

통나무 p CEX mid ( t n + k , m ) = log p CEX mid ( t n + k , 0 ) + m ∑ j = 1 ε j , ε j ∼ N ( 0 , σ 2 δ )

매수호가와 매도호가는 다음과 같이 주어집니다 . p^{\text{CEX}}_{\text{bid}} = (1-\beta) p^{\text{CEX}}_{\text{mid}} p CEX bid = ( 1 − β ) p CEX mid 및 p^{\text{CEX}}_{\text{ask}} = (1+\beta) p^{\text{CEX}}_{\text{mid}} p CEX ask = ( 1 + β ) p CEX mid 여기서 \beta β 는 하프스프레드입니다.

경쟁 구조

이 시뮬레이션은 CEX-DEX 차익거래 봇을 운영하는 에이전트 간의 경쟁 역학을 모델링합니다. 에이전트 1은 우리가 자세히 분석하는 참여자를 나타내고, 에이전트 2는 다른 모든 시장 참여자의 종합적인 행동을 나타냅니다. 차익거래 기회가 발생하면 여러 에이전트가 이를 포착하려고 시도할 수 있지만, 블록체인 제약 조건에 따라 하나의 거래만 성공할 수 있습니다. 에이전트 1이 기회를 포착하려고 시도하면 확률 α 로 성공합니다. 에이전트 1이 DEX 거래를 시도하지 않거나 실패하면 에이전트 2가 자동으로 성공하여 차익거래 이익을 확보합니다.

3.2 거래 빈도에 미치는 영향

우리는 에이전트가 처리한 거래 건수를 기준으로 거래 빈도를 측정했습니다. 단순 모델에서는 모든 풀에서 거래 건수가 크게 증가했습니다. 모든 구성과 수수료 등급에서 단순 모델은 218%에서 663%에 이르는 증가율을 보였습니다. 위험 회피 모델은 거래 빈도가 훨씬 더 크게 증가하여 거래 건수가 294%에서 1386%까지 증가했습니다. 그러나 대부분의 시나리오에서는 증가율이 600% 미만이며, 1386%라는 수치는 비율 변화는 크지만 절대적인 거래 건수는 매우 적은 특정 구성에서만 나타난다는 점에 유의해야 합니다.

수수료 등급별 패턴은 다양한 스프레드 수준에서의 차익거래 경제성을 반영합니다. 수수료가 낮은 풀은 스프레드가 좁고 더 많은 차익거래 기회를 제공합니다. 12초 확인 시간 미만에서는 체결 시간이 길어 불리한 가격 변동으로 인해 미미한 수익 마진이 사라질 수 있으므로 이러한 기회 중 상당수는 추구할 가치가 없습니다. 1초 확인 시간 미만에서는 위험이 압축되어 더 많은 차익거래 기회를 활용할 수 있게 됩니다.

단순 에이전트(풀 전체 가중 평균):

구성	델타 Δ ETH 볼륨	\델타 Δ Txns
되돌림 없음, 노이즈 없음	+158%	+378%
되돌림 없음, 노이즈	+148%	+356%
역전, 노이즈 없음	+211%	+412%
역전, 노이즈	+188%	+387%

위험 회피 성향이 강한 에이전트(풀 전체 가중 평균):

구성	델타 Δ ETH 볼륨	\델타 Δ Txns
되돌림 없음, 노이즈 없음	+159%	+378%
되돌림 없음, 노이즈	+163%	+503%
역전, 노이즈 없음	+212%	+437%
역전, 노이즈	+243%	+567%

단순 모델의 경우, 구성에 따라 여러 풀에 걸쳐 거래 건수 증가의 가중 평균은 356%에서 412% 사이로 변동하며, 회귀 설정 유무에 따른 노이즈 평균은 371%입니다. 마찬가지로 위험 회피 모델의 경우, 가중 증가율은 378%에서 567% 사이로 변동하며, 두 가지 구성의 평균은 535%입니다.

효과 분해

위험 회피적인 에이전트의 거래량 535% 증가는 실제로 두 가지 경로로 나눌 수 있습니다. 단순 에이전트는 구성 가능성 증가 만으로 371% 증가를 달성합니다. 즉, 더 빈번한 확인 기회를 통해 에이전트는 각 슬롯 내에서 더 많은 차익 거래 기회를 식별하고 시도할 수 있습니다. 나머지 164% 포인트는 위험 감소*에서 비롯됩니다. 더 빠른 확인은 손실 구간 동안 가격 결과의 분산을 줄여 위험 조정 기대 수익이 진입 임계값을 더 자주 초과하도록 합니다.

3.3 거래량에 미치는 영향

이더리움으로 측정된 거래량은 거래 건수 변화보다 더 미묘한 패턴을 보여줍니다. 단순 모델에서 거래량 변화는 구성에 따라 98%에서 273%까지 증가하는 양상을 보입니다. 거래 빈도와 마찬가지로, 30bp 풀의 경우 증가율은 범위의 하단에 가깝고, 5bp 및 1bp 풀의 경우 증가율은 상단에 가깝습니다. 위험 회피 모델에서도 121%에서 375%까지 증가하는 유사한 패턴이 나타났습니다.

거래량 증가는 수수료가 낮은 풀에 집중되어 있습니다. 그 이유는 다음과 같습니다. 수익성이 낮은 거래 기회가 더 많이 생기면 평균 거래 규모는 줄어들 수 있지만(수익성이 낮은 기회는 최적 거래 규모가 더 작은 경향이 있기 때문), 전체 거래 건수는 충분히 증가하여 총 거래량이 늘어나기 때문입니다. 반면, 수수료가 높은 풀에서는 이미 거래 규모가 크고 거래 빈도가 낮기 때문에 빠른 거래 확정이 수익성 있는 거래 기회를 극적으로 확대하지는 않습니다.

이러한 범위는 다양한 구성에서의 결과를 나타낸다는 점에 유의해야 합니다. 그러나 가스 수수료가 모델에 포함되지 않았기 때문에, 이러한 범위의 상한값은 1bp 및 5bp 풀의 증가분을 과대평가할 수 있습니다. 실제로는 이러한 풀에서 빈번한 소액 거래의 경제적 타당성이 거래 비용에 의해 제한될 수 있기 때문입니다.

서로 다른 풀의 차익거래량을 기준으로 거래량 증가를 가중치로 적용했을 때, 단순 모델의 경우 세 풀의 평균 거래량 증가는 148%에서 211% 사이이며 평균은 168%입니다. 마찬가지로 위험 회피 모델의 경우 전체 증가는 159%에서 243% 사이이며 평균은 203%입니다.

3.4 풀별 상세 결과

단순 에이전트(30bps 풀):

구성	\Delta Δ PnL	델타 Δ ETH 볼륨	델타 Δ USDC 볼륨	\델타 Δ Txns
되돌림 없음, 노이즈 없음	+113%	+118%	+116%	+294%
되돌림 없음, 노이즈	+97%	+98%	+97%	+218%
역전, 노이즈 없음	+276%	+273%	+265%	+663%
역전, 노이즈	+218%	+211%	+205%	+478%

단순 에이전트(5bps 풀):

구성	\Delta Δ PnL	델타 Δ ETH 볼륨	델타 Δ USDC 볼륨	\델타 Δ Txns
되돌림 없음, 노이즈 없음	+138%	+158%	+157%	+308%
되돌림 없음, 노이즈	+135%	+151%	+150%	+274%
역전, 노이즈 없음	+147%	+174%	+172%	+345%
역전, 노이즈	+144%	+165%	+164%	+313%

단순 에이전트(1 bp 풀):

구성	\Delta Δ PnL	델타 Δ ETH 볼륨	델타 Δ USDC 볼륨	\델타 Δ Txns
되돌림 없음, 노이즈 없음	+195%	+203%	+202%	+420%
되돌림 없음, 노이즈	+207%	+200%	+199%	+408%
역전, 노이즈 없음	+207%	+205%	+204%	+432%
역전, 노이즈	+212%	+202%	+201%	+420%

위험 회피형 에이전트(30bps 풀):

참고: 아래 표에서 특정 구성의 경우 거래 건수 변화율(백분율)은 크지만, 절대적인 수치는 작다는 점에 유의해야 합니다.

구성	\Delta Δ PnL	델타 Δ ETH 볼륨	델타 Δ USDC 볼륨	\델타 Δ Txns
되돌림 없음, 노이즈 없음	+114%	+121%	+119%	+294%
되돌림 없음, 노이즈	+119%	+126%	+124%	+336%
역전, 노이즈 없음	+282%	+274%	+267%	+639%
역전, 노이즈	+365%	+375%	+365%	+1386%

위험 회피형 에이전트(5bps 풀):

구성	\Delta Δ PnL	델타 Δ ETH 볼륨	델타 Δ USDC 볼륨	\델타 Δ Txns
되돌림 없음, 노이즈 없음	+135%	+158%	+157%	+307%
되돌림 없음, 노이즈	+137%	+162%	+161%	+444%
역전, 노이즈 없음	+145%	+174%	+173%	+345%
역전, 노이즈	+147%	+179%	+178%	+500%

위험 회피형 에이전트(1 bp 풀):

구성	\Delta Δ PnL	델타 Δ ETH 볼륨	델타 Δ USDC 볼륨	\델타 Δ Txns
되돌림 없음, 노이즈 없음	+151%	+205%	+204%	+419%
되돌림 없음, 노이즈	+151%	+205%	+205%	+544%
역전, 노이즈 없음	+158%	+208%	+207%	+472%
역전, 노이즈	+161%	+206%	+206%	+554%

3.5 견고성 분석

이러한 결과의 견고성을 평가하기 위해, 회귀 및 노이즈 거래 구성 하에서 위험 회피 모델에 대한 추가 시뮬레이션을 수행했습니다. 에이전트 1의 승리 확률 α ∈ { 0.20 , 0.35 , 0.50 } 과 위험 회피 매개변수 λ ∈ { 0 , 0.01 , 0.03 } 을 변화시키면서, 확인 간격을 12초에서 1초로 줄였을 때의 결과를 비교했습니다.

5bp(베이시스 포인트) 풀에서는 이 표의 모든 조합에서 거래 건수가 416~530% 증가했고, 이더리움(ETH) 거래량은 146~186% 증가했습니다. 30bp 풀에서는 거래 건수가 1152~1468% 증가했고, 이더리움 거래량은 317%에서 385% 사이로 변동했습니다.

전반적으로, 동일한 매개변수를 가진 에이전트를 12초 확인 간격과 1초 확인 간격으로 비교했을 때 거래 건수 및 거래량의 변화는 비슷한 규모로 나타났으며, 이는 주요 결과가 승률 및 위험 회피도의 합리적인 변화에도 불구하고 견고함을 시사합니다.

4. 논의 및 향후 계획

본 연구는 블록체인 실행 시간 단축이 탈중앙화 거래소(DEX) 활동에 미치는 영향을, 특히 중앙거래소(CEX)와 DEX 간의 차익거래자들의 행동에 초점을 맞춰 분석합니다. 본 연구의 기여는 실증적 측면뿐만 아니라 방법론적 측면에서도 중요합니다. 우리는 실증적인 가격 고정 효과, 노이즈 트레이딩 역학, CEX-DEX 차익거래 메커니즘, 그리고 위험 회피적 의사결정 모델을 결합한 시뮬레이션 프레임워크를 개발했습니다. 우리가 모델링한 에이전트는 실행 위험을 심각하게 받아들이며, DEX 거래의 불확실성을 진입 결정과 손실 최소화 전략 모두에 반영합니다. 이러한 설정은 기존 연구에서 추상화되었던 온체인 거래의 근본적인 현실을 포착합니다.

거래자의 위험 선호도와 참여 확률에 대한 합리적인 가정을 바탕으로, 실행 시간을 12초에서 1초로 단축하면 차익거래 건수가 535% 증가하며, 특히 수수료가 낮은 시장에서 새로운 차익거래 기회가 창출되는 효과가 두드러집니다. 또한, 실행 속도가 빨라지면 거래 실패 복구 과정에서 불리한 가격 변동이 발생할 수 있는 기간이 단축되어 수익 변동성이 줄어듭니다.

제한 사항. 몇 가지 제한 사항을 언급할 필요가 있습니다. 본 모델은 가스 수수료가 0이라고 가정하는데, 이는 수수료가 낮은 풀에서 소규모 거래의 수익성을 과대평가할 수 있습니다. 또한, 에이전트가 DEX 거래를 체결할 확률은 경쟁에 의해 내생적으로 결정되는 것이 아니라 고정되어 있습니다. 균형 상태에서는 더 빠른 실행 속도가 더 많은 차익거래자를 유인하여 α 값을 압축할 수 있습니다. 이러한 부분은 향후 연구 과제로 남겨둡니다.

섹터:

스마트 컨트랙트

DePIN

메타버스

출처

면책조항: 상기 내용은 작자의 개인적인 의견입니다. 따라서 이는 Followin의 입장과 무관하며 Followin과 관련된 어떠한 투자 제안도 구성하지 않습니다.

라이크

즐겨찾기에 추가

코멘트