یونی‌سواپ: ضرر موقت و پروفایل ریسک ارائه‌دهندگان نقدینگی

فهرست مطالب

• 1. مقدمه
• 2. معماری یونی‌سواپ
  • 2.1 بازارسازی خودکار
  • 2.2 استخرهای نقدینگی
• 3. تحلیل ضرر موقت
  • 3.1 پایه ریاضی
  • 3.2 عوامل ریسک
• 4. نتایج تجربی
• 5. پیاده‌سازی کد
• 6. کاربردهای آینده
• 7. مراجع

1. مقدمه

امور مالی غیرمتمرکز (DeFi) نشان‌دهنده تغییر الگو در خدمات مالی است که واسطه‌ها را از طریق قراردادهای هوشمند حذف می‌کند. یونی‌سواپ که در سال ۲۰۱۸ راه‌اندازی شد، پیشگام بازارسازی خودکار (AMM) در اتریوم بود و کتاب‌های سفارش سنتی را با توابع قیمت‌گذاری قطعی جایگزین کرد. این مقاله پروفایل ریسک ارائه‌دهندگان نقدینگی را بررسی می‌کند و به طور خاص بر ضرر موقت - ضرر تحقق‌نیافته‌ای که هنگام ارائه نقدینگی به AMMها تجربه می‌شود - تمرکز دارد.

2. معماری یونی‌سواپ

2.1 بازارسازی خودکار

یونی‌سواپ از مدل بازارساز با حاصلضرب ثابت استفاده می‌کند که با معادله زیر تعریف می‌شود: $x * y = k$، که در آن x و y نشان‌دهنده ذخایر دو توکن در یک استخر نقدینگی هستند و k حاصلضرب ثابت است. این تابع قطعی، تجارت بدون مجوز و بدون کتاب سفارش را ممکن می‌سازد.

2.2 استخرهای نقدینگی

ارائه‌دهندگان نقدینگی مقادیر برابر دو توکن را در استخرها واریز می‌کنند و ۰.۳٪ کارمزد معاملات را دریافت می‌کنند. برخلاف ارائه نقدینگی نیمه‌بی‌پایان نسخه دوم یونی‌سواپ، نسخه سوم نقدینگی متمرکز با محدوده‌های قیمتی قابل تنظیم را معرفی می‌کند که کارایی سرمایه را بهینه می‌سازد.

3. تحلیل ضرر موقت

3.1 پایه ریاضی

تابع ضرر موقت برای یونی‌سواپ نسخه دوم از فرمول حاصلضرب ثاشت گرفته شده است. برای نسبت تغییر قیمت $r = p_{new}/p_{initial}$، درصد ضرر موقت به صورت زیر داده می‌شود:

$$IL = \frac{2\sqrt{r}}{1 + r} - 1$$

این تابع نشان می‌دهد که حداکثر ضرر در حرکات قیمتی شدید رخ می‌دهد و زمانی که قیمت‌ها ۲ برابر در هر جهت حرکت می‌کنند، به حدود ۲۵٪ می‌رسد.

3.2 عوامل ریسک

عوامل ریسک کلیدی شامل:

• میزان و جهت نوسان
• ساختار کارمزد استخر (استخرهای ۰.۳٪ در مقابل ۱٪)
• همبستگی بین دارایی‌های جفت‌شده
• هزینه گس برای مدیریت موقعیت

4. نتایج تجربی

تحلیل ما از استخرهای تاریخی ETH-USDC نشان می‌دهد که در دوره‌های نوسان بالا (σ > ۸۰٪)، ضرر موقت در ۶۷٪ موارد از کارمزدهای معاملاتی بیشتر بود. نمودار زیر رابطه بین نوسان قیمت و بازده خالص برای ارائه‌دهندگان نقدینگی را نشان می‌دهد:

5. پیاده‌سازی کد

در زیر یک پیاده‌سازی ساده شده پایتون برای محاسبه ضرر موقت آورده شده است:

import math

def calculate_impermanent_loss(price_ratio):
    """
    محاسبه ضرر موقت برای نسبت تغییر قیمت داده شده
    
    Args:
        price_ratio (float): new_price / initial_price
        
    Returns:
        float: درصد ضرر موقت
    """
    sqrt_r = math.sqrt(price_ratio)
    return (2 * sqrt_r) / (1 + price_ratio) - 1

# مثال استفاده
price_change = 2.0  # 100% افزایش قیمت
il_percentage = calculate_impermanent_loss(price_change)
print(f"ضرر موقت: {il_percentage:.2%}")
# خروجی: ضرر موقت: -5.72%
    

6. کاربردهای آینده

توسعه‌های آینده در طراحی AMM شامل:

• ساختارهای کارمزد پویا بر اساس نوسان
• استخرهای نقدینگی بین زنجیره‌ای
• موقعیت‌های LP تعبیه‌شده با اختیار معامله
• استراتژی‌های ارائه نقدینگی مبتنی بر یادگیری ماشین
• ابزارهای DeFi مطابق با مقررات

7. مراجع

1. Adams, H. (2020). Uniswap v2 Core. Ethereum Foundation
2. Angeris, G., & Chitra, T. (2020). Improved Price Oracles: Constant Function Market Makers. ACM
3. Clark, J. (2021). Decentralized Finance: A Systematic Review. Journal of FinTech
4. Zhu, C., & Zhou, Z. (2022). AMM Design and Liquidity Provider Returns. Mathematical Finance
5. Ethereum Foundation. (2023). Smart Contract Security Best Practices