Blockin.ai：LP 追蹤，LP 分群分析

作者：Blockin.ai

一、統計樣本

統計樣本為自Uniswap V3協議建立起，至2022-10-27期間的所有LP共85195個，其中1066個LP在倉位首次注入後轉帳給另一地址，並未持續持有該倉位，因此將其剔除，剩餘樣本84129個；

本文基於鏈上元數據的所有倉位相關事件和對LP及其倉位每小時彙總的收益指標，衍生出小時級的LP特徵指標，用於LP特徵分佈統計、建立LP分群及用戶畫像；

二、LP特徵分佈統計

（一）LP歷史持有最大幣池數量及倉位數量分佈
分別統計了lp在同一時間同時持有的最大幣池數量、最大倉位數量、單幣池最大倉位數量，該數量分佈如下圖1-1，發現超66000LP同一時間只選擇在一個幣池做市，超66000LP同一時間在單個幣池只持有一個倉位，超57000LP同一時間在Uni-V3只持有一個倉位，說明大部分LP是單幣池單倉位持有者，只有少部分LP選擇分散投資；

將LP分為單倉位持有者和多倉位持有者(singleposition / multipositions)，多倉位持有者在單幣池內的倉位分佈實例如圖1-2：

LP地址：0x741aa7cfb2c7bf2a1e7d4da2e3df6a56ca4131f3；

POOL地址：0x8ad599c3a0ff1de082011efddc58f1908eb6e6d8；

圖2-1 LP歷史持有最大幣池數量、最大倉位數量、單幣池最大倉位數量分佈

圖2-2 多倉位持有者在單幣池內的倉位分佈實例

（二）LP總挖礦時長及調倉頻率統計分析

總挖礦天數total_days為LP從第一次獲得倉位到最近一次全部撤出倉位的時間，總挖礦天數分佈主要集中在0-100天，並且為長尾分佈；統計發現總挖礦天數超過200天的LP有約20000個；總挖礦天數小於等於3天的LP約16000個；

調倉次數operate_cnt即LP對倉位的mint/burn動作次數，為便於統計，單個倉位所有調倉動作被全部計算在倉位最後的擁有者處，圖1-3上可知調倉次數主要集中於2次、3次，調倉次數小於等於3次的LP約54000個；

由於單個已經撤出的倉位至少有兩次調倉動作（一次注入一次撤出），因此將operatecnt\<=2的LP認為是單次調倉singleoperation，將2\<operatecnt\<=10的LP認為是多次調倉multioperations，將operatecnt>10的LP認為是許多次調倉manyoperations，調倉次數分類分佈如圖1-4；

圖2-3 LP總挖礦時長及調倉次數密度分佈

圖2-4 調倉次數分類分佈

（三）LP最後撤倉時間與收益率分佈

從已撤倉的LP最後撤倉月份分佈來看，LP在2022年10月完全撤倉數量最多，其他月份完全撤倉LP數量較平均，2022年2月完全撤倉LP數量最少；

圖2-4最後撤倉月份LP數量分佈圖

（四）LP倉位區間分佈

通過計算token1本位的LP各倉位的區間平均寬度和上下區間平均寬度，以觀察LP設置倉位區間寬度的傾向性，標準寬度的計算方式是：上下限與當前價格的價差/當前價格；

LP平均區間寬度呈雙峰分佈狀，第一个尖峰在0.15附近，說明了一部分LP認為池子兌換價會在15%內波動；第二個尖峰在1.5附近，說明了一部分LP傾向於較寬分佈，並且分佈主要集中在0-2之間；

認為上區間寬度大於兩倍下區間對價格有positive傾向，認為下區間寬度大於兩倍上區間對價格有negative傾向，其他為中性neutral。如圖發現LP設置區間為neutral中性最多，有positive傾向的LP略少於中性，有negative傾向的LP較少；

圖2-5倉位區間傾向LP數量分佈圖

三、特徵篩選

（一）特徵多重共線性及相關性分析
通過多重共線性分析，計算特徵VIF值並依次剔除大於10的最大VIF值特徵，剔除的特徵有：'hismaxnetvalueualld', 'avgnetvalueu', 'avgposage', 'posage_75percent';

計算數值型變量的相關係數矩陣，並作出相關係數熱力圖，將相關係數在0.7以上認為是高相關性特徵，後續變量篩選中將不同比選取；

圖3-1 相關係數熱力圖

（二）重要特徵分箱

將LP歷史總年化收益率分為[1、0]變量，其中收益率為正取1為負取0，通過等頻分箱合併得到最終結果，篩選IV值不小於0.2的特徵並過濾高相關性特徵，最終得到重要特徵如下：

從特徵分箱結果看，倉位淨值更大、最後撤倉時間更晚、平均調倉時間更短以及調倉次數更多的LP組內負收益率的比例更低；從特徵分箱的淨年化收益率分佈箱體來看，同樣符合這一結論；

表3-1 特徵分箱iv

表3-2 特徵分箱結果

圖3-2 特徵分箱的LP淨收益率分佈箱體圖

基於選擇跟單LP的目標，需要選擇最近有過操作的LP，因此LP的最近撤倉時間不作為特徵指標；

對剩餘三組特徵計算正收益的LP比例，並繪製熱力圖，發現調倉次數的特徵區分度不明顯，而最大倉位淨值>3631.76 \& 平均調倉時間\<76的LP整體收益明顯更佳，這也符合聰明錢的特徵，因此後續LP跟蹤將從符合這些條件的LP中選擇；

符合上述條件的LP共32117個，為了尋找活躍地址，同時符合最近撤倉時間在最近15d內且累積挖礦天數超過30d且在池子內天數超過20d的LP，共2201個。

圖3-3 重要特徵分箱的LP正收益分佈熱力圖

（三）LP操作風格特徵分箱

圖3-3 按LP操作風格分類箱體圖