Metriche per monitorare la stabilità delle stablecoin nel StableSwap di Curve
Quest'articolo descrive le metriche che identificano potenziali depeg delle stablecoin nel mercato.
― 6 leggere min
Nel nostro lavoro, abbiamo creato diverse metriche per aiutare a individuare quando le stablecoin potrebbero perdere il loro peg in un pool di trading specifico chiamato StableSwap di Curve. Ogni metrica fornisce un’idea sui comportamenti di mercato che potrebbero segnalare cambiamenti di prezzo per questi token. L'obiettivo principale è cogliere i cambiamenti nel funzionamento del mercato prima che si verifichino modifiche significative nei valori dei token.
Riepilogo delle Metriche
Per rilevare potenziali depeg, abbiamo studiato varie metriche. Ecco una breve descrizione di ciascuna:
Coefficiente di Gini e Entropia di Shannon: Queste metriche guardano a quanto sono bilanciati i token all'interno di un pool.
Flussi di Scambio Netti: Questo traccia quanto di un token specifico viene scambiato dentro o fuori dal pool.
Flussi LP Netti: Questo misura quanto di un token viene depositato o ritirato dal pool da parte dei fornitori di liquidità.
Volatilità dei Prezzi: Questo osserva i cambiamenti nei prezzi dei token nel tempo.
Probabilità di Trading Informato (PIN): Questa metrica indica quanto è probabile che stia avvenendo un trading informato nel mercato.
Markouts: Questo è un modo per misurare quanto è redditizio un trade poco dopo che accade.
Shark Trades: Questa classifica alcuni trader in base alle loro performance passate nel mercato.
Coefficiente di Gini e Entropia di Shannon
Per prima cosa, esploriamo due metriche focalizzate sul bilanciamento dei token all'interno di un pool. Cambiamenti rapidi nella distribuzione di questi token potrebbero indicare che ci sono nuove informazioni che li influenzano. Per esempio, se i trader che sanno di un potenziale depeg iniziano a vendere un token, potrebbe portare a una rapida o lenta caduta del suo valore.
Il Coefficiente di Gini ci aiuta a comprendere le disuguaglianze nella distribuzione dei token, mentre l'Entropia di Shannon fornisce un’idea del livello di incertezza nel pool. Troviamo che l'Entropia di Shannon è particolarmente utile per segnalare quando potrebbe avvenire un depeg. Sia le metriche Gini che Entropia vengono utilizzate per osservare i cambiamenti nel bilanciamento del pool, che possono suggerire futuri cambiamenti di prezzo.
Flussi di Scambio Netti
Quando i trade avvengono all'interno di un Automated Market Maker (AMM), possono modificare i prezzi relativi dei token. Questo crea opportunità per i trader di acquistare token a un prezzo più basso e venderli a un prezzo più alto altrove. Nel tempo, ci si aspetta che la quantità totale scambiata dentro o fuori si bilanci se i prezzi rimangono stabili.
Tuttavia, se i trader iniziano a vendere un token a un prezzo inferiore al suo peg, probabilmente vedremo flussi di scambio netti non pari a zero, il che potrebbe prevedere un cambiamento di prezzo. Monitorando da vicino questi flussi, speriamo di cogliere segnali di un potenziale depeg prima che diventi evidente per tutti gli altri nel mercato.
Flussi di Deposito e Prelievo Netti
Oltre a monitorare i flussi di scambio, osserviamo anche i depositi e i prelievi netti nel pool. Questo ci aiuta a capire come stanno reagendo i fornitori di liquidità. Un cambiamento improvviso in questi flussi potrebbe segnalare che questi fornitori prevedono rischi crescenti, come un token che perde il suo peg.
Tracciando questa metrica, altri fornitori di liquidità possono prendere spunti dai primi movimenti che potrebbero avere più informazioni sui cambiamenti in arrivo.
Volatilità dei Prezzi
La volatilità dei prezzi può essere un buon indicatore di potenziali problemi. Invece di concentrarci sul prezzo effettivo di un token, osserviamo la volatilità del prezzo nel tempo. Cambiamenti improvvisi nella volatilità potrebbero arrivare prima che il prezzo di un token scenda.
Probabilità di Trading Informato (PIN)
PIN è una misura dello squilibrio informativo in un mercato. Se ci sono più ordini di acquisto che di vendita, è probabile che ci siano buone notizie sui token. Un picco nel PIN potrebbe indicare una maggiore possibilità di acquisti o vendite informate, il che pensiamo possa fungere da segnale di avvertimento per potenziali depeg.
Markouts a Breve Termine
I markouts misurano il successo delle transazioni confrontando il prezzo a cui un token è acquistato o venduto con il suo prezzo successivo. Questa metrica può aiutare a identificare quali trader sono più informati, poiché quelli con markouts costantemente positivi prevedono spesso meglio i movimenti di prezzo.
Possiamo utilizzare i markouts per valutare i trade effettuati nei pool di Curve e identificare trader che hanno risposto con successo a precedenti depeg. Si prevede che man mano che un depeg si avvicina, i trader informati faranno trade più grandi contro il token che si sta depeggendo, portando a cambiamenti evidenti nei markouts.
Identificare Trader Informati: Shark Trades
Ci riferiamo ai trader con le migliori performance come "shark". Questi trader sono identificati in base alla loro performance marcata nel trading, in particolare durante momenti cruciali. Concentrandoci sulle azioni di questi shark, possiamo affinare le nostre metriche per individuare meglio i potenziali depeg.
Monitorare le azioni di questi shark ci aiuta a filtrare il rumore del mercato e potrebbe fornire segnali più chiari di cambiamenti imminenti nella valutazione dei token.
Sfide nel Misurare le Performance degli Shark
Sebbene utilizzare gli shark per comprendere meglio i movimenti del mercato sia promettente, sorgono diverse sfide. I markouts possono cambiare in base all'intervallo temporale considerato, il che significa che un trader potrebbe essere classificato in modo diverso a seconda del periodo di riferimento.
Inoltre, tracciare gli shark attraverso indirizzi Ethereum unici può essere problematico. Se uno shark inizia a utilizzare un nuovo indirizzo, potremmo perdere la sua performance di trading. Infine, i markouts non tengono conto dei trade effettuati su altre piattaforme, rendendoli meno affidabili come misure complessive del profitto.
Riepilogo dei Risultati
Attraverso le nostre metriche, cerchiamo di individuare cambiamenti nel comportamento del mercato che potrebbero indicare problemi di stabilità con certe stablecoin. Monitorando i flussi di scambio netti, l'attività di deposito e prelievo, la volatilità dei prezzi e la performance dei trader informati, riusciamo a costruire un quadro più chiaro di cosa potrebbe succedere dopo.
Tenendo d'occhio questi indicatori, puntiamo a migliorare la comprensione dei potenziali depeg e aiutare i fornitori di liquidità a prendere decisioni informate. Ogni metrica fornisce spunti diversi e, combinate, creano uno strumento completo per analizzare la stabilità del mercato nei pool StableSwap di Curve.
In conclusione, gli strumenti e i metodi che abbiamo sviluppato offrono un modo per monitorare il mercato in modo efficace e potenzialmente prevedere problemi prima che si amplifichino. La nostra ricerca continua a evolversi mentre affiniamo queste metriche, rendendo più facile interagire con questo paesaggio dinamico del trading di stablecoin.
Titolo: Detecting Depegs: Towards Safer Passive Liquidity Provision on Curve Finance
Estratto: We consider a liquidity provider's (LP's) exposure to stablecoin and liquid staking derivative (LSD) depegs on Curve's StableSwap pools. We construct a suite of metrics designed to detect potential asset depegs based on price and trading data. Using our metrics, we fine-tune a Bayesian Online Changepoint Detection (BOCD) algorithm to alert LPs of potential depegs before or as they occur. We train and test our changepoint detection algorithm against Curve LP token prices for 13 StableSwap pools throughout 2022 and 2023, focusing on relevant stablecoin and LSD depegs. We show that our model, trained on 2022 UST data, is able to detect the USDC depeg in March of 2023 at 9pm UTC on March 10th, approximately 5 hours before USDC dips below 99 cents, with few false alarms in the 17 months on which it is tested. Finally, we describe how this research may be used by Curve's liquidity providers, and how it may be extended to dynamically de-risk Curve pools by modifying parameters in anticipation of potential depegs. This research underpins an API developed to alert Curve LPs, in real-time, when their positions might be at risk.
Autori: Thomas N. Cintra, Maxwell P. Holloway
Ultimo aggiornamento: 2023-06-18 00:00:00
Lingua: English
URL di origine: https://arxiv.org/abs/2306.10612
Fonte PDF: https://arxiv.org/pdf/2306.10612
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.
Link di riferimento
- https://twitter.com/curvelpmetrics
- https://github.com/xenophonlabs/curve-lp-metrics/tree/main/figs
- https://github.com/curveresearch/curvesim
- https://gov.curve.fi/t/proposal-to-lower-a-parameter-of-peth-eth-pool-10-6/9008
- https://github.com/xenophonlabs/curve-lp-metrics/tree/main
- https://github.com/curvefi/curve-contract/blob/b0bbf77f8f93c9c5f4e415bce9cd71f0cdee960e/contracts/pool-templates/base/SwapTemplateBase.vy#L513