RociFi Protocol Litepaper
June 21st, 2022

"也许直接建立在信誉上的最大金融价值是信贷和无抵押贷款。目前,web3生态系统无法复制简单形式的无抵押贷款"——Vitalik Buterin

1、介绍

RociFi协议是一个用于无许可抵押下进行贷款的DeFi原件。RociFi建立在Ethereum上,初始版本将在Polygon上推出。

RociFi正在重塑信贷体系,使其更具包容性,同时通过利用链上行为和声誉来发放担保不足的贷款,提高DeFi的资本效率。

随着协议采用率的提高,它的功能类似于Layer1,DeFi和TradFi公司可以在RociFi上建立新的资本市场服务,从而创造一个去中心化的信贷经济。

RociFi让EVM链上具有干净的链上历史和声誉的借款人能够以减少或零抵押品进行借款,同时为贷款人提供高额、稳定的存款收益。在最初的版本,RociFi批准用于借贷和抵押的资产将是USDC、DAI、USDT、ETH和WBTC。

2、关键部分

术语参考
术语参考

有三个主要的智能合约组成了RociFi的贷款架构。

·支付合同:定义了贷款的细节,包括贷款与价值的比率、利率、惩罚措施是什么、需要哪些抵押品以及如何清算这些抵押品。

·债券合同:这是象征性的债务票据,允许贷款人为贷款融资(通过购买债券),收取付款(通过支付合同中的交换)和累积利息(通过质押债券)。

·投资者合同:这是抽象化的合同,就像投资银行购买在其参数内定义的各种档次的债券,并管理这些贷款。它与它的投资者("贷款人")分享其利润。 注意:这些智能合约的任何组件都可以被升级或替换,而不影响系统的其他部分。

RociFi协议架构流程
RociFi协议架构流程

2.1 角色

借款人 - 想用一定数量的抵押品来筹集资金的参与者。

贷款人 - 想把钱贷出去的参与者,通过持有ERC-20债务代币获得回报。

清算者 - 通过清算拖欠的贷款来赚钱的参与者,并获得抵押品的回报。

RociFi智能合约架构
RociFi智能合约架构

借款人信用等级为3级(rDAI3)的DAI贷款的履行周期:

1、借款人要求贷款,债券由支付合同创建。

2、投资者合同购买这些债券

3、购买借款人的债券后,投资者向借款人发放DAI

4、贷款的偿还以DAI的形式支付给支付合同,投资者从那里收集DAI的付款并将其分配给贷款人

5、投资者合同在付款时烧毁债券

6、同时,贷款人将DAI存入rDAI3债务池中

7、放款人收到rDAI3债务代币

8、当借款人向支付合约偿还DAI贷款时,它将燃烧债券。

9、放款人通过支付合同收到DAI的利息付款

10、抵押品经理在外部投资抵押品以获取收益

11、清算人在抵押品合同中寻找违约或不良贷款以购买

2.2 贷款池

贷款池是贷款人存入和提取其资本的接口。

每个池子包含基础资产/风险等级ERC-20债务代币和相应的资产代币。对于10个风险等级和3种资产,将有30个池子。例如,rDAI3对应DAI资产池和风险等级3的债务代币。

在推出时,借贷池将根据信用风险评分进行区分,这将不会稀释流动性。

1-3=低风险池

4-6 = 中等风险池

7-10 = 高风险池

RociFi债务代币可以由协议赎回(如果有足够的流动性)或通过外部AMM赎回。后者允许贷款人出售他们的ERC-20债务代币(如rDAI),并在任何时候提取他们的资本,即使贷款池中存在足够的流动性。

注意:上述描述了一个去中心化的债券市场,这在DeFi中是革命性的。

下图表示一个简化的流程图,用于根据贷款人的风险偏好选择贷款池,并将借款人的债券路由到相应的评级池。

贷款池的选择流向
贷款池的选择流向

2.3 代币

RociFi智能合约将以下列代币运作:

债务代币是贷款人在借贷池中的份额的代表。它是一种具有弹性供应的ERC-20代币,按需铸造和燃烧。

债券代币是贷款的代表。它是一个ERC-1155非可替换代币,对应于一个特定的贷款,并通过本金、抵押品类型和金额以及贷款到期日进行参数化。

资产代币是一种用于借贷的代币。它是一个ERC-20稳定币(DAI,USDC,USDT和类似的)。

2.3.1 债务代币

债务代币被命名为rDAI、rUSDC、rUSDT,每当贷款人存款时,债务代币就会被铸造并发放给他们。简单地说,RociFi将贷款人的DAI纳入池中,并给予他们rDAI作为回报。

债务代币由协议按照支付合同中规定的借款参数铸造和燃烧。债务代币可以被安全地储存、转移或交易。

如前所述,与其他DeFi平台上的LP代币对应物相比,债务代币的创新之处在于它们能够将相同风险状况的贷款混合在一起,即具有不同期限、利率和抵押品但具有相同信用风险分数的贷款。

然后,贷款人可以存入特定的贷款池--低、中、高,而不必筛选和检查符合其投资风格的个别贷款。

注意:债务代币持有人将始终以基础资产的形式收到付款,例如DAI、USDC、USDT等。

债务代币在池内交换或通过外部AMM/DEX交换。例如,rDAI3代币将对应于以DAI为主要资产、风险等级为3的资金池,这表明年收益率高达10%。

该协议通过债务代币将其与贷款人的合同代币化,因此它创造了一种新的流动资产:当协议中有足够的流动性时,代币授予其持有人提取存款和利息的权利。

这种资产也可以在协议外部的市场上进行交易,例如Curve、Uniswap和Balancer等DEXes,这使得贷款人可以通过在公开市场上交易他们的债务代币来退出他们的头寸,即使在协议缺乏流动性的情况下。在这种情况下,退出的折扣将由市场决定,这是一个特点,而不是一个错误。

折扣是当前市场条件和债务代币持有人对支持贷款池的基础债券的违约风险的看法的一个函数。不在协议中规定或估计这一折扣,或使协议依赖于这一估计的正确性,将使系统在不断变化的市场条件下具有更好的稳定性,并减少通过市场操纵的可利用性。

债务代币的生命周期:

·爱丽丝的信用等级为3,想从风险等级为3的资金池中借10,000DAI,年利率10%。

·如果这个贷款被批准,投资者合约需要10,000个DAI来完成这个请求

·投资者合约从相应的资金池中取出10,000 DAI,并铸造10,000 rDAI债务代币

·爱丽丝得到10,000DAI,她的贷款人得到10,000rDAI

·在到期日,Alice向投资者合同偿还11,000 DAI rDAI代币升值,所有持有债务代币的贷款人获利

基于利用率和还款率的假想借贷池收益
基于利用率和还款率的假想借贷池收益

3、信用、声誉和信任验证(NFCS)

为了在RociFi上借款,用户必须铸造一个ERC-1155代币,NFCS(Non-Fungible Credit Score)。NFCS证明了借款人希望得到信用评分的地址束的所有权。

NFCS的操作与Experian类似,即分数属于用户,但用户并不控制它,这使得它可以与其他Web3协议整合。

自从Vitalik Buterin最近发表关于 "Soulbound "代币的文章以来,人们对一种独特的、不可转让的链上凭证的需求越来越强烈,这种凭证可以在整个Web3中释放更大的效用和安全性。

RociFi的NFCS旨在成为Web3的第一个经过验证的信用、声誉和信任(CRT)的代币,即CRT的证明。

NFCS的信用、声誉和信任流向
NFCS的信用、声誉和信任流向

更多信息请点击这里

3.1 信用评分

RociFi 的信用评分是基于风险,即越低越好。RociFi的信用等级为1-10,其中1是最低的信用风险(最佳分数),10是最高的信用风险(最差分数)。

在推出时,良好的信用评分(1-6分)提供了获得低抵押贷款的机会,而风险较高的人(7-10分)则以高于市场利率的LTV获得过度抵押贷款。

更多细节请点击这里

3.2 信用风险管理

RociFi的信用风险管理是一个整体的方法,旨在最大限度地提高协议的安全系数,也就是说,信誉不好的借款人最终会得到贷款,违约也会发生。然而,我们的目标是将违约控制在小的、可控的范围内,以便从中吸取教训,而不是变成灾难性的。

在信用评分过程中分析的三个主要部分是:

·信用风险:借款人是否有能力偿还贷款,即信用度

·欺诈风险:借款人是否愿意偿还贷款,即可信度

·声誉风险:借款人在无法偿还贷款的情况下会有损失,即社会追索权

漏斗型的信用评分程序
漏斗型的信用评分程序

3.3 借款人利率

借款人利率是资本资产定价模型(CAPM)的衍生品,用于补偿贷款人与担保不足贷款有关的风险。

无风险利率是指同一资产在类似期限内收取的利率,无风险。Aave的稳定收益率尽管有局限性,但暂时提供了一个体面的代理。

市场风险溢价是根据对市场在确定的风险水平下的期望回报率的估计,向借款人收取的额外利息。具体来说,如果市场在特定风险水平下的期望年利率是Rl,市场风险溢价是Rp,那么RociFi试图提供一个Rp的估计值,使Rl=Rf+Vc+Rp。

为了做到这一点,RociFi将利用以下形式的线性模型:

这就像基本利率之上的利差,根据机会成本和感知的违约风险,这将使贷款对贷款人具有吸引力。读者可能会注意到这个公式与AAVE的借款人利率相似(确实如此),但是由于RociFi的基本利率是动态的,我们允许对利率进行负数调整,以反映RociFi的基本利率可能高估了市场所需的回报率。

有效的30天全额贷款利率
有效的30天全额贷款利率

上面的例子显示了如果U*=0.5,Rs=0.08,RociFi将收取的全部贷款利率。正如我们所看到的,当利用率高于最佳水平时,全额贷款利率会被调高,同样,如果低于U*,则会被调低。这种动态有助于鼓励(减少)供应和减少(增加)需求,以保持池子的最佳利用率。

在推出时,RociFi计划提供一个适用于每个风险池基本利率的固定利差。每个借贷池的风险溢价将根据这些利率的信贷供需情况进行调整。随着RociFi收集更多的数据,我们将利用有关这些利用率的数据,并将其与评估的固定利差进行回归,以实施动态的市场风险溢价模型。这将有助于确保市场感知的机会成本和违约风险被适当地计入每个池的回报。

波动费是向借款人收取的费用,以在价格下跌到足以使借款人将其抵押品放到RociFi的情况下对冲其抵押品的价值,并放弃其信用和网络3的声誉。由于这种套期保值的成本来自于相关抵押资产的交易期权的隐含波动率,我们将这种风险措施称为 "波动率费用"。

波动率费用是借款抵押品比率 "R"、LTV 阈值 "L "和相关市场的年化隐含波动率 "S "的一个函数。这里最重要的概念是 "L",即 LTV 门槛。"L "反映了一个门槛,如果贷款的LTV上升到如此之高,借款人会选择离开贷款,即离场风险

下面我们展示了在假设抵押品比率为80%,没有添加风险溢价的情况下,有效贷款利率会是多少。

有效的30天基本贷款利率(未添加市场风险溢价)
有效的30天基本贷款利率(未添加市场风险溢价)

更多信息请点击这里

简单的例子,假设1000美元的贷款,800美元的抵押品价值。

借款人利率*=10.65%(Rf)+4.35%(Rp)+1.5%(Vc)=*

16.50%的年利率或1.375%的30天有效利率

3.4 社会追索权

几十年来,乡村合作社式的银行业务通常导致较少的违约,部分原因是人们相互认识--面包师和农民在多年的辛勤工作中赢得了他们的声誉,如果他们违约,他们的声誉将受到严重损害,因为消息会迅速传播。

这是一种社会追索的形式。

RociFi正在Web3中建立同样的动态,借贷池作为村镇银行运作,NFCS作为口碑声誉和信用评分运作。

在获得低抵押贷款的资格后,用户必须同意有关条款和条件,包括在违约情况下暴露其提供的信息。一旦不还款,RociFi将在社交媒体和社区渠道传播违约者的信息。

此外,更广泛的RociFi社区将被激励在其网络渠道上分享违约者的信息。违约者将被永远禁止进入RociFi,而贷款仍然拖欠。

最终的目标是建立一个防火墙,通过基于链上信誉的追索,将不良行为者从RociFi生态系统中清除。这背后的理论是--"你相信你的链上身份和声誉在5年内会更有价值还是更少?" 如果是前者,你会不惜一切代价,以良好的行为来保护和发展它。

社会追索流程
社会追索流程

更多信息请点击这里

3.5 信用风险预言机

信用风险预言机组件连接到链外信用评分分析和价格反馈,以生成贷款的LTV和用户的信用评分。这个接口是通用的,所以任何评分逻辑都可以被插入(因为我们把DAO成员的评分输入分散化)。

链外信用评分分析的工作方式是将收集到的关于用户的链上数据插入一个ML模型,该模型返回一个特定用户的概率,如果获得贷款,他们的贷款将导致违约。然后,这个概率被重新调整为我们的信用评分。

我们的模型已经使用从各种DeFi协议中收集的数百万个数据点进行了训练。

信用模型ROC曲线和AUC
信用模型ROC曲线和AUC

以上是 RociFi 当前信用风险模型生成的 ROC 曲线。ROC 曲线着眼于模型的真阳性率(召回的敏感性)与模型的假阳性率(1-特异性)。对于我们的模型,AUC等于0.89,按照传统的衡量标准,这被认为是很强的。

与我们的信用风险模型类似,RociFi也注意考虑信用风险的另一个来源。欺诈。有多种可能的欺诈来源,包括利用、诈骗和网络钓鱼。RociFi 认为与这些类型的欺诈活动有关的地址,如果获得信贷,更有可能带着支付的资金跑掉。

为此,RociFi投入了大量的时间和资源,在结合图论和机器学习的现代方法基础上,建立了我们的链外欺诈分析系统。到目前为止,RociFi已经建立了一个超过96GB大小的地址图谱网络,并且在不断增加。从这个图中,我们能够挖掘出一组关于特定用户地址的特征,并通过我们的欺诈分类器运行。在样本外的数据中,我们能够实现大约96%的召回率。

欺诈性的地址识别
欺诈性的地址识别

上图展示了我们如何试图在我们的网络图中识别欺诈。这里的红色节点 "地址2 "代表一个欺诈性的地址。我们看到,地址1向 "地址2 "发送了4个TXN,地址4向 "地址2 "发送了4个TXN,而 "地址2 "向地址2发送了3个TXN。根据 "地址2 "与其邻居(1和4)的互动以及这些邻居与他们的邻居的互动,利用这些交易的数据,我们能够诱导出 "地址2 "与地址1和4一起是欺诈的概率。然后,这些概率被重新划分为1-10分的欺诈分数。与我们的信用评分类似,"1 "分代表最低的欺诈风险,10分代表最高的欺诈概率。

如果我们没有欺诈图中某个特定地址的数据,RociFi 还投入了大量时间和资源建立一个交易级别的模型,试图直接从交易级别的数据中学习欺诈交易的决策边界。这个模型已经在从数十万个活跃和已知的欺诈地址中挖掘出的数百万笔交易上进行了训练,因此能够达到大约90%的召回率。与我们基于图的分类器类似,这个模型将产生一个交易是欺诈性的概率。我们将其从1-10扩展为一个欺诈分数。

在最坏的情况下,如果我们的反欺诈数据库中没有一个地址的可用数据,如果交易层面的信息不足,就会分配一个10分的反欺诈分数,这样做是出于谨慎的考虑。

完整的白皮书信息可点击这里

RociFi为Web3带来非足额抵押的信贷

Follow us on Twitter: https://twitter.com/rocifi

Join our Discord: http://discord.gg/tGgKkSqHZz

Join us on Telegram: http://t.me/RociFi

Read our Mirror: https://mirror.xyz/rocifi.eth

Subscribe to JackL
Receive the latest updates directly to your inbox.
Verification
This entry has been permanently stored onchain and signed by its creator.
More from JackL

Skeleton

Skeleton

Skeleton