[Paper] 임시 손실에서 지속 가능한 이익으로: DEX 유동성 제공자를 위한 수익성 구역 정량화

Source: arXiv - 2604.28014v1

Source: …

개요

논문 From Impermanent Loss to Sustainable Gain은 Uniswap, Curve, Balancer와 같은 자동화된 마켓 메이커(AMM) DEX에서 유동성을 제공하는 사람들에게 가장 골치 아픈 문제 중 하나인 거래 후 순이익을 얻을지, 일시적 손실(IL)을 겪을지를 어떻게 알 수 있는가에 대해 다룹니다. 유동성 제공자(LP)와 차익거래 봇 간의 상호작용을 모델링함으로써, 저자들은 구체적인 “수익성 구역”을 도출하고 LP들이 일시적 이익(IG) 구역에 머물 수 있도록 풀 수수료를 데이터 기반으로 설정할 수 있는 방법을 제시합니다.

주요 기여

• LP‑아비트리지 역학의 수학적 모델을 실제 풀 파라미터(예비 규모, 수수료 티어, 가격 변동성)에 기반함.
• 폐쇄형 해석적 경계를 LP와 아비트리지어의 총 수익에 대해 제공하며, 수수료와 시장 움직임이 어떻게 공동으로 결과를 결정하는지 보여줌.
• LP가 일시적 손실을 겪기 전 예상 블록 수에 대한 추정기를 제시, 이는 확률적 가격 드리프트에 기반함.
• 단일 블록 내에서 IG 구역에 머무를 사용자 지정 확률을 보장하는 하한 수수료 도출.
• LP 인센티브와 아비트리지어를 정렬하는 실용적인 프레임워크, 이를 통해 시장 안정성을 향상하고 DEX 프로토콜의 수수료 티어 설계에 정보를 제공함.

방법론

1. 풀 불변식 및 거래 흐름 – 저자들은 고전적인 상수‑곱 불변식 (x \cdot y = k) (여기서 (x)와 (y)는 토큰 준비금)에서 시작합니다. 각 스와프에서 (\gamma) 비율의 수수료를 차감하는 fee‑on‑transfer 메커니즘을 포함합니다.

2. 차익거래 모델링 – 차익거래자는 외부 시장 가격 (P_t)에 맞추어 풀을 즉시 재조정하는 합리적인 행위자로 다룹니다. 논문은 가격 편차 (\Delta_t = P_t / P_{\text{pool}} - 1)를 역사적 온‑체인 가격 데이터를 기반으로 보정한 확률 과정(기하 브라운 운동)으로 모델링합니다.

3. 수익 분해 – 블록 내 총 수익을 다음과 같이 나눕니다:

   • LP 수수료 수익 (거래량 및 수수료 등급에 비례).
   • 차익거래 이익 (가격 교정을 포착).

4. 확률적 경계 – 가격 변동에 대한 집중 부등식(체르노프형 경계)을 사용하여 저자들은 다음을 도출합니다:

   • LP의 순 포지션이 음수가 되기까지의 예상 블록 수 (IL).
   • 목표 신뢰도 (\tau)에 대해 (\Pr[\text{IG in next block}] \geq \tau)를 보장하는 최소 수수료 (\gamma_{\min}).

5. 실증 검증 – 모델을 여러 실시간 풀(예: Uniswap V3의 USDC/ETH, Curve의 스테이블‑스와프 풀) 데이터에 맞추어 적용하고, 이론적 경계를 실제 관측된 LP 수익과 비교합니다.

결과 및 발견

이 의미는: LP는 이제 수수료 수준과 IL 위험 사이의 트레이드‑오프를 정량화할 수 있게 되었으며, 더 이상 경험적 추정이나 시행착오에 의존하지 않아도 됩니다. 도출된 수수료 임계값은 프로토콜 설계자가 LP의 수익성을 유지하면서 차익 거래자에게 가격 편차를 교정할 충분한 인센티브를 제공하는 계층형 수수료 구조를 원칙적으로 설정하는 데 도움이 됩니다.

Practical Implications

• Dynamic Fee Adjustment: DEX 프로토콜은 관측된 변동성에 반응하는 자동 튜닝 수수료 티어를 구현할 수 있어, LP가 수동적인 거버넌스 제안 없이도 IG 구역에 머물 수 있게 합니다.
• LP Dashboard Metrics: 지갑 및 분석 플랫폼은 각 풀에 대한 예상 IL 블록 수와 IG 확률을 표시하여 사용자가 가장 회복력 있는 풀을 선택하도록 돕습니다.
• Risk‑Adjusted Yield Strategies: 수익 집계자는 모델을 통합하여 풀 간 LP 포지션 재조정을 수행하고, IG 확률이 높거나 필요 수수료가 낮은 풀로 자본을 이동시킬 수 있습니다.
• Arbitrage Bot Design: 수수료 하한을 알면 아비트라지 참여자는 가스 가격 입찰을 최적화할 수 있으며, 수수료가 너무 낮아 이익이 되는 재조정 가스 비용을 정당화하지 못하는 풀은 건너뛸 수 있습니다.
• Protocol Governance: 수수료 파라미터를 조정하는 거버넌스 제안은 이제 정량적 위험 평가에 기반하여 지원될 수 있어, “불공정한” 수수료 변경에 대한 커뮤니티 반발 가능성을 줄입니다.

제한 사항 및 향후 연구

• 단순화된 가격 프로세스: 모델은 가격 변동에 기하학적 브라운 운동을 가정합니다; 극단적인 사건(플래시 크래시, 오라클 지연)은 이 가정을 위반할 수 있습니다.
• 단일‑자산 풀: 분석은 두‑토큰 상수‑곱 풀에 초점을 맞추며, 다중‑자산 또는 가중‑풀 설계(예: Balancer)로 확장하는 것은 향후 연구 과제로 남겨둡니다.
• 가스 비용 무시: 수익성 경계는 차익거래 실행을 비용‑무료로 간주합니다; 실제 가스 동태를 포함하면 수수료 임계값이 변할 수 있습니다.
• 정적 유동성 가정: 프레임워크는 블록 내에서 LP 준비금이 일정하다고 가정하지만, 실제로는 LP가 지속적으로 유동성을 추가·제거하여 불변량에 영향을 줄 수 있습니다.

향후 연구에서는 실시간 가스 가격 모델을 통합하고, 실 서비스에서 적응형 수수료 알고리즘을 탐색하며, 스테이블‑스와프 곡선 및 집중 유동성(Uniswap V3)과 같이 가격 영향이 비선형인 경우에 대한 분석을 확대할 수 있습니다.

저자

• Ignat Melnikov
• Roman Vlasov
• Vladimir Gorgadze
• Andrey Seoev
• Yury Yanovich

논문 정보

• arXiv ID: 2604.28014v1
• Categories: cs.DC, cs.CE
• Published: 2026년 4월 30일
• PDF: PDF 다운로드