DeFi项目风险评估有什么参考？DeFi参与者也可能难以评估项目的风险，这对于社区外的参与者来说更加困难。但对于DeFi来说，扩大受众，让他们充分意识到风险是至关重要的。10月14日，DeFi的实时数据分析平台DeFi Pulse宣布与DeFi的模拟平台Gauntlet合作推出“DeFi Pulse经济安全评分”。这个评分系统观察到了哪些维度？如何帮助我们评估项目的风险？让我们来看看戈特莱特的介绍：

对于DeFi社区之外的许多人来说，投资像Compound或Aave这样的安全项目仍然感觉风险很大。然而，仍然会有不关心风险的人，比如过去的EMN事件，它是由一条推文引发的。即使对于那些使用了多年DeFi产品且风险承受能力强的人来说，仍然很难评估和比较不同方案的风险。例如，你可以以2%的利息借给USDC，而“奶油金融”的利息是4%。选择后者值得冒险吗？

很多人甚至不知道分散贷款存在哪些风险因素，更不知道如何量化这些风险。贷款协议的一些用户甚至不知道什么是清算，清算是防止储户损失的最重要的部分。戈特莱特正在建立一个管理DeFi风险的平台。我们利用平台的“自动治理”功能，帮助协议设置安全参数，让协议在风险和资金效率之间权衡。但这提出了一个问题——我们如何让用户知道这些风险？

戈特莱特介绍了DeFi方案的风险评分。从抵押贷款开始，我们创建了一个标准来量化投资者在获得这些产品的好处时面临的市场风险。利用来自集中和分散的交易所的数据和链上的用户数据，我们可以直接运行协议智能合同的模拟来估计市场风险。这将使用户能够使用一致的框架来确定整个协议的风险。我们正在与DeFi Pulse合作，将这些分数作为“经济安全水平”发布。DeFiPulse一直是教育用户了解DeFi协议的领导者，我们很高兴帮助人们更好地理解风险。

戈特莱特正在介绍DeFi方案的风险评分。从抵押贷款开始，我们创建了一个标准来量化投资者在从DeFi产品中获利时面临的市场风险。利用集中和分散交易所的数据，结合链中的用户数据，可以直接模拟协议的智能合约，估计市场风险。用户可以使用相同的框架来评估不同协议的风险。戈特莱特正与DeFi Pulse合作，以“经济安全级别”的形式公布风险评估分数。DeFiPulse在DeFi协议的用户教育方面一直处于领先地位。

“经济安全等级”在DeFi Pulse上的得分，点击查看

连锁借款风险

在这篇文章中，我们将深入介绍如何衡量抵押贷款的风险(在后台回复“Comp”以获得Gauntlet的复合风险评估报告)。存款人在连锁借贷中的主要风险是平台无力偿还，即协议可能没有足够的抵押物偿还存款人。这不是参与者面临的唯一风险。例如，借款人可能需要关注利率的快速变化。然而，风险评级侧重于破产风险。一些关键因素会导致这种风险：

1.用户行为2。抵押品波动3。相关抵押品流动性4。协议参数5。智能合同风险

戈特莱特的分数不是为了能够模拟智能合同风险，如可重入性攻击。我们认为审计和正式的验证工具最适合评估这种形式的风险，其他四个因素极大地决定了被审计的连锁借贷协议破产的可能性。当用户从Compound借钱时，他们会选择提供多少抵押品和承担多少债务。正是这种用户行为影响了协议中清算的频率。如果借款人规避风险，只对自己的抵押物做小仓位(比如10元的抵押物发行3元债务)，仓位满足清算条件的可能性很小，更别说破产风险了。这里，对风险的另一个明显影响是抵押品的波动性。如果抵押物价值变化很大，下跌25%是正常的，但如果没有，破产的可能性可以忽略不计。协议还可以限制借款人采取非常高的风险头寸，以便协议参数可以降低风险。

协议的成功还取决于清算人是否有能力进行有利可图的清算。如果头寸没有清算，存款人不能保证协议的偿付能力。考虑到清算人抵押品的折扣，可能不清楚他们将如何亏损。目前，连锁借贷合同中有数十亿美元的存款。清算人可能不得不在短时间内购买数亿美元的抵押品。折扣提供了巨大的盈利机会，但也伴随着巨大的风险。尝试出售时抵押物价格下跌怎么办？如果退出庞大的抵押品头寸会震动市场，造成滑脱怎么办？很难想象750美元的头寸会有5%的滑动，但7500万美元的资产不会，尤其是流动性差的抵押品类型。大量清算将会累积，推低抵押贷款资产的价格，并引发一系列其他借款头寸的清算。

对于由Compound、Aave和Maker支持的一些抵押品，交易所的每日交易量小于智能合约在几天内持有的债务总额。给清算人带来这种风险的，是相关产品的流动性，或者说是使用的抵押品的数量。

经济安全评分模型-阿尔法版

对于评分的第一个版本，我们建立了一个涵盖这四个风险因素的模型。我们的模拟环境允许代理直接与协议的真正智能契约进行交互。为了构造代理人使用的贷款策略，我们从链状态(在这种情况下，通过查看链抵押比率)来确定用户的风险程度。为了捕捉相关的流动性风险，我们从交易所提取数据来模拟价格波动和抵押品流动性。我们使用观察到的波动性来生成符合市场条件的综合价格轨迹。然后根据订单数据训练回归模型，从而知道清算人在当前市场流动性下可能面临的滑动点。仿真模型中有一个实际运行的清障机器人，直接调用智能契约清障位置。通过模拟成千上万的价格轨迹，我们可以估计不还款的可能性，从而估计协议中的风险。最后，将分数1归一化为100，得到我们在DeFi Pulse上看到的风险分数。

分数解释

在发布时，我们将为Aave和Compound提供风险评分。我们还做了一些简化的假设，希望在未来的风险评分版本中继续使用。

选择“最高风险抵押品”——我们分析历史流动性和波动性数据，以确定最有可能导致问题的抵押品类型。这通常是最不稳定的抵押品类型，但也可以是最常用的抵押品类型。这种资产需要的流动性最大，因为要清算的资产太多。

然后，我们估计用户用这种抵押品类型借入稳定货币的系统风险。目前，稳定货币占Aave贷款的70%以上，占复利贷款的90%以上。我们希望支持的下一个协议Maker的货币借贷率稳定在100%。

安全评分测试版及以上

在alpha版本中，我们没有涵盖贷款协议用户遇到的所有风险。精明的观察人士可能已经注意到，我们在协议中忽略了流动性的缺乏。我们希望在构建测试版的过程中对这一点和其他事情进行建模：

网络极度拥堵(我们目前包含燃气费用，但可以做很多改进)

考虑到历史资产价格的相关性，支持多资产抵押和贷款的清算(以及对这些关系的影响)，类似于传统金融中的组合压力测试。

协议储备——Aave和Maker都使用他们的代币来支持存款(在Maker的情况下，发行DAI)。复合有准备金，治理层可以用来偿还储户，可以降低风险，这些都有望纳入模型。

其他风险因素，如在主网络上观察到的清除地址数量。如果一项协议没有竞争性的清算生态系统，它就更有可能失败。

战书说支持更多的协议，尽快公布公开文档，让想要评分的协议知道自己能做什么才能被收录。