Compound协议的市场风险压力评估

前言

Compound允许参与者无需许可就能借入和借出以太坊资产，为借款人提供有吸引力的利率，为贷款人提供被动利率收入。通过在流动性池中对贷款人使用抵押品摊销风险，自2018年以来聚合的以太坊智能合约一直是提供加密服务的盈利场所。

然而，尽管其增长远远超过了9位数（美元价值），而没有任何贷款损失，但在极端条件下，技术上仍然有可能发生借款人拖欠借款和贷款人损失本金的情况。了解这种极端故障情况何时发生可以帮助我们了解与协议相关的各种类型的风险，包括协议安全风险、治理风险、和市场风险。本报告的重点是评估市场风险——用户因智能合约本身以外的市场波动而遭受损失的风险。

我们使用严格的市场风险定义来构建模拟压力测试，评估Compound协议的经济安全性，因为它可以承载数十亿美元的加密资产。这种压力测试以历史数据为基础进行训练，并通过一系列场景来表示协议的预期最坏的经济结果。我们的压力测试类似于如何在高频交易和算法交易中进行交易级回测。这些技术用于在传统系统化交易策略部署到市场之前的市场风险评估。由于基金管理的资产超过1万亿美元，使用这些技术向风险管理人提供每日精算分析，我们认为这些是评估市场风险的最佳方法。通过修改这些技术来处理加密货币的特性，我们能够提供类似的统计数据分析加密市场的风险作为参考。

本报告的第一部分将定义 Compound protocol 用户所面临的一系列市场风险，并将其分解为主要的定量成分。随后，我们将描述 Compound 协议的清算机制背后的激励机制。最后，我们将详述清算人的交易策略，和分析其激励和预期回报的市场影响模型。

第二部分主要介绍Compound智能合约基于代理的模拟（agent-based simulation，ABS）仿真的方法和结果。我们的方法利用模拟来紧密复制用户在Compound协议中交互的实时环境。这种方法和我们的一些新技术，如自定义以太坊虚拟机，确保我们的结果以高保真度复制现实。最后，我们详细说明了这些模拟的结果，为Compound协议破产可能性的条件提供了精算保证。

我们的结论表明，Compound 协议可以扩展到更大的规模，并处理更多抵押品类型的高波动性场景。特别是，我们发现了统计上显著的证据，即使像Ether（ETH）它的最大历史波动性情况下，Compound 系统能够将借款总额增加10倍以上，同时违约率低于1%。

市场风险的定义

1. 市场风险

Compound 协议的分散性使得风险评估比传统市场上的类似评估更加复杂和关键。这种复杂性增加的主要原因是Compound 协议中参与者行为及它们与外部市场（如中心化加密货币交易所）的交互的多样性。与关注智能合约内生技术风险的形式化验证和智能合约审计不同，协议市场风险的经济分析侧重于外部冲击如何影响参与者行为。由于Compound 协议使用流动性供给和借贷需求的确定函数来确定贷款和借款的利率，因此只需考虑市场价格、供给行为和借款需求，即可准确地模拟外部风险（见附录10）。更具体地说，以下为市场外部风险的主要来源：

1.1 DeFi中的资产及负债

在Compound协议中，借款人将其ERC-20资产抵押给一个流动性池，并从流动资金池中借取一定数额的资金。借取的数额由担保系数控制，即最大未偿债务与担保品价值的比率。该体系迫使借款人对其借入资产（如完全有担保的信贷安排）进行超额抵押，从而强制执行抵押资产必须始终大于负债。例如，一个人可以在合约中存入100美元的ETH，如果合同的担保系数为75%，则可以借取75美元。借款人的抵押系数要求是未偿债务的价值除以抵押品价值的比率。当借款人的抵押品资产价值低于抵押品要求时，抵押品头寸就会被清算。

Compound 的净负债定义为资产价值减去负债，因此当净负债为正时，系统被视为有偿付能力。作为一个去中心化借贷协议，Compound利用一系列经济激励措施来确保净负债始终为正。当抵押品的市场价值低于抵押要求时，协议以折扣价将抵押品出售给清算人。这种折扣称为清算激励，为清算人提供了从协议中购买抵押品的财务激励，有效地代表借款人偿还所借资产。对于清算，协议的作用就像银行在止赎拍卖中出售违约资产以增加其净负债一样。尤其是，清算人的行为类似于丧失抵押品赎回权的拍卖赢家，后者通常能够折价认领违约资产。

一个简单的例子，假设Compound协议有一个ETH借款头寸处于默认状态，当前抵押品金额等于100美元。如果清算奖励为105%（5%额外奖金），则清算人将支付Compound智能合约95美元获得ETH抵押品。此外，如果清算人有较低的时间偏好（附录11.6.2），则他们将尽快出售抵押品。在实践中，Compound协议只允许清算人清算一部分借款金额，他们收到的抵押品相当于偿还借款价值的105%。这有利于提高借入资产剩余部分的抵押比率，同时避免完全关闭借入头寸的复杂机制。在这个意义上，Compound清算类似于算法交易策略，因此要成为第一个要求部分抵押品并在市场上以最低的交易和延期成本出售抵押品的清算人是一场竞赛。

1.1.1 合成资产：cTokens

资产和负债的处理方式略有不同——从技术上讲，贷款人和借款人相互作用的资产是CToken。这些代币包装成标准的ERC20资产，作为资产或有债权和赚取的利息。贷款人以ERC-20代币的形式提供资产并返还cToken，而借款人提供抵押品，抵押品转换为cToken并用于支付未偿利息。与传统资产不同，cTokens在每次更新区块时都会按比例向持有人支付款项，从而立即实现赚取的利息。

从技术上讲，如果合同中有许多未偿还的借款资产，而这些资产没有作为抵押品偿还，cToken将无法转换回标的资产。这意味着合同缺乏流动性，但不一定资不抵债。本报告的重点是偿付能力，在未来的分析中将更深入地考虑流动性。

1.2 风险敏感参数

协议设计人员可以在Compound 协议中运用的降低风险的主要杠杆是附带因素和清算激励。然而，这两个杠杆以不同的方式影响协议的激励。抵押品价值影响着借款人的选择——越接近或低于100%，风险越大，借款人就越有可能违约。另一方面，清算激励机制控制清算人从智能合约的资产负债表中提取负债的可能性。根据Compound 协议，违约的借款抵押资产成为负债的时间越短，清算激励越高。如果我们剖析第1部分中的三个风险成分是如何与这两个参数联系起来的，我们会发现：

这意味着，在正常市场条件下，当清算是独立分配（例如不相关）时，抵押品因素和清算激励分别控制借款人风险和贷款人弥补损失的能力。然而，在清算具有“连锁”效应且相互关联的情况下，这些参数同时影响借款人和贷款人的行为。因此，要研究真实的市场风险系统，我们需要对各种市场和流动性状况进行抽样，以便对这些情景进行压力测试。

2 清算

类似于传统金融中的止赎出售，清算人可以用折扣偿还未偿债务，以换取借款人的cToken抵押品。在止赎销售和Compound清算中，折扣都被用来激励购买违约抵押品。Compound协议通过向清算人提供额外的抵押品折扣作为清算激励。然而，与止赎出售的全部或无交易不同，个人清算人只能偿还部分债务。关闭因子是协议参数，指定有资格由任何个人清算人清算的比例。当清算人发现一笔有利可图的交易时，她将偿还一部分未偿债务（由收盘因素决定），作为对借款人抵押品的回报。根据清算人的风险偏好，清算人可以立即出售抵押品，以防范价格波动风险，也有持有收到的抵押品的。

清算激励为清算人创造了套利机会，以换取Compound风险敞口的减少。清算激励越高，清算人参与清算过程的次数越多，因为相对于市场价格，他们获得的折扣更大。换言之，调整清算激励机制是调整协议安全边界的最有效途径之一。清算激励也会影响借款人在协议范围内借入资产的决定。当借款人的留置权被清算时，清算激励可被视为清算抵押品的奖金金额，该金额被给予清算人，以补偿其在从协议的资产负债表中提取债务时所产生的风险。如果清算激励过高，借款人可能一开始就不愿意借款，也可能会提高借款头寸，维持较高的抵押系数。一般而言，人们预计清算激励措施的增加会对借贷需求产生负面影响。

抵押系数定义了协议中启用的每个资产的最大借款能力。借款人必须管理自己的债务，并将其留置权抵押，以确保在最大借款能力方面有一定的安全边际。这种安全边际随市场情况而波动，取决于借款人自身的风险状况。当市场波动性较大时，规避风险的借款人会保持较高的安全边际，以避免抵押品被清算。相比之下，寻求风险的借款人保持较低的安全边际，并积极为其债务再融资，以优化其借入资本的使用。了解侧枝因素与安全裕度之间的相互作用需要研究心理学对参与者行为的影响。

具有短期优先权的理性清算人被定义为从Compound智能合约购买抵押品并立即在交易所出售的参与者（例如具有低风险承受能力）。为简洁起见，我们将具有短期偏好的理性清算人称为贪婪清算人。为了简化分析模拟Compound的最坏情况，我们假设所有清算人都是贪婪的，并立即将抵押品出售给市场。这种对贪婪清算人的关注模仿了最坏情况下的协议行为，因为不利的市场和流动性条件可能导致连锁违约。贪婪的清算人往往会加剧连锁违约，因为它们会造成抛售压力，并可能导致去杠杆螺旋式上升。贪婪的清算人的主要损失来源是由于抛售大量资产而造成的价格冲击或下滑造成的损失。考虑到贪婪的清算人会立即出售，他们必须根据市场价格和预期的下滑来优化他们愿意清算的数量。

3 Slippage / 滑点

滑点指交易资产价格 p 因大小 q 的匹配顺序而发生的预期变化，并用数学表示为?p(q)。从形式上讲，?p(q) 被定义为市场参与者进行交易时设定价格与实际平均执行价格之间的差额。每笔交易都不可避免地会出现下滑，这种影响在波动性较小或较高的市场中往往会被放大。对于清算机会，清算人只能部分控制滑点成本，而交易费用和智能合约交易费用通常是外部限制。因此，滑点是影响清算人决策的主要因素之一。

市场影响是滑点的同义词，在传统金融学中得到了广泛的研究。许多市场影响模型被提出并用于求解最优订单执行问题。在传统市场中，价格影响的边际增长通常被视为交易量的函数而减少，这在形式上相当于?p(q) 是一个凹函数。然而，对于加密货币市场，这似乎不是真的，因为经验数据表明 ?p(q)是线性的，甚至是凸的（例如边际成本11尽管每种模型都有不同的基本假设和函数形式，但大多数模型包括交易量与市场规模、波动性和时间变量。分析交易规模、波动性以及这些变量如何与清算相互作用，是本文分析的重点。本报告中的分析只考虑贪婪的清算人，他们会马上在中心化交易出售收回的抵押品，如Coinbase和Binance。由于去中心化交易所和自动化做市商（如Uniswap）提供了另一种流动性来源，人们可能会问，为什么要强制执行这一假设。这种选择的原因有两个：

我们将滑点的主要特征分解为市场变量，这些市场变量是Compound智能合约状态和协议变量的外生变量。

3.1 主要市场变量

3.1.1 未偿还债务

协议需要清算的总交易量乘以净负负债，将是系统中未偿债务总额的函数。由于该数量是滑点移动函数?p(q) 的输入，显然滑移模型的选择需要考虑未偿还债务的金额。在本分析中，我们将未偿还债务的金额定义为所有借款人的未偿还债务总价值之和，该值由基础抵押品的平均每日交易量标准化。这一指标反映了债务规模相对于基础流动性的大小，并给读者提供了一个很好的直觉，即大的市场相对于交易市场能够安全增长。由于不同资产的交易量各不相同，因此使用无单位指标（如未偿还债务金额）可以更直观地比较不同资产。本报告中的模拟假设借款人借了ETH支持的美元stablecoin，因为这是Compound协议中最常见的用例。以ETH日交易额为例，假设ETH日交易额为1亿美元，未偿债务总额0.5相当于未偿债务总额的5000万美元。

由于wash交易和其他市场操纵行为是加密货币市场中已知的问题，因此很难估计加密货币的平均每日交易量。许多研究得出结论，各种加密货币交易所报告的交易量可能不代表资产的基本流动性。因此，我们汇总了前十大交易所的平均每日交易量。此索引方法已被用作事实上的行业标准，主要经纪人和证券交易委员会使用按位指数进行交易量估计

3.1.2资产波动性

波动性衡量资产价格在给定时间间隔内变化的程度。历史上，它通常被定义为对数收益的标准差，通常被表示为σ。研究表明，在市场影响模型中，波动率通常是一个线性系数。鉴于资产波动性随时间而变化，并受市场微观结构的影响，了解市场波动性变化时清算人行为的变化同样重要。我们通过横扫各种不同的波动性水平来评估这一点，以确保我们能够模仿贪婪的清算人如何与过多的市场环境互动。请注意，我们将波动率计算标准化，其方式类似于BitMEX等交易所使用的方法。

3.2 关键协议变量

3.2.1 清算激励

清算激励是清算人偿还借款人未偿债务的主要动力。如果清算激励机制不存在，没有理性的清算人愿意在抵押品价格下跌期间降低借款人的风险敞口。清算激励的大小对清算人的决策过程有着实质性的影响。贪婪的清算人调整他们的策略，以确保她每一次清算机会都能获得正回报。如果清算激励太低，无法支付套利成本（包括滑点、价格下跌和交易费用），借款人的未偿债务将不再得到偿还。请注意，延迟成本和智能合约前端运行有意排除在本分析之外，因为这会带来额外的复杂性。特别是，我们在本报告详述的所有模拟中使用恒定的流动成本。如果有进一步的经验证据表明清算成本由此类行为造成的损失所支配，我们可以调整我们的模拟，以处理前期运行。然而，目前交易所的前沿业务似乎比清算业务要多，这指导了我们取消交易延迟模型的决定。此外，在我们的分析中，我们采集了广泛的滑点条件，订单执行的延迟与清算人的滑点增加有非常相似的影响。

3.2.2 附带因素

在理想情况下，如果清算激励足以激励清算人随时立即结清可变现的借款，则无需要求对借款资产进行超额抵押。实际上，由于交易延迟或缺乏成熟的清算人，借款资产在可变现时可能无法结清。为了保护一个去中心化的利率协议不受违约的影响，需要进行过度的多边化。担保因素规定了借款人的最低担保要求。如果债务不能及时清偿，它可以作为额外的缓冲，防止系统抵押不足。

抵押因素的设置基本上取决于清算激励。鉴于清算激励是以抵押资产的形式支付的，高清算激励意味着清算期间将出售更多的抵押品。如果抵押品因素太大（抵押品要求太低）无法解释高清算激励，清算人可能无法获得其全部价值，以关闭整个头寸。因此，当为新资产设定清算激励和担保因素时，她需要实施以下约束：

请注意，目前还不清楚借款人将如何根据各种抵押品因素设置来管理其债务和抵押品，而且由于缺乏经验数据，验证针对借款人行为所作的假设是非常重要的。在我们的模拟中，我们根据模拟输入抵押品因子和Compound的违约ETH抵押品因子之间的比率重新调整借款人的抵押品与债务比率。我们对借款人行为的假设是我们的最佳猜测，而现实世界中的借款人行为可能会偏离模拟。

3.2.3 闭合系数

清算人只允许在每笔交易中清算一部分借入资产，最大部分由收盘系数规定。在确定关闭因子时，Compound协议设计者面临用户采用和协议安全之间的权衡：一个小的关闭因子可以防止借款人的大量借款资产被清算，从而增加借款需求，而一个大的封闭因素使清算人能够立即降低系统的风险敞口。在极端的价格冲击中，封闭因素的设计迫使清算人将一笔大额还款分解为多笔价值递减的还款，并因此延迟清算。正确模拟封闭因素的影响需要精确模拟清算人和借款人对清算事件的反应时间。虽然关闭因子是模拟过程的一部分，但在本报告中，我们不会进一步研究更改关闭因子的效果。

模拟压力试验

4 模拟背景

4.1 基于代理的仿真

我们用来对Compound以太坊智能合约进行基于模拟的压力测试的主要工具是基于代理的模拟（agent-based simulation，ABS）。ABS被用于各种压力测试环境，包括评估加密货币协议中的审查制度，检测CFTC交易所中的欺诈交易活动，以及欧洲央行（ecb）和美联储（fed）的压力测试框架。这些模拟虽然功能强大，但很难做到既有用又准确，因为模型复杂性会使其很难与实验结果相匹配。精心的设计、调整和基础架构有助于避免这些陷阱，并使ABS在算法交易和自动驾驶汽车部署等行业发挥了不可估量的作用。

在这些行业中，人们要注意确保模拟环境尽可能地复制真实环境。这是通过让代理模型与部署在活动环境中的同一代码交互来实现的，以便将由于错误或丢失而导致的误差减至最少。虽然模拟用户与复杂软件交互的基础设施开销可能很大，但它确保错误仅限于代理模型中的错误，而不是系统动力学模型中的错误。

作为一个例子，Compound利率曲线（附录10）是通过一个简单的数学公式来描述的。可以模拟直接与此公式交互的代理，而无需托管在以太坊环境，并且让代理生成事务。然而，以太坊的256位数值系统和不同ERC-20合约之间的精度差异往往会导致由于数值误差而带来灾难性的损失。如果不直接针对以太坊智能合约运行模拟并生成与代理在清算人与实时合约交互时完全相同的交易，则无法探测这些交易。

4.2 挑战模拟环境

Gauntlet平台用于本报告中的所有模拟和结果，它提供了一个模块化的通用ABS接口，用于直接针对以太坊智能合约进行模拟。在这个系统中，代理模型通过Python特定于域的语言（DSL）来指定，类似于脸谱的PyTr火炬，并与一个定制的EnthUM虚拟机交互，该虚拟机是用C++编写的。代理还可以与非区块链模块交互，例如历史或合成市场数据和/或其他链外系统数据。Gauntlet在Python中对与EVM交互进行了显著的性能优化，使性能比stock工具提高了50-100倍。DSL向分析师隐藏了区块链级别的详细信息，允许最终用户开发策略，如果他们有相似的接口，则可以从一个智能合约迁移到另一个智能合约。该平台的大部分设计灵感来自于算法交易中的类似平台，这些平台允许定量研究人员开发在多个交易所（具有不同的订单、线上协议、滑点模型等）执行的策略，而无需知道这些低级细节。此外，模拟的非区块链部分类似于交易回测环境，因此代理正在与真实的订单簿和财务数据交互。应该注意的是，这些策略发出有效的EVM事务，并且可以使用相同的代码路径部署到Ethereum主网。

4.3 Compound仿真概述

对于本报告中的模拟，我们将Compound合约部署在“挑战”平台内，并建立了各种滑点模型和Compound价格轨迹（见附录11.2）。我们在DSL中实施清算策略，允许具有不同风险和时间偏好的各种清算人直接与Compound合约和模拟订单簿交互（见附录11.6）。这些策略还包括优化部分，以便清算人能够根据其滑动估计值（见附录11.3和11.6.1）优化购买抵押品的数量。我们还使用DSL在Compound协议中为借款人编写策略，并根据历史数据拟合其风险偏好。

5 压力测试中的问题

从流动性供应商的角度来看，只有在所提供的资产能够安全提取的情况下，协议才是安全的。有效的清算机制对Compound市场的安全运行至关重要。当资产价格下跌，没有清算人有动机偿还借款人的未偿债务时，系统就会失灵，一些贷款人无法收回资产。回想一下，一个理性的清算人的目标是在每个清算机会中获利，这取决于清算激励和滑动（这取决于交易规模和波动性）。有鉴于此，我们着重回答的主要问题如下：

? 当未偿债务总额很高时，议定是否安全？

? 在高波动性的市场环境下，该协议是否安全？

? 如果Compound想要支持一项新资产，应如何设置清算激励和抵押系数，以便系统具有足够大的安全边际？

我们将首先定义一些指标，帮助我们以定量的方式回答这些问题。低抵押运行是一种模拟运行，以市场未抵押总未偿债务价值的1%以上结束。该指标用于量化系统的安全性，因为如果有大量未偿债务的借款人抵押不足，系统将面临风险。由于我们希望确保系统永远不会抵押不足，因此我们使用严格的1%债务阈值来定义失败标准。

模拟假设借款人使用ETH作为抵押品，并从Compound协议中借用stablecoin-DAI。每个清算人评估所有借款人的债务与抵押品比率，如果有套利机会，代表借款人偿还DAI。我们对广泛的市场情况进行了压力测试，并对模拟结果进行了分析。测试场景包括：

模拟历史数据。

? 模拟各种未偿债务总额和资产波动。

? 模拟各种未偿债务总额和清算激励。

? 模拟各种未偿债务总额和抵押因素。

6 结果

6.1 历史数据

本节简要概述清算机制，并演示关键指标如何随时间变化。我们重演了以太坊最糟糕一天的价格轨迹

图1：以太坊历史上最糟糕一天价格轨迹的清算机制模拟（2018-02-05）。模拟假设ETH日交易额为1亿美元，未偿债务总额为5000万美元。

这一天包括了一次重大的价格暴跌，ETH的价格下跌了26%。模拟结果如图1所示，这将使读者了解模拟所涉及的内容。在图1a中，点的大小表示清算的数量。随着价格下跌，抵押率较低的借款人首先被清算。当价格触底至640美元左右时，很大一部分借贷头寸被清算。

图1b显示了模拟流动性池的抵押比率加权平均值。在本报告中，借款人使用ETH作为抵押品，并从流动性池中提取stablecoin DAI。假设DAI价格稳定，抵押率变化主要受ETH价格和清算两个因素的影响。我们从Compound的实际分布中随机抽取借款人的初始抵押比率（见附录11.4）。初始抵押比率从170%左右开始，随着价格下降而下降。清算人通过对风险债务进行清算，将最低抵押率控制在133%以上（=1/0.75违约担保系数），证明清算机制在这种情况下是有效的。

在图1c中，每一行代表单个借款人的抵押比率，点大小代表借款人的未偿债务价值。所有线路大致遵循一个类似的轨迹，这是由ETH价格变化驱动的。当借款人被清算时，借款人的一部分抵押物和债务将会减少，从而导致抵押率的提高。与上一图表类似，在清算机制运作良好的情况下，个人借款人的担保比率绝不应低于最低担保比率133%。如果借款人一开始没有被清算，就有额外的33%的缓冲，以防止借款人被抵押不足。

流动性指标如图1d所示。流动性/短缺 = 抵押品价值 x 抵押品系数 - 未偿债务价值

流动性缺口不是零，这取决于借款能力与未偿还债务价值的比较。随着ETH价格下跌，抵押品价值和流动性都呈下降趋势。由于所有风险借款头寸都在及时清算，缺口仍为0美元。

6.2 未偿债务总额与资产波动率

正如第3.1节所讨论的，抵押资产的交易数量和资产的波动性是导致滑点的两个主要市场变量，滑点是影响清算人行为的主要因素之一。这表明，协议的安全性在很大程度上取决于未偿债务总额和抵押品资产的波动性。

在我们的模拟中，未偿债务总额被定义为资产池的未偿稳定债务总额，该总额由抵押资产的每日交易量规范化。考虑到不同的抵押资产有不同数量级的交易量，对未偿债务总额进行规范化可以使我们直观地比较不同抵押资产之间的债务（相对于担保资产的流动性）。模拟的持续时间是一天，因此我们使用日波动率来代替常用的年化波动率，使其更易于理解。


图2：超过30次模拟运行的平均清算人总利润和成本。请注意，左侧的y轴使用线性刻度（美元），而右侧使用对数刻度。模拟假设ETH日交易额为1亿美元，未偿债务总额为5000万美元。

图3显示了具有不同初始未偿债务总额和ETH波动率的已清算债务总额。结果与我们的直觉相符：清算债务总额与未偿债务总额和波动率均成正比。在高波动性情况下，借款人的抵押品价值很有可能低于抵押品要求，因此抵押品将被清算。虽然清算是Compound协议的必要组成部分，但它们也可以作为担保不足的一个主要指标。


图3:24小时内清算债务总额。模拟假设ETH日交易额为1亿美元。总未偿债务的75%相当于总未偿债务价值的7500万美元。举例来说：在100%的情况下，2000万美元的清算额相当于未偿债务总额的20%，这显然是一个令人担忧的清算数字。然而，这确实符合直觉，因为只有当ETH的波动水平令人担忧（接近50%）时，你才会看到这种情况

图4：使用默认参数部署复合契约。根据BitMEX每周历史ETH波动率指数，当前每日波动率约为3%，最高历史每日波动率约为20%。模拟假设ETH日交易额为1亿美元。目前，该公司未偿还的stablecoin债务总额约为25万美元。当前未偿债务总额约为25%，即按抵押资产日交易量标准化的未偿债务总额。

6.3 未偿债务总额与清算激励

在本节中，我们将研究清算激励的变化如何影响协议的安全性。ETH在2019年的每日波动率在1%至4%之间。如果我们使用4%的每日波动率来生成合成价格轨迹，并调整清算激励来评估市场风险，那么没有一个模拟运行使得抵押不足且没被清算而结束。


图5：以可变现债务的1%以上结束的模拟运行百分比。目前的违约清算激励为105%。模拟假设ETH日波动率为20%，ETH日交易额为1亿美元。目前，该公司未偿还的stablecoin债务总额约为25万美元。当前未偿债务总额约为25%，即按抵押资产日交易量标准化的未偿债务总额。

为了在各种清算激励下更好地评估系统的安全性，我们使用20%的日波动率作为假设。在违约105%的清算激励下，当总未偿债务价值高于ETH每日交易量时，一些借款无法得到清算，如图5所示。尽管如此，当我们在相同的参数范围内评估低抵押风险时，所有的模拟结果都以高抵押头寸结束。鉴于较低的清算激励在吸引清算人套利方面无效，人们可能会想知道，为什么在这种情况下没有担保不足风险。对此，一种可能的解释是，违约75%的抵押品系数设定了较高的抵押品要求，因此20%波动率的价格变化不足以将抵押品价值移动到未偿债务价值以下。

6.4未偿债务总额与担保因素

图6比较了不同抵押系数和未偿债务总额下的系统安全性。如前所述，抵押系数控制借款人的最低抵押要求。抵押品系数越低，借款人维持借款头寸所需的抵押品就越少；因此，借款人违约的可能性就越大。如图6b所示，在高担保因素和大额未偿债务区块，该系统存在风险。理想情况下，抵押品因素设置应该是抵押品资产波动性的函数。假设清算人不存在，且抵押系数为80%，则借款人只有在抵押资产价格下跌超过20%时才会违约。图6b表明，当抵押品系数低于80%时，该协议是安全的，这意味着在给定的波动率假设下，很少发现价格下跌超过20%。



图6：当前的违约担保系数为75%。模拟假设ETH日波动率为20%，ETH日交易额为1亿美元。目前，该未偿还的stablecoin债务总额约为25万美元。当前未偿债务总额约为25%，即按抵押资产日交易量标准化的未偿债务总额。

7 结论

在本报告中，我们通过针对Compound 合约运行的基于代理ABS的模拟，对Compound 协议进行了市场风险评估。我们在广泛的市场波动性和规模情景下对清算机制进行了压力测试，以确保该协议能够防止借款人在大多数情况下抵押不足。我们还使用了来自中心化加密货币交易所的历史市场数据，以确保有关波动性和下滑的假设能够代表现实世界的情况。

我们发现，只要ETH价格波动率不超过历史高点，目前Compound协议足够稳健，且至少可以扩展到当前借贷规模的3倍。我们还分析了Compound 协议采用的两个主要风险杠杆清算激励和抵押系数的有效性，以在安全性和资本效率之间进行权衡。

我们的方法也可以应用于具有显著不同流动性特征的Compound上的其他抵押品类型，如REP。这项工作将告知Compound社区如何在协议中添加新资产时选择抵押品因素和清算激励。

本文来自Gauntlet Research Report，仅供参考不作任何投资建议：

https://gauntlet.network/reports/CompoundMarketRiskAssessment.pdf

本文来源：币友_Anthony
原文标题：Compound协议的市场风险压力评估

—-

编译者/作者：币友_Anthony

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。