放大无常损失

　　Uni V3 实际上是放大了LP 的无常损失：V3可以通过虚拟曲线放大LP的资金量，这同样也会导致某端资产被以更低均价完全成交（失去传统恒定乘积曲线指数递增的保护）。举一个粗糙的例子来讲，在V2 上放入1 ETH 和2500 USDT，如果汇率上涨50%，无常损失会是6250 美元的2.02%（126.25美元）；在 V3上可以放大 4.16倍的区间内放入 1ETH 和 2500USDT，上涨 50%将直接导致 ETH被清空，最后只剩下大概5561 USDT（ETH成交均价sqrt(3750)*sqrt(2500)=3061），无常损失为689 美元，即损失幅度与「50/50 hold」比为11%（无常损失幅度），与「Uniswap V2」比为9%，十分明显，相信大多数LP 都不可接受（计算参照工具【4】）。

　　因此相对于重置的成本问题，似乎风险问题更为突出，且不可根除，警示做市商LP：

　　（1）及时监控，迅速调整，避免某端资产清零；

　　（2）宽区间优于窄区间；

　　（3）大资金宽区间，小资金窄区间。

　　从上图工具模拟来看，一般程度的手续费年化收益率也很难弥补无常损失幅度。LP在对抗波动率的同时，不要忽略均值回归的重要性，切勿领自己某一端清零且无法回归。

　　有文章【5】从链上数据分析的角度也证实了V3 上套利活动极为活跃——

　　“如下表所示，自成立以来，最大的机器人占Uniswap V3 总交易量的15.5%！自V3 推出以来，仅这个地址就产生了30 亿美元的交易量。此外，排名前5 的套利机器人约占总交易量的22%，远大于V2 的水平，在同一时期，前5 名套利者约占总交易量的11.2%”

　　放大了的无常损失应该会成为LP们“逐鹿中原”的最大绊脚石之一。相比于波动率的飘忽不定，最多影响的是收益的最大化程度，而在追求「窄区间、中心对称」核心策略的同时难以与「均值回归」达成相辅相成。偏移中心便意味着IL 发生，越过“格栅”便意味着IL 敲定且不可逆。LP在选择价格区间时不能一位盯着收益率，而是应该尽可能围绕「汇率的均值回归」设置风险参数，在这个大的基础设定下，再不断细化策略，追求短时的收益最大化。

　　理论上虽然 LP会不断跟随当前汇率变化而迁移自己的仓位，但这并不会成为所有LP都采取的行为，取决于各自对收益的认知，因此套利者依然会攫夺大量低成本的资产，也就是造成了无常损失。更为有趣的是，这些套利者在攫夺大量低成本的资产后，竟然也可以立马成为下一个区间的LP（单边做市），如果该资产可以继续上涨的话，这部分资产又回以更高的汇率转化为另一端，形成套利者的系统内自我完成。

　　如果作一个形象的比喻：一个优秀的指挥家应该勾勒出短、中、长期全方位的兵力部署。首先是在长期战略上，以不变应万变，确保主力兵力不会被无常损失、极端行情等消磨殆尽；不论是借助哪种量化预测模型，如果能够窥探出短期波动，将之视为一场独立的战斗，迅速集结“团”以下单位的兵力集中打点，即便损失发生，其日后也存在“修整生息”的余地。指挥官可以将大兵团分成众多的梯度游击队，在BTC 为40000、50000、60000、100000美元时分别重兵投入一个纵队，即便某股深受无常损失困扰，但整体上也实现了“无限网格”的战略部署。 (责任编辑：admin)