K954: DeFi Impermanent Loss 的波動率連結 — IL≈-σ²/8 完美近似但 GARCH 預測 IL 失敗

摘要

[提出: 用戶, 執行: Claude]

K954 實驗建立了 DeFi AMM 無常損失（Impermanent Loss, IL）與傳統波動率模型的橋接框架。核心發現：理論近似 $IL \approx -\sigma^2/8$ 幾乎完美（相關係數 0.9999），但 GJR-GARCH、GARCH、EWMA 等模型預測日頻 IL 全部失敗（R² < 0），選擇性流動性提供策略無法超越被動策略。

研究背景

DeFi 去中心化交易所（如 Uniswap）採用自動做市商（AMM）機制。流動性提供者（LP）在賺取手續費收入的同時，承擔無常損失（Impermanent Loss, IL）的風險。IL 由流動性提供時與取出時的價格比率決定：

$IL = \frac{2\sqrt{p_1/p_0}}{1 + p_1/p_0} - 1$

其中 $p_0$、$p_1$ 分別為提供流動性時與取出時的 ETH 價格。IL 恆為負值——LP 相對於單純持有資產，必定承受損失。

 理論連結 ：對小幅波動，Taylor 展開後有如下近似：

$IL \approx -\frac{\sigma^2}{8}$

這意味著 IL 本質上是波動率的二次函數。若 GARCH 能準確預測 $\sigma^2$，應能同等預測 IL 的大小，進而讓 LP 在預期高損失日退出流動性池。

這是一個理論上極具吸引力的假說：傳統計量方法能否直接應用於 DeFi 風險管理？

 與先前研究的差異 ：K916 系列實驗曾探索「以 IL 作為波動率代理指標」的方向，側重 IL 對傳統資產波動率的預測。本實驗（K954）的核心問題截然不同：「能否用 GARCH 預測 IL 本身，進而改善 LP 的進出場時機？」

方法與數據

核心發現

一、理論近似：$IL \approx -\sigma^2/8$ 幾乎完美

對 ETH-USD 日頻收益，這個二次近似的精確度令人驚艷：

近似失效條件：當日漲跌幅超過 10%（樣本內共 72 天，佔比 3.1%），此時 IL 的實際損失遠大於二次近似。

這個結果確認：IL 在數學上與波動率的關係是嚴格且可期的。

圖1：IL ≈ -σ²/8 近似相關係數達 0.9999（第一欄），而 GJR/GARCH/EWMA 對 OOS IL 的預測相關係數僅 0.04–0.07（後三欄）。理論上的完美連結不代表可預測性。

二、GARCH 預測 IL 完全失敗（R² < 0）

儘管理論連結優雅，實際 OOS 預測結果令人清醒：

所有模型的 $R^2$ 均為負值，表現劣於使用日均 IL 常數預測。EWMA 的 MAE 最低（0.000215），但 $R^2$ 仍然是負的。

 為什麼失敗？ 

日頻 IL 本質上是 $r_t^2/8$——即當日收益率的平方除以 8。GARCH 預測的是「條件方差期望值」$E_{t-1}[\sigma_t^2]$，而非「實現的 $r_t^2$」。單日收益率的平方高度不可預測（噪音非常大），這正是 GARCH 的根本挑戰，即使 QLIKE 意義下的條件方差預測是有效的，實現值的逐日噪音仍然壓倒一切。

圖2：GJR-GARCH、GARCH、EWMA 和 Naive 模型的 OOS R² 全部低於零。負 R² 意味著預測效果比使用樣本均值還差。

三、GJR 在加密市場的特殊參數

ETH 的 GJR-GARCH 估計揭示加密資產波動結構的獨特性：

$\gamma < 0$ 意味著 ETH 的價格上漲比下跌帶來更高的後續波動，與股票市場（$\gamma > 0$，恐慌崩跌波動更大）完全相反。這與 K916 發現的「加密市場具有反向槓桿效應」一致，意味著 GJR 在加密市場的槓桿捕捉邏輯與傳統設計相悖。

四、選擇性 LP 策略：完全失效

實驗設計「高波動預測日退出流動性池」的選擇性策略，結果如下：

原因直接： 所有 OOS 日的預測 IL 都低於 0.5% 門檻，選擇性策略等同於被動策略，永遠在池中。 

根本原因是費率收益（每日 0.03%）高於平均 IL（每日 0.023%），使得被動策略的正期望值非常穩健，預測 IL 的精確度對整體損益影響有限。

圖3：日均手續費收入（0.03%）高於日均無常損失（0.023%），被動 LP 在平均意義下是正期望值策略。但 30 日累積 IL 達 -0.70%，尾部事件的集中損失才是真正風險。

實務意義

對 DeFi 流動性提供者

 1. 費率收益是短期保護但非長期保障 

平均而言，每日費收（0.03%）略高於每日 IL（0.023%），表示被動 LP 在一般市況下是正期望值策略。然而，這個平均值掩蓋了真正的風險：ETH 日漲跌超過 10% 的天數佔樣本 3.1%（72 天），這些日子的 IL 遠超二次近似，是 LP 面臨的集中損失來源。

 2. GARCH 不是 LP 的決策工具 

本實驗明確否定「用 GARCH 預測 IL 進行擇時」的假說。日頻 IL 的不可預測性不是模型問題，而是本質問題，它等同於預測單日收益率的平方。即使預測相對準確（如 EWMA 的 MAE 最低），$R^2 < 0$ 的預測在量化上沒有交易價值。

 3. 真正有用的風控應聚焦尾部 

由於日頻 IL 的不可預測性，LP 的風險管理應轉向：

•  極端事件的機率估計 （VaR/ES of IL 分佈，非均值預測）
•  多期累積 IL 的管理 （30 日 IL -0.70%，非日頻）
•  集中流動性（Uniswap v3）的額外複雜度 ——比例放大 IL 的理論尾部風險

 4. 理論優雅 ≠ 實務可操作 

$IL \approx -\sigma^2/8$ 的近似非常精確，但並不意味著「能用波動率預測值管理 IL」。這兩件事的統計性質根本不同：前者是事後計算的會計恆等式，後者是對未來隨機變數的估計。

ETH 波動率結構的異質性

本實驗的副產品是對 ETH 波動率結構的新觀察。GJR 參數中 $\gamma = -0.0319$（負值），代表「反向槓桿效應」，和標準股市資產（$\gamma > 0$）截然相反。加之持續性 $\approx 1.0$（IGARCH 邊界）和極厚尾（$\nu \approx 3.8$），ETH 的波動率動態明顯不同於傳統資產：

•  高持續性 ：波動率震盪後回落緩慢（類似 2022 崩跌後的長期高波動期）
•  反向槓桿 ：ETH 暴漲往往比暴跌觸發更大的後續波動（牛市狂熱 vs 熊市恐慌的行為模式不同於股市）
•  極厚尾 ：$\nu \approx 3.8$，比大多數股票資產更極端的尾部

這些特性意味著傳統設計的 GJR 在捕捉加密資產波動不對稱性上存在結構錯配。

結論

K954 實驗的主要貢獻是建立了一個明確的否定結論： 傳統 GARCH 模型無法在日頻尺度上改善 DeFi LP 的進出場時機決策 。理論上的精確連結（$IL = f(\sigma^2)$）無法轉化為實務中的預測優勢，因為日頻實現波動率本身是高噪音、低可預測的隨機過程。

LP 的真正風險管理邏輯應轉向尾部事件機率評估（VaR/ES of IL），而非日均 IL 預測。這也為後續研究提供了明確方向：IL 的尾部分佈估計、極端事件頻率預測，以及 Uniswap v3 集中流動性下的 IL 放大效應。

局限性

• 採用日收盤價（UTC 午夜），無法捕捉日內波動的 IL 影響
• 手續費假設為固定比率（0.03%/天），實際費率取決於交易量和流動性範圍
• 未考慮 gas cost 和智能合約風險
• Uniswap v3 集中流動性機制（會放大 IL）未納入模型
• K916 已確認 VIX-加密跨市場信號無效，故未重複測試

本文基於實驗 K954（腳本：experiments/k954/k954.py，結果：experiments/k954/k954_results.json）。 數據來源：yfinance ETH-USD 實證數據，期間：2020-01-03 至 2026-04-05，樣本數：2,285 個觀測值。