当前AMM的痛点
?自动化做市商是Defi领域的一大创新，AMM从根本上改变了用户交易加密货币的方式，与传统的订单簿交易模式不同，AMM的交易双方都是和链上流动性资产池在进行交互。流动性池允许用户以完全去中心化和非托管的方式在链上的代币之间无缝切换。而流动性提供者，则通过交易费用赚取被动收入，而交易费用基于其对资产池贡献的百分比。
简单来说，AMM机制使得任何人都可以作为做市商，从而获得交易手续费的收益，从另外一个角度看，用户将资产放入流动性资产池中获取收益，更像是在进行理财。那么理财更多的关注收益率，但因为AMM中存在无常损失，当市场发生剧烈波动时，用户资产甚至还可能产生损失的风险。
如下图所示，当ETH价格上涨或者下跌，都会造成一定的无常损失，当然下跌造成的更大
Move生态NFT AMM项目Mobius确认Discord遭黑客入侵:6月5日消息，据官方消息，Move 生态 NFT AMM 项目 Mobius 的 Discord 操作帐户被黑客入侵，导致服务器受损。官方表示，用户链上资产不会受影响，请避免点击任何其它链接。我们将很快建立一个新的 Discord 服务器。[2023/6/5 21:16:39]
如果流动性资金池所产生的交易手续费无法覆盖用户的无常损失，那么用户在当前的时刻就是亏损的。
用户的资金对于流动性资金池是非常关键的，如果资金池中资金不足，那么会影响交易深度，交易不足，手续费不足则会进一步影响进入流动性资金池的意愿，从而形成恶性循环。
BancorV2对无常损失的方案
BancorV2使用了动态代币池的方案，通过引入链上预言机，根据预言机提供的价格实时更新代币池权重，从而降低流动性提供者的无常损失
Optimism上AMM协议Velodrome正式上线，已启动空投申领:6月2日消息，由Solidly生态项目veDAO推出的以Solidly为模板的Optimism上AMM协议Velodrome正式上线，并已启动代币空投申领。[2022/6/2 3:57:24]
1.假设初始池为10ETH-1000BNT，ETH价格为100美元，BNT为1美元，则两边价值相等，则权重都为50%。
2.ETH市场价格上涨。假设ETH市场价格涨至120美元，其他不变。整个流动性池的实际价值为2200美元，而不是2000美元。如果还是按照当前50%的权重，那么在池中还是1ETH兑换100BNT的话，那么跟外部市场价格不同，则会产生套利空间
3.为了防止流动性提供商产生损失，BancorV2通过获取预言机价格，并升级代币池比重。而更新之后，10ETH的占据代币池的54.5%的比例，而BNT占据44.5%的比例。按权重计算，1ETH可以兑换120BNT，从而不存在套利空间，从而不会因为ETH上涨产生“无常损失”。
Bancor通过外部预言机锚定了市场价格，减少了无常损失，但其不具有“财富增值”效应，上涨不会让LP的资产有更多的增长。
多链AMM Swim Protocol宣布支持Avalanche、Polygon:金色财经消息，多链AMM Swim Protocol宣布支持Avalanche和Polygon，此前已支持Solana、以太坊和BNB Chain。据了解，Swim Protocol是一个专为原生资产打造的多链AMM，旨在使跨链桥接变得更加容易。
此前3月消息，Swim Protocol完成400万美元融资，由Pantera Capital领投，FTX、Alameda Research、Coinbase Ventures、Solana Ventures、Jump Capital、Social Capital、IOSG Ventures、Rok Capital、GBV Capital、Mantis VC、Panony等参投。[2022/5/21 3:31:31]
恒定乘积AMM在牛熊表现的推演
在基于恒定乘积模型的AMM中，我们假设是BTC/USDT交易对场景：
随着牛市区间来临，越来越多的BTC会被兑换成USDT，使得储备池中BTC数量减少、USDT数量增多，在这个过程中，越是在价格高位，由于滑点越大，BTC减少的数量反而越少，即被AMM卖出的BTC数量越少，并且随着市场跌落回起点，原本在高位卖出的BTC都悉数在同样的高位被重新买入，一来一回，LP持有的BTC和USDT数量跟初始时一样，总财富并没有得到增长，错过一轮牛市高点“套现”；
NFT聚合器Gem已集成NFT交易自动做市商sudoAMM合约:4月27日消息，专门为NFT交易设计的自动做市商（AMM）sudoAMM计划用于以太坊主网，旨在成为其他NFT项目的基础设施。
sudoAMM联合创始人0xmons表示正在测试用户界面（UI）。0xmons最近在推特上公布一笔交易，该交易已使用其于4月24日部署的合约。此外，据NFT聚合器Gem首席开发者Vasa称，Gem已经集成sudoAMM合约，很快将添加至用户界面。
sudoAMM允许用户使用自定义联合曲线（Bonding Curve）来分别存入ETH、某个系列NFT或者同时存入ETH和NFT。这允许用户通过将ETH部署到池中来设置限价单，并在链上承诺以选定的价格购买特定系列的NFT。同样，用户将能够存入选定系列的 NFT，以固定价格或联合曲线出售代币。（The Defiant）[2022/4/27 2:34:38]
同理，在熊市过程中，由于恒定乘积函数的特性，随着BTC价格下跌，AMM系统会不断增多/买入BTC数量、减少USDT数量，一直持续到熊市低点，看似在低点已经“抄底”了很多BTC，但随着行情回暖上涨，这些BTC也都会被逐步在低点卖出，当回到起点时，LP持有的BTC和USDT数量跟初始时依旧一样，一来一回，LP总财富也并没有增长，一轮熊市“抄底”，却被过早卖在了低位。
区块链支付平台e-Money的稳定币eEUR在Osmosis AMM DEX上线:9月27日消息，丹麦金融科技公司、基于区块链的支付平台e-Money A/S宣布，其稳定币eEUR成为基于Cosmos Hub的AMM平台Osmosis上线的稳定币。在e-Money成功完成V3升级后，其原生代币NGM和稳定币（特别是eEUR）现在可以在Osmosis AMM DEX上使用，并且已经在Osmosis DEX上建立eEUR和NGM流动性池。[2021/9/27 17:09:11]
所以我们看到恒定乘积模型的AMM，其能够获得的收益非常有限，在牛市甚至还跑不过普通的持币策略，这对于理财用户的吸引力将大大下降。
MOV创新型AMM引入无限网格思想
自动化做市商最重要的是长尾用户提供流动性，那么降低无常损失，让用户不能“亏本”是关键之一，而较高的回报率是关键之二。单纯降低了无常损失，而没有在牛市提升用户的回报率仍然难以吸引用户。
MOV创新型的AMM，将资产交易二级市场的一些理念进行巧妙融合，在保证资产流动性的同时，帮助理财用户在牛市获得更高的收益。
那么MOV是如何来提升用户的收益的呢？这里我们需要先讲一下网格策略：
网格策略本质上属于量化交易范畴，在波动震荡的市场坚持高抛低吸的策略：
选取一个投资标的，把大概波动范围规划出来，再给它们之间画若干网格，分成多档范围；
每次跌到下一档网格区间，就买入一定数量的资产，即“抄底”；
每次涨到上一档网格区间，就卖出一定数量的资产，即“套现”。
如此反复，保持能够越跌越买入，在最低档位也能留有资金可以“抄底”资产；同理，越涨越保持有可以卖出的资产，使得能够“套现”在最高点。这种像布下天罗地网一样的交易策略，被称为网格交易。
超导V2希望可以通过引入一种类似无限网格的买卖策略，使得LP能够在牛市区间多“套现”BTC，并在转熊之后能够留守住所“套现”的财富增值，同理在熊市区间，使LP可以多“抄底”BTC，并在转牛/回暖之后能够留守住这些低位BTC，等待以后高点再次“套现”，获得财富增值。这就是超导V2最根本的基金策略思想，依靠这种思想，我们希望V2上LP的理财整体收益可以“跑赢”传统恒定乘积模式AMM上的LP，并可以缩减或者规避无常损失。
超导V2的策略设置
我们将网格策略引入超导V2的策略设置中，在不同的区块档位设置如下：
我们可以看到在不同的区间我们使用不同的函数，从而会引发不同的效果：
BTC市场价格在11000～40000USDT区间，尽可能的保证池中有较多的BTC；
BTC市场价格在40000～100000USDT区间，期望能够在这段牛市期间尽量多减少池中的BTC、换得USDT；
当BTC冲破100000USDT时，我们需要保证尽可能多的USDT；
如图在第一次上涨过程中，因为我们卖出了较多的BTC，所以在高点LP的收益不如Uniswap的策略
当跌回到起点附近，BTC回到10000USDT左右，我们会逐渐将BTC买回来；
这个时候，比特币价格越下跌，因为我们在高位留有更多的USDT，所以受BTC价格下跌影响较低，在底部有较多的资金可以抄底比特币
在新一轮牛市反弹期间，10000～50000USDT区间，留守住10000抄底的BTC数量，积累大量财富。
和第一次上涨相比，mov超导V2已经远超uniswap的收益了。
可扩展的AMM策略设置，吸引更多的策略尝试
除了采取无限网格策略，还可以进一步探索一种以动态权重调整为核心框架的网格策略模型，可以基于MOV超导V2建设的动态权重系统。
可以开放给外部个人和机构来运行自己的策略，而流动性提供者可以根据自己的喜好，选择不同的策略，从而获得更高的收益或者规避风险。
相比于BancorV2专注解决无常损失问题，我们把AMM2.0的定义进一步拓展到“基金财富增值”的领域，更具吸引力
MOV超导V2不止于AMM。
白皮书链接：https://cdn.bytom.io/res/MOV-SuperV2_WhitePaper_ZH.pdf
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。