[論文レビュー] Systemic Risk in DeFi: A Network-Based Fragility Analysis of TVL Dynamics

Shiyu Zhang, Zining Wang+2 more|arXiv (Cornell University)|Jan 13, 2026

Banking stability, regulation, efficiency被引用数 0

ひとこと要約

この論文は、Correlational Fragility Indicator (CFI) と Risk Contribution Score (RCS) を、時変TVL相関ネットワークから導出してDeFiの系統リスクを監視するネットワークベースの枠組みを提案し、経験的分析とロバストネス検証を行う。

ABSTRACT

Systemic risk refers to the overall vulnerability arising from the high degree of interconnectedness and interdependence within the financial system. In the rapidly developing decentralized finance (DeFi) ecosystem, numerous studies have analyzed systemic risk through specific channels such as liquidity pressures, leverage mechanisms, smart contract risks, and historical risk events. However, these studies are mostly event-driven or focused on isolated risk channels, paying limited attention to the structural dimension of systemic risk. Overall, this study provides a unified quantitative framework for ecosystem-level analysis and continuous monitoring of systemic risk in DeFi. From a network-based perspective, this paper proposes the DeFi Correlation Fragility Indicator (CFI), constructed from time-varying correlation networks at the protocol category level. The CFI captures ecosystem-wide structural fragility associated with correlation concentration and increasing synchronicity. Furthermore, we define a Risk Contribution Score (RCS) to quantify the marginal contribution of different protocol types to overall systemic risk. By combining the CFI and RCS, the framework enables both the tracking of time-varying systemic risk and identification of structurally important functional modules in risk accumulation and amplification.

研究の動機と目的

• DeFiの系統リスクを動的で構造的な状態として、エコシステム全体で継続的に監視可能なものとみなす。
• プロトコルカテゴリ別TVLに基づく時変相関ネットワーク枠組みを開発し、エコシステムの脆弱性を測定する。
• 中心的で跨期間のリスク指標としてのCorrelation Fragility Indicator（CFI）を定義・検証する。
• 機能的プロトコルモジュールへ系統リスクを帰属させるためのRisk Contribution Score（RCS）を定義・計算する。
• プラットフォーム構造がサイズ以上に脆弱性を生み出すことを示す経験的証拠とロバストネス検証を提供する。

提案手法

• DeFiLlamaからプロトコルカテゴリ別の日次TVLデータを構築し、清掃後に70カテゴリへマッピング。
• 巻き戻しウィンドウ（W=120日、ステップ7日）を用いてLedoit–Wolf縮小を適用し、時変相関行列を推定。
• 縮小相関からの共動きを捉えるため、辺の重みw_ij,t = |C_ij,t|を用いて重み付きネットワークを構築。
• PCAを用いて4つのネットワーク脆弱性指標を統合し、最初の主成分としてCFIを形成。
• ノードの反事実的除去を通じたCFIへの限界効果を評価してRCSを計算し、時系列で要約。
• 別の推定量（Pearson, Graphical LASSO）や閾値チェックを用いてロバストネスを検証。

実験結果

リサーチクエスチョン

• RQ1 TVLベースのエコシステムにおけるDeFi相関ネットワークの脆弱性は時間とともにどう進化するか。
• RQ2 経済規模だけでなく、構造的に脆弱性を支えるプロトコルカテゴリはどれか。
• RQ3 CFIは同時点の市場変数を超えた将来の流動性不安定性に対して前向き情報を提供するか。
• RQ4 高脆弱性状態での高RCSを基づくターゲット介入は、ランダム除去と比較して系全体の脆弱性を低減させる効果が高いか。

主な発見

• CFIはカテゴリ別TVLリターンの進化する依存性と同期パターンを通じてエコシステム全体の構造的脆弱性を捉える。
• CFIは共時点のETHボラティリティと有意に関連しないが、ローリング集計TVLボラティリティとは正の関連がある。
• RCSは脆弱性に一貫して寄与するプロトコルカテゴリを特定し、これらの順位はTVLベースのランキングとは異なることがあり、サイズ以上の構造的重要性を示す。
• 反事実的攻撃はRCSに基づくターゲット除去がランダム除去よりCFIをより低減させることを示し、特に高脆弱性状態で顕著である。
• この枠組みはDeFiにおける継続的なリスク監視とストレステストのための時間的一貫性があり、解釈可能な指標を提供する。