ChinaDeFi是中国第一个专注DeFi的区块链研究品牌，致力于为DeFi的价值创造共识，贡献中国力量。我们将联合众多DeFi项目，开发者、投资机构、媒体、社区、开放平台、以及DeFi爱好者，共同打造中国DeFi生态,欢迎加入。

 

“杠杆”是加速市场、行业、项目发展的重要金融工具，以“套娃”设计理念著称的DeFi市场更是基于借贷的“杠杆”而起。良性的杠杆会加速发展，但是过高的杠杆率将会带来崩盘，正如17年12月的牛转熊、今年3月的“黑天鹅湖”，都是外因+内因共同作用产生的，外因有监管、疫情等因素，而主要的“内因”正是杠杆率过高导致相对流动性不足而引发趋势反转。

 

DeFi行业的确急需数据工具和模型来监测和预警行业、项目的这种风险。Gauntlet的Alpha版近日开始在defipulse上给出了Economic Safety Gade数据描述了风险等级。

 

Gauntlet与DeFi协议的风险评分

 

人们很容易忘记-尤其是当一接到通知就“蜂拥而至”进入突然出现的项目时-这对于非DeFi社区的许多人而言，像Compound或Aave这样安全的东西似乎仍然是他们所做过的最具风险的投资。即使对于那些已经使用这些产品多年风险承受能力强的人来说，仍然很难比较不同协议之间的风险。如果我将USDC借给Cream.finance以获得4％的利息，与对借给Aave获得2％的利息相比，这值得冒险吗？

许多人甚至不知道去中心化贷款存在哪些风险因素，更不用说如何量化这些风险了。一些借贷协议用户甚至不知道有清算规则，很少有人知道防止他们的存款损失是最重要的事情。Gauntlet正在构建一个平台来管理DeFi中的风险。我们将使用这个平台通过自动化治理来帮助设置协议的安全参数，从而允许协议在风险和资本效率之间进行权衡。但这提出了一个自然的问题-我们如何将这些风险传达给用户？

Gauntlet正在启动DeFi协议的风险评分。从抵押贷款开始，我们创建了量化投资者在获得这些产品收益时面临市场风险的标准。基于CEX中心化交易所和DEX去中心化交易所的数据以及链上用户数据，我们能够直接运行智能合约进行模拟，以预估市场风险。这将允许用户使用一致的框架对协议的风险做出决策。我们正在与DeFi Pulse合作，将这些分数作为“经济安全等级”公布。DeFiPulse一直是DeFi协议教育用户的领导者，我们很高兴能够携手帮助人们更好地了解风险。

​ DeFi Pulse上的分数 ​

 

链上贷款的风险

 

我们将深入介绍如何衡量抵押贷款的风险，如果您需要了解更多细节，请查看复合风险评估。存款人在链上贷款中的主要风险是破产，即该协议可能没有足够的抵押资产来偿还存户。但这并不是参与者的唯一风险，例如借款人可能会关心利率的快速变化。但是，我们给出的分数主要是集中在这种破产风险上。有一些关键因素会导致这种风险：

1. 用户行为

2. 抵押资产的波动

3. 相关抵押资产的流动性

4. 协议参数

5. 智能合约风险

我们的分数并不意味着能够模拟智能合约的风险，例如重入攻击。我们认为，审计师和正式的验证工具最适合评估这种形式的风险。但是，前4个因素很大程度上决定了经审计的贷款协议的破产机会。

当用户从Compound借款时，他们可以选择提供多少抵押资产以及承担多少债务。正是这种用户行为影响了协议中清算的频率。如果借款人不愿承担风险，并且只对自己的抵押资产持有少量头寸（例如，3美元的债务对10美元的抵押资产），那么该头寸就不大可能被清算，更不用说产生破产的风险了。明显影响风险的另一件事是抵押资产的波动性。如果抵押资产的价值发生巨大变化，25%的下跌也并不稀奇，但是如果不是这样，则破产的机会可以忽略不计。该协议还可以限制借款人持有高风险头寸，这将使协议参数降低风险。

协议的成功与否还取决于清算人是否有可以获得盈利清算。如果头寸不会被平仓，存款人就无法保证协议具备盈利偿付能力。你可能会想，既然让清算人抵押资产有折扣，他们怎么可能会赔钱。目前，在链上的贷款合约中存有数十亿美元。清算人可能必须在短时间内购买数亿美元的抵押品。折扣提供了巨大的获利机会，但是却带来了巨大的风险。如果在出售抵押资产时价格下跌，该怎么办？如果清算庞大的抵押资产头寸给市场造成滑点怎么办？很难想象，如果750美元的头寸缩水5％，那7500万美元将缩水多少，特别是对于流动性较差的抵押资产。大规模的清算会累积起来，进一步推动抵押资产的价格下跌，并引发其他借款头寸的连锁清算。在Compound、Aave和Maker上，某些可抵押资产的日交易量小于智能合约中的债务总额。这就是相对的流动性，这给清算人来了风险，因此也就产生了协议风险。

 

经济安全评分-Alpha版本

 

第一个版本的分数中，我们建立了一个涵盖这四个风险因素的模型。我们的模拟环境允许代理直接与实际的智能合约协议进行交互。为了构建代理商使用的借贷策略，我们查看了链上状态以确定用户的风险程度（通过查看链上抵押比例）。为了捕获相对流动性风险，我们从交易所提取数据以对价格波动和抵押资产流动性进行建模。我们使用观察到的波动率来生成符合市场条件的合成价格轨迹。然后，我们针对订单数据训练一个回归模型，以了解鉴于当前的市场流动性的情况下，清算人可能面临的滑点。在我们的仿真模型中，我们有实际的清算机器人在运行，它们会直接调用智能合约清算头寸。通过针对数千种价格轨迹进行模拟，我们可以估计破产的可能性，从而可以估算协议中的风险。最后，我们将该分数标准化为1到100，以创建您在DeFi Pulse上看到的风险分数。

如何解读分数？

在发布时，我们将提供两种链上贷款协议Aave和Compound的风险评分。我们还做出了一些简化的假设，希望在以后的风险评分版本中继续使用：

• 选择“风险最高的抵押资产”，分析其历史流动性和波动性数据，以确定最有可能引起问题的抵押资产类型。这通常是最不稳定的抵押类型，但也可能是最常用的抵押类型。这种资产对流动性的要求最高，因为有太多资产需要清算。

• 然后，我们评估用户在抵押这类资产借出稳定币的系统风险。目前，稳定币占Aave借贷的70％以上，在Compound中占90％以上，我们希望支持的下一个协议Maker则是100％。

 

安全评分Beta及更高版本

 

在我们的Alpha版本中，我们并未涵盖借贷协议用户所遇到的所有风险。机敏的观察者可能已经注意到我们忽略了协议缺乏流动性的情况。我们希望在构建Beta版本时对此建模并加入其他一些功能：

1. 极端的网络拥堵（我们目前纳入了gas费用，但在这方面可以做很多改进）

2. 支持对多资产的抵押和借款的清算分析，并考虑到历史资产价格的相关性（以及对这些关系的冲击），类似于传统金融中的投资组合压力测试。

3. 协议储备金—Aave和Maker都使用它们的令牌来支持退还存款（对于Maker，就是其发行的DAI）。Compound有储备金，通过治理可用于偿还存款人—所有这些都降低了风险，我们希望将其包括在模型中。

4. 其他风险因素，例如在主网上观察到的清算人地址的数量。如果一个协议没有一个具备竞争力的清算人的生态，那么失败的机会就更大。

我们还将努力支持更多协议，并希望尽快发布公开文档，以使希望得分的协议知道它们可以做什么。

 

声明

 

本文中的“风险评分”仅供参考，并不构成出售要约、购买邀约或任何证券的建议，也不构成Gauntlet提供的投资建议。