Perché le piattaforme crypto non possono garantire zero perdite con l’autodeleveraging?

Le piattaforme di futures perpetui, come quelle che gestiscono i contratti derivati su Bitcoin o Ethereum, usano un meccanismo chiamato autodeleveraging (ADL). Quando una liquidazione tradizionale non riesce a coprire le perdite di un trader, l’ADL interviene per “rubare” parte delle posizioni vincenti, così da salvare la solvibilità dell’exchange.

Un nuovo studio, pubblicato su arXiv, ha costruito il primo modello matematico dell’ADL e ha scoperto un vero e proprio trilemma: non è possibile avere contemporaneamente solvibilità dell’exchange, ricavi elevati e giustizia per i trader. In pratica, più la piattaforma cresce, più aumenta il rischio di un “moral hazard”: gli operatori potrebbero contare sull’ADL per coprire errori, mentre i trader vincenti subiscono tagli ingiustificati.

Gli autori hanno identificato tre classi di meccanismi ADL che bilanciano al meglio questi obiettivi, garantendo equità, resistenza a shock di prezzo e massimizzando i profitti dell’exchange. Testando le loro proposte sui dati di Hyperliquid del 10 ottobre 2025, hanno scoperto che la piattaforma aveva usato l’ADL 28 volte più del necessario, togliendo circa 653 milioni di dollari di guadagni legittimi ai trader. Anche Binance sembra aver esagerato l’uso di questo strumento.

Il risultato è chiaro: ottimizzare l’ADL può ridurre drasticamente le perdite ingiuste per i trader, mantenendo al contempo la sicurezza della piattaforma. Una lezione importante per chi pensa che le criptovalute siano un gioco senza regole: anche i sistemi più avanzati hanno limiti e trade‑off da gestire.

Il modello teorico proposto dagli autori parte da una formulazione di tipo game‑theoretic, in cui l’exchange e i trader sono giocatori con payoff contrastanti. La solvibilità è modellata come una restrizione di budget: l’exchange deve mantenere un margine di capitale positivo dopo ogni liquidazione. I ricavi derivano dalle commissioni di trading e dalle penalità ADL, mentre la fairness è quantificata tramite una funzione di perdita media per i trader vincenti.

Il trilemma emerge dal teorema di impossibilità che dimostra che, per qualsiasi politica ADL, almeno una delle tre condizioni deve essere violata in regime di alta volatilità. Formalmente, se si impone la solvibilità (C1) e la massimizzazione dei ricavi (C2), la fairness (C3) è sacrificata, poiché la politica tende a colpire in modo sproporzionato le posizioni profittevoli. Al contrario, una politica equa riduce i margini di profitto dell’exchange, minacciando la sua capacità di assorbire shock di mercato.

Le tre classi di meccanismi ottimali sono: (i) ADL basato su soglie dinamiche di liquidazione, che adeguano il tasso di taglio in funzione della volatilità corrente; (ii) ADL con priorità di riduzione proporzionale, che distribuisce i tagli in modo lineare tra le posizioni vincenti; (iii) ADL ibrido, che combina soglie dinamiche con un meccanismo di “coda di sicurezza” per limitare i tagli massimi.

L’analisi empirica su Hyperliquid utilizza dati tick‑by‑tick per ricostruire l’intera sequenza di liquidazioni e ADL. Confrontando la politica reale (over‑utilizzo di ADL) con le tre politiche ottimali, si osserva una riduzione del 92% dei tagli ingiustificati e un aumento del 15% dei ricavi netti dell’exchange, grazie a una migliore allocazione del rischio. Questi risultati suggeriscono che una regolamentazione più fine delle politiche ADL potrebbe migliorare la trasparenza e la fiducia nel mercato dei futures crypto, senza compromettere la stabilità finanziaria della piattaforma.

Infine, gli autori propongono un framework di monitoraggio in tempo reale, basato su metriche di stress test, per adeguare dinamicamente i parametri ADL. Tale approccio consentirebbe di intervenire preventivamente prima che la combinazione di volatilità e volume di scambio spinga il sistema verso lo stato di “moral hazard” descritto dal trilemma.