本文提出了一种用于Liquid Restaking Token(LRT)提供者的框架,旨在评估和传达不同验证者的最坏情况质押损失$R\psi(C)$,并计算交叉传播风险,以增强质押生态系统的韧性。文章详细探讨了如何通过直接损失和级联损失来计算$R\psi(C)$,并分析了市场因素对交叉传播风险的影响。
让我们围绕如何让 Liquid Restaking Token (LRT) 提供者测量和传递不同验证者的最坏情况下的质押损失 $R_\psi(C)$,计算跨传播风险(当验证者相互关联或共享市场风险时非常重要),以及这如何能够纳入整体系统如 Nucleus,以提供更具弹性的质押生态系统并协助创建更具弹性的 LRTfi 协议。
该框架的目标是为 LRT 提供者提供一种方法,以动态评估风险、计算传播并相应调整质押产品。
函数 $R\psi(C)$ 测量在一个重新质押网络中,或针对一组验证者 $C$ 在冲击或干扰 $\psi$ 下的最坏情况下的质押损失。对于 LRT 提供者来说,计算 $R\psi(C)$ 以估算因验证者失败、罚没或停机事件导致的潜在损失是很重要的。
测量 $R_\psi(C)$ 的关键要素:
受影响验证者的直接损失:
$$\text{来自 } v \text{ 的直接损失} = \frac{\sigma_v}{\sigma_V} \cdot \psi$$
其中 $\sigma_v$ 是验证者 $v$ 的质押,$\sigma_V$ 是系统中的总质押。
级联故障(重新质押网络):
$$R\psi(C) = \sum{v \in C} \left( \frac{\sigma_v}{\sigmaV} \cdot \psi \right) + \sum{v' \in N(C)} \left( \frac{\sigma_{v'}}{\sigmaV} \cdot \psi{\text{级联}} \right)$$
其中 $N(C)$ 表示受到 $C$ 中的验证者失败间接影响的验证者,$\psi_{\text{级联}}$ 是初始冲击的传播因子。
传递 $R_\psi(C)$:
跨传播风险是指风险从网络的一个部分传播到另一个部分,其中某一领域中的验证者(或其他经济参与者)的失败或表现不佳会溢出并影响其他领域。在 LRT 生态系统中,这可能涉及同时支持多个网络或服务的跨质押验证者,或市场连接的传播,其中某一资产价值的下降会影响其他资产。
验证者-验证者传播:
跨传播风险的公式:
$$\text{跨传播风险}(LRT1, LRT2) = \sum_{C1 \subseteq LRT1} \sum{C_2 \subseteq LRT2} \text{相关性}(C_1, C2) \cdot R{\psi}(C_1)$$
其中:
跨质押依赖因子:
验证者不是孤立的;它们的风险相互依赖,特别是在跨质押环境中。如果验证者为多个服务质押,某一服务中的故障可能影响它们在另一服务中维持质押的能力。
跨质押依赖因子 $\delta(v, v')$ 可以定义为与验证者 $v$ 性能Hook的验证者 $v'$ 的质押的比例:
$$\delta(v, v') = \frac{\text{来自 } v \text{ 在 } v' \text{ 上的质押}}{\text{总质押 } v'}$$
跨传播风险与这种依赖成比例,因为暴露于失败验证者的验证者更可能受到影响。
跨传播的另一个因素是市场 beta 的影响,它指的是 LRT 指数(或其各个组成部分)与更广泛市场的波动关系。市场 beta 对确定 LRT 代币在整体市场条件下的价值响应至关重要,因为市场的下跌可能导致流动性紧缩或价格滑动,进一步加剧因验证者失败而造成的损失。
市场 Beta ($\beta$):
$$\beta{\text{LRT 指数}} = \sum{i=1}^n w_i \cdot \beta_i$$
其中 $w_i$ 是 LRT 代币 $i$ 在指数中的权重,$\beta_i$ 是代币 $i$ 的 beta。
市场 Beta 引发的跨传播:
$$R\psi(C) = \sum{v \in C} \left( \frac{\sigma_v}{\sigmaV} \cdot \psi \right) + \sum{v' \in N(C)} \left( \frac{\sigma_{v'}}{\sigmaV} \cdot \psi{\text{级联}} \right) + \sum_{i=1}^n w_i \cdot \betai \cdot M{\text{下跌}}$$
其中 $M_{\text{下跌}}$ 表示市场冲击的幅度,$w_i$ 反映每个 LRT 在指数中的权重。
LRT 系统的贷款价值比(LTV),包含了 $1 - R_\psi(C)$ 和跨传播风险。这是如何逻辑地构建这个公式的:
(1 - R_\psi(C)) 的加权贡献:
$$\text{LTV}{\text{LRT}} = \sum{i=1}^n wi \cdot (1 - R{\psi_i}(C_i)) + \text{跨传播风险}$$
其中 $w_i$ 是指数中每个验证者或 LRT 的权重,$\text{跨传播风险}$ 带有验证者传播和市场 beta 效果的影响。
纳入跨传播风险:
$$\text{LTV}{\text{LRT}} = \left( \sum{i=1}^n wi \cdot (1 - R{\psi_i}(C_i)) \right) - \left( \text{来自验证者的跨传播风险} + \text{来自市场 Beta 的跨传播风险} \right)$$
- 原文链接: github.com/thogiti/thogi...
- 登链社区 AI 助手,为大家转译优秀英文文章,如有翻译不通的地方,还请包涵~
如果觉得我的文章对您有用,请随意打赏。你的支持将鼓励我继续创作!