去中心化衍生品入门：模型、挑战与机遇

欧意交易所

全球前三大交易所之一，新用户注册最高可得230USDT奖励，同时可拆数字盲盒，100%可以获得数字货币，最高价值60000元

点击注册 进入官网

作者： Chaos Labs 来源：X，@chaos_labs 翻译：善欧巴，金色财经

在传统金融和加密世界中，衍生品市场的规模都远远超过现货市场。例如，截至今天，比特币的日现货市场交易量约为40亿美元，而其衍生品市场的交易量则显著更大，达到538.9亿美元（数据来源：Cryptoquant.com）。

比特币现货与衍生品交易量比率（来源：CryptoQuant）

这一趋势在2021年初开始加速增长，至今仍在持续。传统金融的衍生品市场早已超过现货市场，而加密衍生品在中心化交易所（CEX）上的发展也紧随其后。然而，在去中心化金融（DeFi）中，衍生品尚未超越去中心化交易所（DEX）的现货市场。例如，在过去的24小时内，@Uniswap v3 促成了13亿美元的现货交易，而@HyperliquidX 处理了大约10亿美元的衍生品交易（数据来源：Coingecko）。

尽管如此，差距正在缩小，随着生态系统的成熟，链上衍生品很可能会超越现货市场，这与其他成熟市场的走势一致。虽然对衍生品的需求正在上升，但这一增长也必须依赖于安全且高效的交易场所和模式来支持。

衍生品交易量（来源：DefiLlama）

理解支撑衍生品市场的各种模型对于构建能支撑这一转变的基础设施至关重要。本文将讨论“硬流动性支持模型”和“合成模型”。

硬流动性支持模型

在硬流动性支持模型中，交易者与实际资产（代币或稳定币）进行互动，这些资产被存入流动性池中。资产本质上是借给交易者，以便他们进行杠杆交易。@GMX_IO、@JupiterExchange、@GearboxProtocol 的PURE以及@Contango_xyz都是这种模型的例子。

流动性提供者（LPs）通过存入这些真实资产获取交易费用，并/或作为交易者的对手方，从而获得回报。LPs 的收益来源包括流动池中资产的表现、流动池的利用率，以及在没有鼓励平衡多空交易机制的模型中，交易者的盈亏表现。

优势：

• 破产风险较低：由于交易由实际资产支持，系统破产的风险较低。

• DeFi中的可组合性：像GMX和Jupiter这样的硬背模型支持流动性池代币的再抵押，例如$GLP和$JLP代币可以用作抵押品或在其他DeFi应用中质押，从而提高资本效率。

• 较低的交易/做市激励需求：由于LPs充当了对手方和/或做市商，直接激励的需求较低。虽然在第一阶段通常会通过代币激励来奖励LPs，但从长期来看，流动性提供的奖励主要来自交易费用，避免了设计平衡激励计划的难题。

• 加深市场流动性：硬背模型通过要求实际资产支持交易来加深市场流动性。在过去几年里，这也使得像GMX这样的协议成为现货资产交换的高效场所，因为流动性集中在可以同时服务于衍生品和现货市场的流动池中。

在此类别中，根据流动性、可及性和共享程度，出现了不同的子模型：

• GMX v1 和 Jupiter ：这些协议使用全球共享流动性池，这意味着所有资产都集中在一起。该模型允许流动性提供者在 DeFi 协议中使用其单一代币，从而确保深度流动性并增强可组合性。

• Gearbox 的 GMX v2 和 PURE ：引入了具有模块化架构的独立流动性池，其中每种资产或市场都有自己专用的流动性。这降低了协议的系统性风险，使其能够支持长尾、风险更高的资产。每项资产的风险（和回报）都是隔离的，可防止单一资产影响整个协议的流动性并产生不同的风险/回报状况。在这种“硬流动性支持”模型中，我们还可以采用 Contango 之类的产品。虽然 Contango 不是一个独立的模型，但它在现有借贷协议（如 Aave）之上运行，以创建保证金去中心化交易所体验。它使用从借贷池借入的真实资产和闪电贷功能来创建杠杆头寸。

合成模型

虽然硬流动性支持模型通过要求真实资产来抵押交易来优先考虑安全性和可组合性，但合成模型采用了不同的方法。

在合成模型中，交易通常不由真实资产支持；相反，这些系统依靠订单簿匹配、流动性库和价格预言来创建和管理头寸。

并非所有合成模型都是相同的——设计范围从更多地依赖于点对点订单簿匹配的模型，由活跃的做市商提供流动性，无论是专业的还是通过算法保险库，都可以在全球范围内共享或与市场隔离，到采用纯合成方法的模型，其中协议本身充当交易对手。什么是流动性保险库？

在合成衍生品模型中，流动性金库是一种汇集的流动性机制，它充当用于促进交易的资金来源，要么直接支持合成头寸，要么充当做市商。虽然流动性金库的结构可能因协议而异，但它通常用于为交易提供流动性。这些流动性金库通常由专业做市商（即 Bluefin 稳定币的资金池）或算法管理（即 Hyperliquid、dYdX unlimited、Elixir 资金池）。在其他一些模型中，它们是纯粹被动的交易对手池（即 Gains Trade）。通常这些资金池向公众开放，他们可以提供流动性，以换取参与平台活动产生的奖励。

流动性库也可以在上市市场之间实现全球共享，例如 Hyperliquid，或者部分隔离，例如@dYdX，@SynFuturesDeFi和@bluefinapp，其风险和收益与之前强调的类似。

一些协议，例如 Bluefin，依赖于这些机制之间的混合模型，其中既有由做市商管理的全球流动性库，也有独立的算法池。

在合成模型中，流动性通常由活跃用户（P2P 匹配）、流动性库（作为后备）和在订单簿上下单买入/卖出的做市商组合提供。不过，如前所述，在一些纯合成模型中，例如@GainsNetwork_io，流动性库本身充当所有交易的交易对手，无需直接匹配订单。

优点：

合成模型选择的权衡与硬流动性支持的模型不同，但它也具有一系列优点：

1. 资本效率：合成模型的资本效率很高，因为它们不需要直接 1:1 实物资产支持。只要有足够的流动性来覆盖活跃交易的可能结果，系统就可以用更少的资产运行。

2. 资产灵活性：这些系统在可交易资产方面更加灵活，因为头寸是合成的。无需为每种资产提供直接流动性，从而允许更多样化的交易对和更快（甚至是半无需许可）的新资产上市。Hyperliquid 的预发布市场尤其体现了这一点，其中交易的资产甚至还不存在。

3. 更好的价格执行：由于交易是纯合成的，因此有可能获得更好的价格执行，尤其是当做市商在订单簿上活跃时。这些模型也存在明显的缺点：依赖预言机：合成模型高度依赖于价格预言机，这使得它们更容易受到相关问题的影响，例如预言机操纵或延迟。没有流动性贡献：与硬支持模型不同，合成交易不会为资产的全球现货流动性做出贡献，因为流动性仅提供给衍生品订单簿。

虽然与中心化交易所（约占市场的2% ）相比，去中心化交易所在整体永续合约交易量中所占比例仍然很小，但各种可用的模式为真正的增长奠定了基础。这种模式组合，加上资本效率和风险管理的持续改进，对于帮助 DEX 在衍生品市场中获得更大份额至关重要。