DeFi 衍生品主流玩法對比：真實資產支持 VS 合成資產交易

來源：Chaos Labs X 帳號

作者：Chaos Labs

編譯：深潮TechFlow

由研究分析師 @0xGeeGee 撰寫

在傳統金融和加密貨幣領域，衍生品市場的規模都遠遠超過現貨市場。 例如，截至目前，比特幣的日現貨交易量約為40億美元，而其衍生品交易量則高達538.9億美元（數據來源：Cryptoquant.com）。

比特幣：交易量比例（現貨 vs 衍生品）--- 來源：CryptoQuant

這一趨勢自2021年初開始加速，並一直持續到現在。傳統金融中的衍生品市場早已超越現貨市場，加密貨幣的中心化交易所（CEX）中的衍生品市場也緊隨其後。在去中心化金融（DeFi）領域，衍生品尚未超過去中心化交易所（DEX）的現貨市場。例如，在過去的24小時內，@Uniswap v3 促成了13億美元的現貨交易，而@HyperliquidX 處理了約10億美元的衍生品交易（數據來源：Coingecko Data）。

儘管如此，差距正在縮小，很明顯，隨著生態系統的成熟，鏈上衍生品可能會像其他成熟市場一樣，最終超過現貨市場。雖然市場需求正向衍生品傾斜，但這種增長需要有安全高效的交易平台和模式作為支撐。

衍生品交易量 --- 來源：DefiLlama

理解支撐衍生品市場的不同模型對於構建支持這一轉變的基礎設施至關重要。在本文中，我將討論硬流動性支持模型 和合成模型。

硬流動性支持模型

在硬流動性支持模型中，交易者與流動性池中存放的真實資產、Token 或穩定幣進行交易。這些資產實際上是借給交易者用於開立保證金頭寸。@GMXIO、@JupiterExchange、@GearboxProtocol 的 PURE 和 @Contangoxyz 是採用這種方法的一些例子。

流動性提供者（LPs）通過存入硬資產來賺取交易費用，並且可能作為交易者的對手方獲得獎勵。因此，LPs 的收益取決於池中資產的表現、池的使用率，以及在沒有機制來平衡多頭和空頭交易量的模型中，交易者的盈虧。

優點：

破產風險較低：由於交易有真實資產作為支撐，系統破產的風險較小。

DeFi 的可組合性： GMX 和 Jupiter 等硬支持模型允許流動性池 Token 的再抵押：$GLP 和 $JLP Token 可以用作抵押品或在其他 DeFi 應用中質押，提高了資本效率。

較低的交易/做市激勵需求：由於 LPs 充當對手方或做市商，直接激勵的重要性降低。雖然在初期階段，LPs 通常會通過 Token 激勵獲得獎勵，但從長遠來看，提供流動性的回報主要來自交易費用，減少了設計平衡交易激勵計劃的難度。

加深市場流動性：硬支持模型通過要求實際資產支持的流動性籃子，促進了市場流動性的加深。在過去幾年中，這也使得像 GMX 這樣的協議成為交換現貨資產最有效的場所之一，因為流動性集中在能夠同時服務於衍生品和現貨市場的池中。

從 DefiLlama 的截圖中可以看到，包括 GLP 和 JLP 收益在內的協議和池的數量

在這一類別中，依據流動性獲取和共享方式，出現了不同的子模型：

GMX v1 和 Jupiter：這些協議採用全球共享流動性池，即所有資產都集中在一起。這種模式確保了深厚的流動性，並通過允許流動性提供者在不同的 DeFi 協議中使用單一 Token，增強了可組合性。

GMX v2 和 Gearbox 的 PURE：引入了模塊化架構的隔離流動性池，每個資產或市場都有專屬的流動性池。這降低了協議的系統性風險，使其能夠支持更長尾、更高風險的資產。每個資產的風險和收益都是獨立的，防止單一資產影響整個協議的流動性，並形成不同的風險/收益特徵。

在這種"硬流動性支持"模型中，我們也可以看到 Contango 的運作。雖然它不是一個獨立的模型，但 Contango 運行在現有的借貸協議（如 Aave）之上，提供保證金去中心化交易所的體驗。它利用從借貸池借來的真實資產和閃電貸功能來創建槓桿頭寸。

合成模型

硬流動性支持模型通過要求真實資產作為抵押來保障安全性和可組合性，而合成模型則採用不同的方法。

在合成模型中，交易通常不依賴真實資產進行支持；相反，這些系統依靠訂單簿匹配、流動性保險庫和價格預言機來創建和管理頭寸。

合成模型的設計多種多樣------有些依賴於點對點訂單簿匹配，由活躍的做市商提供流動性，這些做市商可以是專業的，也可以通過算法保險庫管理，流動性可以是全球共享的或市場隔離的；還有些採用純粹的合成方法，由協議本身作為對手方。

什麼是流動性保險庫？

在合成衍生品模型中，流動性保險庫是一種集中的流動性機制，提供交易所需的資金來源，不論是直接支持合成頭寸還是充當做市商角色。儘管不同協議的流動性保險庫結構可能略有不同，但其主要目的是為交易提供流動性。

這些流動性保險庫通常由專業做市商 （如 Bluefin 穩定幣池）或算法（如 Hyperliquid、dYdX unlimited、Elixir 池）管理 。在某些模型中，它們是純粹的被動對手方池（如 Gains Trade）。通常，這些池對公眾開放，允許公眾提供流動性，並通過參與平台活動獲得獎勵。

流動性保險庫可以在列出的市場中共享，例如在 Hyperliquid 中，或者部分隔離，如在 @dYdX unlimited、 @SynFuturesDeFi 和 @bluefinapp 中，這些方法具有與之前提到的類似的風險和收益。

一些協議，如 Bluefin，採用混合模型，結合了由做市商管理的全球流動性保險庫和隔離的算法池。

在合成模型中，流動性通常由活躍用戶 （點對點匹配）、流動性保險庫 （作為備用）以及在訂單簿上進行買賣報價的做市商 共同提供。如前所述，在一些純粹的合成模型中，如 @GainsNetwork_io，流動性保險庫本身作為所有交易的對手方，從而無需直接的訂單匹配。

優勢：

合成模型的權衡與硬流動性支持模型不同，但也帶來了一系列優勢：

資本效率：合成模型的資本效率很高，因為它們不需要直接的 1:1 實物資產支持。只要有足夠的流動性來覆蓋活躍交易的潛在結果，系統就可以用較少的資產運行。

資產靈活性：這些系統在交易資產方面更具靈活性，因為頭寸是合成的。無需為每種資產提供直接流動性，這使得交易對更加多樣化，並且能夠更快地------甚至是半許可地------上市新資產。

這一點在 Hyperliquid 的預發布市場中尤為明顯，因為這些市場中交易的資產甚至還未真正存在。

更好的價格執行：由於交易是純粹合成的，因此有可能實現更優的價格執行，特別是在做市商活躍於訂單簿時。

然而，這些模型也存在一些顯著的缺點：

對預言機的依賴：合成模型高度依賴價格預言機，這使得它們更容易受到相關問題的影響，比如預言機操控或延遲。

缺乏流動性貢獻：與硬支持模型不同，合成交易並不為資產的全球現貨流動性做出貢獻，因為流動性僅存在於衍生品的訂單簿中。

儘管去中心化交易所相較於中心化交易所在整體永續合約交易量中所占比例仍然較小（約占市場的 2%），但多樣化的模型正在為未來的實際增長奠定基礎。這些模型的結合，加上資本效率和風險管理的不斷改進，將是去中心化交易所擴大其在衍生品市場份額的關鍵。

永續合約交易量分佈------來源：GSR 年度報告

Chaos Labs 的貢獻

Chaos Labs 在硬支持流動性和合成模型的風險管理中扮演著重要角色，滿足我們合作平台的特定需求，如 @GMX_IO、@dYdX、@SynFuturesDeFi、@JupiterExchange、@OstiumLabs 和 @Bluefinapp。

作為長期的風險分析提供者，Chaos Labs 通過實時風險評估和模擬，幫助協議管理槓桿限制、清算閾值、抵押要求以及整體平台健康狀況。

Chaos Labs 的最新產品 Edge Network 引入了一種去中心化的預言機系統，幫助降低與預言機相關的風險，確保合成和硬支持模型都能從實時、準確的價格數據中受益 。Edge 已經被像 Jupiter 這樣的知名平台用作主要預言機。

Chaos Labs 還與合作夥伴共同制定優化的流動性激勵計劃，以確保交易體驗的流暢和吸引更多流動性。

最後，Chaos Labs 還提供公共儀表板，用於監控 GMX、Jupiter、Bluefin 和 dYdX 等平台的風險參數。