这是一份针对 Milionis 等人的里程碑式论文《Automated Market Making and Loss-Versus-Rebalancing》的总结。
论文原文链接：Automated Market Making and Loss-Versus-Rebalancing
一、 核心观点：范式转移 (From IL to LVR)
在本文之前，学术界和业界习惯使用“无常损失”（Impermanent Loss, IL）来衡量流动性提供者（LP）的风险。然而，作者认为 IL 是一个误导性指标，因为它假设价格最终会回到初始水平，且未考虑时间维度和连续波动。
论文的核心论点： LP 的亏损本质上并非源于价格的暂时偏离，而是源于 AMM 报价机制的被动性所导致的系统性套利流失。作者将其定义并量化为 LVR (Loss-Versus-Rebalancing)。LVR 是 LP 头寸相对于一个在外部市场执行相同仓位调整、且不遭受报价延迟损失的“理想基准”的溢价流失。
二、 论述过程：构建“影子对照组”
为了证明 LVR 的存在并进行量化，作者设计了一个精妙的对照实验：
- 选手 A (CFMM 池子)：完全被动，遵守绑定函数 $f(x, y) = L$。它不具备外部信息，只能等待套利者发现价差后来对齐价格。
- 选手 B (再平衡策略 $R_t$)：这是论文引入的理想基准（Benchmark）。他在外部市场（CEX）操作，且有一个死命令：时刻保持持有的风险资产数量 $x_t$ 与选手 A 完全一致。
- 自融资条件下的价值累积公式为： $$R_t = V_0 + \int_{0}^{t} x^*(P_s) dP_s$$
关键逻辑： 由于选手 B 是主动以外部最公允价格 $P_t$ 进行调仓，而选手 A（池子）总是被迫以落后于市场的“过时价格”被动成交。$R_t - V_t$（B 的价值减去 A 的价值）即为 LVR。 只要价格在波动，B 的表现永远优于 A。
三、 核心公式：数学本质的刻画与严密推导
论文将 AMM 机制转化为一个凸优化问题，并利用随机分析（Stochastic Analysis）给出了 LVR 的显式表达，揭示了其作为二阶小量累积的本质。
1. 池值函数 $V(P)$ 的凸性定义
池子的状态被定义为在给定价格 $P$ 下的价值最小化问题的解：
$$V(P) \triangleq \min_{(x,y) \in \mathbb{R}^2_+} Px + y \quad \text{subject to } f(x,y) = L$$根据包络定理（Envelope Theorem），池子总价值对价格的一阶导数恰好是其风险资产的持有量：
$$V'(P) = x^*(P)$$由于 $V(P)$ 是关于 $P$ 的凹函数（Concave），其二阶导数必然非正：
$$V''(P) = x^{*'}(P) \leq 0$$这在数学上确立了需求曲线的单调非增性质，解释了为什么 LP 总是处于“追涨杀跌”的逆向选择中。
2. LVR 的微观推导 (从几何滑点到伊藤积分)
当外部价格发生微小变动 $dP_t$ 时，池子被迫置换的资产量 $dx_t$ 可以通过链式法则表示为：
$$dx_t = |x^{*'}(P_t)| dP_t$$在这个过程中，理想策略（选手 B）以新市价 $P_t + dP_t$ 成交，而 AMM（选手 A）的平均成交价是两点间的割线斜率，近似为 $P_t + \frac{dP_t}{2}$。这两者的价差导致了单次价格变动下的瞬时现金流失：
$$\text{Instantaneous Loss} = dx_t \times \frac{dP_t}{2} = |x^{*'}(P_t)| \frac{(dP_t)^2}{2}$$假设资产价格服从几何布朗运动（GBM），利用其二次变差（Quadratic Variation）性质 $(dP_t)^2 = \sigma_t^2 P_t^2 dt$，将其代入上述公式，即可得出定理 1 (Theorem 1) 中的 LVR 瞬时速率：
$$\ell(\sigma, P) \triangleq \frac{1}{2} \sigma^2 P^2 |x^{*'}(P)|$$- $\sigma^2$：波动率是 LVR 的第一驱动力。价格跳得越猛，套利空间越大。
- $|x^{*’}(P)|$：边际流动性（曲率）。代表价格动 1 单位，池子被迫置换多少资产。它精确对应期权希腊字母中的 Gamma。
3. 终极形态：方差互换 (Variance Swap)
利用瞬时方差 $d[P]_t = (\sigma_t P_t)^2 dt$，作者将一段时间内累积的 LVR 表达为：
$$\text{LVR}_t = \frac{1}{2} \int_0^t |x^{*'}(P_s)| d[P]_s$$这证明了 LVR 本质上是对已实现方差（Realized Variance）的积分，揭示了做市商实际上是方差互换合约的卖方。
4. Uniswap V2 的特殊解
对于最流行的恒定乘积池（$x \cdot y = k$），其曲率使得公式极大地简化：
$$\frac{\text{LVR}_t}{V_t} = \int_0^t \frac{\sigma_s^2}{8} ds$$这标志着 LP 每天都在系统性地流失掉当前池值的 $\frac{\sigma^2}{8}$。
四、 几何直觉：垂直高度差
在 $x-y$ 坐标系中（X 轴为风险资产 $x$，Y 轴为计价资产 $y$）：
- 价格从 $P$ 变到 $P+dP$ 时，选手 B 沿着切线（公允价）移动到 $B^*$ 点。
- 选手 A（池子）被迫沿着弯曲的恒定乘积曲线移动到 $B$ 点。
- $B^*$ 点与 $B$ 点的垂直高度差，就是那一瞬间产生的 LVR。 因为曲线是严格凸的（Strictly Convex），切线永远在曲线上方。这个垂直高度差直观地代表了池子在调仓过程中相比于市价成交所无偿让渡给套利者的“现金”。
五、 实证分析：对冲后的收益分解
作者利用以太坊 WETH-USDC 的真实数据进行回测，得出了 LP 损益的终极拆解公式：
$$\text{LP P\&L}_t = \underbrace{\int_0^t x^*(P_s) dP_s}_{\text{Market Risk (Delta)}} + \underbrace{\text{FEE}_t - \text{LVR}_t}_{\text{Alpha}}$$- 裸做市：夏普比率为负，风险极大。
- Delta 对冲做市：通过在 CEX 持续做空等量资产（即在现实中复刻并做空选手 B 的仓位），完美消除掉公式中的第一项积分。
实证结果： 对冲后的 LP 风险（标准差）降低了 20-100 倍，收益曲线变得极度平滑。这在真实数据层面证明了 LVR 是 LP 盈亏的决定性物理法则，LP 盈亏本质上是“手续费收益 (Theta)”与“LVR 磨损 (Gamma Bleed)”的赛跑。
六、 结论与意义：DeFi 架构的重塑
论文不仅提出了严谨的度量标准，还为去中心化金融底层架构的演化指明了三条工程改造路径：
- 做市即卖空波动率：LP 头寸在数学上等价于卖空了一篮子欧式期权。
- LVR 是报价陈旧的代价：CFMM 作为被动状态机，永远处于“报价过时”状态。滑点不是机制设计的 bug，而是为了吸引套利者提供外部价格信息而不得不支付的“诱饵”。
底层架构的治理与演化路径：
- 路径一 (高频预言机与衍生品退守)：完全放弃被动的 CFMM 曲线，直接引入外部低延迟预言机（如 Pyth）进行“强行赋值”（即执行价 $= P_{Oracle}$）。这种模式彻底消除了基于曲线曲率的 LVR，但因为物理网络延迟无法彻底清零，极易遭受预言机可提取价值（OEV）和延迟套利攻击。因此，现货 DEX 已基本放弃此路线，转而成为 GMX、Synthetix 等去中心化永续合约（Perps DEX）的底层基石。
- 路径二 (MEV 内部化/套利权拍卖)：不改变底层曲线，但重构提取权限。通过 Uniswap v4 Hooks 或特定应用链共识，将每个区块的“首笔交易对齐权（First-look）”进行公开拍卖（Top-of-block Auction）。协议捕获这笔竞拍费并返还给 LP，用前置的竞拍收入在数学上对冲掉后续流失的 LVR。
- 路径三 (意图驱动/RFQ 询价)：如 UniswapX 或 CoW Swap。直接在前端截断零售流量，通过链下 Solver 网络进行批量拍卖或内部需求巧合（CoW）清算。在订单撞击到底层曲线之前就引入 CEX 级别的实时竞价，从而从根源上帮助散户规避滑点，彻底架空传统被动 LP 的定价权。
最终总结： 本文通过 LVR 理论，将 AMM 从“区块链代码魔法”拉回了经典金融工程的 $Black-Scholes$ 理论框架。它无可辩驳地证明了做 LP 是一场关于瞬时波动率的硬核博弈：你收取的 FEE 是期权保费，你支付的 LVR 是波动率赔付。LVR 是 AMM 架构中为了维持状态去中心化和异步交易，而不得不向市场支付的“热力学熵增”。