去中心化交易所 (DEXes) 的世界在 2020 年正式拉开序幕：从 2020 年 1 月的 6.66 亿美元开始，到 2021 年 1 月，月交易量激增至 680 亿美元，增长了约 100 倍。毋庸置疑，该行业仍处于成熟过程中。 DEX 正在创新他们的流动性模型，交易者正在试验包括聚合器在内的新交易场所，流动性提供者和做市商正在追逐每一种新的方式来最大化他们的利润。在这篇文章中，我们将探讨这个过程的一个维度：DEX 做市是如何继续发展的。

1.想象一下今天只有两个交易者会访问中心化交易所：Alice 和 Bob。

2.Alice 到达交易所，愿意在今天下午 12:00 以低至 2000 USDC 的价格出售 1 ETH。

3.Bob 将在今天下午 12:01 到达交易所，愿意以 2001 USDC 的价格购买 1 ETH。

4.做市商（“MM”）愿意在中午 12:00 从 Alice 那里以 2000 USDC 的价格购买 ETH，持有一分钟，然后在下午 12:01 卖给 Bob 以换取 2001 USDC。

5.如果没有 MM，Alice 将无法在她到达交易所时出售她的 1 ETH，而 Bob 在到达交易所时将没有人购买他的 1 ETH。

成熟的做市商的存在意味着总有人可以买卖，因此市场具有流动性。简而言之，老练的做市商有助于解决需求的巧合问题。

MM容易赚钱吧？不完全是。 MM 有两个主要“成本”，这使得它成为一个困难的企业：（1）库存风险和（2）执行成本。 MM 承担持有 1 ETH 一分钟的“库存风险”：如果 Bob 不愿意支付 MM 支付的那么多（2000 USDC），MM 将蒙受损失。此外，MM 必须为执行交易的技术基础设施付费，并且必须支付与之相关的交易费用和成本（“执行成本”）。作为存货风险和执行成本的交换，MM 用买入价和卖出价之间的差价进行补偿，即“点差”，在本例中为 1 USDC。

对于一个成功的 MM，以下平均数必须是正确的：

与我们的示例相比，实际上点差要小得多——通常是几个基点 (1 bp ＝ 0.01％)——交易之间的时间也是如此，通常是毫秒。有数百万的交易者和交易对。简而言之，这就是做市。它是任何现代、运作良好的交易所的必要组成部分。

这个难题有一个特别重要的缺失部分：MM 如何知道价差何时会超过库存风险和执行成本？本质上，MM 怎么知道 Bob 会出现并愿意为 1 ETH 支付 2001 USDC？ MM 如何成功预测这一点是做市的核心。这就是为什么在传统金融市场中，不成熟的当事人通常无法成为有利可图的 MM 的原因； MM 通常需要一些预测能力才能以有利可图的方式承担这些风险。

预测交易对短期价格变动的复杂策略是必要的，因为如果给定货币对的市场呈上升或下降趋势，通常情况下，公司的出价或要价将被执行，而另一个则不会。然后，该公司将针对市场持有库存，这可能会造成巨大损失。

我们可以稍微调整一下例子以更清楚地看到这一点：

1.想象一下，有很多 Alice 和很多 Bob，所以 MM 以 2000 USDC 的价格不断购买 1 ETH，并在一段时间后以 2001 USDC 的价格不断出售 1 ETH。

2.在这种情况下，MM 将频繁“出价”为每 ETH 2000 USDC，并频繁“询问”每 ETH 为 2001 USDC。

3.现在想象一下，在某个时刻，市场上的买家突然不再愿意为每个 ETH 支付 2001 USDC，而只愿意为每个 ETH 支付 1999 USDC。基本上，ETH 的价格下跌了。

4.MM 在下跌之前的出价受到冲击，因此它以 2000 USDC 的价格购买了一些 ETH，但现在它的要价（设定为 2001 USDC）并未受到冲击，因为买家不想支付太多。

5.MM 在那个特定时刻持有的所有 ETH 现在必须以 1 USDC 的损失出售，或者由 MM 持有，这可能会在以后造成更大的损失。

拥有最佳预测策略的公司对市场短期内的走向有一定的了解，因此能够通过将报价提前于市场来降低这种库存风险。这将防止上述情况。

再次回到我们的例子，一个非常优秀的 MM 可能能够提前足够远地知道（概率）买家愿意支付的价格将很快下降，因此会将自己的出价降低到，例如，每个 ETH 为 1998 USDC，因此即使在价格变动后也不会亏损。通过降低库存风险，高度预测性策略允许 MM 向交易者提供更小的点差，同时保持盈利。

更进一步，重要的是要意识到，通过提供更小的点差（即交易价格更低），交易者将始终喜欢与这个 MM 而不是其他人进行交易，因此 MM 将主导该货币对的交易量。

简而言之，如果 MM 有效地管理其库存风险和执行成本，这将使其能够提供更好的价格，这反过来又意味着 MM 有更多的市场份额。

然而，迄今为止，没有这些复杂的 MM 及其预测能力的交易所在 DEX 领域占据主导地位。 Uniswap 和 Sushiswap 这两个最大的自动化做市商 (AMM) 经常占所有 DEX 交易量的 70-80％。不知何故，使用最频繁的 DEX 由不利用任何高级预测能力的“被动”流动性提供支持。这些 AMM 如何能够提供具有竞争力的价格，以及它们是如何获得如此多的市场份额的？这就是事情变得有趣的地方，我们可以开始分解 DEX 领域表面之下真正发生的事情。

以下条形图细分了过去 90 天内所有 DEX 上前 50 对的交易量：

仅稳定币对（例如 USDC-DAI）被分组到左侧，然后是其他前 50 对的排名列表，最右侧的一个条形代表排名 51 或以下的所有其他交易对的总和（有数以万计）。

我们可以开始合并图表，并通过将除十对以外的所有对归入“所有其他”类别来缩短尾部：

在这里我们可以更清楚地看到前五名非稳定币对（例如 WETH-USDC）的交易量约为 1250 亿美元。让我们进一步跟进图表：

过去 90 天

前 5 大稳定币对：USDT-USDC、USDT-DAI、USDC-DAI、sUSD-DAI 和 FEI-USDC
前 5 个非稳定币对：WETH-USDC、WETH-USDT、WETH-DAI、WETH-WBTC 和 WETH-FEI

将上述内容重新制作成饼图形式：

突出显示此饼图告诉我们的内容：

1.仅 5 对就占了所有 DEX 交易量的一半（WETH-USDC、WETH-USDT、WETH-DAI、WETH-WBTC 和 WETH-FEI）。
2.前 5 大稳定币对占所有 DEX 交易量的很大一部分。
3.所有其他交易对加起来不到 DEX 交易量的 40％。 “长尾”确实很长，但很细。
为什么这很重要？因为根据我们谈论的这些交易对类别的不同，做市往往看起来非常不同。

我们可以将交易对的类别分类：

第 1 类由稳定币对组成，如 USDC-DAI、USDT-USDC 等。这些资产在设计上几乎完全相关。

第 2 类由一些交易量最高的货币对组成 - “家喻户晓”：WETH-DAI、WETH-WBTC 等。这些资产经常用于价格发现。

第 3 类是我们的长尾。它由其余鲜为人知的资产组成。

一般来说，每个类别最好由不同的流动性模型提供服务。在进一步讨论之前，让我们快速回顾一下：AMM 和订单簿很容易理解，但该区块的新成员是 RFQ（“请求报价”）系统。 0 x 于 2020 年末推出了其 RFQ 系统。 0 x RFQ 系统可通过 0 x API 获得。每次交易者在 0 x API 驱动的 dapp 上请求报价时，0 x API 都会 ping 0 x RFQ 系统中的 MM，并并行检查其聚合的 50 多个链上 DEX 的价格。 0 x API 采用 0 x RFQ 系统中复杂的 MM 提供的报价，并单独使用或与其他来源结合使用，为交易者提供最优惠的价格。额外的优势是，此报价是针对交易者的“定制”报价，这意味着不会有价格影响/滑点，并且可以抵抗 MEV。

在 AMM、订单簿、RFQ 和其他更小众的流动性模型之间，事实证明，不同的流动性模型最适合不同类型的代币对，因为它们具有相关性或非相关性。让我们回到成功做市的原始公式，并关注预测能力如何影响这三个类别中的每一个的库存风险：

请记住：成熟的 MM 的预测能力有助于他们降低库存风险，这有助于他们为交易者提供更好的价格，从而赢得市场份额。简而言之，老练的 MM 依靠他们的预测能力。具有讽刺意味的是，这正是 AMM 非常适合服务于类别 1 和 3 的原因，所以让我们先谈谈这 2 类......

类别 1 ——（高度相关/仅稳定币的货币对，如 USDC-DAI）特别适合 AMM，原因很有趣：因为这些货币对旨在近乎完美地关联，与普通零售交易者。任何人都可以像老练的 MM 一样轻松地降低他们的库存风险（在稳定币对的情况下，这是最小的）。因此，具有基本价格函数的 AMM 为零售流动性提供者 (LP) 提供了一个与复杂的 MM 一样有效的做市机会。这是一个公平的竞争环境 - 没有足够的风险来获得奖励。看看我们成功的做市公式的最后一点（执行成本），AMM 的额外好处是执行成本极低：零售 LP 被动地为相对较低的回报提供流动性，链上合约根据基本参数。

第 3 类 ——（长尾资产对）由资产对组成，由于它们的极不相关性，目前还没有做市商能够开发出足够的预测能力。即使是最老练的做市商也无法完全确定 ￥UDT-￥YFI（例如）在短期内将走向何方。理解这一点的一个简单方法是考虑传统金融中的一种证券产品：巨灾债券。这些是与风险挂钩的证券，仅在发生特定的、不可预测的自然灾害（例如龙卷风或地震）时才会支付。传统金融市场的做市商回避这些类型的资产，因为评估这种风险非常困难。同样，在 DeFi 中，第 3 类（长尾资产对）对于 MM 来说非常难以开发足够的预测能力。他们无法降低库存风险，因此他们还不想进入这些市场。因此，AMM 今天处于有利地位，可以占领第 3 类线对的市场份额。

第 2 类 —— 包括通常在价格发现中的低相关性交易对。这个类别是复杂的 MM 与 AMM 激烈竞争的地方。它也恰好是所有 DEX 交易量的主要来源（
50％），如上所示。

我们可以开始阐明对哪种类型的流动性模型最适合哪种交易对的理解：

此外，我们可以考虑有利于复杂 MM 的结构优势：AMM 会受到价格影响（也就是滑点）、三明治攻击等，这使得它们不适合大笔交易。事实证明，RFQ 在这些大宗交易中特别有效，因为它避免了这些缺点。考虑到这一点，我们可以看到更完整的流动性模型图，这些模型有利于每种代币对的交易：

经验丰富的 MM 将在以下领域发挥重要作用：

这种理解如何映射到我们在数据中看到的现实？成熟的 MM 在第 2 类配对上是否具有竞争力？

下面是过去 90 天内 0 x RFQ 在三类代币对中的每一种的总体 0 x API 量中所占份额的图表。对于第 1 类（仅稳定币对），出于演示目的，我们分离了前 5 个仅稳定币对（USDT-USDC、USDT-DAI、USDC-DAI、sUSD-DAI 和 FEI-USDC）。出于本文的目的，我们将类别 2 定义为前 5 个非稳定币对（WETH-USDC、WETH-USDT、WETH-DAI、WETH-WBTC 和 WETH-FEI )，尽管这个定义可能会受到一些限制，并且可能会随着时间的推移而扩展。第 3 类包括所有其他交易对。

通过 0 x API 对三类代币对的 RFQ 交易量份额

该图表明，对于第 2 类货币对（WETH-USDC、WETH-USDT、WETH-DAI、WETH-WBTC 和 WETH-FEI），在过去 90 天内，0 x RFQ 提供了通过 0 x API 提供的所有流动性的 37％。另一种思考方式是，使用 0 x RFQ 系统的复杂 MM 为交易者提供了大约 37％ 的 2 类货币对的最佳价格，击败了所有其他 AMM 和其他流动性来源。相比之下，老练的 MM 使用 RFQ 为前 5 只稳定币对的所有交易量提供不到 1％ 的服务。 RFQ 在所有其他货币对上的交易量份额处于中间位置，但仍然相对较低。这很好地映射到我们的矩阵：RFQ 往往在类别 2（“低”相关性）对上表现最佳，而在类别 1 或 3（“高”或“零”相关性）对上表现不佳。

接下来，我们可以查看我们的数据，以确认我们的矩阵在假设偏向于较大交易的 RFQ 时是否正确。你将在下方找到 RFQ 在所有 0 x API 交易量中的份额图表，仅针对第 2 类交易对（WETH-USDC、WETH-USDT、WETH-DAI、WETH-WBTC 和 WETH-FEI），按交易规模细分。

过去 90 天（仅限 WETH-USDC、WETH-USDT、WETH-DAI、WETH-WBTC 和 WETH-FEI）

数据再次证实了我们的矩阵。在过去 90 天内，RFQ 服务了 2 类货币对大宗交易（1 万美元）的 39％，1000 美元到 10000 美元之间交易量的 7.1％，1000 美元以下交易量的 0.5％。简而言之，RFQ 非常适用于大型交易，并且随着交易规模的减小而逐渐表现不佳。

根据这些数据以及我们对成熟的做市商将精力集中在哪里的洞察，我们相信，通过使用 RFQ 和长期订单簿，成熟的 MM 将继续在第 2 类中获得最大利润，尤其是在较大的交易中。

AMM 可能会继续盈利，但风险调整后的回报可能会较低，因此更适合不太复杂的 LP 和较小的交易。

随着更老练的 MM 进入 DeFi，我们看到 RFQ 越来越受欢迎。 RFQ 在通过 0 x API 驱动的所有交易量中的份额从 2 月初的不到 5％ 激增。在 6 月初达到 30％ 以上的峰值后，积极趋势已稳定在 15-20％ 的范围内。在这里重申一下，0 x API 以一种无偏见的方式从 50 多个流动性来源中选择以向交易者提供最佳混合价格是很有用的。我们的数据显示 RFQ 正在获得真正的吸引力。

过去 6 个月

0 x Labs 的使命是建立一个所有价值自由流动的代币化世界。 0 x Labs 设想了一个不同流动性模型共存的世界，满足不同的需求。为此，我们相信 0 x RFQ 将在帮助成熟的 MM 为交易者提供有竞争力的价格方面发挥重要作用。

原文作者：0 x Blog

原文链接：Market Making in DeFi