作者:比原链研究院 Bytom Research

背景介绍

近期,市场迅速由牛转熊,其速度和力度令人震惊,不仅对以BTC为首的加密货币投资市场带来罕见冲击,也对正处少年壮期的DeFi事业带来“成人礼”前猛烈的一击,人们参与的热情、耐心和资金不复从前。即便如此,作为研究人员,我们的职责依然是为大家、为行业去芜存菁,尤其是在当前的大浪淘沙中继续坚守研究本质,让真正有价值的事物得以再次被发现,而这些事物一定还会是下一次崛起的领头羊和中流砥柱。

早在一年前,我们便公开发出“AMM将成为继比特币和以太坊之后第三大区块链发明”的论断,在这一年时间里我们也一直围绕“交易”进行前沿性研究、探索和实践实战,至今我们始终认为“AMM依旧是这一波DeFi洪流带给加密行业最有价值的发明形态”。

尤其是随着深入研究和躬身入局,我们愈发认为AMM能做的事情还会更多、能给加密行业带来的改变还会更大,所谓“内行看门道,外行看热闹”。UniswapV3 的阶段性成功启动更加印证了我们的坚持。基于此,在这波大跌中,我们依旧关注AMM概念板块的项目和发展,危机中潜藏的机遇相信也会不日重现。在这里,我们也为大家和同行呈现一种对AMM未来形态全新的思考,这种方案会融合很多如今知名的项目和模型,也是希望可以戮力同心、彼此互助,一同撑过短暂的阴暗时刻,还是一起抬头向前挺进。

AMM与指数基金

不久前我们发表了对DeFi指数基金的思考和认知——《论再平衡:DeFi实现指数基金的正确方式》【2】,在这篇文章里,我们提出了一种更为复杂的AMM策略控制,我们认为基于AMM实现指数基金的思想是值得一试的,也是如今头部AMM项目很有可能在未来去集成的创新特征,因为AMM和指数基金有着同一本质的存在形态。在这个思路启发下,我们选择了加密货币投资领域被很多大玩家奉为圭臬的“神指数”—— ahr999,并将之结合到AMM基本形态,共同形成一种智能化的自动基金池。

先简单了解一下ahr999指数。如下图,整个区域分成了三个颜色区:抄底区(红线以下)、抛售区(绿横线以上)以及定投区(两者之间)。其中蓝色线是ahr999指数线,其是根据绿色线表示的实际BTC价格经过图中公式计算得来。信奉ahr999的加密货币投资者会时刻关注蓝色线到达的区域,例如在2020 年3 月12日,当天的大跌直接导致ahr999蓝色线从定投区转到抄底区,释放“大量抄底”信号;在随后的一年里,ahr999蓝色线一路上扬,不断冲破抄底区、定投区,直至去年底形成的大牛市,并释放“开始抛售”信号;如今ahr999蓝色线已经开始逼近定投区,告诫投资者此时需要谨慎投资,并不给予强烈的“抄底”或者“抛售”信号。

(图片来自https://www.qkl123.com/)

选择ahr999并不代表我们十分认同或者坚决相信其对投资指导的正确性,只不过在当今的加密行业中,ahr999所形成的独特共识群体和指导依然是比较领先的,因此我们选择将ahr999作为我们践行理论的首选指数参考。在这个指数的指导下,基金经理可以得到直接的指示,在哪里高位套现,在哪里低位抄底,甚至去定投。而选择这种基金的投资者本身也较为认同ahr999的历史正确性。

于是我们再重新回到AMM的视角,AMM本身不就是一种被动跟随市场变换仓位的基金吗,只不过它的策略十分单一且较为“笨拙”——虽然它确实可以在牛市期间直到牛市最高点不断卖出BTC 换成USDT,但随着下跌和熊市开启,这些高位变现的USDT又统统在同一位置变成了BTC,一圈下来基金收益可能为零,所以传统的AMM策略在基金的角度是朴素的,十分依赖普通投资者(在AMM 中叫LP)的择时正确性。

那是否可以将朴素的AMM进化为一种基金形态呢?当然可以。今天我们所提出的设计也正是在认识到传统AMM收益增长的局限性的同时,受到了传统金融市场指数基金经理策略的启示,通过一种比较有验证性的ahr999链上指数来代替传统基金经理人,去自动化指导AMM系统设置智能化的买卖策略和数学模型,而不是全程仅遵循恒定乘积公式的单一控制。

半自动化方案

我们将这种AMM形态称之为「ahr999-AMM智能基金池」。因此本质上这还是一种基于AMM的交易平台,LP可自由加入与退出,可正常享受手续费年化收益,给普通用户的操作体验也与正常AMM产品无异。只不过当LP可以穿越一个牛熊周期,甚至更长周期时,可以发现自己的财富增幅远远大于传统AMM的手续费收益幅度,而在背后默默做出这个贡献的便是基于ahr999指数预言的智能基金策略模型。我们会给出两种方案实现,其中最简单也是最灵活的是半自动方案。

两种方案都依赖一种用来解决无常损失的模型,在我们年初发表的《五大类无常损失解决方案》【3】中有详细提到——动态权重的恒定加权几何平均函数,简称“动态权重方案”,或者可以归为大类“预言机方案”,因为后面我们也会提到可供选择的其他几种模型。简单再回顾一下此种模型解决无常损失的原理。

动态权重模型本质上跟Uniswap的恒定乘积和Balancer的带权重恒定加权几何平均一样,只不过它将如下Balancer公式中权重项w1 和w2变成了实时动态变化,而驱动这一变化的便是引入的价格预言机,预言机将交易对实时市场汇率不断反馈给AMM系统,AMM可以在不变动池子资产数量的情况下通过不断调整w1 和w2,使得AMM 报价公式P可以时刻保持跟市场汇率一致,同理兑换公式也会在新权重的定义下重新提供兑换数量计算。这种预言机驱动权重的方案,避免了池子资产仓位的变动,理想情况下,可以使得资产数量永远保持跟初始化时一致,也就避免了无常损失的引入。从几何直观来看,这种动态权重实则是对普通的恒定乘积曲线围绕一个固定点位(初始化资产仓位)做旋转运动,以使得该点切线斜率(场内汇率)时刻与市场汇率值一致。

该模型最早由Balancer提出,后续Bancor V2对其进行了更为详细的设计和测试,虽然有两大项目方加持,但终究还未走入到实战环境,未获得检验,终究会有“坑”出现。因此,我们也推荐几种替代方案,例如也是归为“预言机”大类的DODO。DODO在解决无常损失时也是通过引入预言机来直接输出系统的报价公式,因此并不需要通过改变资产仓位来变换报价输出,在发生具体用户兑换操作时,它构造了一种混合曲线来做需求曲线,可以理解为一种介于直线公式和恒定乘积公式之间的简单混合函数,如下——

其中k为权重倾向,例如当k=1时,公式将全部倾向恒定乘积公式,当k=0时,将全部倾向直线公式,k在0 和1之间时,为图中深黑色的混合形态,可以通过调整k的大小来调整曲线的曲率,例如k 越趋近0,曲线曲率越小,越适合提供稳定币类的兑换服务。

所以总的来说,虽然DODO的实现本质上是对orderbook模型的再优化,但其也存在AMM兑换的形态。DODO的实战经验也有利于此种模型的推广。再次表示,我们对几种方案仅做客观描述,并不存在任何主观倾向,任何通过预言机来解决无常损失的方案理论上都可以作用到我们今天要谈的ahr999-AMM智能基金池。

之所以对这种无常损失解决方案做很多描述,是因为我们的半自动方案中最核心的数学部分也仅此而已。以动态权重模型为代表的无常损失解决方案本质上是一种“自动控仓”的手段,可以保持仓位基本不变。

进入ahr999-AMM智能基金池的半自动化方案正题,看下图。

我们于 T1 时刻(设想我们回到 2020 年夏天)启动基金池,ahr999 指数预言机告知 AMM 系统此时市场处于“定投区”,不宜采取激烈的仓位变化策略,AMM 系统将以动态权重模型来运行,提供正常的兑换服务,为 LP 捕捉手续费收益,由于采取了这种仓位不变的模型,LP 们也摆脱了无常损失的困扰;

时间进入 T2 时刻(2020 年底牛市启动),ahr999 预言机向系统触发“抛售”信号。此时,人工的量化团队开始介入基金池的仓位管理,充当 ahr999 基金经理角色,需要此时为后市的走势和价格区间作出初步预判,并制定每个区间的仓位变化,最终将后续牛市区间的基金卖出策略向所有 LP 们公开,并严格按照此公开策略执行。举例如下:

初始仓位100 btc上涨至 20000~30000 美元卖出 10 btc上涨至 30000~40000 美元卖出 15 btc上涨至 40000~50000 美元卖出 25 btc上涨至 50000~60000 美元卖出 35 btc......

(1)ahr999预言机向系统传达“市场进入出售期”信号;

(2)量化做市商开始介入,并基于当前市场行情价位以及对未来牛市的预判制定“分阶段卖出btc”的仓位计划(如上表格),并向LP投资者公开以示透明;

(3)随着上涨行情触碰到第一档仓位,量化做市商便自动获得AMM系统拆分出来的部分BTC仓位的支配权,比如在突破20000刀时,系统池向做市商池自动划分10 个btc。量化做市商要求以大于等于20000刀的均价卖出BTC 换取USDT,并将USDT注入系统池;

(4)为了顺利完成量化操作,我们会效仿传统基金的模式,设立【公开基金操作日】,即在市场行情触发调仓档位时,留给量化做市商完成一系列量化操作的时间周期为一个「公开基金操作日」,可以为10 小时或者24小时。在操作日结束时,量化做市商需要能够将换得的USDT重新还回系统池。完成一轮基金操作,并将操作过程向LP公开以示透明;

(5)在量化做市商改变系统池仓位的同时,AMM系统需要能够继续为普通用户提供兑换服务,不可中断。如在「公开基金操作日」开始前,系统池会减少10 个btc,转移给量化池,为了能够无缝提供安全的兑换服务,需要在仓位数量变化的同时立即调整公式的权重,使得AMM公式的报价和兑换不受影响;

同理,当在「公开基金操作日」结束时,量化做市商向系统池返还USDT,在系统仓位变化的同时,也需要立即进行权重的变更,保持系统报价不变。

时间进入 T3(为了模拟一个完整的牛熊周期,我们假设未来的走势跟 2019~2020 基本一致),ahr999 传达“定投”信号,市场进入平静期,可以让动态权重模型一直作用 AMM 系统,保持仓位不变;

时间进入 T4,“抄底”信号出现,系统再次启动「量化调仓+动态权重」组合模型,由量化做市商制定分阶段抄底策略,为 LP 们在市场底部积累大量廉价 BTC,以待新一轮牛市时卖出,具体做法与 T2 期间类似,不再重述。

总结起来,半自动化方案其实十分简单朴素:

在平静的“定投期”,系统退化为采用动态权重模型的 AMM 系统,只为 LP 带来手续费收益,规避无常损失风险;在牛市开启后,由专业的人工量化做市商开始根据公开制定的仓位策略为 LP 们逐步高位套现 BTC,AMM 系统依然在动态权重模型的支配下无间断地为用户提供兑换服务,不受影响;在熊市的底部,量化做市商能够不断购入廉价的 BTC,以待上涨时卖出。如此周期循环,为 LP 们带来远大于手续费的收益增幅。

要注意的点:

(1)在牛市信号出现后,量化做市商能够做出一个合理的区间出售策略,不能过于激进,避免早早清仓BTC,可以根据后续市场的发展,及时变更策略表。所有的制定和变更均需要向LP和社区公开,做到基金操作的透明化;

(2)AMM系统需要能够在「公开基金操作日」前后顺利自动完成仓位划分和调整,并及时做好权重的调整,避免出现兑换服务中断;量化做市商在「公开基金操作日」期间拥有较大的自主权,可以自由决定交易市场以及兑换均价,但所有流程也均需向LP们保持公开透明;

(3)LP可自由加入与退出系统,但在「公开基金操作日」期间不得加入或者退出;

(4)由于量化做市商采取的是“升档即卖”,因此对于那些在牛市顶部才加入的LP们,系统并不会以低于他们加入时的市场汇率的价格卖出资产,避免这部分LP 遭受损失;

(5)从整个模拟来看,LP的财富收益来源于一个牛熊的穿越,因此我们建议任何LP都需要有足够的耐心经历完一整个牛熊周期才能获得财富的数倍收益。

全自动化方案

半自动化方案简单明了,可以根据市场发展态势灵活调整仓位策略,整个系统也不会出现太多安全隐患,但其依赖人工量化做市商的调仓,需要极强的信息和操作透明性,给DeFi系统引入了“人”的因素。那是否存在一种全自动的纯数学驱动的方案来实现ahr999-AMM智能基金池?我们这里也给出一种探索,以供讨论。

动态权重:

Balancer:

T1 时刻启动基金池,与半自动方案一样,AMM 系统由「动态权重模型」驱动;

T2 时刻,ahr999 触发“抛售”信号,AMM 系统公式停止“权重的动态变化”,退化为 Balancer 公式,随着行情上涨,Balancer 公式可以驱动 BTC 仓位不断缩减、USDT 仓位不断增加,达到自动智能卖出 BTC 的效果。

在牛市上涨期,并不是一味的涨而没有跌,例如存在正常性高频率的微小下跌(情况A)、存在一定时间间隔的阶段性回调(情况B)、存在牛市高点转而急下的熊市开始(情况C)。全自动方案的复杂之处在于,需要引入一个能够时刻记录上涨行情出现的每一个最高点和最大回撤的监测机制,并以此判断是否进行公式切换。例如上图中间小方框代表了一次发生在2021 年1月份的大幅度回调,在当时不论这是一次阶段回调还是熊市的转折,如果依旧让Balancer公式作用系统,原本在高位套现的BTC将会被悉数买回,无法为LP们固守住高位财富,背离了基金思想,因此我们需要为系统引入一个「最大回撤检测机制」:价格预言机会将实时市场变化传达给我们的AMM系统,在捕获大于5~10%跌幅行情时,系统一律自动从Balancer公式切换为「动态权重模型」,依托权重的动态调节规避资产数量的再次变动。随后系统将由动态权重模型支配,直到——

(1)如果后市行情印证这是一次阶段性回调,则等待价格重新突破前一个“最高点”时,系统从动态权重模型重新切换回Balancer公式,而此时系统的公式权重以及此时的资产数量恰恰吻合Balancer公式,在随后的新一轮上涨行情中,由Balancer公式继续卖出BTC;

(2)如果后市行情不再出现突破新高,证实本次高点即为牛市最高点,由于系统一直由动态权重模型支配,因此不会在下跌过程中改变系统池仓位,守住高点套现的财富。

T3 时刻(假如未来按照曾经历史走势发生),可以发现在整个的从牛市高点一路下来并进入 ahr999 所预言的“定投区”过程中,动态权重模型始终在支配系统;

直到 T4 时刻,熊市尾声,ahr999 触发“抄底”信号,系统公式便会切换为 Balancer 公式,实施“越跌越买”策略,整个流程与 T2 表示的牛市期操作类似。

整体来看,全自动方案也是本着最简原则进行设计,整个系统运作不超过两个数学公式,唯一引入的一项复杂因子便是可以时刻记录最高点和最大回撤(熊市便对应最低点和最高上涨)的判断机制,来为智能切换做判断依据。

最后我们做一个简单的数据模拟,此处仅模拟了LP从定投区坚持到抛售区的周期流程,对应时间点为2020年下半年至今天(2021年5月),按照前面所描述的方案模型分别计算出到今天该LP可以提取的各资产数量,对比总财富净值,不论从数据还是直观来看,两种方案均在财富净值增加方面领先传统恒定乘积模型。

总结

在我们的设计里没有复杂的数学模型引入,基本上都是在已经存在的项目和模型之上进行重组创新。在最为本质的创新理念上,我们在探索AMM 真正的本质—— 智能基金形态。如火如荼的 UniswapV3【4】从另外一个角度看,不也正是专业的量化做市商们不断预判市场进行仓位调整,力求获得最大化的收益增幅吗。如果一个普通用户看好了某一个做市商策略,他便可以选择加入该阵营,由专业的量化做市商不断进行仓位的变换,消除市场的摩擦和损耗,获得最大的手续费收益和市场被动跟随收益。