Sumber: Coin98Insights

Pengantar

Penyediaan likuiditas dalam DeFi sering kali dipromosikan sebagai strategi pendapatan pasif, di mana pengguna mendepositkan aset ke Automated Market Makers (AMM) dan mendapatkan biaya perdagangan. Namun, di balik layar, penyedia likuiditas (LP) menghadapi ketidak efisienan struktural yang mempengaruhi profitabilitas mereka.

Salah satu ketidaksempurnaan yang paling diabaikan adalah Loss Versus Rebalancing (LVR), biaya tersembunyi yang muncul ketika para pedagang arbitrase secara konsisten mengekstrak nilai dari LP karena adanya ketidaksesuaian harga. Berbeda dengan kerugian sementara (IL), yang membandingkan kinerja LP dengan hanya menyimpan aset, Loss versus Rebalancing memberikan cara yang lebih akurat untuk mengukur biaya sebenarnya dalam menyediakan likuiditas di Automated Market Makers. Hal ini menunjukkan bagaimana LP tampil di bawah para pedagang yang dapat merekonsiliasi posisi mereka secara instan. Semakin lambat suatu AMM memperbarui harganya, semakin banyak nilai yang dapat diekstrak oleh para arbitraseur, meninggalkan penyedia likuiditas (LP) dalam kelemahan.

Apa itu Loss Versus Rebalancing (LVR)?

Loss Versus Rebalancing (LVR) adalah ukuran kerugian yang ditanggung oleh LP selama penyediaan likuiditas karena perbedaan harga antara aset dalam AMM dan harga pasar eksternal.

Konsep ini pertama kali diperkenalkan dalam sebuah makalah penelitian tahun 2022 oleh Jason Milionis, Tim Roughgarden, Ciamac Moallemi, dan Anthony Lee Zhang.

LVR merupakan bentuk arbitrase yang terjadi ketika suatu AMM memiliki harga yang sudah kedaluwarsa dibandingkan dengan harga pasar eksternal. Arbitrageurs memanfaatkan perbedaan ini dengan melakukan perdagangan dari AMM ke bursa yang lebih likuid, memperbaiki arbitrase dan mengekstrak nilai dari LP dalam proses tersebut.

Bagaimana Automated Market Makers Dirancang

Pembuat Pasar Otomatis (AMMs) beroperasi melalui kontrak pintar, memungkinkan perdagangan terdesentralisasi dengan mengelola kolam likuiditas. Kolam likuiditas menjaga keseimbangan token cadangan berdasarkan rumus matematika, dengan jenis yang paling umum adalah pembuat pasar produk konstan yang populer oleh Uniswap.

Sumber: Webopedia

Model ini didasarkan pada persamaan;

x * y = k

Dimana;

• x = Jumlah Token A (mis., SOL) dalam kolam likuiditas.
• y = Jumlah Token B (misalnya, koin meme).
• k = Produk konstan, artinya likuiditas total tetap tidak berubah.

Mekanisme ini memastikan bahwa harga aset beradaptasi sebagai respons terhadap pasokan relatif dari dua token. Ketika seorang pengguna menukar satu token dengan yang lain, keseimbangan kolam berubah, mengubah harga. Karena AMM mengandalkan para pedagang untuk memulai pertukaran, harga di dalam kolam likuiditas hanya diperbarui saat peserta pasar membeli atau menjual. Ketergantungan ini pada para arbitrageur memberikan kesempatan untuk seleksi yang merugikan.

Seleksi Advers

Adverse selection terjadi ketika salah satu pihak dalam transaksi memanfaatkan keunggulan informasi demi merugikan pihak lain, menciptakan ketidakseimbangan. Dalam keuangan tradisional, hal ini terjadi ketika pembeli atau penjual memiliki pengetahuan superior tentang suatu aset, yang mengakibatkan hasil yang tidak menguntungkan bagi pihak lawan yang kurang terinformasi.

Dalam DeFi, pemilihan merugikan muncul ketika para pedagang yang terinformasi mengeksploitasi kolam likuiditas sebelum AMM memperbarui harganya. Karena AMM tidak melacak pergerakan pasar eksternal secara real time, arbitraser dapat mengekstrak nilai dengan berdagang melawan harga yang sudah kadaluarsa, menyebabkan kerugian yang konsisten bagi penyedia likuiditas.

Berikut adalah ilustrasi sederhana tentang bagaimana LVR berperan;

1. Bursa pertukaran terpusat (CEX) memperbarui harga ETH menjadi $2,100 setelah lonjakan permintaan.
2. Sebuah AMM DeFi, seperti Uniswap, masih membanderol ETH seharga $2,000 karena belum ada perdagangan yang terjadi.
3. Arbitrageurs membeli ETH dari AMM seharga $2.000 dan menjualnya di CEX seharga $2.100, mendapatkan keuntungan $100 per ETH.
4. Saat arbitrase berlanjut, harga AMM akhirnya menyesuaikan, tetapi LPs sudah kehilangan nilai, efektif "mengjual" ETH terlalu murah.

LVR dan Kerugian Sementara (Kerugian Versus Menahan)

Sumber: Delphi Digital

Kehilangan sementara (IL) terjadi ketika harga relatif aset dalam kolam likuiditas berubah, mengakibatkan nilai aset yang terkunci lebih rendah daripada jika mereka disimpan di dompet. Namun, IL bersifat "sementara" karena LP dapat memulihkan kerugian mereka jika harga aset kembali ke level asal mereka.

Sebaliknya, Loss Versus Rebalancing (LVR) tetap ada bahkan jika harga kembali ke keadaan awal mereka. Hal ini karena para arbitraser telah mengekstrak nilai dari LP selama proses rebalancing, menjadikan LVR sebagai biaya fundamental yang lebih penting dalam penyediaan likuiditas.

Ilustrasi

Berikut adalah contoh perhitungan langkah demi langkah yang mengilustrasikan Penurunan Nilai Likuiditas (LVR) dalam sebuah kolam renang ETH-USDC ketika harga ETH naik dan kembali.

Posisi Awal

• Aset yang Disetor:
• 1 ETH (senilai $1,000)

• 1.000 USDC

• Total Nilai:
  $1,000 (ETH)+$1,000 (USDC)=$2,000

Skenario 1: Harga ETH Naik ke $2,000

Langkah 1: Rekonsiliasi LP

• Mekanisme Rebalancing LP:
  Untuk menjaga pembagian nilai 50/50, kolam mengatur kepemilikannya. (x*y=k)

• Posisi LP yang Dihasilkan:

• Sekitar 0.71 ETH

• Kira-kira 1.414 USDC

• Penilaian pada $2,000 per ETH:

• Nilai ETH: 0.71×2,000 ≈ $1,414
• USDC: $1,414
• Total Nilai LP: $1,414+$1,414 ≈ $2,828

Jika Anda memegang aset awal Anda:

• 1 ETH pada $2,000 = $2,000
• 1.000 USDC = $1.000
• Total Nilai yang Dipegang: $3,000
• Kehilangan Sementara (IL): $3,000−$2,828 = $172

Langkah 2: Ekstraksi Arbitrase Selama Rebalancing

• Aksi Jual di LP:
• Rebalancing LP secara efektif 'mengjual' 0,29 ETH dengan tingkat internal sekitar $1.427 per ETH (senilai sekitar $414).
• Peluang Arbitrase:
• Seorang arbitrator dapat membeli 0,29 ETH tersebut di LP dengan harga efektif yang lebih rendah, kemudian menjualnya di bursa terpusat (CEX) dengan harga pasar sebenarnya sebesar $2.000 per ETH, menerima sekitar $580.

Kerugian Bersih dari Pihak Penjual:

• LP hanya mendapatkan sekitar $414 dibandingkan dengan $580 yang bisa didapatkan di pasar terbuka.
• Kehilangan:
  $580−$414=$166

Scenario 2: Harga ETH Kembali ke $1.000

Rebalancing untuk Menyelaraskan LP

• Tindakan Beli Kembali:
• Ketika ETH kembali turun ke $1.000, LP harus 'membeli kembali' 0,29 ETH untuk menyeimbangkan.

• Harga Rebalancing Internal: LP membeli kembali 0,29 ETH dengan tingkat efektif sekitar $1.427 per ETH, dengan biaya sekitar 414 USDC.

• Peluang Pasar:

• Di pasar terbuka, 0,29 ETH akan membutuhkan sekitar 290 USDC pada harga sebenarnya $1.000 per ETH.

• Kerugian Bersih dari Pembelian Kembali:
  414 USDC (biaya LP)−290 USDC (biaya pasar) = $124

Total Kerugian dan Nilai Kolam Akhir:

• Total Kerugian Arbitrase: $166 (sisi penjualan) + $124 (sisi pembelian) = $290
• Nilai akhir: $2,000 (1 ETH + 1,000 USDC)

Kerugian tersebut tidak mencerminkan perubahan dalam nilai total LP atau kerugian modal permanen secara kertas karena menangkap biaya kesempatan bagi LP di AMM dengan penetapan harga yang basi.

Untuk setiap pergerakan harga yang diberikan, LVR dapat dihitung menggunakan rumus “a(p-q),” di mana a adalah jumlah aset yang dijual, p adalah harga pasar “nyata,” dan q adalah harga AMM “usang.” (Catatan: “a” adalah angka positif saat menjual dan angka negatif saat membeli.)

Meskipun LVR mungkin tampak sebagai isu yang signifikan dalam teori, ini tidak selalu berarti malapetaka bagi penyedia likuiditas (LP) saat mereka mendepositokan aset ke dalam AMM untuk mendapatkan pengembalian. Biaya yang dihasilkan dari aktivitas perdagangan dapat membantu menutupi sebagian dari kerugian LVR, namun profitabilitas secara keseluruhan bergantung pada beberapa faktor, termasuk volume perdagangan, struktur biaya, dan volatilitas pasar. Menurut laporan oleh Milionis dkk., sebuah pool Uniswap perlu menghasilkan omset sebesar 10% dari total volume hariannya agar biaya LP sebesar 30 basis poin dapat sepenuhnya menutupi kerugian dari LVR.

Langkah-langkah untuk Mengurangi LVR

Meskipun tidak ada solusi yang sempurna, beberapa strategi dapat membantu meminimalkan kerugian terkait LVR dan meningkatkan profitabilitas LP.

Model AMM Hibrid (Terintegrasi Oracle & TWAMMs)

AMM berbasis Oracle (misalnya, Curve v2) menggunakan oracle harga on-chain untuk menyesuaikan harga AMM secara dinamis, mengurangi keterlambatan yang biasanya dieksploitasi oleh arbitraser. Time-weighted average Market Makers (TWAMMs) juga secara bertahap mengeksekusi perdagangan besar dalam jangka waktu tertentu, membatasi profitabilitas rebalancing yang didorong oleh arbitraser.

Waktu Blok Berkurang

Ini adalah pendekatan teoritis yang meningkatkan frekuensi perdagangan dengan mengurangi waktu blok, karena para arbitraser melakukan lebih banyak perdagangan untuk menghasilkan keuntungan sebelum biaya yang diharapkan yang sama. Dengan ini, LP dapat menghasilkan lebih banyak biaya untuk menutupi kerugian yang ditimbulkan oleh LVR.

Pelelangan Batch

Lelang batch memproses beberapa pesanan secara bersamaan dalam interval waktu tetap. Semua perdagangan dalam satu batch diselesaikan dengan harga yang sama, menghilangkan peluang arbitrase dan mengurangi pembaruan harga yang sering. Pendekatan ini menurunkan biaya rebalancing untuk LP. Protokol seperti Protokol CoW dan Lelang Gnosis telah menerapkan metode ini.

Struktur Biaya Dinamis

AMM dapat mengadopsi model biaya dinamis yang meningkatkan biaya selama periode volatilitas tinggi. Ini mengenakan hukuman pada perdagangan arbitrase, yang bergantung pada eksekusi cepat, sementara menurunkan biaya untuk perdagangan yang dapat menunggu di beberapa blok (yaitu, perdagangan tanpa informasi).

The Function-Maximizing AMM (FM-AMM) - Sebagai alternatif untuk CF-AMM

Pasar Pembuat Pasar Otomatis yang Memaksimalkan Fungsi (FM-AMM) adalah model AMM yang mengatasi tantangan utama yang ditemui dalam Pembuat Pasar Otomatis tradisional (AMM), terutama yang menggunakan model Pembuat Pasar Fungsi Konstan (CFMM) seperti Uniswap. AMM tradisional, seperti yang didasarkan pada model CFMM, menggunakan rumus produk konstan, di mana hasil kali dari kuantitas dua token tetap konstan.

Desain ini menghadirkan dua tantangan utama:

Keuntungan Arbitrase (LVR)

Perbedaan harga antara AMM dan pasar eksternal menciptakan peluang bagi arbiter untuk mendapatkan keuntungan dengan merugikan penyedia likuiditas (LP). Ketika harga pasar eksternal berubah, arbiter dapat memanfaatkan perbedaan ini, menyebabkan kerugian bagi LP.

Serangan Sandwich

Pelaku jahat dapat memanipulasi urutan transaksi dengan menempatkan transaksi mereka sebelum dan sesudah transaksi target, memperoleh keuntungan dari perubahan harga yang diinduksi. Hal ini tidak hanya merugikan para pedagang yang ditargetkan tetapi juga merusak integritas lingkungan perdagangan.

Manfaat FM-AMM

FM-AMM menggunakan lelang batch sering untuk memproses perdagangan dalam interval waktu diskrit daripada secara individual. Berbeda dengan AMM tradisional yang mengeksekusi perdagangan secara kontinu, mekanisme perdagangan batch ini memastikan bahwa semua transaksi dalam satu batch diselesaikan dengan harga yang seragam, menetralkan keuntungan dari urutan transaksi.

Menghilangkan LVR

Dengan mengeksekusi semua perdagangan secara berkelompok pada harga pembersihan yang sama, FM-AMM mencegah para arbitrase untuk mengeksploitasi perbedaan harga antara AMM dan pasar eksternal.

Mencegah Serangan Sandwich

Harga yang seragam dalam setiap batch berarti harga ditentukan secara kolektif untuk semua perdagangan, tidak meninggalkan celah bagi para penyerang untuk memanipulasi urutan transaksi individu.

Meningkatkan Pengembalian LP

Dengan mengurangi kerugian yang terkait dengan arbitrase dan front-running, FM-AMM dapat memberikan hasil yang lebih baik kepada penyedia likuiditas dibandingkan dengan AMM tradisional. Analisis empiris telah menunjukkan bahwa, untuk berbagai pasangan token, FM-AMM memberikan hasil yang sama atau lebih besar dibandingkan dengan yang diamati di platform seperti Uniswap v3.

Kesimpulan

LVR mewakili nilai ekstraksi arbitrase maksimal dengan biaya LPs yang menyediakan likuiditas di AMMs, Kesalahan ini didasarkan pada ketidakefisienan struktural dari AMM. Untuk mengatasi ketidakefisiensian ini, berbagai desain, termasuk AMM terintegrasi orakel, dan struktur biaya dinamis telah diadopsi. Meskipun solusi-solusi ini meningkatkan efisiensi pasar dan mengurangi kerugian yang didorong oleh arbitrase, mereka tidak sepenuhnya menghilangkan LVR. FM-AMMs memanfaatkan lelang batch yang sering, untuk meminimalkan front-running dan peluang arbitrase.

Dan sementara desain AMM terus berkembang, penyedia likuiditas harus menavigasi tantangan struktural ini dengan pemahaman yang jelas tentang kompromi yang terlibat. Masa depan AMM kemungkinan akan bergantung pada seimbang efisiensi modal, penemuan harga, dan insentif untuk LPs dan arbitraser.