经济风险的监测与缓解
DAO 治理是一个复杂的话题,我们可以从多个角度对其进行探讨,而且每个角度也会有其独特的解释。很可能没有哪个角度可以完全涵盖到所有机制。
这篇文章将从一个特定的角度对 DAO 治理展开探讨,尤其对 DeFi DAOs 来说,具有一定参考意义。文章开始先介绍 DAO 通常需要实现的多个系统目标,接着了解经济风险及其背后的逻辑。对于 MakerDAO 的去中心化治理来说,经济风险管理也是一个非常重要的方面。之后,文章将从流程和工具两个角度介绍这一领域,并且通过分享一些与链上决策相应、切实可行的见解,帮助理解管理经济风险的实践意义。
MakerDAO 以及其他大多数 DAO 都面临着两大挑战,一是集体行动,二是需要实现多个系统目标。如果从一个较高层面来看,这些目标可以概括为去中心化、增长、收入和稳健性。
弹性是指系统在合理的时间内恢复正常运营的能力,而稳健性是指系统在危机时期能够维持运营的能力。为恢复正常运营,作为一个基于智能合约的系统,Maker 在某个特定时期内并没有停止运营的特权,因此作为系统目标的稳健性可以更好地体现出系统的意图与目的。理想情况下,我们希望最大限度地实现所有系统目标。同时,我们既可能会同步实现这些目标,也可能会决定哪个系统目标更为优先,即先实现一个目标,再实现其他目标。
即使站在一个全职贡献者的角度,通常也很难理解各个决策之间的权衡,更不用说从一个社区的角度,要知道这个社区中的很多人并不是全职参与项目的,对项目及项目的发展通常也没有一个比较全面的了解。由于系统的复杂性,我们没有任何合理的方法可以单独考虑各个组件,而不从全局考虑,也就是没有方法只针对一个系统目标进行优化,而完全忽略其他系统目标。
不同的 DAO 贡献者团队之间有时关注的重点不同,想要优化的系统目标也不相同,这些团队之间有必要保持一定适度的紧张状态,进行一些博弈。对于 MakerDAO,涉及的团队有增长核心部门、战略财务核心部门、风险核心部门、协议工程核心部门以及其他部门,每个部门都会利用各自领域的专业知识,为实现多个系统目标做出贡献。
假设在一种极端情况下,将所有稳定费率设置为零,仅对 DAI(由加密资产抵押担保发行)的供应进行优化,会牺牲当前的收入来源,影响协议的收入,并且如果没有适当的风险缓解流程,这还会增加坏账计提的可能性,继而降低系统的稳健性。设置超高的清算比率可以最大程度上减少坏账风险的可能性,但是这个设置也会牺牲掉当前的收入来源,同时资本效率降低也会牺牲金库用户的体验。设置超高的稳定费率可以实现当前收入的优化,但这很可能会降低增长,因为减少 DAI 的供应、关闭迁移到其他竞争协议的金库,都会降低增长。DAI 供应的减少,可能会产生二级效应,造成收入下降。
下图是一个很形象的可视化图,反映的是我们的集体目标,基于多个系统目标进行优化。
上述示例表明,为综合权衡各个系统目标的重要性,我们需要建立一个流程。尽管已经有协议采用了治理最小化,但 MakerDAO 的治理结构仍在不断扩展,随着时间的推移,实现自动化治理将变得更加困难,这一点不同于与 Liquity(一种去中心化的货币协议,允许使用 ETH 作抵押借出与 USD 挂钩的稳定币 LUSD)或 RAI(一种去中心化、稳定且非法币锚定的稳定币)。可以说是,为了生存牺牲治理最小化。这为系统带来了更多的组件,可调节的控制变多了,组织的复杂性也更多了。
在 web2 领域,对于大多数初创公司和大公司,CAC(获取客户成本)/LTV(生命周期价值)比率等单位经济指标就可以很好地反映出业务绩效。在 web3/加密领域,我们很容易对一个系统目标进行直接优化,因为有时单一目标的优化结果非常可观。Terra 就是一个典型的例子,它以收入(单位经济)和稳健性(破产风险)为代价对增长(即 TVL)进行了优化,最终给系统的收入和稳健性带来麻烦,并导致整个经济体系崩溃。在 CeFi 领域, 也有一些案例采用类似的决策策略,最后付出惨痛代价,导致系统崩溃。还原论方法在 web2 领域非常有效,但是当它用于测量加密系统的性能时常常无法起效。web2 领域最常见的破产风险是由于单位经济效益为负引起的。尽管如此,这种风险仍然可以通过降低运营成本来缓解,基本不存在一夜之间破产的风险,而 web3 领域,系统可能说崩就崩,也没有什么缓冲空间。
收入和增长通常更容易直接衡量,但稳健性却是更为隐蔽和未知(或者说难以估计)的东西,尤其是因为一些不确定性,不确定市场震荡/漏洞利用发生的可能性有多大,不确定会对经济产生多大的影响。在加密领域中,有多种风险源都会对系统的稳健性产生负面影响。
在众多经济风险源之中,最重要的是那些可能导致潜在破产风险的来源。USDC 通过 PSM(Peg Stability Module,挂钩稳定模块)和其他中心化稳定币带来的中心化风险就是其中之一;它被列入黑名单的可能性可以说是无法估计的,因为这主要取决于监管机构的态度以及监管干预的力度。PSM 当然也带来了很大的好处,它在需求过剩的情况下稳定了 DAI 与美元的挂钩。肯定还有其他一些我们还不知道的风险源,但我们的目标是研究它们,并且要尽最大可能减少风险源。
面对许多已知的未知和未知的未知(即明确知道自己不知道的事情,和尚且不知道自己不知道的事情),我们需要专注于评估经济风险,将各种风险源从“可知的未知”变成“已知的已知”。这些通常需要制定可量化的措施来回答一些“假设”问题。幸运的是,MakerDAO 面临的大部分风险不会对它构成生存威胁,当然中心化稳定币风险除外。
其中一个风险是拍卖系统未成功执行清算导致的潜在坏账积累。在某些或者一组市场价格冲击的情况下,通过评估协议损失也可以回答“假设”问题。坏账造成协议损失的一些原因,可能是过度杠杆和/或管理不善的金库、抵押品的低流动性、设置不合理的拍卖参数、keeper 网络反应迟钝等。一些市场冲击可能会导致坏账积累,抵押品风险模型可以按照每个金库类型,对市场冲击带来的潜在损失进行评估,并以一个单一指标——风险溢价来表示。当为每类金库计算风险溢价时,就形成了一个投资组合级别的衡量标准,称为风险资本。后面的内容我们将回到如何监测风险这一话题。
不同系统组件会对 Maker 风险状况产生不同的影响,前面我们只是大致了解了一下为什么监测不同系统组件如此重要。下面我们将继续探索 DeFi 在各种风险因素方面的透明度。这与 TradFi/CeFi 行业形成鲜明对比,后者通常不具备透明度,有一定潜在的灾难性后果,甚至资不抵债。仅在今年,我们就经历了许多事件,例如 3AC、FTX 和 Alameda Research 的崩盘,它们曾经都是这个生态系统中非常重要的参与者。我们不仅能够监测经济风险,加密数据的公开也让整个 Maker 社区有机会参与贡献,表达出他们自己独特的看法和观点。仪表板工具对外公开,任何人都可以访问,使用工具监测不同的风险源,也可以就风险缓解策略提出建议。
对于 Maker,我们可以监测生态系统变化、抵押品流动性、金库行为、其他相互关联的协议以及它们的治理决策等。本文的其余部分将介绍流程、工具,以及通过风险监测,我们可以提出的链上决策。
对经济风险有所了解之后,我们就可以更深入地探讨如何在实践中进行风险监测与缓解。研究的流程同样需要不断改进,以便更好地将研究所得的见解融入治理决策。这通常需要了解相关的风险参数,如抵押品类型参数、挂钩稳定模块参数、DAI 直接存款模块参数、拍卖参数等。为增强 MakerDAO 的稳健性,我们需要监测风险,也需要减少已知的风险源。
我们使用的工具主要是 Maker 风险仪表板。它在我们日常工作中非常重要,可以帮助了解各种 Maker 系统组件的动态变化。接下来我们展示一些例子。
在上图右侧,我们可以看到风险资本的历史图表。波动性较大的加密资产作为抵押,会带来一定的风险敞口,而风险敞口会造成潜在的损失,上图所表示的是对潜在损失的风险评估。如果这个指标有一些变化,我们需要更深入地了解哪种金库类型的风险资本有所增加,并找出增加的原因。
我们最近发现 MANA-A 的风险资本有大幅增加,尽管其风险资本只有 1500 万 DAI 的敞口,也只占了在险债务总量的一小部分。我们研究了可能导致这种上升的不同杠杆,例如当前在险债务、受保护金库的份额(金库自我保护的程度)、借贷抵押和流动性。尽管有几个因素共同导致了这一增长,但最强烈的迹象是 MANA 链上的低流动性。更具体地说,清算前 4 大金库带来了 1000 万 DAI 的敞口,链上滑点可能高达 80%,这很可能会导致坏账积累。
为推荐治理参数,MakerDAO 成立了公开市场委员会(Open Market Committee),该委员会的行动进一步证实了坏账积累的可能性。为缓解已知的经济风险以及提高 MakerDAO 的稳健性, MANA-A 的债务上限从 1500 万美元降低到 1000 万美元,稳定费率从 4.5% 提升到 7.5%。
在登录页面的左侧,我们可以看到在抵押品价格下跌的情况下,当前在险债务的概况。在险债务,即存在风险的债务,这一衡量指标可以监测各个金库的抵押率,并汇总清算债务总额,以防金库无法保护自己免受抵押品价格下跌的影响。
总在险债务也按金库保护分数进行划分,金库保护分数是一种启发式模型,用于评估金库不被清算的概率。风险级别可以分为低风险、中风险和高风险三个级别。
我们考虑的一些因素有:
金库的抵押率
以往面对市场冲击的防御表现
他们是否订阅了 DeFi Saver 等保护服务
他们是否可能使用专有机器人,自动化管理金库
以往维持抵押率的模式
被归类为高风险的债务越多,对于Maker 用波动的加密资产抵押的投资组合,风险就越大。
模拟抵押品价格下跌有助于确定在没有主动干预保护的情况下,哪些金库有被清算的风险。这是了解经济风险因素的一个重要方面。
这一点尤其重要,因为 1 小时的 OSM(Oracle Security Module,预言机安全模块) 价格延迟为金库所有者提供了时间缓冲,以防止他们的金库被清算。此外,也可以保护系统免受一些恶意企图的影响,如将错误价格输入协议。
下面的视图中,我们可以查看可能被清算的在险债务敞口,涉及金库保护评分、个人金库及其元数据,也可以查看当前 OSM 价格与模拟 OSM 价格之间的一个对比。
金库风险模型可以让我们知道哪些金库可能会被清算。同时,在实际进行清算时,为最大限度地减少坏账积累的概率,优化抵押品拍卖参数实现交易的高效执行非常重要。其中两个重要的模拟模型是 Auction Throughput Simulation 和 Auction Kicks Simulation。
Auction Throughput Simulation 可以了解拍卖需要多长时间才能结算,以及对于某种特定抵押品类型设定的风险参数和使用率统计数据,会产生多少链上滑点。
Auction Kicks Simulation 是使用价格冲击的历史数据来估计拍卖持续时间以及在不同风险参数下可能发生的链上滑点。对于一些特定的抵押资产非常有帮助,还可以修改两个关键参数:“cut”(决定每个拍卖步骤下降的百分比,以拍卖结束时间衡量)和“taker profit” (keeper 在拍卖中可以赚取的利润数额)。
更改“cut”和“taker profit”参数以及模拟特定日期的市场冲击,这些重要的见解源自拍卖持续时间和链上滑点的热图。
基于时间,在许多不同的场景(在不同点触发清算执行)中运行模拟,可以得出模拟结果。我们对分布的尾端(极值)感兴趣,因此我们使用特定的百分位数(即第 95 个百分位数),通过使用 CDF(Cumulative distribution function,累积分布函数)来捕获极值。
热图对于捕获参数扫描(Parameter Sweep)动态的影响非常有价值。我们可以观察两个不同参数 buf 和 step 的变化如何影响收益指标。与上述模拟类似,我们需要更好地理解不同拍卖参数之间的关系及它们对拍卖持续时间和链上滑点的影响。
深入研究这些模拟和具体的权衡超出了这篇文章的范围,但我们即使不知道 Maker 的拍卖设计,也可以从下面的图表中得出一个直观的解释,即拍卖持续时间随着 step 和 buf 的增加而增加。
对模拟的输出积极给予监测是一件有意义的事情,在我们检测到一些有趣的变化时就可以相应给出建议,为系统设置更合理的参数。
最近,对不同抵押品类型的拍卖参数,我们建议进行大量更改,其中包括拍卖周期、拍卖持续时间和重新设置、拍卖吞吐量限制和 keepers 激励措施等。
DeFi 的可组合性也可能会给相互关联的协议带来额外的风险敞口。Maker 也不例外,因为接受各个协议的通证作为抵押品,Maker 的市场风险敞口涉及整个生态内的协议。如果抵押品在纳入系统之前经过详尽的尽职调查,可以缓解这些风险,但还是没有办法完全消除风险。重要的是,要对此类风险源进行监测,主要可以通过风险资本指标进行监测。
同时,AAVE 的 DAI 直接存款模块是一个特例,因为 Maker 也直接承担了 Aave 的部分治理风险。更具体一点来说,是挤兑风险,即供应商(包括 D3M)将无法从 Aave 取走抵押品(在 Maker 的案例抵押品中是 DAI)。
因此,Maker 需要持续监测 Aave 的治理变化,这一点非常重要,尤其是在大量 DAI 供应到 Aave 的 DAI 市场时。
鉴于当前 Aave 的状态和 Maker 治理设定的两个相关参数(债务上限和目标借款利率),D3M 这个工具可以监测当前风险并对供应的 DAI 和年化收入进行模拟。
该工具可以让用户清楚了解到风险(将 DAI 作为抵押品供应到另一个协议)和回报(从协议那里收到所供应的 DAI 的存款利率)之间的权衡。
正如 D3M 所示,需要从整体上监测 DeFi 生态系统,如果仅仅孤立地查看 Maker 本身系统,根本无法为 Maker 提供高质量的风险管理。
稳定费率的提议是关键治理决策之一,它极大地影响了协议的收益。另一个生态系统利率监测工具,则将 Maker 借入 ETH 的成本与 Aave 和 Compound 进行比较。这为整个生态系统的竞争动态提供了强烈的信号。假设 200% 的抵押率并考虑借贷市场的存款利率,以此来计算 Maker 等价借贷利率。
前不久以太坊的合并事件是以太坊社区的重大事件。合并事件也会带来一定的经济风险,我们的目标是缓解整个生态系统中的风险。
为 Aave 的风险管理提供支持,相应也会间接给 Maker 的风险管理提供支持,我们在 Aave 论坛上对以太坊合并事件之前的分叉风险提出了一项风险缓解计划。暂时停止 ETH 借贷的行动方案得到了 Gauntlet 的支持, Gauntlet 是 Aave 的主要风险管理服务提供商,随后这个方案由 Aave 治理投票通过。
这个风险缓解计划,是我们使用 Aave 风险仪表板持续监测 Aave 风险状况,最后得到的一个成果。该工具主要是为了监测 Aave 对 Maker 的潜在风险影响,并且在收到 Aave Grants DAO 的资助后,得到了明显的改善。
另外我们也在 Maker 论坛上提出了关于经济风险影响的讨论,目的是评估 POW 分叉的潜在风险。虽然没有给出任何行动方案,但是考虑到在发生尾部风险事件时需要制定潜在的缓解策略,这是大家都需要了解的一个重要话题。
关于合并风险的讨论后续也在 Compound 论坛上展开。最后的行动方案是调整 Compound v2 的 cETH 市场,方式是将借贷上限设置为 100,000 ETH,以及借贷使用率超过 80% 后将以更高的利率更新利率模型。该提案最终通过 Compound 治理投票,得到执行。
在多系统目标的权衡之间做出更明智的决策,也是我们的主要目的之一。对金库用户的研究也会给我们带来一些启发。
在设置稳定费率等风险参数时,借款人对利率敏感性的假设变得至关重要,无论是弹性还是非弹性,都可以通过实证数据进行验证。出于这个原因,我们决定对一个特殊决策的影响分析进行深入研究——将 stETH-B 稳定费率降至 0%。分析的结论是,大部分影响是个体鲸鱼从 stETH-A 金库迁移到 stETH-B 金库,在此过程中引起利润侵蚀效应。另一方面,这也促成了新金库所有者的大量涌入。
类似这样的分析,还有协议内风险敞口迁移、生存分析和清算保护分析。每一个分析都可以帮助我们增加对金库用户行为的了解,对行为的了解可帮助协议做出更好的决策,更好地验证因果假设。
在这篇文章中,我们深入探讨了管理 DeFi 经济风险的框架和实践,重点关注的是 MakerDAO 系统。通过一些实例,我们探讨了 DeFi 如何实现风险监测和缓解的公开透明化,从而提高协议的稳健性。
本文分享了关于风险管理的知识和实践,致力于共同促进 DeFi 的稳健发展。虽然在 DeFi 发展中,比较受关注的还是协议的竞争力,但超越部落主义、超越零和博弈,创建一个更强大的生态系统,促进 DeFi 的广泛运用,让所有参与者受益,是我们觉得真正重要的。
原文:Jan Osolnik, Monitoring and Mitigation of Economic Risk