Follow Us
Facebooktwitteryoutube
YouTube
Promo
banner
Promo
banner

معرفی نمره DeFi – یک روش منبع باز برای ارزیابی کد و ریسک مالی در وام دهی

وبلاگ 1NewsD DevelopersEnterpriseBlockchain ExplainedEvent ها و کنفرانس ها Pressخبرنامه ها

مشترک شدن در خبرنامه ما.

آدرس ایمیل

ما به حریم خصوصی شما احترام می گذاریم

صفحه اصلی BlogCodefi Data

معرفی نمره DeFi – یک روش منبع باز برای ارزیابی کد و ریسک مالی در وام دهی

توسط Nicole Adarme 20 سپتامبر 2019 منتشر شده در 20 سپتامبر 2019

0 fhlnj4QSRyGLRVn0

وام های DeFi بیش از APR هستند.

یک سال بزرگ برای DeFi با رشد سه رقمی و بیش از نیم میلیارد دلار در سیستم عامل های مختلف وام حبس شده است. ما به طور مداوم از مقدار زیاد آزمایش و اخلال در این بخش الهام می گیریم ، همه در حالی که راهپیمایی آرام را به سمت خدمات مالی واقعاً غیرمتمرکز ادامه می دهیم. متأسفانه ، آگاهی عمومی در DeFi اغلب بر پتانسیل بازده بزرگتر متمرکز است و در عین حال از انواع جدید ریسک همراه با سیستم عامل های وام هوشمند قرارداد جلوگیری می کند. برخی از رایج ترین سیستم های وام و وام شامل Comound ، DyDx ، Fulcrum و Nuo است..

کاربران باتجربه این پروتکل ها ممکن است نگرانی های مشترک را تشخیص دهند:

  • چگونه می توانم اعتماد کنم که قراردادهای هوشمند پروتکل حاوی اشکال یا آسیب پذیری نیستند که وجوه من را در معرض خطر قرار می دهد?

  • آیا محصول واقعاً غیرمتمرکز است؟ آیا هر فرد یا گروهی می تواند با دستکاری در سخنرانی ها ، کنترل های اداری یا اقدامات اضطراری بر سرمایه گذاری من تأثیر بگذارد?

  • آیا سناریویی وجود دارد که در آن به دلخواه قادر به برداشت وجوه خود نباشم?

  • نوسان قیمت چگونه بر موقعیت من تأثیر می گذارد؟ چه نوع وثیقه ای از کل سیستم پشتیبانی می کند?

آیا جامعه DeFi با در نظر گرفتن ریسک فرصت های وام را ارزیابی می کند یا ما به دنبال بهترین نرخ بازده هستیم?


رویکرد جامع به خطر در DeFi

ConsenSys Codefi از انتشار متدولوژی DeFi Score برای ایجاد شفافیت و درک در مورد خطرات فنی و مالی تأثیرگذار بر بازارهای وام دهی هیجان زده است. روش اولیه از منبع باز است GitHub, با یک نمونه پیاده سازی برای پیگیری. هدف ما این است که جوامع توسعه دهنده DeFi و Ethereum توسعه ، آزمایش و استفاده از روش را به عنوان بلوغ DeFi انجام دهند.

در زیر یک مثال تصویری از چگونگی پیاده سازی امتیاز DeFi در یک برنامه مصرف کننده که یک بازار خاص وام را ارزیابی می کند ، آورده شده است..

0_7vgb68IHHqpmlwWX.png

این مدل نمره 0-10 را که می تواند به کاربران ارائه شود یا در سیستم های دیگر ادغام شود ، قابل درک می کند. این مثال همچنین شامل خلاصه ای از ویژگی های موثر در امتیازدهی است: خصوصیات فنی قوی ، نقدینگی ضعیف و ریسک نظارتی بالا.

مدل ریسک & ورودی های داده

دو دسته گسترده وجود دارد که ویژگی های ریسک بازار رمزنگاری را جذب می کند: قرارداد هوشمند و ریسک مالی.

0_YFMpb2VDiKX7Eiea.png

خطر قرارداد هوشمند

سیستم عامل های وام تمایل دارند که در تمام بازارهایشان قراردادهای هوشمند یکسانی داشته باشند ، بنابراین ریسک قرارداد هوشمند مهمترین عامل هنگام مقایسه سیستم عامل ها خواهد بود. پاسخ به س questionsالات مهم درباره قراردادهای هوشمند یک سیستم عامل یا پروتکل می تواند به تعیین خطر مرتبط با قراردادهای هوشمند آنها کمک کند. به عنوان مثال ، کدام بخش از کد توسط شرکت های معتبر بررسی شده است؟ آیا تأیید رسمی انجام شده است؟ کد منبع باز است؟ یک امتیاز اشکال ارائه می شود?

ریسک مالی

ریسک مالی بر روی نقدینگی و وثیقه گذاری در بازارهای فردی متمرکز است و با شرایط بازار تغییر خواهد کرد. به عنوان مثال ، اگر نقدشوندگی کمتری در بازار نسبت به سایر شرکتهای خود داشته باشد ، امتیازات متضرر می شوند.

وام گیرندگان برای اطمینان از بازپرداخت بیش از حد وثیقه می گیرند ، با این وجود ماهیت ناپایدار دارایی های رمزنگاری به این معنی است که عوامل وثیقه بالا نمی توانند کافی باشند. ترکیب پشتوانه وثیقه سیستم عامل های امروز DeFi از تنوع بالایی برخوردار است ، بطوریکه برخی از آنها از دارایی های با ثبات و نقدینگی بیشتری نسبت به بقیه تشکیل شده اند. داده های زنجیره ای در مورد نسبت وثیقه بازار و سبد وثیقه نیز بر نمره DeFi تأثیر می گذارد.

ملاحظات دیگر

بیمه و ریسک نظارتی دو حوزه ای هستند که ما شاهد واگرایی هستیم. برخی از سیستم عامل ها برای محافظت در برابر حوادث قو سیاه به صندوق های بیمه کمک می کنند ، با این وجود استخرها به طور کلی ناکافی ارزیابی می شوند. برخی از سیستم عامل ها نگرانی های نظارتی را تأیید می کنند در حالی که برخی دیگر مواضع ضد نظارتی قوی تری دارند. با بالغ شدن سیستم عامل های وام ، انتظار داریم که این دامنه ها دارای وزن بیشتری در امتیاز DeFi باشند.

با توجه به وضعیت نوپای DeFi و سابقه محدود تاریخی ، مهم است که درک کنیم این یک مدل آماری معتبر نیست که تحت آزمایش رگرسیون قرار گرفته باشد. این یک چارچوب مبتنی بر نظر است که می تواند مکالمه ای را برای تخمین و انتقال خطر در این بازارهای نوظهور آغاز کند. وزن ها برای به حداکثر رساندن مقدار طیف امتیازدهی 10 نقطه طراحی شده اند و در ابتدا برای ترکیب ، dYdX ، Nuo و Fulcrum تنظیم می شوند.

چه بعدی?

ما به طور فعال به دنبال نقاط داده و روش های جدید برای بهبود سودمندی امتیاز هستیم:

  • از طریق سیاست های انحلال ، عوامل خطر اضافی از جمله خطرات تمرکز (حاکمیت) ، خطرات اوراکل و نقدینگی بازار را برطرف کنید

  • شکستن زیر ملفه های نمره به نمرات فردی

  • روشهای غیرمتمرکز برای تأیید اعتبار فراداده بازار

  • مدل را برای محصولات DeFi فراتر از وام تنظیم کنید

  • DAO-ify مدیریت این الگوریتم امتیازدهی

ما جامعه را به ارائه بازخورد در مورد روش و تماس با ما ترغیب می کنیم!

  • مشارکت در GitHub

  • به وب سایت DeFi Score مراجعه کنید

  • به بحث بپیوندید تلگرام

امتیاز DeFiDeFi اعلامیه خبرنامه خبرنامه برای آخرین اخبار Ethereum ، راه حل های سازمانی ، منابع توسعه دهنده و موارد دیگر در خبرنامه ما مشترک شوید. آدرس ایمیل

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me
Adblock
detector