Detailansicht
Cyclic arbitrage on constant function market makers
Milutin Popović
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Mathematik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Mathematik
Betreuer*in
Radu Ioan Bot
DOI
10.25365/thesis.78443
URN
urn:nbn:at:at-ubw:1-28319.89015.191540-8
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Dezentrale Börsen (DEXs) sind eine neue Form von Finanzmärkten, die auf der Grundlage der Blockchaintechnologie entstehen. Durch sie entsteht ein wettbewerbsintensives und komplexes Umfeld des Maximal Extractable Value (MEV), in dem Akteure, sogenannte Searchers, gegen die Blockzeit antreten und miteinander konkurrieren um profitable Gelegenheiten zu finden, während der Markt inaktiv ist und der nächste Block noch nicht bestätigt wurde. Eine dieser Gelegenheiten ist eine n-zyklische Arbitrage, auf die sich diese Arbeit konzentriert. Durch die Modellierung der Grundbausteine von DEXs, den Constant Function Market Makers (CFMMs), lässt sich ein nichtlineares konvexes Optimierungsproblem ableiten, das einen optimalen n-zyklischen Arbitrage Trade identifiziert. Dieses Optimierungsproblem gibt jedoch weder die Ausführungsreihenfolge der Trades vor noch beschränkt es die Optimierung auf konkret genutzte DEXs. Um dies zu adressieren, schlagen wir ein Markow Entscheidungsproblem vor und ermitteln eine optimale Strategie mithilfe eines Monte Carlo Baum Suche REINFORCE Algorithmus, der uns anhand der nominellen Wechselkurse zu einem profitablen n-zyklischen Arbitragepfad führt. Die Informationen des gefundenen Pfads können anschließend in das nichtlineare Optimierungsproblem genutzt werden, um zeitnah einen optimalen Trade zu bestimmen.
Abstract
(Englisch)
Decentralized Exchanges (DEXs) are a new form of financial markets emerging on top of blockchain technology. Through these arises a competitive and complex environment of Maximal Extractable Value (MEV), where entities called Searchers race against the block time and compete against each other to find profitable opportunities when the market is at rest, and the next block is not yet committed. One of these opportunities is an $n$-cyclic arbitrage, on which this thesis focuses on. Through modeling of the building blocks of DEXs, governed by Constant Function Market Makers (CFMMs), we can derive a nonlinear convex optimization problem finding an optimal $n$-cyclic arbitrage trade. However this optimization problem neither specifies the order in which these trades should be executed, nor reduces optimization to specific, used DEXs. To combat this, we propose a Markov Decision Process and find an optimal policy through a Monte Carlo Tree Search REINFORCE algorithm guiding us to a profitable $n$-cyclic arbitrage walk based on the marginal exchange rates. The information of the found walk can be then applied to the nonlinear optimization problem to find an optimal trade in a timely manner.
Schlagwörter
Schlagwörter
(Deutsch)
Constant Function Market Makers Nichtlineare Optimierung Konvexe Optimierung Bestärkendes Lernen RL Monte Carlo Baumsuche MCTS Graphenneuronale Netze GNNs MEV Blockchain Maximal Extractable Value
Schlagwörter
(Englisch)
Constant Function Market Makers Nonlinear Optimization Convex Optimization Reinforcement Learning RL Monte Carlo Tree Search MCTS Graph Neural Networks GNNs Arbitrage MEV Blockchain Maximal Extractable Value
Autor*innen
Milutin Popović
Haupttitel (Englisch)
Cyclic arbitrage on constant function market makers
Paralleltitel (Deutsch)
Zyklische Arbitrage auf Constant Function Market Makers
Publikationsjahr
2025
Umfangsangabe
vii, 56 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Radu Ioan Bot
Klassifikation
31 Mathematik > 31.80 Angewandte Mathematik
AC Nummer
AC17536415
Utheses ID
75753
Studienkennzahl
UA | 066 | 821 | |