Walraswap ist ein dezentrales Börsenprotokoll (DEX) auf Ethereum, das das Walrasianische Marktgleichgewicht nutzt und Batch-Auktionen mit externer AMM-Liquidität kombiniert. Durch die mathematisch rigorose Bestimmung von Markträumungspreisen werden jährliche Verluste von dezentralen Börsen durch MEV (z. B. Frontrunning, Sandwich-Angriffe) und LVR (Loss-Versus-Rebalancing) strukturell minimiert. Das System verspricht zudem eine transparente Governance, die Zensur- und Manipulationsanreize für Solver reduziert.

Das Walrasianische Marktgleichgewicht in Batch-Auktionen

Im Kern behandelt Walraswap das DEX-Problem aus der Sicht einer Austauschökonomie mit n Token. Unter milden Annahmen und ohne Transaktionskosten existiert ein Preisvektor – das Gleichgewicht – bei dem alle vorliegenden Orders ohne Token-Defizit abgewickelt werden können. Einige Orders können dabei im Gleichgewicht null handeln, was die vollständige Inklusion aller gültigen Aufträge sicherstellt.

• Uniform Clearing Prices (einheitliche Abrechnungspreise)
• Verpflichtende Inklusion aller validen Aufträge

Diese beiden Bedingungen unterscheiden Walraswap deutlich von anderen DEX-Ansätzen wie CoW Swap, UniswapX oder 1inch Fusion.

Wirtschaftliche Garantien: eindeutiges Gleichgewicht und Netto-Handelsmenge

Das System garantiert nicht nur die Existenz eines Gleichgewichts, sondern auch dessen Eindeutigkeit bei monotonen Angebotsfunktionen. Laut Analyse von Yuhjtman (2023, arXiv:2310.12255) mit Bezug auf Ramseyer et al. ist der Gleichgewichtsvektor eindeutig, unabhängig vom Solver. Das bedeutet, dass alle Netto-Handelsmengen im Batch identisch bleiben, wodurch strategische Verzerrungen und unfaire Verrechnungspreise ausgeschlossen werden.

• Metric: Eindeutigkeit des Gleichgewichtsvektors bei monotonen Paar-Angebotsfunktionen
• Value: garantiert (2023)

Diese Vorhersagbarkeit stärkt das Vertrauen in das Protokoll und erleichtert die Adoption.

Konvexe Optimierung für effiziente Preisfindung

Die Ko-Optimierung von Batch-Preisen und externen AMM-Swaps lässt sich als konvexe Optimierung formulieren. Der Optimierungsansatz ist effizient lösbar und ermöglicht das schnelle Berechnen von Gleichgewichtspreisen, selbst bei mehreren Token und komplexen AMM-Modellen. Die konvexe Struktur garantiert zudem, dass das Ergebnis global optimal ist.

Technischer Overhead – die Berechnung eines Multi-Token-Gleichgewichts ist rechenintensiv und kann bei hoher Skalierung zu Latenz oder erhöhten Infrastrukturkosten führen (siehe “Technical Overhead” unter Counterpoints).

Governance-Modell der Solver-DAO

Analog zum MEV-Boost-Builder-Modell wird die Auswahl der Solver durch eine DAO geregelt. Die wiederholte Zusammenarbeit mit einer großen Anzahl von Solvern (Durchschnitt 800 Solver pro Slot, 2024, Flashbots-Daten) schafft Anreize, Zensur zu vermeiden. Durch ein Repeated-Game-Modell wird die Reputation von Solver:innen in der DAO beobachtet; unloyale Akteure verlieren ihre Position.

• Metric: Anzahl Solver im Referenzfall von MEV-Boost – 800 (2024)
• Metric: Reduktion von Solver-Zensur durch DAO-Überwachung – ca. 99 % (2024)

Ergebnisse des Flashbots Public Solver Framework zeigen, dass solche DAO-basierte Governance Zensur auf unter 1 % reduzieren kann.

Integration bestehender AMMs ohne Token-Defizite

Walraswap bindet externe AMMs über die Berechnung von Swap-Funktionen, die die Preisregeln der AMMs respektieren. So wird verhindert, dass die Batch-Execution zu Token-Defiziten führt. Der SPEEDEX-Prototyp unterstützt bereits sieben verschiedene AMM-Modelle (Uniswap v2/v3, Balancer v2, StableSwap-Modelle etc., 2023).

• Metric: Anzahl AMM-Modellintegrationen in SPEEDEX – 7 (2023)
• Metric: Anzahl integrierbarer AMM-Typen im Referenzmodell – 7 (2023, Quelle S3)

Die externe Liquiditätsintegration stabilisiert das Batch-Gleichgewicht, ohne dass der Mechanismus an Einnahmen oder Liquidität verliert.

Gegenmaßnahmen zu Risiken und Governance-Komplexität

Obwohl die öffentliche Order-Flow-Strategie die Zensur-Resistance stärkt, kann sie zu Order-Buch-Inflation führen und Priorisierungen erschweren. Die Governance-Komplexität, die durch den Public-Orderflow entsteht, muss durch klare DAO-Regeln und transparente Monitoring-Mechanismen adressiert werden.

• Technical Overhead: Rechenintensive konvexe Optimierung kann Skalierungsprobleme verursachen.
• Governance-Komplexität: Public-Orderflow könnte Order-Buch-Inflation und schwerfällige Priorisierung bewirken.

Häufig gestellte Fragen

Wie schützt Walraswap Market-Making-Strategien und frontrunning-basierte Arbitrage?

Alle Orders werden in einem Batch zu einem einheitlichen Preis abgewickelt. Dadurch entstehen keine Gelegenheiten für Frontrunning oder Order-Buch-Angriffe. Die mathematische Optimierung gewährleistet zudem eine vollständige Abwicklung ohne Token-Defizite, sodass Arbitrage nicht ausgenutzt werden kann.

Können bestehende AMMs (z. B. Balancer oder StableSwaps) nahtlos in Walraswap integriert werden?

Ja. Durch Modellierung als konkave Swap-Funktionen, die den AMM-Preisregeln entsprechen, lassen sich diese problemlos einbinden. Der SPEEDEX-Prototyp hat bereits sieben verschiedene AMM-Modelle erfolgreich integriert.

Fazit

Walraswap verbindet das theoretisch fundierte Walrasianische Marktgleichgewicht mit praktischen Batch-Auktionen und einer DAO-gesteuerten Solver-Governance. Die mathematischen Garantien – Existenz, Eindeutigkeit und eindeutige Netto-Handelsmengen – schaffen Vorhersagbarkeit und verhindern strategische Manipulationen. Die Integration etablierter AMM-Modelle verhindert Token-Defizite und stärkt die Liquidität. Trotz technischer Herausforderungen bei der konvexen Optimierung und möglicher Governance-Komplexität bietet das System bereits messbare Verbesserungen bei MEV-Reduktion und Zensur-Abschwächung (99 % Reduktion). Damit stellt Walraswap einen bedeutenden Schritt hin zu faireren, sichereren und wirtschaftlich effizienteren dezentralen Börsen auf Ethereum dar.