DEX 机制对比:订单簿与自动做市商 (AMM)|Injective Learn_INJ:SAITINJA

去中心化交易平台在过去几年中出现并获得蓬勃发展,为长期困扰中心化交易平台的问题提供了解决方案。这些问题包括黑客攻击、缺乏隐私、存款限制、中间商问题和高额费用等。

DEX消除了中间商,并允许用户以非托管方式直接从他们的

钱包

进行交易。然而,DEX在交易执行模型方面也提供了独特的机会。交易平台设计的两个最常用的模型为订单簿模型和自动做市商(AMM)。我们将展现这两种交易执行模型的细节,并解释可能影响交易体验的差别点。

订单簿模型

中央限价订单簿(CLOB)是一种交易执行模型,它根据一组规则匹配买家和卖家。在基于AMM或基于CLOB的交易平台进行交易的主要区别在于交易执行的公平价格形成机制。例如,中心化订单簿依赖于交易者在给定交易对上提交的买卖订单汇总列表。CLOB允许交易者以指定的价格买入或卖出资产。

最高买入价和最低卖出价之间的差额称为价差。流动性高的市场的价差要小得多,因为每个价格水平的供需深度都很好。

加密流动性平台Paradigm正在Starknet上孵化新应用链“Paradex”:金色财经报道,加密货币流动性平台Paradigm(非同名风险投资公司)孵化了一个名为“Paradex”的去中心化永续衍生品 2 层应用链,该项目被描述为混合衍生品交易所,将把Paradigm的流动性与DeFi的透明度和自我托管相结合。根据一份声明,它将作为基于Starknet开发人员堆栈的链运营,并且是 Starnet贡献者StarkWare和Paradigm之间持续六个月合作的成果。 本周早些时候,Starknet推出了应用链框架,促进在其生态系统内创建多个特定于应用程序的区块链。[2023/7/22 15:51:24]

Injective

基于频繁批量拍卖(FBA)模型匹配订单,该模型在离散时间段内接受订单并根据优先级成交订单。据学术报道,FBA的最佳批处理间隔在理论上为0.2到0.9秒之间,这与Injective的区块间隔十分相近,批量拍卖在每个区块的末尾执行。Tendermint基于BFT的

基于Fantom的DEX SpookySwap TVL突破10亿美元:12月25日消息,基于的Fantom的DEX和DeFi Hub SpookySwap发推称,其TVL已突破10亿美元。[2021/12/25 8:03:52]

PoS

共识的即时确定性,与每个区块结束时的FBA执行非常地吻合。

做市商作为流动性提供者

订单簿模型的一个关键特征是它们允许用户提交两种类型的订单:市价订单或限价订单。

市价订单,即当交易者在买入或卖出的瞬间,可以与订单簿上最优报价的买家或卖家匹配。其中,最高出价和最低要价构成了给定资产的最佳市场价。

而在限价订单中,交易者以特定价格买入或卖出。此时订单簿不会立即执行,而是会将订单保留在订单簿中直至成交。中心化限价订单簿依靠做市商(MM)通过在交易双方放置限价订单列表来提供流动性。做市商将获得费用返还以激励其提供流动性,并且该费用的分配通过快照定期进行。通过以更精确的价格水平提交限价订单,做市商可以减少价差大小。因此,交易量越低,价差越大。

多链DEX Dfyn在Polygon主网集成Chainlink喂价:9月5日消息,多链DEX Dfyn宣布在Polygon主网集成Chainlink喂价,首先添加MATIC/USD喂价用于其预测市场结算,未来计划在LUNA、DFYN和ROUTE等更多预测市场集成Chainlink喂价。[2021/9/5 23:01:28]

优点:

订单簿是流动性市场的理想选择;

订单簿仍然是显示市场价格和大单的最佳选择;

订单簿可以降低滑点风险;

订单簿被机构和个人交易者广泛接受。

缺点:

如果最高出价低于最低要价,则无法成交,因此不适合流动性不足的市场;

订单簿通常面临抢先交易的风险,抢险交易是指矿工以某种方式对交易进行排序,以便确定特定交易的优先级,这意味着矿工可以无风险套利。但是,Injective将是第一个利用FBA拍卖模型完全消除抢先交易的交易协议。

Cardax DEX完成150万美元的种子轮融资:据官方消息,计划于Cardano上运行的去中心化交易所Cardax DEX宣布通过首次社区代币销售完成了150万美元的种子轮融资。新资金将支持该初创公司创建平台的目标,该平台计划于2021年9月推出。[2021/7/31 1:25:43]

自动做市商(AMM)模型

流动性是DEX中最突出的问题之一。尽管通证很难高效地交易,但AMM在设计上已大致解决了这个问题。它将充当一个机器人,可在用户希望交易两种资产的任何时候报价。虽然AMM背后的理论在学术博弈论和机制设计圈已经存在很长时间,但它在加密市场中的应用还十分初期。

与指定买卖双方希望交易价格的订单簿不同,AMM交易平台将交易对双方的流动性聚合到一个池子中。AMM池根据确定性算法确定单一资产的市场价格。价格公式通常基于池内当前的流动性,或者换句话说,池中资产的可用性。

AMM不需要做市商,而是严重依赖流动性提供者加入,以扩大流动性池规模,从而确保通证反映公平的价格。

RISnet研究总监胡智威:改造AMM和跨链是DEX两个方向:金色财经现场报道,由金色财经主办的“2021共为·创新大会”4月11日在上海举行,本次大会以“DeFi的创新进阶”为主题。

RISnet研究总监胡智威在圆桌“再进化:2021他们如何\"创\"与\"新\"”上表示,DEX有两个方向:一个是改造AMM模型,另一个是跨链。现在已经有一些项目在提供跨链挖矿。[2021/4/11 20:08:01]

各种AMMDEX使用不同的数学公式为其流动性池报价。我们以

Uniswap

首创的XYK公式为例。在UniswapV1的原始形式中,价格是根据池中两种资产的比率计算的,如下所示:

x*y=k

常数k表示流动性池中的总通证余额,它决定了给定时间的代币价格x和y。我们假设x=

ETH

和y=INJ。用户每次购买ETH时,ETH的价格会随着池中ETH数量的减少而上涨。相反,INJ的价格会随着INJ数量的增加而下降。流动性池通常提供可用于获利的套利机会。

让我们假设1ETH=100INJ在交易时通过一个有10ETH和1000INJ的池进行交易。如果交易者想购买2ETH,他们需要将200INJ换成2ETH,剩下8ETH和1200INJ。ETH的价格现在是150INJ,则会导致流动性提供者的无常损失。

ETH=1200\u002F8=150INJ

套利作为一种很重要的稳定机制,它激励交易者将AMM交易平台的价格更接近其他交易平台的现货价格。扩展上面的例子,套利者可以利用这个漏洞从不同的市场以200INJ的价格购买2ETH,然后在这个流动性池中以300INJ的价格出售它们。这将使1ETH的价格水平回到100INJ。

与CLOB交易平台相比,抢先交易在AMM交易平台更为普遍。最近对Uniswap的审计显示,抢先交易可以通两种攻击进行。

攻击一:推动市场对交易者不利

区块链是完全透明的,这意味着每个人都可以在成功执行之前查看买卖订单。在算法市场中,攻击者可以利用区块链的透明度,通过设置更高的gas费用在另一个交易者之前执行交易,影响区块中交易顺序从而将影响给定交易的结果。这给加密市场带来了巨大挑战,大量的套利机器人利用了这种固有的漏洞。

在ETH\u002FINJ市场中的抢先交易流程如下:

1.Alice想以x价格购买1ETH的INJ,gas价格为y

2.Bob在区块链上查看到这笔交易

3.Bob支付gas价格z,其中z>y并以价格x购买了100INJ

4.Alice的交易通过了,但她此时她的1个ETH只能购买90个INJ

5.Alice的交易导致资产价格上涨

6.Bob卖出100INJ,赚取ETH

攻击二:三明治攻击

在第二种攻击中,恶意用户观察区块链上的交易并使用mint\u002Fburn在大单交易前抢先交易。因此,攻击者从交易x中提取了大量的LP费用,而不会面临在池中提供流动性的固有风险,例如无常损失等。

总而言之,AMM设计有以下利弊:

优点:

在流动性不足的市场依旧能够进行交易

AMM使交易者始终能够获得资产的报价,无论提交给交易平台的有效订单数量如何

缺点:

由于流动性池小,大订单存在高滑点风险

资本效率低下,因为除非市场极度波动,否则大多数交易都是在较小的价格水平范围内执行的

流动性提供者的风险,例如上述的无常损失

与CLOB交易执行模型相比,抢先交易的风险更高

结论

这两种交易方式都具备各自的特点。订单簿交易平台目前主导着比特币和以太坊等大量通证的市场。另一方面,自动化做市商将帮助用户获得长尾市场上非流动通证的最佳价格。

中心化限价订单簿已成为纳斯达克等大型传统交易平台的主流方式,因为它可以说是最具资本效率和透明度的交易执行模式。尽管诸如抢先交易和较高点差等问题阻止了DEX采用CLOB模型,但Injective创造性的使用独特的FBA模型纠正两者。FBA模式为做市商提供了充足的时间,在高频交易者进行交易之前来取消过期订单。除了维持快速的交易时间外,我们的交易模式还能够通过更接近市场价格成交,并以更高的流动性来收紧点差。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

水星链

火星币Bogged Finance攻击事件分析_BNB:ANC

据官方tg群消息,北京时间5月22日晚BoggedFinance项目遭遇闪电贷攻击,随后BOG代币价格断崖式下跌。知道创宇区块链安全实验室第一时间跟进分析本次安全事件.

[0:15ms0-1:110ms