论文链接（核心参考）：https://arxiv.org/abs/2305.14604
这篇文献的主线非常清晰：它不是推翻 LVR，而是把无摩擦、连续时间的理想模型，修正为更贴近链上现实的“带手续费 + 离散出块”模型，并给出可计算、可解释的套利利润表达。
1) 核心矛盾：LP 与套利者的结构性对手盘
在 AMM 机制中，LP 与套利者是零和博弈关系：
- 套利者持续观察外部市场价格，拥有信息与执行优势。
- LP 被动承接交易，AMM 内部价格会在外部价格变动后出现“滞后”。
- 这部分可被套利者提取的价值，对应 LP 的结构性损失，即 LVR（Loss-Versus-Rebalancing）。
因此，问题不是“会不会发生逆向选择”，而是“在现实摩擦下，这部分损失如何被分配、缩放、转移”。
2) 为什么原始连续时间模型会失真
早期理想模型通常假设：无手续费、连续时间。引入手续费后会出现“无交易区间（no-trade zone）”：
- 若监控与交易都连续，价格一触边就会被瞬时修复。
- 结果是理论上可套利机会趋近消失，利润被压到极低。
这与链上现实并不一致。现实中之所以仍有大量套利，不是因为数学错了，而是因为“连续时间”这一建模前提与区块链执行机制不匹配。
3) 关键修正：用泊松出块替代连续撮合
作者引入参数为 $\lambda$ 的泊松过程来建模出块：
- 平均区块间隔为 $\Delta t = \lambda^{-1}$。
- 在区块间隔内，套利者无法链上执行，外部价格继续随机游走。
- 价差会在“等待窗口”内积累，下一次出块时可能一次性越过手续费阈值。
这一步是全文最关键的现实重构：离散时间盲区让手续费不再“绝对封死”套利。
4) 结果降维：ARB 约等于 LVR 乘交易触发概率
论文核心直觉可写成：
$$ \text{ARB} \approx \text{LVR} \times p_{\text{trade}} $$其中：
- $\text{LVR}$：无摩擦理想框架下的结构性损失基准；
- $p_{\text{trade}}$：跨过手续费壁垒、在出块时触发套利的概率。
当手续费较小、快速出块极限下，作者给出简洁近似：
$$ p_{\text{trade}} \approx \frac{1}{1+\sqrt{2\lambda}\gamma/\sigma} $$它把三股力量放到一个指标里：
- $\gamma$ 越高，壁垒越高，$p_{\text{trade}}$ 越小；
- $\sigma$ 越高，盲区内波动越大，$p_{\text{trade}}$ 越大；
- $\lambda$ 越大（出块越快），单次盲区更短，$p_{\text{trade}}$ 越小。
5) “守恒”视角：ARB 与 FEE 如何分掉同一块蛋糕
在快速出块渐近下，论文给出一个极具解释力的关系：
$$ \text{ARB} + \text{FEE} \approx \text{LVR} $$含义是：手续费并不会让结构性损失凭空消失，而是改变“损失去向”：
- 一部分以套利利润形式流向套利者；
- 另一部分以手续费形式回流给 LP（或池子）。
这可理解为“总损失近似守恒，分配比例由摩擦与波动共同决定”。
6) 几何本质：LVR 来自“静态凸性”对“动态价格旋转”的滞后
论文把 CFMM 写成约束曲线 $f(x,y)=L$，并定义价值函数：
$$ V(P)=\min_{(x,y)\in\mathbb{R}_+^2} Px+y \quad \text{s.t.}\quad f(x,y)=L $$这个“最小化”可理解为：套利者会把池子推到在外部价格 $P$ 下最不利于池子的状态点。由凸分析可得 $V’’(P)\le 0$（凹性），对应 AMM 的负凸性暴露。
直觉上，外部价格不断变化，最优切点不断移动；池子受手续费与离散出块约束无法实时贴合，于是形成几何积分误差，这就是 LVR 的根。
7) 动力学视角：错定价的“扩散 + 跳跃修正”
定义对数错定价：
$$ z_t \triangleq \log\frac{P_t}{\tilde P_t} $$两类演化机制：
- 非出块时段：池内价格不动，$z_t$ 跟随外部市场扩散；
- 出块瞬间：若 $z_t$ 超出区间 $[-\gamma_-,+\gamma_+]$，套利交易把它拉回边界。
写成跳跃修正：
$$ J_i=\operatorname{bound}(z_{\tau_i^-},-\gamma_-,+\gamma_+)-z_{\tau_i^-} $$于是整体是典型马尔可夫跳跃-扩散过程：平时随机游走，出块时离散纠偏。
8) 为什么有时写 $e^{\pm\gamma}$，有时写 $\pm\gamma$
这是“价格域”与“对数域”的同一件事：
- 在价格域比较阈值，用乘法门槛 $P \gtrless \tilde P,e^{\pm\gamma}$；
- 转到对数错定价后，门槛变为加减边界 $z_t \gtrless \pm\gamma$。
二者并不冲突，只是坐标系不同。
9) 工程含义（简版）
- 出块速度、手续费、波动率共同决定 LP 的真实损失暴露；
- 低手续费提升价格贴合度，但通常会提高套利可得性；
- 固定 gas 成本会进一步压缩套利者净利润，但这部分并不自动回到 LP。
10) 第 10-12 页：从路径过程到稳态分布
在对称假设下（无漂移、对称手续费），论文将动态过程降维为稳态密度问题。核心结论是：错定价 $z_t$ 的稳态分布可写成“三段式”结构：
- 区间内 $[-\gamma,+\gamma]$ 为常数密度（均匀段）；
- 两侧尾部为指数衰减（越远离边界，概率越低）；
- 三段通过边界连续性与归一化条件拼接。
因此，原本复杂的“扩散 + 区块时点纠偏”路径，被压缩为一张静态概率图，后续所有经济量都可以对这个稳态分布取期望得到。
11) 第 10-12 页的核心参数：$P_{trade}$
由稳态质量分解可得：
$$ P_{trade} \triangleq \pi_+ + \pi_- = \frac{1}{1+\sqrt{2\lambda}\gamma/\sigma} $$这一项的价值在于“机制无关的降维”：
- 它不直接依赖具体 AMM 曲线形式；
- 它只刻画“出块频率、波动率、手续费”三者张力；
- 它直接决定“有多少区块会触发套利”。
直观上：
- $\gamma$ 增大，越界更难，$P_{trade}$ 下降；
- $\sigma$ 增大，盲区波动更强，$P_{trade}$ 上升；
- $\lambda$ 增大（更快出块），单次可积累偏差更小，$P_{trade}$ 下降。
12) Fokker-Planck 视角：为什么能解出闭式稳态
在对称情形下，$z_t$ 的稳态前向方程可理解为：
- 区间内纯扩散；
- 区间外“扩散 + 以速率 $\lambda$ 的湮灭项”；
- 边界处有对应的点源注入（由纠偏跳跃带回）。
分段求解后：
- 内区解是常数；
- 外区解是可积指数尾；
- 通过边界连续性（密度 $C^0$）与总概率归一化即可锁定各段权重，得到上式中的 $P_{trade}$ 与 $\pi_0$。
这一步的意义是：把“随机路径模拟”转化为“解析概率结构”，使后续利润率计算可直接积分完成。
13) Corollary 1：错定价波动下界为何不为零
论文给出稳态标准差的闭式表达（由区间内均匀段与区间外指数段的二阶矩加权构成）。其极限性质是：
$$ \sigma_z=\frac{\gamma}{\sqrt{3}}+O(\lambda^{-1/2}),\quad \lambda\to\infty $$含义是：即使出块极快，错定价波动也不会消失到 0，而会收敛到手续费决定的噪声底。这不是“市场无效”，而是交易摩擦在机制层面引入的可计算误差带。
14) 第 13-15 页：从概率结构到经济账本
论文接着定义单笔套利利润函数 $A(P,z)$ 与单笔手续费函数 $F(P,z)$，并对区间 $[0,T]$ 内所有触发交易求和，得到 $\text{ARB}_T,\text{FEE}_T$。
随后取瞬时极限：
$$ \overline{\text{ARB}} \triangleq \lim_{T\to 0}\frac{\mathbb{E}[\text{ARB}_T]}{T},\qquad \overline{\text{FEE}} \triangleq \lim_{T\to 0}\frac{\mathbb{E}[\text{FEE}_T]}{T} $$其结构都可写成三部分乘积：
- 出块频率（系统刷新速率）；
- 触发概率 $P_{trade}$（有多少次刷新可交易）；
- 条件期望收益（一次触发时的平均利润/手续费）。
这使“概率结果”与“现金流速率”一一对应。
15) Corollary 2：恒定乘积 AMM 的统一收敛
在恒定乘积做市商（如 Uniswap V2 形态）下，论文将上面的积分化为显式表达，并与无摩擦基准 $\overline{\text{LVR}}$ 对比。于快出块、低费率极限，得到统一结论：
$$ \overline{\text{ARB}} \approx \overline{\text{LVR}} \times P_{trade} $$至此，逻辑闭环：
- LVR 给出“可被抽取的结构性总量”；
- $P_{trade}$ 给出现实摩擦下“可触发比例”；
- ARB 与 FEE 则是该比例在套利者与 LP 之间的再分配结果。
16) 第 15-17 页：极限界的财富守恒定律
将系统推向快速出块极限（$\lambda\to\infty$）后，论文给出了一组更“结构化”的结论：具体路径细节被压缩，系统的利益分配由少数宏观参数决定。
在技术上，Theorem 3 的正则条件可理解为“积分可控性约束”：保证高频极限下利润积分不发散。其后得到的 ARB 渐近式可拆为三层：
- 外部波动强度（由 $\sigma$ 主导）；
- AMM 在边界处的局部几何/流动性响应（$Pe^{\pm\gamma}$ 附近）；
- 触发概率 $P_{trade}$（摩擦过滤器）。
这一定义方式把“市场冲击—机制几何—触发概率”三者明确分离，便于做参数敏感度分析与工程校准。
17) 敏感度矩阵：$\sigma^3,\ \sqrt{\Delta t},\ \gamma^{-1}$
在高波动、低手续费、快出块渐近区间，结合
$$ P_{trade}\approx \eta^{-1}\approx \frac{\sigma\sqrt{\lambda^{-1}/2}}{\gamma} $$与
$$ \text{ARB}\approx \text{LVR}\times P_{trade}, $$可得到常见缩放关系：
$$ \text{ARB}\propto \sigma^3\cdot \sqrt{\lambda^{-1}}\cdot \gamma^{-1}. $$解读上有三点：
- $\sigma^3$：波动率通过“LVR 基准 + 触发概率”双通道叠加，呈强非线性放大；
- $\sqrt{\lambda^{-1}}$：仅靠缩短出块间隔来压损，边际收益受平方根律约束；
- $\gamma^{-1}$：手续费是直接抑制触发概率的杠杆，但会与交易活跃度形成权衡。
18) 第 18-20 页：引入固定 Gas 成本后的双重边界
加入固定成本（Gas）后，模型由单阈值变成“双阈值”机制：
- 触发阈值抬升到 $\bar\gamma$（需覆盖比例费 + 固定费才值得出手）；
- 一旦触发，交易会把状态推回比例费边界 $\gamma$ 附近（榨干可得边际利润）。
对应稳态分布会出现“平台 + 斜坡 + 尾部”的分段形态：中段更宽、触发更稀疏、单次纠偏幅度更深。这不是口径变化，而是固定成本将交易从“高频小修正”改写为“低频大修正”的直接后果。
19) 第 21-22 页：三方分配的闭环公式
在小 $\delta$ 与快速出块极限下，论文给出 GAS、ARB、FEE 的近似分解，可归纳为：
$$ \text{ARB}+\text{FEE}+\overline{\text{GAS}}\approx \text{LVR}. $$这一步把“谁拿走了 LVR”写成可计算分账：
- ARB：与触发概率和链上时钟相关；
- GAS：由固定成本通道抽取，体现为对系统损失的再分配；
- FEE：LP 截留回收项，取决于剩余份额。
因此，机制设计的核心不是“消灭 LVR”，而是“控制分配路径与分配比例”。
20) 第 23-26 页：现实收网与 LP 盈亏恒等式
论文最后把理论连接到 LP 商业可持续性。对 LP 总收益做分解并在对冲框架下剥离方向性风险后，关键恒等式可写为：
$$ \mathbb{E}[\mathrm{delta\text{-}hedged\ LP\ PnL}] = \mathbb{E}[\mathrm{NT\_FEE}] - \mathbb{E}[\mathrm{ARB}]. $$含义非常直接：
- LP 的“超额来源”主要来自噪音流量手续费；
- LP 的“结构性漏损”主要来自信息优势交易（含其竞争成本传导）；
- 手续费定价问题实质是“留住噪音流量”与“抑制套利漏损”的最优化平衡。
这也是论文在机制层面最现实的结论：AMM 不消除信息不对称，它把信息不对称转化为可计量、可分配、可优化的现金流结构。
最终收束：从 LVR、稳态分布、$P_{trade}$ 到 ARB/FEE/GAS 与 LP 对冲后 PnL，这篇论文给出的是一套完整的“损失生成—触发过滤—链上分账”统一框架。对协议设计者而言，真正可调的是分配结构与参数区间，而不是“让结构性损失凭空消失”。