[论文解读] A multi-asset, agent-based approach applied to DeFi lending protocol modelling

Amit Chaudhary, Pinna, Daniele|arXiv (Cornell University)|Nov 16, 2022

Banking stability, regulation, efficiency被引用 2

一句话总结

本文提出了一种多资产、基于代理的仿真模型，用于评估在极端市场压力下，特别是0VIX协议的去中心化金融（DeFi）借贷协议的系统性风险。通过模拟具有动态减记激励和滑点成本的异质用户投资组合，结果表明，即使资产波动率增加十倍，协议的抵押不足风险仍保持在0.1%以下，展现出在压力下的韧性。

ABSTRACT

We study the fundamentals of interest rate rules on the decentralized finance protocol Compound. Interest rates are set by the governance of the protocol, and are based on the utilization of an asset: which is the ratio of a cryptocurrency that is borrowed to its total supply in the protocol. We discuss factors that determine the slope parameters of interest rate rules. Slope parameters are typically higher for more volatile cryptocurrencies. We argue liquidation risk can explain the cross-sectional variation in interest rate rules. We also draw parallels between these rules to the demand for loanable funds in traditional money markets.

研究动机与目标

• 评估在多资产、高波动性压力情景下，去中心化金融借贷协议的系统性风险。
• 建模现实的用户行为，包括多资产抵押和动态减记激励。
• 评估协议参数（如贷款价值比（LTV）比率和减记激励）对违约风险的影响。
• 为协议升级提供数据驱动、治理可用的参数建议。
• 使用真实历史价格数据（包括2020年新冠疫情崩盘）验证模型的稳定性。

提出的方法

• 采用包含1,000至2,000个持有ETH、BTC、MATIC和USDC多资产投资组合的合成用户的基于代理的仿真框架。
• 建模用户抵押，受协议定义的LTV比率约束，初始头寸从对数正态分布中抽取。
• 使用真实历史数据（如2020年2月20日崩盘）和人为放大的波动率（最高达10倍）进行价格下跌模拟，以进行压力测试。
• 通过校准的函数形式引入滑点成本，反映MATIC等低流通市值资产的流动性不足。
• 引入动态减记机制，减记者根据市场影响和滑点获得激励。
• 使用集合仿真（每种情景100至1,000次运行）收集统计置信区间，并衡量协议层面的结果。

实验结果

研究问题

• RQ1 在极端市场波动下，多资产去中心化金融借贷协议的系统性违约风险水平如何？
• RQ2 减记激励和LTV阈值如何影响抵押不足头寸的可能性？
• RQ3 当多个资产同时遭遇价格冲击时，协议能否维持偿付能力并避免破产？
• RQ4 滑点和市场流动性不足如何影响减记效率和用户损失？
• RQ5 哪些最优参数组合（LTV、激励）可在保持用户激励的同时最小化风险？

主要发现

• 即使资产波动率增加超过十倍，协议的抵押不足风险仍保持在0.1%以下，表明其具有强大的韧性。
• 减记机制在所有测试情景下均保持有效且稳定，包括2020年新冠疫情市场崩盘。
• 模型的理论抵押不足边界（公式12）与模拟结果高度吻合，验证了该框架的预测准确性。
• 最优协议参数位于图5的黄色阴影区域内，实现了低风险与低减记惩罚之间的平衡。
• 减记者总利润和滑点费用保持有界且可预测，95%置信区间显示市场影响稳定。
• 即使在极端情景（如MATIC下跌14%）下，系统仍保持偿付能力，原因在于充足的抵押品可用性和及时的减记。