Blockin.ai：LP 追踪，LP 分群分析

作者：Blockin.ai

一、统计样本

统计样本为自Uniswap V3协议建立起，至2022-10-27期间的所有LP共85195个，其中1066个LP在仓位首次注入后转账给另一地址，并未持续持有该仓位，因此将其剔除，剩余样本84129个；

本文基于链上元数据的所有仓位相关事件和对LP及其仓位每小时汇总的收益指标，衍生出小时级的LP特征指标，用于LP特征分布统计、建立LP分群及用户画像；

二、LP特征分布统计

（一）LP历史持有最大币池数量及仓位数量分布
分别统计了lp在同一时间同时持有的最大币池数量、最大仓位数量、单币池最大仓位数量，该数量分布如下图1-1，发现超66000LP同一时间只选择在一个币池做市，超66000LP同一时间在单个币池只持有一个仓位，超57000LP同一时间在Uni-V3只持有一个仓位，说明大部分LP是单币池单仓位持有者，只有少部分LP选择分散投资；

将LP分为单仓位持有者和多仓位持有者(single_position / multi_positions)，多仓位持有者在单币池内的仓位分布实例如图1-2：

LP地址：0x741aa7cfb2c7bf2a1e7d4da2e3df6a56ca4131f3；

POOL地址：0x8ad599c3a0ff1de082011efddc58f1908eb6e6d8；

图2-1 LP历史持有最大币池数量、最大仓位数量、单币池最大仓位数量分布

图2-2 多仓位持有者在单币池内的仓位分布实例

（二）LP总挖矿时长及调仓频率统计分析

总挖矿天数total_days为LP从第一次获得仓位到最近一次全部撤出仓位的时间，总挖矿天数分布主要集中在0-100天，并且为长尾分布；统计发现总挖矿天数超过200天的LP有约20000个；总挖矿天数小于等于3天的LP约16000个；

调仓次数operate_cnt即LP对仓位的mint/burn动作次数，为便于统计，单个仓位所有调仓动作被全部计算在仓位最后的拥有者处，图1-3上可知调仓次数主要集中于2次、3次，调仓次数小于等于3次的LP约54000个；

由于单个已经撤出的仓位至少有两次调仓动作（一次注入一次撤出），因此将operate_cnt<=2的LP认为是单次调仓single_operation，将2<operate_cnt<=10的LP认为是多次调仓multi_operations，将operate_cnt>10的LP认为是许多次调仓many_operations，调仓次数分类分布如图1-4；

图2-3 LP总挖矿时长及调仓次数密度分布

图2-4 调仓次数分类分布

（三）LP最后撤仓时间与收益率分布

从已撤仓的LP最后撤仓月份分布来看，LP在2022年10月完全撤仓数量最多，其他月份完全撤仓LP数量较平均，2022年2月完全撤仓LP数量最少；

图2-4最后撤仓月份LP数量分布图

（四）LP仓位区间分布

通过计算token1本位的LP各仓位的区间平均宽度和上下区间平均宽度，以观察LP设置仓位区间宽度的倾向性，标准宽度的计算方式是：上下限与当前价格的价差/当前价格；

LP平均区间宽度呈双峰分布状，第一个尖峰在0.15附近，说明了一部分LP认为池子兑换价会在15%内波动；第二个尖峰在1.5附近，说明了一部分LP倾向于较宽分布，并且分布主要集中在0-2之间；

认为上区间宽度大于两倍下区间对价格有positive倾向，认为下区间宽度大于两倍上区间对价格有negative倾向，其他为中性neutral。如图发现LP设置区间为neutral中性最多，有positive倾向的LP略少于中性，有negative倾向的LP较少；

图2-5仓位区间倾向LP数量分布图

三、特征筛选

（一）特征多重共线性及相关性分析
通过多重共线性分析，计算特征VIF值并依次剔除大于10的最大VIF值特征，剔除的特征有：’his_maxnetvalue_u_alld’, ‘avg_netvalue_u’, ‘avg_pos_age’, ‘pos_age_75percent’;

计算数值型变量的相关系数矩阵，并作出相关系数热力图，将相关系数在0.7以上认为是高相关性特征，后续变量筛选中将不同时选取；

图3-1 相关系数热力图

（二）重要特征分箱

将LP历史总年化收益率分为[1、0]变量，其中收益率为正取1为负取0，通过等频分箱合并得到最终结果，筛选IV值不小于0.2的特征并过滤高相关性特征，最终得到重要特征如下：

从特征分箱结果看，仓位净值更大、最后撤仓时间更晚、平均调仓时间更短以及调仓次数更多的LP组内负收益率的比例更低；从特征分箱的净年化收益率分布箱体来看，同样符合这一结论；

表3-1 特征分箱iv

表3-2 特征分箱结果

图3-2 特征分箱的LP净收益率分布箱体图

基于选择跟单LP的目标，需要选择最近有过操作的LP，因此LP的最近撤仓时间不作为特征指标；

对剩余三组特征计算正收益的LP比例，并绘制热力图，发现调仓次数的特征区分度不明显，而最大仓位净值>3631.76 & 平均调仓时间<76的LP整体收益明显更佳，这也符合聪明钱的特征，因此后续LP跟踪将从符合这些条件的LP中选择；

符合上述条件的LP共32117个，为了寻找活跃地址，同时符合最近撤仓时间在最近15d内且累积挖矿天数超过30d且在池子内天数超过20d的LP，共2201个。

图3-3 重要特征分箱的LP正收益分布热力图

（三）LP操作风格特征分箱

图3-3 按LP操作风格分类箱体图