【区块链】Uniswap之滑点(Slippage)

一、滑点是什么?

滑点(Slippage)是指你下单预期价格和最终成交价格之间的差距

在 DEX 中,你的交易会影响池子的价格(AMM机制),所以:

  • 下单越大,滑点越大;
  • 流动性越低,滑点越大。

二、滑点的本质来源:AMM定价函数(x * y = k)

Uniswap V2/V3 的核心是 AMM 机制,池内两种资产的乘积恒定

x ⋅ y = k x \cdot y = k xy=k

  • 假设池内有:

    • x x x:Token A 的储备;
    • y y y:Token B 的储备;
    • k k k:常数;
  • 交易发生时,你改变 x x x,导致 y y y 也必须变,以满足 x ⋅ y = k x \cdot y = k xy=k


三、滑点的数学推导

假设你想用 Δx 个 A 代币换 B,滑点来源如下:

👉🏻 1. 原始池状态:

  • x x x:A 的数量;
  • y y y:B 的数量;
  • 初始价格 P 0 = y x P_0 = \frac{y}{x} P0=xy

👉🏻 2. 你加入 Δx:

  • 交易后 A 增加,变为 x ′ = x + Δ x x' = x + \Delta x x=x+Δx
  • 要保持 k = x ⋅ y = x ′ ⋅ y ′ k = x \cdot y = x' \cdot y' k=xy=xy,解得:

y ′ = k x + Δ x = x ⋅ y x + Δ x y' = \frac{k}{x + \Delta x} = \frac{x \cdot y}{x + \Delta x} y=x+Δxk=x+Δxxy

所以:

  • 你拿到的 B 数量:

    Δ y = y − y ′ = y − x ⋅ y x + Δ x = y ⋅ Δ x x + Δ x \Delta y = y - y' = y - \frac{x \cdot y}{x + \Delta x} = \frac{y \cdot \Delta x}{x + \Delta x} Δy=yy=yx+Δxxy=x+ΔxyΔx

👉🏻 3. 实际成交价格:

P actual = Δ y Δ x = y x + Δ x P_{\text{actual}} = \frac{\Delta y}{\Delta x} = \frac{y}{x + \Delta x} Pactual=ΔxΔy=x+Δxy

👉🏻 4. 滑点率:

Slippage = P 0 − P actual P 0 = 1 − x x + Δ x = Δ x x + Δ x \text{Slippage} = \frac{P_0 - P_{\text{actual}}}{P_0} = 1 - \frac{x}{x + \Delta x} = \frac{\Delta x}{x + \Delta x} Slippage=P0P0Pactual=1x+Δxx=x+ΔxΔx


四、举个例子:

池内:

  • A = 1000
  • B = 1000
  • 你想花 Δx = 100 A 换 B

计算滑点:

  • 初始价格:1

  • 实际价格:

    P actual = 1000 1000 + 100 = 0.909 P_{\text{actual}} = \frac{1000}{1000 + 100} = 0.909 Pactual=1000+1001000=0.909

  • 滑点:

    1 − 0.909 1 = 0.0909 = 9.09 % \frac{1 - 0.909}{1} = 0.0909 = 9.09\% 110.909=0.0909=9.09%

这意味着你会以比池子初始价格低 9% 的价格成交


五、如何防止滑点带来的风险?

  1. 设置最大滑点容忍度(如:0.5%,Uniswap 允许用户设置);
  2. 分批交易,避免一次下大单;
  3. 流动性充足的池中交易,降低价格冲击;
  4. **使用聚合器(如 1inch、CowSwap)**自动找最低滑点路径。

六、总结说明

项目说明
滑点定义成交价格与预期价格的差距
数学本质来自 AMM 定价函数: x ⋅ y = k x \cdot y = k xy=k
滑点公式 Δ x x + Δ x \frac{\Delta x}{x + \Delta x} x+ΔxΔx,近似为 订单量 池中总量 \frac{订单量}{池中总量} 池中总量订单量
实战影响大单滑点高,低流动性滑点高

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/82300.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

[前端]Javascript获取元素宽度

元素宽度属性对比示意图 ---------------------------------- | 外边距(margin) | -------------------------------- | | 边框(border) | | | -------------------------- | | | …

数字人驱动/动画方向最新顶会期刊论文收集整理 | AAAI 2025

会议官方论文列表:https://ojs.aaai.org/index.php/AAAI/issue/view/624 以下论文部分会开源代码,若开源,会在论文原文的摘要下方给出链接。 语音驱动头部动画/其他 EchoMimic: Lifelike Audio-Driven Portrait Animations through Editabl…

Windows系统下【Celery任务队列】python使用celery 详解(一)

Celery 是一个基于 Python 的分布式任务队列框架,它允许你在不同的进程甚至不同的服务器上异步执行任务。 特点 简单:易于使用和配置,提供了简洁的 API。高可用:支持任务的可靠交付,即使在出现故障时也能保证任务不丢…

移动设备常用电子屏幕类型对比

概述 LCD 家族 (TN、STN、TFT、IPS、VA)依赖背光,性能差异主要来自液晶排列和驱动方式。OLED 以自发光为核心优势,但成本与寿命限制其普及。E-Paper 专为低功耗静态显示设计,与传统屏幕技术差异显著。 参数LCD&#…

Vue3.5 企业级管理系统实战(十八):用户管理

本篇主要探讨用户管理功能,接口部分依然是使用 Apifox mock 模拟。 1 用户 api 在 src/api/user.ts 中添加用户相关 CRUD 接口,代码如下: //src/api/user.ts import request from "/api/config/request"; // 从 "./type&q…

【C】初阶数据结构14 -- 归并排序

本篇文章主要是讲解经典的排序算法 -- 归并排序 目录 1 递归版本的归并排序 1) 算法思想 2) 代码 3) 时间复杂度与空间复杂度分析 (1) 时间复杂度 (2) 空间复杂度 2 迭代版本的归并…

【相机标定】OpenCV 相机标定中的重投影误差与角点三维坐标计算详解

摘要: 本文将从以下几个方面展开,结合典型代码深入解析 OpenCV 中的相机标定过程,重点阐述重投影误差的计算方法与实际意义,并通过一个 calcBoardCornerPositions() 函数详细讲解棋盘格角点三维坐标的构建逻辑。 在计算机视觉领域…

RabbitMQ-运维

文章目录 前言运维-集群介绍多机多节点单机多节点 多机多节点下载配置hosts⽂件配置Erlang Cookie启动节点构建集群查看集群状态 单机多节点安装启动两个节点再启动两个节点验证RabbitMQ启动成功搭建集群把rabbit2, rabbit3添加到集群 宕机演示仲裁队列介绍raft算法协议 raft基…

JVM之内存管理(一)

部分内容来源:JavaGuide二哥Java 图解JVM内存结构 内存管理快速复习 栈帧:局部变量表,动态链接(符号引用转为真实引用),操作数栈(存储中间结算结果),方法返回地址 运行时…

无线射频模块如何通过CE RED认证?关键规范与准备策略详解

随着无线通信设备在欧洲市场的广泛应用,CE RED认证已成为模块类产品进入欧盟的强制通行证。作为专注于LoRa模块、对讲模块与FSK射频模块研发的技术企业,我们深知从设计、测试到量产,每一个环节都需紧扣合规底线。本文将围绕CE RED认证核心要求…

Golang中集合相关的库

一切编程语言的底层结构都是数组,其它复杂数据结构如Map, Stack,Heap和Queue都是基于数组建立起来的。 Go语言主流工具库推荐(含常用数据结构实现) 以下是目前Go生态中最主流且活跃的工具库,包含队列、栈、优先级队列…

ABAP 导入Excel形成内表

文章目录 创建导入模板程序实现代码代码解析运行结果 创建导入模板 程序实现 代码 *&---------------------------------------------------------------------* *& Report Z_EXCEL_UPLOAD_LHY *&--------------------------------------------------------------…

特殊配合力(SCA)作为全基因组关联分析(GWAS)的表型,其生物学意义和应用价值

生物学意义 解析非加性遗传效应 特殊配合力(SCA)主要反映特定亲本组合的杂交优势,由非加性遗传效应(如显性、超显性、上位性)驱动。显性效应涉及等位基因间的显性互作,上位性效应则涉及不同位点间的基因互作。通过SCA-GWAS,可以定位调控这些非加性效应的关键基因组区域…

应急响应基础模拟靶机-security1

PS:杰克创建在流量包(result.pcap)在根目录下,请根据已有信息进行分析 1、攻击者使用的端口扫描工具是? 2、通过流量及日志审计,攻击者上传shell的时访问web使用IP地址是多少? 3、审计流量日志,攻击者反弹shell的地址及端口? 4、攻击者…

uniapp-商城-47-后台 分类数据的生成(通过数据)

在第46章节中,我们为后台数据创建了分类的数据表结构schema,使得可以通过后台添加数据并保存,同时使用云函数进行数据库数据的读取。文章详细介绍了如何通过前端代码实现分类管理功能,包括获取数据、添加、更新和删除分类。主要代…

ClickHouse的基本操作说明

说明 文章内容包括数据库管理、表操作及查询等核心功能 创建数据库 -- 默认引擎(Atomic) CREATE DATABASE IF NOT EXISTS test_db; -- MySQL引擎(映射外部MySQL数据库) CREATE DATABASE mysql_db ENGINE MySQL(host:port, m…

Nacos源码—7.Nacos升级gRPC分析四

大纲 5.服务变动时如何通知订阅的客户端 6.微服务实例信息如何同步集群节点 6.微服务实例信息如何同步集群节点 (1)服务端处理服务注册时会发布一个ClientChangedEvent事件 (2)ClientChangedEvent事件的处理源码 (3)集群节点处理数据同步请求的源码 (1)服务端处理服务注册…

《Overlapping Experiment Infrastructure: More, Better, Faster》论文阅读笔记

文章目录 1 背景2 三个核心概念3 Launch层:特性发布的专用机制4 流量分发策略和条件筛选4.1 四种流量分发类型4.2 条件筛选机制 5 工具链与监控体系6 实验设计原则7 培训参考与推荐 1 背景 谷歌(Google)以数据驱动著称,几乎所有可…

国芯思辰| 医疗AED可使用2通道24位模拟前端SC2946(ADS1292)

生物电信号监测技术在医疗健康行业中发展迅速,成为评估人体生理健康状况的关键手段。心电(ECG)、脑电(EEG)和肌电(EMG)等信号,通过精密模拟前端芯片捕捉和处理,对医疗诊断…

数据结构【二叉搜索树(BST)】

二叉搜索树 1. 二叉搜索树的概念2. 二叉搜索树的性能分析3.二叉搜索树的插入4. 二叉搜索树的查找5. 二叉搜索树的删除6.二叉搜索树的实现代码7. 二叉搜索树key和key/value使用场景7.1 key搜索场景:7.2 key/value搜索场景: 1. 二叉搜索树的概念 二叉搜索…