← 研究動態
研究2026/03/22 下午08:33

DeFi AMM 無常損失作為波動率指標:新概念探索

ETHvolatilitycryptodefiimpermanent-loss

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

持續追蹤這項研究

收藏、追蹤與明日提醒只保存必要識別資料,可在會員中心檢視或刪除。

研究資訊不構成個人投資建議;提醒僅代表研究更新,不代表交易訊號。

訂閱研究摘要

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

DeFi AMM 無常損失(Impermanent Loss)作為波動率測量工具

核心概念

在 DeFi 的自動做市商(AMM,如 Uniswap)中,流動性提供者(LP)會因資產價格偏離而遭受「無常損失」(Impermanent Loss, IL)。IL 的數學公式:

IL(r) = \frac{2\sqrt{1+r}}{2+r} - 1

其中 r=Pt/P0−1r = P_t/P_0 - 1 為價格變動率。

 關鍵洞察 :對於小幅波動,IL≈−σ2/8IL \approx -\sigma^2/8。IL 永遠為負(LP 相對於持有必定虧損),且直接由實際交易活動衍生,不像 VIX 來自選擇權定價,也不像 GARCH 來自統計估計。

實驗結果

 1. IL 作為波動率代理的有效性 

  • ETH 30 日 IL 平均值:-0.91%(對應年化隱含波動率 60.2%)
  • IL 隱含波動率與已實現波動率的相關係數: ρ\rho = 0.505 
  • 22 日窗口最佳(ρ\rho = 0.517),但整體為中等相關
  • 二次近似(IL≈−r2/8IL \approx -r^2/8)在 |r| < 50% 時有效(相關 0.83),但加密貨幣的大幅波動(9.1% 觀測值超過 50%)使近似失效

 2. IL 的預測能力 

IL 對未來波動率有額外的預測增量:

預測範圍IL 單獨 R²RV 單獨 R²IL 增量 R²
5 天0.0910.116 0.023 
10 天0.1230.130 0.038 
22 天0.1930.153 0.079 

 重要發現 :在 22 天預測範圍,IL 實際上  超越  已實現波動率(R² 0.193 > 0.153),且提供 7.9% 的增量解釋力。這意味著 IL 捕捉到 RV 未能反映的波動率資訊。

 3. 跨市場預測:加密 → TradFi? 

預測範圍ETH IL → SPY R²SPY RV → SPY R²IL 增量 R²
5 天0.0120.3100.001
10 天0.0170.2910.002
22 天0.0400.198 0.018 

結論:加密市場 IL 對 SPY 波動率的預測力極為有限。Granger 因果檢定在所有延遲期數均不顯著(p > 0.09)。加密與傳統金融市場的波動率傳導機制較弱。

 4. IL 信號的 VT 策略 

策略SharpeMDD年化報酬年化波動
ETH IL-VT(15%)0.415-66.9%17.6%42.4%
ETH RV-VT(15%)0.523-45.1%9.2%17.6%
ETH B&H0.482-94.0%33.9%70.4%

RV-VT 優於 IL-VT(Sharpe 差異 -0.108,但 p=0.61 不顯著)。IL-VT 的主要問題是  波動率估計本身波動太大 (IL-vol 標準差 50.2% vs RV 標準差 28.5%),導致權重劇烈變化。

 5. 子期間穩健性 

期間IL-VT SharpeRV-VT SharpeB&H Sharpe
2018-2019 Crypto Winter-0.007-0.623-0.386
2020-2021 DeFi Bull1.2422.2221.813
2022 Crash-0.448-0.922-0.718
2023-2025 Recovery0.4370.7710.657

有趣的是,IL-VT 在熊市表現較佳(2018-2019: -0.007 vs RV -0.623),但牛市表現較差。

核心結論

  1.  IL 是理論上有效的波動率代理 ,但在實務中與 RV 僅中等相關(ρ\rho=0.505),主要因為加密貨幣的大幅波動超出二次近似範圍
  2.  IL 在長期預測有增量價值 (22 天 R² 增量 7.9%),捕捉 RV 遺漏的波動資訊
  3.  跨市場預測力幾乎為零 ——加密 IL 不能預測 TradFi 波動,兩個市場的波動率傳導機制薄弱
  4.  IL-VT 策略劣於 RV-VT (Sharpe 0.415 vs 0.523),但差異不顯著。IL 信號噪音太大
  5.  實務建議 :如果要做加密 VT,簡單的 RV 估計仍然是最佳選擇。IL 的增量預測力可作為輔助信號,但不適合單獨驅動策略

未來方向

  • 使用鏈上真實 AMM 數據(fee revenue、TVL 變化)取代理論 IL 計算
  • 測試 concentrated liquidity(Uniswap v3)的 IL 是否提供更精確的波動率資訊
  • 結合 IL + RV 的混合信號進行 VT

相關文章

先讀正式關聯,若無則使用標籤與主題相似度補齊

📄
天然氣月度波動的季節項放進自我迴歸之後:冬季係數隨價格序列與落後期變號,夏季在四個設定下都為負
為天然氣部位估月度波動的人,常在前一個月的實現波動之外再放一組季節虛擬變數。理由來自基本面:冬季的取暖需求與庫存消耗讓天然氣價格在冬天起伏較大(Mu 2007)。本文用同一組資料回答建模時的兩個問題:月份差異在無條件下是否存在;放進前一個月的波動之後,季節項還剩多少,係數又該怎麼讀。 先寫結論。 第一,無條件的月份差異在兩條序列都存在。天然氣連續近月期貨與 UNG 都在 1 月最高,冬季平均分別是…
→
📄
K2006:每月依殖利率曲線預測調整公債存續期間,平均報酬、回撤與下行尾部能與槓鈴、階梯分開嗎?
這組資料分不開。四項預先設定的檢定在 Holm 逐步校正(家族大小為四、水準 5%)後全部沒有拒絕。證據最接近門檻的是下行尾部,方向卻不利於動態規則:一年視窗最差 5% 的平均終值比,動態規則(Dyn)為 0.9203,槓鈴(B)為 0.9378,差 -0.0175,未調整 p 值 0.04998,Holm 調整後 0.1999。這組資料沒有給出「依曲線預測切換存續期間能降低尾部風險」的證據,也不…
→
📄
過去一年的價格路徑含兩種資訊:高低價口徑下,趨勢項的解釋比例在後段持平,波動項由 0.378 降到 0.175(SPY)、由 0.526 降到 0.147(QQQ)
做指數 ETF 部位大小或風險預算的人,預測波動時通常先用前一天、前一週、前一個月的波動,接著會問一個延伸問題:過去一年價格怎麼走,值不值得多放進預測式。同一份實驗的整體結果,本平台已發過一般讀者版:把過去一年的路徑當成一個整體,在樣本內解釋了 SPY 與 QQQ 約一半的每日波動。這一篇拆開問另一件事:路徑裡的兩個特徵,樣本往後移以後,各自還剩多少。 先寫結論。路徑特徵有兩個,趨勢項記錄過去一年…
→