Valor Máximo Extraíble en Ethereum: Una Visión General
Una breve mirada al impacto del MEV en Ethereum y DeFi.
― 7 minilectura
Tabla de contenidos
- El panorama de MEV antes de la fusión de Ethereum
- Desafíos en la medición del MEV
- La importancia de un conjunto de datos completo
- Identificando actividades de MEV
- El auge de las arquitecturas de transacciones privadas
- El impacto del back-running
- Evaluando estrategias de extracción de MEV
- El papel de las DApps en las actividades de MEV
- Entendiendo la distribución de ingresos
- Direcciones futuras y conclusiones
- Fuente original
- Enlaces de referencia
El Valor Máximo Extraíble (MEV) es un concepto importante en el mundo de la blockchain, especialmente en Ethereum. Se refiere al valor extra que se puede extraer de la producción de bloques más allá de las recompensas y tarifas estándar. Esencialmente, es la ganancia que los productores de bloques pueden hacer al elegir el orden de las transacciones en un bloque.
Ethereum es una blockchain que permite que los contratos inteligentes trabajen juntos, lo que lleva a un sistema financiero conocido como Finanzas Descentralizadas (DeFi). Las aplicaciones de DeFi han crecido rápidamente, atrayendo a más usuarios y transacciones. Una forma de maximizar ganancias dentro de este sistema es a través del MEV, donde los productores o validadores pueden reordenar transacciones para obtener una ventaja financiera.
El panorama de MEV antes de la fusión de Ethereum
Antes de la actualización importante conocida como "La Fusión" en septiembre de 2022, se extrajeron alrededor de $675 millones en MEV en Ethereum. Durante este tiempo, los usuarios se estaban involucrando más en el comercio y la inversión en DeFi. Surgieron varias técnicas para extraer MEV, incluyendo arbitraje, liquidación y ataques de sándwich.
El arbitraje implica explotar diferencias de precios entre diferentes aplicaciones. La liquidación es cuando una posición se cierra forzosamente cuando un trader no puede cumplir con los requisitos de margen. Los ataques de sándwich implican colocar una transacción antes y otra después de una transacción objetivo para aprovechar los cambios de precio.
Desafíos en la medición del MEV
A pesar de su creciente importancia, medir el MEV ha enfrentado varios desafíos:
Alcance limitado: Muchos estudios existentes solo se centran en algunas aplicaciones de DeFi, lo que lleva a mediciones incompletas del ecosistema MEV.
Métodos heurísticos: Los métodos actuales a menudo dependen de patrones fijos para identificar transacciones, lo que puede resultar en conclusiones incorrectas.
Información desactualizada: La rápida evolución de las características en Ethereum significa que las ideas de estudios anteriores pueden ya no ser precisas.
Para abordar estos problemas, los investigadores están explorando nuevas maneras de analizar y medir el MEV, con la intención de ofrecer ideas más confiables sobre el ecosistema de Ethereum.
La importancia de un conjunto de datos completo
Para entender mejor el MEV, es esencial tener un conjunto de datos diverso que incluya varios tipos de transacciones. Esto significa ver no solo transacciones regulares sino también las privadas y aquellas que siguen la nueva estructura de Separación de Propuestas y Constructores (PBS) introducida después de La Fusión.
Al recopilar datos de múltiples fuentes, los investigadores buscan crear una imagen más completa de cómo funciona el MEV en diferentes aplicaciones de DeFi. Esto implica analizar millones de transacciones para identificar patrones y tendencias.
Identificando actividades de MEV
Para medir con precisión el MEV, los investigadores han estado desarrollando nuevos algoritmos diseñados para detectar actividades específicas de MEV como arbitraje y ataques de sándwich de manera más efectiva. Estos algoritmos evalúan las transacciones en base a un conjunto de reglas establecidas y buscan potenciales ganancias.
Por ejemplo, mientras que los enfoques tradicionales pueden pasar por alto transacciones complejas, los nuevos métodos se enfocan en el flujo real de tokens entre diferentes cuentas para identificar cuándo y cómo se está generando beneficio.
El auge de las arquitecturas de transacciones privadas
La introducción de arquitecturas de transacciones privadas, como Flashbots, ha cambiado la forma en que se extrae el MEV. A diferencia de las piscinas de transacciones públicas donde todas las transacciones pendientes son visibles, las piscinas privadas permiten a los usuarios enviar transacciones directamente a los mineros. Esto ofrece una ventaja al evitar que otros copien o compitan por las mismas oportunidades de MEV.
Desde la introducción de Flashbots, el volumen de transacciones en piscinas privadas ha aumentado significativamente. Los datos muestran un cambio notable en las actividades de MEV de transacciones públicas a privadas. Como resultado, la extracción de MEV ha sido más desafiante para aquellos que dependen de mempools públicos.
El impacto del back-running
Uno de los desarrollos clave en el panorama de MEV es el auge del back-running. Esta estrategia implica colocar una transacción después de una transacción objetivo para beneficiarse del movimiento de precios causado por la transacción objetivo. Con la introducción de arquitecturas de transacciones privadas, la estrategia de back-running se ha vuelto más popular debido a los riesgos más bajos y la mayor rentabilidad.
El back-running ofrece a los buscadores de MEV una nueva forma de capturar beneficios, a menudo con menos competencia en comparación con el front-running. Los nuevos métodos han revelado un aumento significativo en los Arbitrajes de back-running, enfatizando su importancia en el actual ecosistema de MEV.
Evaluando estrategias de extracción de MEV
Para medir la efectividad de varias estrategias de extracción de MEV, los investigadores han estado examinando tasas de éxito y márgenes de ganancia. Los resultados muestran que, aunque las transacciones privadas tienden a tener tasas de éxito más bajas debido a la mayor competencia, también ofrecen el potencial de mayores ganancias.
Por ejemplo, los arbitrajes de front-running pueden no siempre generar ganancias significativas debido a los riesgos involucrados, mientras que el back-running ofrece un enfoque más seguro y a menudo más rentable. Entender estas diferencias ayuda a informar estrategias futuras para los buscadores de MEV.
El papel de las DApps en las actividades de MEV
Las aplicaciones descentralizadas (DApps) juegan un papel crucial en el ecosistema de MEV. Algunas DApps son más comúnmente atacadas por actividades de MEV que otras debido a sus volúmenes de transacción. Uniswap V2 ha demostrado un alto porcentaje de acciones de intercambio originadas de arbitrajes y ataques de sándwich, convirtiéndose en un punto focal para la extracción de MEV.
Al analizar las principales DApps involucradas en actividades de MEV, los investigadores pueden identificar qué plataformas ofrecen más oportunidades para obtener ganancias. Esta información puede guiar a los traders y buscadores de MEV en sus estrategias.
Entendiendo la distribución de ingresos
Examinar cómo se distribuyen las ganancias del MEV también es esencial. La introducción de arquitecturas de transacciones privadas ha cambiado cómo se comparte el ingreso entre productores de bloques, buscadores de MEV y usuarios. Aunque las transacciones privadas han facilitado a los buscadores de MEV obtener beneficios, la competencia también significa que el ingreso potencial para los buscadores individuales puede disminuir.
La investigación indica que, a pesar del aumento en las transacciones privadas, la parte real de los ingresos devueltos a los usuarios sigue siendo baja. Esto sugiere que, aunque las arquitecturas privadas pueden facilitar la extracción de MEV, no necesariamente conducen a distribuciones más justas de las ganancias.
Direcciones futuras y conclusiones
En resumen, el análisis del MEV en Ethereum es un campo en evolución y continuo. La introducción de nuevas tecnologías y arquitecturas de transacciones está reshaping constantemente cómo se extrae y distribuye el MEV. Al desarrollar mejores métodos de medición y análisis, los investigadores buscan arrojar luz sobre las complejidades del ecosistema MEV.
Una comprensión más profunda del MEV beneficiará no solo a los investigadores, sino también a los participantes en el espacio DeFi, desde traders hasta desarrolladores. Las ideas obtenidas pueden ayudar a guiar estrategias e informar prácticas para navegar los desafíos presentados por el MEV.
A medida que el paisaje DeFi sigue creciendo, mantener la transparencia y la equidad será crucial para su éxito a largo plazo. La exploración continua y la comprensión del MEV jugarán un papel significativo en dar forma al futuro de las finanzas descentralizadas.
Título: Remeasuring the Arbitrage and Sandwich Attacks of Maximal Extractable Value in Ethereum
Resumen: Maximal Extractable Value (MEV) drives the prosperity of the blockchain ecosystem. By strategically including, excluding, or reordering transactions within blocks, block producers can extract additional value, which in turn incentivizes them to keep the decentralization of the whole blockchain platform. Before September 2022, around $675M was extracted in terms of MEV in Ethereum. Despite its importance, current work on identifying MEV activities suffers from two limitations. On the one hand, current methods heavily rely on clumsy heuristic rule-based patterns, leading to numerous false negatives or positives. On the other hand, the observations and conclusions are drawn from the early stage of Ethereum, which cannot be used as effective guiding principles after The Merge. To address these challenges, in this work, we innovatively proposed a profitability identification algorithm. Based on this, we designed two robust algorithms to identify MEV activities on our collected largest-ever dataset. Based on the identified results, we have characterized the overall landscape of the Ethereum MEV ecosystem, the impact the private transaction architectures bring in, and the adoption of back-running mechanisms. Our research sheds light on future MEV-related work.
Autores: Tianyang Chi, Ningyu He, Xiaohui Hu, Haoyu Wang
Última actualización: 2024-10-10 00:00:00
Idioma: English
Fuente URL: https://arxiv.org/abs/2405.17944
Fuente PDF: https://arxiv.org/pdf/2405.17944
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.