TRU:DeFi評估模型：無許可借貸協議風險知多少_trustwallet怎么讀

本文介紹了一種評估各種DeFi借貸協議風險水平的模型。為了解釋這些平臺中存在的各種風險，研究者使用了一個多因素模型來研究智能合約、抵押品和流動性風險。該模型使用公共鏈外和鏈上數據的組合，來評估多個不同以太坊DeFi產品的相對風險水平。

注：該模型是來自ConsenSy的DeFiScore開源模型。

目錄

1、簡介

2、無許可借貸協議的概述

2、1智能合約風險2、2金融風險2、3其它考慮因素

3、得分占比

4、局限性和未來的改進

一、簡介

2008年的金融危機是中本聰創立比特幣的主要動力。而在比特幣的創始區塊中，中本聰寫入了當時的銀行救助計劃。一些人認為，金融危機部分是由傳統金融界對整個金融體系信貸風險的誤解和錯誤定價造成的。風險管理是現代金融基礎設施中最關鍵的部分之一，它為所有人建立了一個更加健全和安全的金融體系。

在過去的一年里，我們看到以太坊區塊鏈上的無許可金融協議呈現出爆發式增長的趨勢，很多協議迎合了借貸市場。這些市場已發展成所謂"去中心化金融"或“DeFi”的最大子類別，其年增長率達到了355%。然而，并非所有的借貸平臺都是平等的。不同的借貸產品具有非常不同的風險/回報情況，而直接比較它們的利率會是非常不合適的選擇。

Aptos生態DeFi協議ThalaLabs與LayerZero合作:金色財經報道，Aptos生態DeFi協議Thala Labs與互操作性協議LayerZero達成合作，將超額抵押穩定幣Move Dollar（MOD）和Thala治理代幣THL集成為全鏈可替代代幣（OFT），以實現無縫的多鏈連接。[2023/3/19 13:13:09]

更好地理解和建模DeFi行業中的風險，將是DeFi走向成熟的重要一步。正是出于這個目的，在這里，我們引入了一個定量模型來評估各種無許可借貸協議的風險水平。

二、無許可借貸協議的概述

無許可借貸協議是指允許用戶通過以太坊區塊鏈的“智能合約”來借貸各種不同數字資產的系統。這些“智能合約”不是法律意義上的合約，而是在以太坊區塊鏈上有效生存和執行的計算機代碼。借出資產的用戶將獲得貸款利息，而借款人提供抵押品，并支付可變利率。無許可借貸協議的一些例子包括Compound、dYdX以及Nuo。

2、1智能合約的風險

在DeFi中，智能合約風險是導致交易對手風險的主要因素。盡管DeFi通常被稱為無需信任，但實際上defi平臺的用戶必須信任他們正與之交互的智能合約。而智能合約對用戶來說可能是不透明的，這意味著用戶信任合約代碼的方式，與他們信任任何Web2.0基礎設施的方式相同。還有一種風險是，智能合約會存在潛在漏洞，可能會遭到黑客攻擊，這對合約的用戶而言會造成嚴重的財務影響，例如失去鎖定在合約中的所有抵押品。我們提出的模型著眼于智能合約風險的兩個要素。

暹羅商業銀行總裁：DeFi不能被完全監管:在SCB 10X的第二屆全球DeFi虛擬峰會REDeFiNE的開幕致辭中，暹羅商業銀行（SCB）的總裁Sutivong博士強調，在增長方面，DeFi行業在過去六個月中增長了十倍，今年鎖定在DeFi生態系統中的總價值超過1000億美元。Arak Sutivong博士認為，DeFi需要一個與傳統金融進行長期和可持續互動的框架。\"根據定義，DeFi不能被完全監管。相反，需要有一個框架，使DeFi能夠與金融生態系統的其他部分相結合。\"（Cointelegraph）[2021/7/26 1:16:17]

1、代碼安全性

當評估用戶在智能合約中存入的資金的風險時，智能合約的安全性是非常重要的。正如大家所了解到的，智能合約中的錯誤可能會導致重大的財務損失。

例如，發生在2016年6月17日的“TheDAO”合約攻擊事件，導致360萬ETH被黑客轉移到其控制的地址當中。

雖然不能保證任何智能合約都是安全、沒有錯誤的，但一些信譽良好的安全公司提供的代碼審計和形式化驗證過程有助于發現嚴重的漏洞。而團隊提供漏洞獎勵計劃，則是一個積極的跡象，這表明開發團隊重視安全性，鼓勵獨立的安全研究人員發現協議缺陷，最終實現更廣泛的安全審查。

這個模型當中，會查看三個鏈外但公開的數據來評估代碼安全性：

DeFi信貸協議和無抵押貸款平臺TrueFi新增支持USDT:6月21日消息，DeFi信貸協議和無抵押貸款平臺TrueFi通過社區投票通過對USDT的支持，USDT池的推出是TrueFi針對多資產借貸的V3協議升級的一部分。TrueFi是一個DeFi信貸協議和無抵押貸款平臺，其最新的V3版本引入了DeFi信用模型。

目前平臺鎖倉價值逾2.82億美元，其中TUSD池鎖倉價值達6828萬美元，USDC池鎖倉價值達9852萬美元，新上線4天的USDT池已鎖倉8724萬美元。于此同時，超過1.15億TRU（超過30%的總流通供應量）被質押在協議上，為貸款人提供部分違約保護。[2021/6/21 23:54:03]

代碼是否經審計：第一個問題是代碼是否經過信譽良好的安全團隊的審核。

形式化驗證：第二個數據點是代碼是否已經過信譽良好的安全團隊的形式化驗證。

漏洞賞金計劃：第三個數據點是開發團隊是否提供公共漏洞賞金計劃。

2、代碼開放性

DeFi承諾的一部分是，智能合約的功能是完全on-chain的，這意味著代碼是可驗證和透明的。然而，DeFi平臺的開發人員仍然能夠以各種方式隱藏他們的代碼，例如不驗證字節碼以及使用鏈外oracle進程，而這種行為只能提供薄弱的安全保證，最壞的情況下會導致查找關鍵錯誤的延遲。雖然字節碼反編譯是可能的，但它是一個困難和耗時的過程，并且很難遵循“don’ttrust,verify”的口號。

DeFiBox數據：DeFi 總鎖倉量再創新高，挖礦平均年化收益51.66%:據DeFi 門戶DeFiBox.com實時數據顯示，DeFi 市場鎖倉量到291.18億美元，再創新高，其中Maker鎖倉量為46.1億美元。DeFi挖礦平均年化收益為51.66%，略有回升。[2021/1/26 13:35:45]

代碼開放性是通過查看是否驗證了字節碼來評估的。

2、2、財務風險

DeFi包含了很多與傳統金融相同的風險。雖然大多數借貸平臺使用超額抵押機制來降低信貸風險，但這種機制并不能完全消除信貸風險。眾所周知，加密貨幣資產是不穩定的，這些平臺沒有辦法從由不穩定的抵押資產造成的系統性破產事件中恢復過來。

目前的模型著眼于金融風險的兩個要素：

1、抵押物

如果沒有一個被廣泛接受的鏈上聲譽或身份方法，那么在DeFi貨幣市場平臺上避免不必要的信貸風險的唯一方法，就是使用超額抵押機制。雖然目前所有平臺都使用非常保守的抵押比例，但加密貨幣資產的高度波動性就意味著，這些超額抵押機制可能仍然是不夠的。

支持這些DeFi平臺的抵押資產的構成也有很大的差異，其中一些由流動性更高、穩定的資產組成。例如，平臺可能會主要采用以太幣，雖然ETH一樣是一種非常不穩定的資產，但與LINK這樣的資產相比，ETH的穩定性和流動性相對會更強。在考慮平臺風險時，這些抵押品構成差異是一個重要因素。

波場官方：Defi項目OKS與波場官方與孫宇晨本人沒有任何關系:波場官方今日發布聲明：波場社區近期盛傳Defi項目OKS，經查該項目為社區開發者自行開發Defi項目，與波場官方與孫宇晨本人沒有任何關系，合約并未經過官方審計，請投資者注意投資與黑客攻擊風險，波場與孫宇晨不負任何責任。經與P網溝通，OKS與P網IEO也沒有任何關系。OKS處于早期，投資風險極大，不鼓勵投資者參與該項目。[2020/7/2]

抵押品風險是通過查看兩個數據來評估的，這兩個數據都是從鏈上數據派生出來的。第一個數據點是抵押比率的30天指數移動平均值，第二個數據點是對抵押品組合的分析。

一般情況下，EMA的計算方法如下：

其中：

系數α表示權重降低的程度，它是介于0和1之間的常數平滑因子，這里選擇了2/31的平滑因子；

Yt是時間段t上的值，這里是30，用于查找30天EMA；

St是任意時間段t上的EMA值；

還有很多不同的模型來評估資產組合的風險。最常見的模型之一是VaR模型。VaR模型有多種不同的變體。而本模型目前使用的是CVaR模型，也被稱為預期短缺模型，之所以使用的是CVaR，是因為它更好地捕捉了稱為黑天鵝的更極端情況的概率。由于加密貨幣資產的極端波動性，該方法會是更合適的。本模型采用了99%CVaR模型，公式如下：

2、流動性

當前范圍內的平臺都試圖通過使用動態利率模型來激勵流動性，動態利率模型根據每個資產池中的流動性水平產生不同的利率。然而，激勵流動性并不意味著保證流動性。用戶會承擔風險，比如當所有資產都借出去了，他們可能無法按需收回借出去的資產。

流動性風險由單個數據點進行評估，該數據點可從鏈上數據導出，該數據點是流動性的30天指數移動平均值。使用流動性的絕對水平，而不是利用率的百分比，因為它會有一個附帶作用，即它會使較大的資金池得分更高。

2、3其它考慮因素

1、保險需求

在大多數發達的銀行系統中，貨幣市場賬戶都有某種形式的存款保險。在美國，這種存款保險是聯邦存款保險公司的保險，其為單個銀行存款賬戶提供最高25萬美元的保險。

而在DeFi生態系統中，卻還沒有等價的存款保險。盡管在DeFi保險領域已經有了一些有前途的創新，但目前沒有一個足夠成熟。

一些平臺將其平臺應計利息的一部分用于保險準備金，以防出現流動性緊縮或黑天鵝事件。然而，這些保險池是遠遠不夠大的，無法覆蓋其中一個平臺的大型破產事件。

2、監管風險

DeFi作為一個行業還是非常新的，算法貨幣市場更是如此。而這些平臺的開發，實際上也沒有實現去中心化，它們也沒有得到美國或其他國家銀行/金融監管機構的批準。這意味著，用戶在與這些平臺互動時也會承擔一定程度的監管風險。

三、得分占比

1、智能合約風險：審計代碼、驗證所有代碼的字節源、形式化驗證、漏洞獎勵計劃；2、財務風險：抵押品構成CVaR(10%)、抵押率30天EMA、流動性30天EMA；3、其他考慮因素：保險/監管風險；

四、局限性和未來的改進

注意，這并不是一個有效的統計模型。目前沒有足夠的數據來正確驗證此模型，這還是一個處于探討中的，用于評估不同DeFi平臺相關風險的框架。

該方法處于早期階段，如果沒有豐富的歷史數據，就更難做出前瞻性的表述。

此模型沒有考慮與DeFi產品相關的許多其他風險因素，例如Oracle風險、中心化風險以及清算策略，這是因為它們很難去量化，因此沒有被納入初始的框架當中。

然后，將這些評分子組件繼續細分化，也可能是有意義的，這樣子組件就可組合成不同類型的區塊鏈金融產品。未來的覆蓋范圍可能包括增加的DeFi收益產品、合成資產產品、做市產品以及這些產品的各種CeFI對應產品。

這種方法最初將在github上開源，但最終目標是通過允許去中心化治理來確定因子權重和因子包含，這樣可使模型變得更去中心化。

這項研究的最終目標，是將所有的工作集中到一種風險DAO中，它可以像一個開源的信用評級機構一樣。雖然實現這一目標所需的風險管理工作令人望而生畏，但我們對未來感到興奮。

相關資料

1、ans,Alex.“ARatings-BasedModelforCreditEventsinMakerDAO.”ARatings-BasedModelforCreditEventsinMakerDAO.PlaceholderVC,July2019.https://static1.squarespace.com/static/5a479ee3b7411c6102f75729/t/5d37587d026881000198ef51/1563908221879/Maker-Ratings.pdf.

2、Nakamoto,Satoshi.“BitcoinGenesisBlock.”Blockchain,January3,2009.https://www.blockchain.com/btc/tx/4a5e1e4baab89f3a32518a88c31bc87f618f76673e2cc77ab2127b7afdeda33b?show_adv=true.

3、Callagy,Robert,VanessaRobert,MarcPinto,andDanielMarty.“MoneyMarketFunds.”MoneyMarketFunds.NewYork,NY:Moody'sInvestorService,2019.

模型貢獻者

主要貢獻者：

JackClancy，其他貢獻者：

JordanLyallToddMurthaThomasLipari

Tags：EFIDEFDEFITRUPoodleFiDeflect ProtocolChargeDeFitrustwallet怎么讀

PEPE幣