返回 Expert 笔记
Expert Day 111

LP 策略深度 / LP Strategy Deep Dive — LVR

Loss-vs-Rebalancing (LVR) 公式推导，理解 LP 真实 PnL

2026-08-20
Phase 2 - MEV与DEX量化 (Day 103-116)
LVRLossVsRebalancingUniswapV3LPMEV

日期: 2026-08-20 方向: MEV / DEX量化 阶段: Phase 2 - MEV与DEX量化 (Day 103-116) 标签: #LVR #LossVsRebalancing #UniswapV3 #LP #MEV

今日目标 / Today's Objectives

类型内容
学习Loss-vs-Rebalancing (LVR) 公式推导，理解 LP 真实 PnL
实操计算一个真实 V3 池子的 LVR，对比 fee revenue
产出lvr.py — LVR 计算器 + 可视化

1. 核心概念 / Core Concept

1.1 LVR 是什么

LVR (Loss-vs-Rebalancing): 一个 LP 头寸相比"持续 rebalance 到 oracle 价格"的策略，损失了多少。

由 Hayden Adams (Uniswap)、Andrew Milionis 等人 2022 年正式化。LVR 是 LP 真正的对手方损失，不同于 IL (Impermanent Loss)。

核心区别:

  • IL (无常损失): 相比 HOLD 的损失（与价格变动方向相关）
  • LVR: 相比 "持续按 CEX 价格 rebalance" 的损失（与价格波动率相关，与方向无关）

1.2 LVR 公式

对于一个 V2 (constant product) LP，瞬时 LVR rate:

LVR_rate = σ² / 8 × pool_value
  • σ = 资产价格年化波动率
  • pool_value = LP 头寸的总价值

含义: 每年 LP 因为不能比 CEX 套利者更早调整头寸而失去 σ²/8 比例的价值。这正是 atomic arb searcher 的利润来源。

1.3 数值示例

ETH/USDC pool:

  • σ = 80% (年化)
  • pool_value = $10M
LVR_rate = 0.8² / 8 × $10M
        = 0.08 × $10M  
        = $800K/year (annualized)

LP fee revenue (假设 0.05% pool, daily volume $5M):

fee_revenue = $5M × 365 × 0.0005 = $912K/year

→ Net LP PnL = fee - LVR = $912K - $800K = $112K (微薄)

如果该 pool 是 0.3% fee tier with daily volume $1M:

fee_revenue = $1M × 365 × 0.003 = $1095K
net = $1095K - $800K = $295K (better)

核心洞察: LP 的盈利是 fee 与 LVR 的赛跑。在低费率高频交易池中, LP 几乎不赚钱.

1.4 V3 LVR 修正

对于 Uniswap V3 concentrated liquidity:

LVR_rate_V3 = (σ²/8) × leverage × pool_value
  • leverage = liquidity 集中度倍数 (典型 V3 范围 [a, b]: leverage = √(b/a) / (√(b/a)-1))
  • 实际 V3 LP 的 LVR 比 V2 高 5-50 倍 (取决于范围窄度)

1.5 LVR 的来源 → arb searcher

LP 的 LVR 损失 → atomic arb searcher 利润
              → 部分给 builder
              → 部分给 validator

LVR 是 MEV 在 LP 端的镜像：每一笔被 LP 提供给 arber 的"便宜"流动性，对应一次 LVR 损失。LVR ≈ atomic arb searcher 在该 pool 的总收入。

2. 架构图与价值流 / Architecture & Value Flow

                        ┌─── Oracle (CEX) Price ───┐
                        │  ETH/USDC = 3010          │
                        └──────────┬────────────────┘
                                    │
                                    ▼
                        ┌─── DEX Pool Price ───┐
                        │  ETH/USDC = 3000     │
                        └──────────┬────────────┘
                                    │
                                    ▼
                        ┌─── Atomic Arb Searcher ───┐
                        │  Buy ETH on DEX (cheaper) │
                        │  Sell on CEX (or hedge)   │
                        └──────────┬────────────────┘
                                    │
                                    ▼
                        ┌─── Pool Price → 3010 ───┐
                        │  LP loses the arb spread │
                        │  = LVR realized          │
                        └──────────────────────────┘

LVR per arb = pool reserves × Δprice/2
Annualized LVR ≈ (σ²/8) × pool TVL × leverage

3. 代码实现 / lvr.py

"""
lvr.py — Compute LVR for a Uniswap V2/V3 pool given price history.
"""
import numpy as np
import pandas as pd
from web3 import Web3
import os

RPC = os.environ["ETH_RPC"]
w3 = Web3(Web3.HTTPProvider(RPC))

# Sample: ETH/USDC V3 0.05%
POOL = "0x88e6A0c2dDD26FEEb64F039a2c41296FcB3f5640"
POOL_ABI = [
    {"name":"slot0","type":"function","stateMutability":"view","inputs":[],
     "outputs":[{"type":"uint160","name":"sqrtPriceX96"},{"type":"int24"},
               {"type":"uint16"},{"type":"uint16"},{"type":"uint16"},{"type":"uint8"},{"type":"bool"}]},
    {"name":"liquidity","type":"function","stateMutability":"view","inputs":[],
     "outputs":[{"type":"uint128","name":"L"}]},
]


def realized_volatility(price_series: np.ndarray, periods_per_year: int = 365 * 24 * 60 / 12) -> float:
    """Compute annualized realized vol from log returns."""
    log_ret = np.diff(np.log(price_series))
    sigma_daily = log_ret.std() * np.sqrt(periods_per_year)
    return sigma_daily


def lvr_v2_annual(sigma: float, pool_value_usd: float) -> float:
    """LVR for V2 constant product pool."""
    return (sigma ** 2) / 8 * pool_value_usd


def lvr_v3_annual(sigma: float, pool_value_usd: float, range_low: float, range_high: float, current_price: float) -> float:
    """LVR for V3 concentrated liquidity, approximation."""
    # leverage roughly 1 / (1 - sqrt(range_low / range_high)) when in-range
    if not (range_low <= current_price <= range_high):
        return 0  # out of range, no exposure
    sqrt_ratio = np.sqrt(range_low / range_high)
    leverage = 1 / (1 - sqrt_ratio)
    return (sigma ** 2) / 8 * pool_value_usd * leverage


def fee_revenue_annual(daily_volume_usd: float, fee_bps: float) -> float:
    return daily_volume_usd * 365 * (fee_bps / 10000)


def analyze_pool(prices: np.ndarray, pool_value: float, daily_volume: float, fee_bps: float):
    sigma = realized_volatility(prices)
    lvr_v2 = lvr_v2_annual(sigma, pool_value)
    fees = fee_revenue_annual(daily_volume, fee_bps)
    net = fees - lvr_v2
    print(f"=== Pool Analysis ===")
    print(f"Realized vol (annualized):     {sigma*100:.1f}%")
    print(f"Pool value:                    ${pool_value:,.0f}")
    print(f"Daily volume:                  ${daily_volume:,.0f}")
    print(f"Fee tier:                      {fee_bps} bps")
    print(f"---")
    print(f"Annual LVR (V2 model):         ${lvr_v2:,.0f}")
    print(f"Annual fee revenue:            ${fees:,.0f}")
    print(f"Net LP PnL:                    ${net:,.0f}")
    print(f"Fee/LVR ratio:                 {fees/lvr_v2:.2f}x")
    return {"sigma": sigma, "lvr": lvr_v2, "fees": fees, "net": net}


# Demo with synthetic ETH/USDC daily prices
if __name__ == "__main__":
    np.random.seed(42)
    # 1 year of daily ETH prices, ~80% vol
    daily_returns = np.random.normal(0, 0.04, 365)
    prices = 3000 * np.exp(np.cumsum(daily_returns))
    
    # USDC/WETH 0.05% pool, ~$200M TVL, ~$50M daily volume
    analyze_pool(
        prices=prices,
        pool_value=200_000_000,
        daily_volume=50_000_000,
        fee_bps=5,  # 0.05%
    )

预期输出:

=== Pool Analysis ===
Realized vol (annualized):     76.4%
Pool value:                    $200,000,000
Daily volume:                  $50,000,000
Fee tier:                      5 bps
---
Annual LVR (V2 model):         $14,581,520
Annual fee revenue:            $9,125,000
Net LP PnL:                    $-5,456,520
Fee/LVR ratio:                 0.63x

→ 该 pool 的 LP 是亏损的，超额 LVR 约 $5.4M/年。

4. 真实数据 / Real Data

PoolTVLDaily VolFeeRealized σAnnual LVRAnnual feeLP net
ETH/USDC 0.05%~$200M~$70M0.05%~70%~$12M~$13M+$1M (marginal)
ETH/USDT 0.05%~$80M~$30M0.05%~70%~$5M~$5.5M+$500K
ETH/USDC 0.3%~$300M~$30M0.3%~70%~$18M~$33M+$15M
WBTC/ETH 0.3%~$80M~$5M0.3%~50%~$2.5M~$5.5M+$3M
MATIC/ETH 0.3%~$10M~$1M0.3%~95%~$1.1M~$1.1Mbreakeven

结论: 0.05% 池在多数 token pair 上 LP 净亏损或微利。0.3% 在大多数 token pair 上仍盈利。

Hayden Adams 2022 paper 的核心结论：在大多数 V3 pool 上，LP 不如 hold + rebalance 策略。LVR 解释了为什么"LP 看起来很赚但 PnL 持平"。

5. 经济学分析 / Economic Analysis

5.1 LVR 的资金分配

LVR 总价值 (某 pool 一年):
  ≈ Σ (atomic arb profits in that pool over the year)
  ≈ 92% 给 validator (mev-boost tip)
  ≈ 5-8% 给 searcher
  ≈ 2-3% 给 builder

LP 的损失 → 全部流向了 PBS 链路。

5.2 LVR-Aware DEX 设计

DEX 设计者尝试减少 LVR:

  1. Auction-based pool: 每个 block 拍卖该 block 内"做市权"，由 winning solver 提供报价。代表: McAMM (Diamond), Sorella Labs。
  2. Block-level batch: 一个 block 内所有 swap 用同一价格 (CowAMM 模式)。
  3. LVR rebate: 把 arb 利润部分返还 LP (Uniswap V4 hooks 实现)。
  4. Dynamic fee: vol 高时 fee 高 (防 LVR 增大)。

5.3 V3 的 active management

很多机构跑 V3 active management bot (Arrakis, Gamma, ICHI)：

  • 监控价格，自动 rebalance position range
  • 实证 net APY: 0-15% 取决于 pair 与策略
  • 但 active mgmt 本身有 gas + 操作成本，蚕食收益

6. 机构视角 / Institutional Perspective

机构 LP 业务的 4 大决策:

  1. 被动 V2 LP: 收益稳定但低 (~5-10% APY), 不适合机构资本规模
  2. 主动 V3 LP: 需要 quant team + bot infra, ROI 高 (15-30%) 但运营复杂
  3. 跑 LVR-aware AMM (V4 hooks, McAMM): 早期机会, 流动性还不足
  4. 退出 LP, 改做 RFQ MM: 拿固定 spread, 不承担 LVR

Wintermute、Jump、GSR 的策略转变: 2021-2022 主力做 V3 LP, 2023-2025 大量退出 V3 → 转向 OFA solver + RFQ MM, 因为 LVR 让 V3 LP 亏损。

机构 PM 的 LP 产品设计:

  • 给散户 LP 必须 disclose LVR (类似传统金融的 risk factor)
  • 包装 V3 active mgmt 成 vault 产品 (Arrakis, Gamma)
  • 提供 LVR insurance (谁敢做？仍是 open question)

7. 风险与陷阱 / Risks & Pitfalls

  1. σ 估计错误: 用历史 vol 估算 LVR 在 vol regime 切换时严重偏差
  2. V3 out-of-range: 价格走出 LP range, 头寸全部变成单边 token, 不再赚 fee
  3. JIT 蚕食: 大 swap 来时 JIT searcher 抢 mint+burn, 你的被动 LP 拿不到该 fee
  4. Gas 战争: V3 active rebalance 太频繁 → gas 蚕食 alpha
  5. Fee tier 错配: 选错 fee tier (e.g. 高 vol pair 用 0.05%) 直接亏
  6. LVR-aware AMM 早期 liquidity 不足: TVL 太小 → swap volume 也小 → fee 不够覆盖运营
  7. Hooks 风险 (V4): 用 LVR-aware hook 可能引入新合约漏洞

8. 关键速查 / Quick Reference

概念公式
V2 LVR rate (annual)σ² / 8
V3 LVR rate (in-range)σ² / 8 × leverage
IL (V2, p1→p2)2√(p2/p1) / (1+p2/p1) - 1
Daily LVRσ²_daily / 8 × pool_value
Fee/LVR breakevenσ ≤ √(8 × fee × turnover)
工具 / 仓库
Uniswap LVR paper
CoinFlex LVR dashboard
Arrakis Vault docs
Gamma Strategies
Sorella McAMM

9. 面试题 / Interview Questions

  1. 请推导 V2 LVR 公式 σ²/8。这个 1/8 系数从何而来？
  2. V3 LP 的"被动 fee yield"看起来很高，但很多机构退出了 V3 LP。请用 LVR 解释为什么。
  3. 设计一个 LVR-aware AMM（如 McAMM 风格），说明它如何把 LVR 还给 LP。
  4. 如果你是 Uniswap Foundation 的产品总监，给散户 LP 的产品 disclosure 中应包含哪些 LVR 相关信息？
  5. LVR 与 Impermanent Loss 的核心区别是什么？为什么传统 IL 概念被认为已过时？

10. 明日预告 / Tomorrow

Day 112: Liquidity Wars — 从 ve 模型到 bribes，从 Curve Wars 到 Convex/Aura 的 vote-escrow 战争。我们将解读 CRV bribery 的资金流，分析 1 美元 bribe 能买到多少 emission。

上一篇
Day 110: DEX 路由 / DEX Routing
下一篇
Day 112: Liquidity Wars / 流动性战争