Dynamic fee algorithm for maximizing liquidity provider returns in Automated Market Makers

Abstract

Desde a introdução de Agentes de Mercado Automátizados como uma ferramenta para facilitar trocas de tokens na blockchain, vários protocolos têm competido para atrair fundos otimizando os retornos para provedores de liquidez. Os provedores são cruciais para a operação de fundos de liquidez, pois fornecem os montantes necessários para facilitar as negociações e, em troca, ganham uma parte das taxas de negociação geradas pela plataforma como um incentivo para sua participação. Tradicionalmente, são usados algoritmos de taxas constantes controlados por um agente de governança, mas essas estruturas de taxas estáticas geralmente levam a ineficiências, pois não se adaptam rapidamente às novas condições de mercado. Isso pode resultar em cobrança excessiva durante períodos de baixa atividade ou cobrança durante períodos de alta atividade, afetando o montante de taxas coletados. Além disso, os fundos estão expostos a um tipo específico de perda conhecido como perda contra rebalanceamento. Isso ocorre porque os arbitradores, que visam lucrar com as discrepâncias de preço, são incentivados a atualizar o preço do Agentes de Mercado Automátizados, extraindo valor dos fundos de liquidez. Nesse contexto, esta tese apresenta um estudo sobre a implementação de taxas dinâmicas implementadas no nível do contrato inteligente, utilizando variáveis internas do fundo de liquidez para controlar a estrutura da taxa. A pesquisa começa com o projeto de um ambiente de simulação que encapsula os principais componentes do ambiente de operação do Agente Automático de Mercado, garantindo sua precisão e validade por meio da comparação com dados históricos.Após essa validação, são propostos três algoritmos distintos de taxas dinâmicas. Cada modelo é avaliado usando uma estrutura de taxa constante como referência. Por fim, o estudo avança para o estágio de implementação, em que um dos algoritmos de taxa dinâmica é desenvolvido em um contrato inteligente.

Since the introduction of Automated Market Makers pools as a tool to facilitate on-chain trades, various protocols have been competing to attract funds by optimizing returns for liquidity providers. Providers are crucial to the operation of liquidity pools, as they supply the tokens necessary for facilitating trades, and in return, they earn a share of the trading fees generated by the platform as an incentive for their participation. Traditionally, constant fee algorithms controlled by a governance agent are used, but these static fee structures often lead to inefficiencies, as they do not adapt fast to new market conditions. This can result in either overcharging during low-activity periods or undercharging during high-activity periods, affecting the fee collected. In addition, the pool funds are exposed to a specific type of loss known as loss-versus-rebalancing. This occurs because arbitrageurs, who aim to profit from price discrepancies, are incentivized to update the Automatic Market Maker price, extracting value from the liquidity pools. In that context, this thesis presents a study on the implementation of dynamic fees at the smart contract's level, utilizing internal pool variables to control the fee structure. The research begins by designing a simulation environment that encapsulates the primary components of the Automatic Market Maker environment, ensuring its accuracy and validity through comparison with historical data. Following this validation, three distinct dynamic fee algorithms are proposed. Each model is evaluated using a constant fee structure as a baseline. Lastly, the study advances to the implementation stage, where one of the dynamic fee algorithms is developed in a smart contract.