Last Updated on 2026年4月2日 by Co-Founder/ Researcher
第1部において、DeFi（分散型金融）の流動性配置における2つの主要アーキテクチャ、「静的リバランス（Auto Move）」と「動的DLMM（Dynamic Liquidity Market Maker）」の構造的差異を、時間軸（$t$）とリバランス頻度（$n$）を組み込んだ「実質利回り（Real Yield）」の積分モデルによって解剖しました。数理モデル上、ボラティリティ（$\sigma$）の高い市場レジームにおいては、DLMMの動的手数料（Dynamic Fees）が摩擦コストを上回り、資本効率を高める構造が示されています。
本稿では、この数理モデルを現実のブロックチェーンデータへ適用する「実証編」として、資産管理ダッシュボード「DeBank」および「Solana FM」を用いたオンチェーン「クジラ（大口流動性提供者）」の追跡・解析手法を解剖します。主観的な推論を排除し、観測されたアドレスのBin（ビン）配置構造と、積分モデルに基づく算出結果をリバースエンジニアリングすることで、データの透明性（Transparency）を活用した流動性提供の構造理解フレームワークを提示します。
目次
本記事の目的
本記事の目的は、パブリックブロックチェーンの透明性を利用し、DeFi市場における情報の非対称性を解消するための具体的なオンチェーン解析手法を提供することにあります。第1部で定義した実質利回りの数理モデルを、実際のクジラのウォレットから抽出したパラメーターに適用し、理論と現実の整合性を検証します。DeBank等のツールを用いて大口資本の「Bin配置（流動性分布）」の傾向と、ボラティリティ環境下での「モデル上の実質収益」を定量的に可視化する手順を定義し、読者が事実（FACT）に基づく運用戦略を構築するための客観的な判断基準を提供します。
記事内容
オンチェーン実証解析のインフラ：データの透明性を武器とする
DeFiの最大の構造的特性は、すべてのスマートコントラクトの実行、トークンの移動、流動性プールへの預け入れ（LPポジション）がパブリックブロックチェーン上に刻まれ、検証可能であるという点です。流動性提供者は自己の資金やトランザクション履歴を完全に秘匿することはできず、その戦略のパラメーターは客観的なFACTとして公開されています。
本解析では、EVM（Ethereum Virtual Machine）圏およびSolanaエコシステムに対応した資産管理ダッシュボード「DeBank」、およびSolana専用のブロックエクスプローラー「Solana FM」を主たる観測インフラとして使用します。これらのツールを組み合わせることで、特定のDEX（分散型取引所）における大口資本のアドレスを特定し、彼らのLPポジション、特にDLMMにおけるBinの配置構造（流動性分布）を解析することが可能となります。
観測対象の定義とデータ抽出プロトコル
本実証解析におけるデータの基準を明確にするため、以下の通り観測対象の定義とデータ抽出の境界条件（制約）を定義します。
1. 観測インフラ
- ウォレットスクリーニング: DeBank (Web application)
- トランザクション/Bin配置解析: Solana FM (Block Explorer) / Meteora DLMM Analytics (Protocol native tools)
2. サンプル抽出条件（境界条件）
- 対象ペア: SOL-USDC (Meteora DLMM プール)。Solanaエコシステムで最も高い取引ボリュームと流動性（TVL）を持ち、ボラティリティが存在するため、Dynamic Feesの機能検証に適しています。
- サンプルサイズ $(N)$: DeBank Social RankingおよびSOL-USDCプールのTVL上位リストから抽出した、TVL $100k以上の任意のアドレス $N=10$。
- 観測期間 $(T)$: 2026年3月の特定期間（例: $T=168h$, 7日間）。この期間は、SOL価格が乱高下し平均回帰（Mean Reversion）した「高ボラティリティ環境 ($\sigma$ 大)」を選択しています。
- 価格の連続性: 観測期間中、SOL価格が極端な価格ジャンプ（Binのスキップ）を起こしておらず、DLMMモデルの適用範囲内である期間を抽出しています。
3. データ抽出プロセス
- DeBankのリストから対象ウォレットアドレスを抽出します。
- 対象アドレスをMeteora DLMM Analytics等で参照し、観測期間 $T$ における「Bin配置（流動性分布）」の形状を記録します。
オンチェーン観測：DLMMにおける大口資本のBin配置構造
第1部で定義したBin構造において、抽出したサンプル（$N=10$）が具体的にどのような流動性分布を選択しているかを解析しました。Meteora DLMM Analyticsにおいて、アクティブ・ビン（現在価格）周辺の流動性分布を可視化した結果、本サンプルの範囲内で以下の傾向が確認されました。
資本の「集中度合い」の観測傾向
観測サンプル（$N=10$）のうち8件が、アクティブ・ビンから±1%以内のレンジに、自己資本の60%以上を集中させている状態が確認されました。これは、第1部で定義した「リアルタイムの価格並走」を高い資本の集中度（High Concentration）によって運用し、資本効率を志向している戦略であることが、当該サンプルの範囲内のFACTとして観測されています。
戦略パターンの解析
Meteora DLMM Analytics上の流動性分布グラフ（Bin Shape）の形状から、サンプルが選択している戦略を分類しました。プロトコル上、主に以下の3形状が存在します。
- Spot（スポット）戦略: アクティブ・ビンを中心に左右対称に均等に流動性を配置する。
- Curve（カーブ）戦略: 現在価格から離れるにつれて流動性を逓減させる（価格変動時の資本効率とILのバランスを取る）。
- Bid-Ask（ビッド・アスク）戦略: 現在価格を空白にし、その上下に流動性を配置する。
今回の観測サンプル（$N=10$）のうち7件が「Curve戦略」の形状を選択していました。これは、高ボラティリティ環境下において、未実現ILの拡大をBin形状によって緩やかにしつつ、手数料収益の確保を図る構造が選好されている傾向を示唆しています。
Real Yieldの実証検証（積分モデルの適用）
第1部で定義したReal Yieldの積分モデルに、対象プール（SOL-USDC）における観測パラメーターを当てはめ、実質利回りの構造を算出します。
算出のための参照パラメーター（モデルケース）
（※以下は、観測期間 $T=168h$ におけるプールの平均的な変動率と、TVL $150,000の運用を仮定したモデル計算上の数値です）
- 初期TVL: $150,000
- 観測期間 $T$: 168時間（7日間）
- ボラティリティ環境 $\sigma$: 高（期間中の急変動を伴う）
積分モデル $Real Yield = \int Fees – \sum (Gas + Realized IL)$ への適用
- Trading Fees $\int_{0}^{T}$ (連続的収益):期間中の取引ボリュームとDynamic Feesの乗数効果に基づくモデル算出上、約$4,200（TVLの約2.8%）の収益が発生する条件となります。
- Farming Rewards $\int_{0}^{T}$ (外部インセンティブ):対象プールに外部インセンティブが存在しない場合、ここは 0 となります。
- Gas Costs $\sum$ (離散的コスト):期間中に戦略修正（トランザクション）を1回実行したと仮定した場合、Solanaのネットワーク仕様上、計$0.001規模のコストとなります。
- Realized IL $\sum$ (離散的損失):ポジションの解体を行わなかった場合、実現した損失（Realized IL）は 0 として扱われます（未実現ILは内部的に変動しています）。
モデル上の算出結果
$$Real\ Yield(T=168h) = (4200 + 0) – (0.001 + 0) = \textbf{+\$4,199.999}$$
このモデルケース上の算出において、高ボラティリティ環境下ではDLMMの手数料構造が、摩擦コスト $\sum (Gas + Realized\ IL)$ を大きく上回る結果が数理的に示されます。EVM圏での静的リバランス（Auto Move）が複数回のリバランス（$n$ 大）を強いられる環境と比較した場合、摩擦コストの観点からDLMMインフラの構造的優位性が確認できます。
※注記：この算出結果は特定の期間および条件を仮定したモデルケースであり、将来の収益を保証するものではありません。未実現ILは価格変動に伴い拡大しており、価格が平均回帰せず一方向にトレンドを形成した状態でポジションを解除した場合、大きなRealized IL $\sum$ が発生し、Trading Fees $\int$ を上回る「ネガティブ・Real Yield（赤字）」となるリスクは構造上常に存在します。
模倣における構造的制約：資本スケールの差異
オンチェーンデータの透明性を活用し、大口資本の「Bin配置」の傾向を可視化することは可能ですが、これをそのまま小口資本が模倣することには、資本スケールの違いに起因する重大な構造的制約が存在します。
資本スケールの差異によるGasコスト/収益比率の逆転
第1部の数理モデルにおいて、Gas Costs $\sum$ は資本スケール（TVL）とは無関係に、トランザクション単位で固定的に発生します。
- 大口運用（TVL $150k）: ガスコスト $\sum$ が少額（例: $1）発生しても、獲得手数料が$4,200であれば、収益に対するガスコストの圧迫はほぼ無視できます。
- 小口運用（TVL $10k）: 同じ戦略を模倣し、EVM L2等で1日複数回のリバランス（Auto Move）を実行した場合、ガスコストの累積が獲得Feesを容易に侵食し、摩擦コストが収益を毀損する構造的な赤字に陥るリスクが高まります。
データの透明性を利用した解析においては、「どのペア・どの戦略が選ばれているか」だけでなく、「自己の資本スケールが、選択したブロックチェーンインフラのガスコスト構造において数理的な合理性（Capital Efficiency）を維持できるか」という視点が不可欠です。
FAQ
Q. DeBankから大口LPのアドレスを特定することは可能ですか？
可能です。DeBank上で公開されている資産保有状況（TVL）やトランザクション履歴と、Solana FMやDEXの分析ツール上のデータを突き合わせることで、パブリックブロックチェーンの透明性に基づき、特定のアドレスのLPポジションの配置状況を客観的に観測することができます。
Q. 観測期間 $T$ を7日間に設定した理由は何ですか？
対象ペア（SOL-USDC）の価格がボラティリティの影響を受け、一定の変動幅を持った期間を抽出するためです。積分モデルにおける連続的なFees寄与と、摩擦コストの発生有無を観測するには、ある程度の時間幅と「価格の非連続なジャンプが存在しない」という境界条件を満たす期間を設定する必要があるためです。
Q. ウォレットの所有者がオンチェーンでの追跡を回避する手段はありますか？
DEXのスマートコントラクトを介して流動性を提供する以上、パブリックチェーンの構造上、そのポジションやトランザクションを完全に隠蔽することは不可能です。アドレスを細かく分散させて特定を困難にする手法は存在しますが、プール内の個々のポジションデータ自体はオンチェーン上にFACTとして記録され続けます。
Q. 本記事の分析を自分で再現することは可能ですか？
可能です。以下の手順で再現できます。
- DeBankでTVL上位ウォレットを抽出
- 対象アドレスをMeteora DLMM Analyticsで検索
- Bin分布とレンジ集中度を確認
- 同期間の価格推移と出来高を取得
- Fees・ILをモデル式に代入
※完全一致は保証されませんが、構造的傾向の再現は可能です。
本稿で観測したオンチェーン資金移動は、最終的に各参加者のエグジット戦略として実行される。これらのトランザクションがどのような手順で処理され、どのレイヤーでリスクが発生するかについては、以下の記事で操作単位に整理している。
オールドアルトとDeFiの統合構造：資産ラッピングと出口戦略【第3部】 → ExitフローとリスクをMarket / Infrastructure / Userの3層で分解。
まとめ：構造理解のためのフレームワーク
本解析から得られる、オンチェーンデータに基づく構造的特徴は以下の4点に集約されます。
- データの透明性の活用: ブロックチェーンの構造的特性を利用し、DeBank等のインフラを用いることで、特定アドレスの流動性配置（Bin戦略）の傾向を客観的に可視化することが可能である。
- モデル上の優位性の確認: 抽出パラメーターを用いたモデル算出において、高ボラティリティ環境下では、動的手数料が摩擦コスト（Gas等）を上回るという第1部の数理モデルの整合性が確認された。
- 戦略の観測傾向: 本サンプルの範囲内において、大口資本は資本を極端に集中させつつ、未実現ILを抑制する「Curve戦略」の形状を選好する傾向が観測された。
- 模倣の構造的制約: オンチェーンデータを参照して戦略を構築する際は、対象プロトコルだけでなく、自己の資本スケールとネットワークのガスコスト構造のバランス（資本効率）を考慮することが不可欠である。
Crypto Verseからのメッセージ
オンチェーンデータの透明性を利用した解析は、情報のノイズを排し、FACTに基づく意思決定を行うための強力なアプローチです。第1部の数理モデルと、第2部のオンチェーン観測手法によって、DeFiにおける流動性配置の構造と、それを検証するフレームワークが提示されました。他者の戦略パラメーターを可視化できるという事実は、同時に自身の資本スケールやリスク許容度と向き合う材料となります。検証可能なデータを活用し、構造を理解することこそが、複雑なWeb3エコシステムをナビゲートするための確実な手段となります。
データ参照元・出典
・Uniswap V3 Core Whitepaper – 集中流動性の数理モデル
・Meteora DLMM Documentation – BinアーキテクチャおよびDynamic Fees仕様
・DeBank Assets Management Dashboard – ウォレットスクリーニングおよびTVL解析
・Solana FM Explorer – トランザクション履歴およびBin配置解析
・Etherscan Gas Tracker – EVM圏におけるガスコスト推移
重要な注記（リスク開示）
分散型金融（DeFi）プロトコルにおける流動性の提供には、以下の構造的リスクが内在します。確実な収益を保証するメカニズムは存在しません。本稿におけるオンチェーン解析は客観的な観測結果とモデルケースであり、将来の結果を予測するものではありません。
- 情報の透明性と秘匿性の構造的矛盾: トランザクションや戦略のパラメーターはオンチェーンに公開されており、第三者の戦略を解析できる反面、自己の運用状況も常に外部から可視化・解析される状態にあります。
- スマートコントラクトリスク: プロトコルのコードに潜在する脆弱性が悪用され、プール内の資産が流出するリスク。
- 最大抽出可能価値（MEV）リスク: ブロックのトランザクション順序を操作するアービトラージャーやボットにより、スワップ実行時等に見えないコストを搾取されるリスク。
- 流動性枯渇リスク: ペアを構成するトークンの市場価値が崩壊した場合、DEX上での取引が成立せず、資産の引き出しや交換が不可能になるリスク。
- プロトコル変更リスク: DAOのガバナンス投票等を通じ、事前の猶予期間なく手数料率や報酬設計の仕様が変更されるリスク。
関連記事
DeFi流動性提供（LP）の構造的リスクと三次元管理手法の体系的分析【2026年版】 → インパーマネントロスを含むLP特有のリスクとヘッジ手法の体系的分類。
暗号資産ツール完全マップ：用途別・オンチェーン追跡＆ポートフォリオ管理の最適解 → DeBankを含むオンチェーン解析ツールの機能比較と活用事例。
DEX Screener完全攻略：プロトレーダーが実践する「オンチェーン流動性」の高度な分析手法とフィルタリング技術 → データの透明性を活用した流動性解析の応用手法。
MEV（Maximal Extractable Value）の技術的構造：フロントランニング・サンドイッチ攻撃・リスク軽減の完全解剖【2026年版】 → 本稿の「重要な注記」で言及したMEVリスクの技術的メカニズムを、トランザクション順序操作の構造から体系的に解説。
プログラム可能な通貨と検証可能なコード：2026年における次世代金融インフラの構造解剖 → 本稿が前提とするDeFiプロトコルの基盤であるスマートコントラクトの決定論的実行と、「検証可能性」の構造を解剖。
Crypto Verseの視点
┌─────────────┐
複雑なWeb3の世界を
もっとも信頼できる「地図」へ
└─────────────┘
免責事項
本記事はオンチェーンデータの観測に基づく技術的・構造的な分析および情報提供のみを目的としており、特定の暗号資産の購入、売却、または特定のDeFiプロトコルの利用を推奨・勧誘するものではありません。暗号資産およびDeFiの利用には、元本の全損を含む極めて高いリスクが伴います。記事内のシミュレーションおよびデータは特定の条件下におけるモデルであり、将来の結果を予測または保証するものではありません。最終的な意思決定は、読者自身の厳格なデューデリジェンスと責任において行われるべきであり、Crypto Verseおよび著者は、本記事の情報に起因するいかなる損害に対しても法的・道義的な責任を負いません。