Uniswap v3：Txデータのトップダウン分析：上位５％のユーザが全取引の9割を占める

目次

1. はじめに
2. 関連研究
3. アプローチ
   (1) データ取得
   (2) 分析手法
4. 結果考察
   (1) 仮説1および仮説3の検証
   (2) 仮説2の検証
   (3) 仮説4の検証
   (4) 仮説5の検証
   (5) クラスタリング
   (6) 総合考察
5. おわりに（含 制約条件）

1. はじめに

我々のグループでは、流動性プロバイダー（LP）の収益最大化を目指し、対象プールがLP先として適切か調査している。LP先として適しているプールの条件として、出来高が多く、LPの供給量が少ないことが挙げられる。この条件のプールを選別するためには、対象プールの取引回数、取引量、ボラティリティ、TVLおよび関与する各アドレスについて調査を行う必要である。これらの推定の内、取引回数、取引量、ボラティリティ、TVLについては既存サービスを活用することで情報を得ることができる。しかし、各アドレスを調査する手法は確立されていない。本稿では各アドレスについて調査する。特に対象プールで取引を行っている各アドレスがBotかどうか判別することを目的としてトランザクションデータの分析を行う。

市場参加者として、一般投資家、機関投資家などの大口投資家、そしてBotが存在する。それぞれの市場参加者は、プールの取引環境に異なる影響を与える可能性がある。特にBotは、市場の効率性や安定性に影響を与えるため、その存在を把握することはプール選択や取引環境の評価に重要である。

DeFi市場におけるBotの影響については、これまでにもいくつかの研究が行われている。Daianら（2019）は、DeFi市場におけるBotの活動が市場の効率性にどのように影響するかを調査している[1]。研究によると、Botは市場の効率性を高める一方で、市場の不安定性も増加させる可能性がある。

また、Botによる取引が特定のプールに集中すると、そのプールにおけるLPの供給・需要バランスが崩れることがいくつかの研究で指摘されている[2][3][4]。これにより、LPはより適切なプール選択を行う必要があり、本研究のアプローチがその判断基準として役立つことが期待される。

本研究は、対象プールで取引を行っている各アドレスがBotかどうかの見極めを行うことを目的としている。今後の展望として、Botの活動パターンや影響度をさらに詳細に分析することが挙げられる。このような分析により、より具体的なプール選択の指針を提供することが可能となり、LPの収益最大化に貢献することが期待される。