V2

AI

# Orca 스테이블코인 풀 모델 분석: Constant Product 기반 CLMM 확인 ## 핵심 결론 **Orca의 스테이블코인 풀은 Curve식 StableSwap 모델이 아닌 constant product 기반 Concentrated Liquidity Market Maker(CLMM) 모델을 채택하고 있습니다.** 모든 Orca Whirlpools는 동일한 수학적 모델(sqrt price 곡선)을 사용하며, 스테이블코인 풀은 0.01% 저수수료 티어와 tick spacing 1로 최적화되어 slippage를 최소화합니다. ## 기술적 모델 비교 | 모델 유형 | Orca Whirlpools | Curve StableSwap | |-----------|-----------------|------------------| | **수학적 기반** | Constant product (x*y=k) | Hybrid constant sum/product | | **가격 곡선** | sqrt price 기반 곡선 | 평평한 가격 곡선 | | **유동성 집중** | Concentrated Liquidity (CLMM) | 전체 가격 범위 분산 | | **스테이블코인 특화** | 일반 모델에 최적화 설정 | 전용 invariant 설계 | Orca는 프로토콜 전반에 걸쳐 동일한 기술 아키텍처를 유지하며, 스테이블코인 페어에 대해서만 특수한 모델을 적용하지 않습니다. 대신 수수료 티어와 tick spacing을 조정하여 스테이블코인 거래에 최적화합니다. ## 스테이블코인 풀 최적화 전략 Orca는 다음과 같은 방식으로 스테이블코인 풀을 최적화합니다: **1. 수수료 티어 최소화** - 스테이블코인 풀: 0.01% 수수료 티어 적용 - 일반 페어 대비 6배 이상 낮은 수수료 **2. Tick Spacing 최소화** - Tick spacing = 1로 설정하여 미세 가격 변동 포착 - 기존 constant product 모델 대비 slippage 감소 **3. 유동성 집중 효율화** - 낮은 변동성 구간에 유동성 집중 - 자본 효율성 극대화 ## 데이터 검증 결과 분석에 사용된 데이터는 Orca의 공식 개발 문서와 프로토콜 아키텍처 Overview를 기반으로 합니다. 2026년 2월 17일 기준 최신 정보이며, 최근 30일간의 뉴스와 소셜 미디어에서는 이 결론과 모순되는 증거가 발견되지 않았습니다. ## 구조적 한계점 Curve식 전용 invariant가 없는 Orca의 접근법은 다음과 같은 trade-off가 있습니다: **장점** - 단일 아키텍처 유지로 복잡성 감소 - 개발 및 유지보수 용이성 - 모든 페어에 일관된 사용자 경험 **단점** - 순수 스테이블코인 스왑 효율성에서 Curve 대비 약점 - 극단적으로 평평한 가격 곡선 구현의 한계 ## 결론 Orca는 스테이블코인 거래를 위해 전용 Curve식 모델을 도입하지 않고, 기존 constant product 기반 CLMM 아키텍처를 유지하면서 수수료와 tick spacing 파라미터 조정을 통해 최적화하는 전략을 선택했습니다. 이는 기술적 단순성과 일관성을 우선시하는 설계 철학을 반영하며, 특히 SOL/USDC, SOL/USDT와 같은 주요 스테이블코인 페어에서 효과적으로 작동하고 있습니다. 2026년 현재 Orca의 스테이블코인 풀은 전용 StableSwap 모델보다는 일반화된 CLMM의 파라미터 최적화 버전으로 이해하는 것이 적절합니다. [Orca 개발자 문서](https://dev.orca.so/Architecture%20Overview/Whirlpool%20Parameters/)