以太坊中心化與去中心化交易所跨域套利視角研究：深度分析

12 min readDec 14, 2023

該文章是關於CEX與DEX套利交易的研究，對搜索者和構建者的互動、成本、潛在收入進行了比較，以及與基於礦池中儲備的理論利潤進行了對比。調查了CEX與DEX套利交易的普遍性和模式，並進行了深入探討。文章希望通過探索更多的參數，以提供更全面的畫面，並對以太坊區塊鏈與中心化交易所之間的價值流動進行深入理解。文章總結了CEX與DEX套利的動態及其在整個市場中的作用。

引言

自2022年9月15日以太坊區塊鏈以來，根據mevboost.pics數據，91.8%的以太坊區塊鏈採用MEV-Boost在倡議者-構建者分離（PBS）框架下構建。的計算負擔，並通過分離區塊構建與提議角色，減少MEV實現的中心化影響（如獨佔訂單流）。如今，專業實體「搜索者」尋找MEV機會，節省多筆有利的可圖的交易，發送區塊構建者負責高效分配區塊，並通過MEV Boost拍賣參與競標，由區塊發起者通過中繼選擇。中繼是受信任的第三方，它們驗證這些區塊及其出價，並讓發起人在向網路提交區塊之前進行選擇。

目前狀況，MEV的研究主要中心化於鏈上領域，如西雅圖、前置交易和夾擊攻擊（秦等人，2021年）。然而，值得注意的是，與中心化交易所（CEX）的線下環境相比之下，大量的價格差異同樣存在。事實上，跨域套利仍然是一個相對新興的領域，研究相對有限（Gupta 等人，2023 年）。Obadia 等人（2021 年）正式定義了通過在兩個或多個域中排序交易的跨域MEV；Chiplunkar和Gosselin（2023年）強調了特定區塊構建者在覺醒期間的市場主導現象；Milionis等人（2023年）對特定跨域套利對流動性提供者利潤的影響進行了理論上分析，並在費用存在的情況下構建了「損失與再平衡」模型；Thiery（2023年）也對區塊鏈構建者的行為特徵進行了重點分析，揭示了這個過程中考慮到CEX部分在交易中的不透明性，該領域的探索仍處於早期階段。然而，隨著市場的熱烈擁護和採納，這些機會的主導地位正在增長。

本文通過研究鏈上數據對CEX與DEX套利者進行針對性分析，推測構建者與搜索者之間的關係，說明MEV利潤，並逆向工程分析CEX與DEX套利者所採用的策略。

CEX與DEX套利洞察

我們應用啟發式方法，根據自動化做市商（AMM）的鏈上交易來識別潛在成功的CEX與DEX套利。這些交易或者單一交易所後直接支付給構建者（coinbase交易），或者兩筆連續交易，第一筆為交易所，第二筆為coinbase交易。數據收集時間為2023年5月5日至7月16日，總計157,205次CEX與DEX套利交易，覆蓋了101,022個區塊。

MEV機會的順序

我們發現，這些套利交易幾乎都是區塊頂部機會，顯示搜索者爭搶首要趨勢。這與Gupta等人（2023年）的觀察一致，指出他們這些套利交易「需要優先訪問權」來利用價格差異。

圖1.區塊內CEX與DEX套利交易指數。包含交易所和coinbase往返的交易。代表有兩個獨立交易的套利 — — 1次交易所（DEX索引）和1次coinbase遍歷（構建者索引）。Y軸表示套利數量，X軸表示區塊內交易索引。

交易的符號和場所

接下來，我們計算交易中的平均交易符號數量，以了解套利者的普遍偏好。通常，WETH 在 45.0% 的交易中出現，而 USDC 和 USDT 分別占 11.5% 和 5.3%。

就交易所而言，Uniswap v3是發生CEX與DEX套利交易最多的場所（佔比74.65%）。

圖2. A. 交易中的代幣種類。發生CEX與DEX套利的場所。

搜索者-構建者關係

為了了解參與這些套利機會的搜索者和構建者的分配，我們的研究表明市場相對中心化，有1到2個主體主導了CEX與DEX套利領域。搜索者0xa69支配了55.7%的市場份額，而0x98則參與了這些套利交易的 20.23%。同時，beaverbuild 繼續在此領域保持領先地位，佔據所有相關區塊的 41.77%，並參與了這些 CEX 與 DEX 套利交易的 52.91%。

圖3. CEX與DEX套利在搜索者和區塊構建者中的分布，以及構建者支付情況。每個搜索者的總交易統計。B.前10名搜索者的每日套利分配，其餘清除為「其他」。C、D：構成A、B，但為區塊構建者的分配。

構建者支付

圖4.與構建者支付相關的以太幣數量。搜索者支付給區塊鏈構建者的以太幣數量。B.區塊構建者從搜索者中獲得以太幣收益。

交易類型分類

我們進一步按照交易的資產對類型對交易進行分類。這些分類參考了Coingecko的數據。

市值。我們注意到 BTC 和 ETH 是領先的加密貨幣，相當於其他具有更高市值的數字貨幣，因此被視為主要貨幣。
資產性質。基於資產本身的穩定性或波動性，因為這些因素會影響交易期間的潛在價格波動。因此，我們將剩餘資產進一步解讀為穩定幣和模因幣（根據Coingecko的定義）。

據此，我們將資產分為以下類別 — — 主要貨幣（BTC/ETH），穩定幣（USDC, USDT, BUSD, TUSD, DAI），模因幣（PEPE, DOGE, SHIB, FLOKI, ELON）等表2突出了各類別交易的分配情況，其中「主要-其他幣種」類型佔43.87%，而「模因-其他幣種」為最不受歡迎的代幣對。

此後，我們通過從幣安以1秒間隔收集價格數據，來確定套利的平均收入。以下是計算CEX與DEX套利收入的示例：

步驟1：在本次確定的CEX與DEX套利（0xc4322）中，套利者將175,070 USDC換成92.70 ETH。

步驟2：在交易時，可以推斷DEX的兌換率為1,888.57 USDC/ETH。以幣安為例，提示的匯率為1,896.68 USDC/ETH。

步驟3：收入=幣安價格與DEX價格之間的差異*交易代幣數量。由於套利者在鏈上售出USDC，將會用相當於數量的ETH在幣安上購買USDC，形成中性倉位因此，在幣安上收入為92.70 * 1,896.68 = 175,822.24 USDC。收入為175,822.24–175,070 = 752.24 USDC。

圖5.在選定的25秒交易窗口內，幣安和Uniswap上的價格趨同。從T-11到T，即從n-1塊到n塊，DEX上的價格保持不變。

表1. CEX與DEX套利交易數量、平均絕對利潤和相對利潤水平，按交易的資產對類型進行分類。

「模因-其他幣」交易策略產生了最高的收入，因為這兩種資產都相對波動，獲得了最大的回報。相反，「穩定-穩定幣」對因此的回報最低，因為與數據集相比，它們的穩定性相當重要。

風險最小化

然後，我們計算了交易窗口期間，即區塊時間前後的收入分配。考慮到區塊以12秒的間隔創建，這意味著搜索者可能會面臨市場價格變化的風險。因此，目標是通過計算窗口近期收入變化的邊際差異，來凸顯相對優勢。

圖6.區塊時間前後收入的邊際差異，通過計算每秒平均收入的差異得出。

通常，這些策略的收入平均在區塊時間（t = 0s）之前持續增加，然後開始逐漸減少。這表明，隨著延遲在接近實際區塊確認的時刻，最大化提高收入方面非常重要。鏈上價格的更新和與幣安價格的差異縮小而關閉。因此，平均價格差異減少，收入趨於平穩，保持相對穩定。

接下來，我們根據各個時間點的收入，確定這些套利者在該承擔更大的市場風險。這是因為他們將持有CEX或DEX的股票，取決於哪一腿先執行。我們的目的是提供這些套利者在優化延遲和執行交易時收入不確定的洞見。我們通過取第25、50和75百分分配，可視化了盈利率的分配。除了「模因-其他」對（因樣本量小））此外，我們發現在「-2秒到+2秒」的區間內進行交易更能最小化交易中涉及不確定性。事實上，我們注意到穩定幣對顯現了最小化的偏差，而模因-穩定幣對顯示了預期回報率的最大變化。這與直覺一致，即波動性資產會顯示更大的差異。

圖7.套利者承擔市場風險，通過交易期限價格波動來平穩。這是通過計算交易時刻與區塊時間盈利性的個數差異來測量的。盒圖展示了主要-穩定資產對在交易窗口內的收入分配。

成本與收益分析

為了進一步分析這些策略的盈利能力，我們將數據集分為與Flashbots構建者交互的套利者和未交互的套利者。因Flashbots公開其為非盈利構建者，聲明不涉及策略性或集成的另外，根據searcherbuilder.pics的數據，我們識別出了以下搜索者-構建者實體：

Symbolic Capital Partners <> beaverbuild
Wintermute <> rsync 構建者

這些搜索者和區塊構建者的地址基於searcherbuilder.pics團隊處理的原始數據。列表可能不完整。

這些實體可能表現出MEV供應鏈中的垂直整合，其中搜索者通過與下游構建者的關聯獲得區塊空間的優先訪問權和交易確定性。

總體來看，有46.24%的CEX<>DEX套利交易由搜索者-構建者主動進行，7.77%由與Flashbots互動的搜索者進行，46.00%由未與Flashbots互動的搜索者進行。

圖8.套利者的成本描述性統計，分為與Flashbots構建者交互、非Flashbots構建者交互和搜索者-構建者實體。構建者支付（ETH）表示套利者向區塊構建者支付的以太幣金額。交易金額的成本佔比=總成本/交易金額。*收益（%）效率套利者從CEX DEX套利中獲得的收益。

平均而言，與非 Flashbots 區塊構建者互動的搜索者支付的構建者費用，並且與與 Flashbots 構建者和搜索者構建者主動互動的搜索者相比，似乎獲得了更高的收入這可能是由於超過 46% 的 CEX-DEX 套利交易是由 SCP <> beaverbuild 實體進行的，他們代表了以上所識別的搜索者-構建者交易的近 100%。此外，這只是這22 個多月的時間段，數據集可能存在某些偏差，一般認為搜索者-構建者實體感受到顯著優勢的觀念相反。儘管如此，這可以通過搜索者-構建者實體貢獻大量的套利交易來應對，因此上漲利潤可能最高。

側面與理論套利

基於從幣安和DEX之間的價格差異計算出的收入，我們可以通過將這些搜索者的收入與基於AMM公式可產生的理論收入進行，比較來判斷這些搜索者是否理性。安東尼等人（2022年）提出了基於礦池儲備的套利者優化問題，其中理性的利潤最大化用戶將能夠獲得：

其中L是不變數，P是CEX上對的價格，x和y是礦池中的儲備。

圖8.根據Uniswap V2 AMM模型確定的理論利潤的公式（改編自Anthony等人（2022） — 自動化市場製造和損失與再平衡）。感謝Julian提供。

為了獲得相關數據，我們從 Dune Analytics 提取了交易時的儲備，基於 Uniswap 的同步函數。作為初始指導，我們從 Uniswap V2 的 AMM 模型開始，共返回了 20,123 筆交易。這些交易按資產對類型分類的數量如下：

表3.在Uniswap V2上的CEX與DEX套利交易數量，按資產對類型分類。

總的來說，公式證明了潛在收益的上限。如圖 8 所示，我們提取了「ETH」和「USDC」相關交易，相當於理論利潤和間接利潤之間的差異。

圖 9.所有ETH-USDC和USDC-ETH交易的理論利潤（橙色）與關聯利潤（藍色）的散點圖。X軸僅表示數據框內的行號，用於較差數據。

數字代表了套利者實現的理論收入與模擬收入之間的差異。特別是，根據不同類型的資產對，我們注意到主要是模因對在百分位數上有最大的變化和差異。需要注意另外，一些資產對的理論利潤上限是基於儲備礦池成立的，這可能是由於風險/方向性交易。相反，主要是穩定對，如ETH-USDC和穩定-穩定對，大多符合模型。這可驗證直覺理解，即資產對的波動性更可能影響套利者在套利礦池中的行為 — — 在交易金額上更加精細，以管理價格明顯的風險。