Założyciel Curve proponuje opcjonalne rozwiązanie dla $700K złego długu LlamaLend
Sentyment AI: 68/100 Byczy
Ten wynik jest generowany na podstawie analizy treści artykułu napędzanej sztuczną inteligencją.
Wspierane przez
Curve jest platformą najbardziej kojarzoną z propozycją Egorova. Jeśli to „zbywalne złe długi/rozwiązanie przypominające opcję” zyska przyczepność, ustawi Curve jako pożyczkodawcę DeFi, który potrafi radzić sobie ze stresem bez ratunków finansowanych przez governance — wspierając sentyment i potencjalnie redukując przyszłe wydarzenia strat dla posiadaczy tokenów. Kluczowe ryzyko: propozycja nie zostanie wdrożona lub napotka przeszkody prawne/techniczne, pozostawiając Curve z tym samym profilem ryzyka związanego z governance i ratunkami.
Kluczowe ryzyko: Mechanizm wyceny rynkowej nie zostaje przyjęty (lub nie może zostać wykonany), więc Curve nadal ponosi ryzyko strat zależnych od decyzji governance.
Ratunki w stylu governance Aave to model „socjalizacji strat”. Podejście Egorova oparte na wycenie rynkowej jest bezpośrednią alternatywą, która zmniejsza potrzebę rezerw protokołu i interwencji governance. To przesuwa narrację z „protokoł zabezpiecza depozytariuszy” na „kapitał zewnętrzny wycenia ryzyko”, co działa jako czynnik przeciwko postrzeganej premii bezpieczeństwa Aave. Kluczowe ryzyko: Aave rozwinie własne rynkowe metody obsługi strat (lub udowodni, że ratunki są tanie i nie rozcieńczają posiadaczy), utrzymując w ten sposób premię bezpieczeństwa.
Kluczowe ryzyko: Podejście Aave oparte na rezerwach/ratunkach pozostaje dominującym, zaufanym modelem i nie prowadzi do rozwodnienia posiadaczy ani utraty wiarygodności.
- Michael Egorov proponuje handel długiem zamiast używania środków skarbca.
- Jeśli zostanie zatwierdzone, nabywcy przejmą ryzyko w zamian za potencjalny zysk z odzyskania spłat.
- Model kontrastuje z metodami ratunkowymi stosowanymi w innych protokołach DeFi.
Założyciel Curve Finance, Michael Egorov, przedstawił nowy sposób rozwiązania kwestii około $700,000 złego długu na LlamaLend, argumentując, że problem powinien zostać rozwiązany przez wycenę rynkową, a nie przez ratunek protokołu.
Propozycja wprowadza strukturę przypominającą wypłatę w stylu opcji, umożliwiającą handel długiem i jego absorpcję przez uczestników rynku zamiast jego rozkładania na użytkowników.
Pomysł pojawia się w momencie, gdy platformy pożyczkowe DeFi nadal borykają się z presją dotyczącą sposobu radzenia sobie z niedoborami przy likwidacji, bez osłabiania zaufania do systemów zarządzania lub przerzucania nagłych strat na posiadaczy tokenów.
Rynkowa alternatywa dla ratunków protokołu
W centrum propozycji Egorova znajduje się mechanizm, który przekształca zły dług w zbywalne roszczenie.
Zamiast zmuszać protokół lub jego społeczność do pokrycia pełnego niedoboru, dług byłby wyceniany i sprzedawany na rynku wtórnym.
W praktyce oznacza to, że inwestorzy mogliby nabyć pozycję w trudnej sytuacji za cenę z dyskontem, de facto przejmując ryzyko odzyskania w zamian za potencjalny zysk.
Struktura przypomina wypłatę podobną do opcji, gdzie nabywcy zyskują ekspozycję na przyszłe wyniki spłat, ale po obniżonej cenie wejścia odzwierciedlającej niepewność.
Kluczowa różnica w stosunku do tradycyjnych modeli ratunkowych polega na tym, że nie jest potrzebna zbiorowa interwencja skarbca.
W wcześniejszych incydentach DeFi, takich jak niedawny incydent KelpDAO, podobne straty często były rozwiązywane poprzez zatwierdzone przez governance zastrzyki środków lub mechanizmy społecznego rozłożenia strat, gdzie protokół absorbuje wpływ wśród swojej bazy użytkowników.
Podejście Egorova zamiast tego opiera się na dobrowolnym udziale. Jeśli rynek przypisze wartości temu długowi, choćby niewielkiej, proces odkrywania ceny wyznaczy wynik.
To unika stałych odpisów narzucanych decyzjami governance i zastępuje je ciągłą dynamiką handlu.
Kontrast z podejściem ratunkowym Aave
Propozycja zwróciła uwagę, ponieważ mocno kontrastuje z tym, jak Aave, jeden z największych zdecentralizowanych protokołów pożyczkowych, wcześniej radził sobie z porównywalnymi sytuacjami stresowymi.
W wcześniejszych przypadkach złych długów, governance Aave zatwierdziło wykorzystanie rezerw protokołu do pokrycia strat i stabilizacji pozycji użytkowników.
To podejście priorytetowo traktowało utrzymanie pewności płynności i zapewnienie, że deponenci zostaną wyrównani, nawet jeśli oznaczało to użycie wspólnych środków.
Model Egorova idzie w przeciwnym kierunku.
Zamiast wzajemnego rozkładania strat, izoluje je do oddzielnego instrumentu finansowego, który można wycenić, handlować nim i który może zostać wchłonięty przez kapitał zewnętrzny.
Niedobór LlamaLend w wysokości $700,000 jest stosunkowo niewielki w porównaniu z ryzykami systemowymi obserwowanymi na większych platformach pożyczkowych, ale stał się użytecznym przypadkiem testowym dla alternatywnych metod rozwiązywania problemów.
Skala ma znaczenie, ponieważ pozwala na eksperymenty bez zagrażania szerszym warunkom płynności.
Dlaczego propozycja Egorova przypomina wycenę opcji
Ramowanie jako „przypominające opcję” wynika z asymetrycznej struktury wypłaty proponowanego rozwiązania.
Nabywcy trudnego długu zapłaciliby z góry cenę z dyskontem, a ich zwrot zależałby od tego, ile z długu ostatecznie zostanie odzyskane.
Jeżeli odzyskanie będzie wyższe niż oczekiwano, nabywcy osiągną zysk z różnicy między ceną zakupu a wartością spłaty. Jeśli odzyskanie będzie niskie, poniosą stratę.
To odzwierciedla profil ryzyka opcji finansowych, w których wypłata zależy od niepewnych przyszłych wyników, a nie od ustalonych harmonogramów spłat.
Strukturyzując zły dług w ten sposób, system w praktyce przekształca problem księgowy w problem wyceny.
Zamiast decydować, czy straty powinny być absorbowane czy redystrybuowane, rynek w czasie rzeczywistym określa wartość tych strat.
Zcash spada poniżej 430 USD w związku z napięciami geopolitycznymi
ENA pozostaje pod presją spadkową mimo umowy Ethena z Janus Henderson
Liczba otwartych pozycji Ethereum spada o 25% — wsparcie $1,500 w centrum uwagi
Czy cena Bitcoina spadnie ponownie poniżej $60,000?
Dlaczego cena Lighter rośnie, gdy rynek kryptowalut spada?
Nie znaleziono wyników
Ładowanie artykułów...
Failed to load articles. Please try again.