DeFi 借贷的不可能两角

marsbitPublicado a 2026-04-29Actualizado a 2026-04-29

作者:Anthony Bowman

编译:佳欢,ChainCatcher

固定利率借贷在链上有着真实的需求。显而易见的应对是发行固定利率贷款,但市场上并无匹配的固定利率放贷需求。

绝大多数链上资金都在追逐收益,并渴望即时流动性。因此,发行固定利率贷款仅仅是将利率风险从借款人转移至贷款人身上。而当贷款人是一个承诺即时流动性的金库时,便会产生资产负债错配。

在可变利率借贷中,利率随资金利用率和市场状况浮动,借款人直接为这种波动买单。这是切实存在的成本,但清晰透明,平仓时随之终止。

假设某贷款人持有一笔利率为3%的6个月期固定贷款。若利率上升,如今同样的贷款收益将达到5%。按市值计价(MTM),旧贷款的价值便缩水了。同等风险下有更高收益的新贷款可选,没人会按旧贷款的摊销值买单。

单笔独立贷款的市值计价损失仅停留在账面,因为贷款人可持有至到期并获全额偿付。唯有将该贷款置于需要持续定价的体系中时,它才会变得极具危险性。

Morpho的V2金库是目前公开的最具代表性的设计,它将固定利率贷款纳入了承诺即时流动性的金库体系中。

摘自:Morpho固定利率市场:释放链上贷款的潜力

从公开信息来看,该设计包含三个组件:

Morpho Blue: 现有的可变利率借贷协议。放贷方将资金存入隔离市场,借款方支付随资金利用率浮动的利率,头寸可随时开立与平仓。

Morpho Midnight: 通过零息债券(ZCBs)实现的固定利率、固定期限借贷。借贷双方由意图引擎撮合,每笔贷款均为具备特定抵押品、期限和利率的债券。这些零息债券无需许可,支持任意抵押品、期限和参数组合。

Morpho V2金库: 由策展人管理的金库,根据收益率将存款分配至Blue与Midnight之中。存款人按照金库的份额价格进行存取。

图像来自Morpho V2金库文档

设想两个相互竞争的以USDC计价的金库:金库A将资金同时分配给Blue和Midnight,金库B仅分配给Blue。金库A将30%分配给Blue(可变,3%),70%分配给Midnight(固定,3%)。

一次利率冲击将可变利率推高至5%,Midnight的头寸依旧锁定在3%。金库A的混合收益率升至3.6%(5%×30%+3%×70%)。纯可变利率的金库B则升至5%。这140个基点的落差便为金库挤兑创造了条件与动机。

金库A的存款人无需去计算市值计价损失,甚至不必知晓其存在。收益率差距本身就是协调机制。资金从A流向B以追逐更高利率,并通过A唯一具备流动性的部分(即可变利率模块)撤出。

这会率先抽干账面收益最高的部分,致使金库A的混合收益率进一步跌落,并加速挤兑。剩下的则是一地缺乏流动性、低于市场利率且只能苦等到期的固定贷款。

如今反转局势。当利率下行,金库A的固定头寸高于市场水平,存款人坐拥按市值计价的收益,却无法将其留住。金库B的存款人嗅到金库A更高的混合收益率,便会涌入存款以图分一杯羹。

新资金以当前份额价格入场,按比例分配到现有账面。这意味着新钱对那些高于市场利率的头寸,享有与原始存款人相同的比例权益。这部分收益便被生生稀释。

左右都是死路。利率涨:存款人跑路,金库挤兑。利率跌:收益被新人稀释

根本问题在于债券的计价方式。尽管零息债券摊销的会计处理手段各异,但暂且不论这一点,真正的问题在于外部利率变动改变了债券的实际价值,而基于摊销的定价未能反映出这一事实。

若以摊销价值对债券进行计价,上述的非对称性便会接踵而至。显见的解决途径是打造一个二级市场,理论上这将允许金库以真实价格为债券计价。

然而,围绕具有任意抵押品、期限和参数的无许可零息债券,是无法形成二级市场的,因为每一种债券实则都是独一无二的,缺乏可供计价的流动性基准。

退一步讲,即便真的形成了二级市场,以此对金库定价也只是以一个问题掩盖一个更糟的问题。份额价格将受制于定制化、流动性稀薄债券的外部交易数据。任何能够影响这些数据的人,都能操纵份额价格,并在金库进出时套利。

表达能力拉满的零息债券与承诺即时流动性的金库,在结构上是相悖的。或许在该架构内部存有某种化解之道,但我尚未得见相关描述,也十分好奇Morpho是否已备有对策。

不过,我个人认为,直接发行固定贷款并非解法,至少在当前超额抵押借贷的短期前景中是如此。若借款人想要固定利率而贷款人渴望即时流动性,那么利率风险就必须转移给愿意承接这种定向风险敞口的人。

若底层的可变利率基准曲线能够愈发高效稳健,利率风险的买方就能提供更优质的固定利率。一如我在此文所探讨的,我们远未触及可变利率市场设计的最终形态。

Lecturas Relacionadas

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

En solo tres días, Google ha perdido a dos leyendas de la IA. El 18 de junio, Noam Shazeer, coautor del seminal trabajo "Attention is All You Need" y copresponsable de Gemini, anunció su salida para unirse a OpenAI. Dos días después, John Jumper, ganador del Nobel de Química 2024 y líder de AlphaFold, dejó Google DeepMind para incorporarse a Anthropic. Estas partidas no son incidentes aislados, sino parte de una tendencia clara de fuga de talento de Google hacia OpenAI y Anthropic, como lo confirma también la reciente incorporación a Anthropic del exmiembro fundador de OpenAI, Andrej Karpathy. El trasfondo de este éxodo es fundamentalmente una cuestión de misión y enfoque. El modelo de negocio central de Google, basado en la publicidad, impone una lógica orientada a productos y métricas comerciales que, en última instancia, restringe la investigación pura. En contraste, tanto OpenAI (con su misión de AGI) como Anthropic (centrada en la seguridad y la ciencia) ofrecen un entorno de trabajo enfocado únicamente en empujar los límites de las capacidades de los modelos. A esto se suma la fuerte atracción financiera: OpenAI y Anthropic están en camino a una OPI, lo que promete una recompensa económica masiva a través de capital para sus empleados, algo que la ya gigantesca Google difícilmente puede igualar. La fusión de Google Brain y DeepMind en 2023, destinada a consolidar esfuerzos, ha generado en cambio tensiones culturales y ha hecho más evidente la presión por alinear la investigación con los objetivos de los equipos de productos. El resultado es una reorganización estructural del mapa del talento en IA. Google, a pesar de sus vastos recursos en computación y datos, está perdiendo a las personas que definen el futuro del campo. La verdadera ventaja competitiva en IA reside en retener a las mentes más brillantes, y Google está descubriendo que esa es quizás su batalla más difícil.

marsbitHace 1 hora(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

marsbitHace 1 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

Cada vez que se lanza un modelo de IA de vanguardia, la comunidad fija su atención en ciertas "hojas de resultados" familiares: MMLU-Pro, MMMU, MMMU-Pro. Estos puntos de referencia se han convertido en exámenes estándar para evaluar y comparar modelos como GPT, Claude, Gemini, Llama, Qwen y DeepSeek. Detrás de estas influyentes evaluaciones está el investigador chino Wenhu Chen, profesor asistente en la Universidad de Waterloo y fundador del TIGERLab (apodado "虎头帮"). Su trabajo surge de una necesidad crítica: a medida que los modelos avanzaban, las pruebas antiguas como MMLU se saturaban con puntuaciones casi perfectas, dejando de ser útiles para discernir diferencias reales. En 2024, Chen y su equipo presentaron MMLU-Pro, una renovación exhaustiva del original. Con 12,032 preguntas de 14 disciplinas, aumenta las opciones de respuesta de 4 a 10 para reducir las conjeturas e incorpora problemas más complejos que requieren razonamiento. El resultado fue una caída del 16% al 33% en la precisión de los modelos y una evaluación más estable y discriminatoria, rápidamente adoptada por la industria. Su contribución se extiende al ámbito multimodal con MMMU, un conjunto de 11,500 preguntas que combinan imágenes (gráficos, mapas, fórmulas) con conocimientos académicos para probar una comprensión integrada. Incluso los mejores modelos como GPT-4V inicialmente solo alcanzaron un 56% de precisión, revelando un largo camino por recorrer. Su sucesor, MMMU-Pro, cierra aún más las brechas, obligando a los modelos a utilizar la información visual y no solo el texto. La experiencia de Chen, que incluye investigación doctoral en preguntas complejas y una etapa en Google DeepMind trabajando en Gemini, le permite anticipar cómo los modelos pueden "aparentar" competencia. Su laboratorio no solo diseña evaluaciones, sino que también desarrolla modelos (como UniVideo para video o MoCha para avatares), asegurando que sus "exámenes" reflejen desafíos reales y los límites actuales de la tecnología. Actualmente, Chen continúa este trabajo en el laboratorio de superinteligencia de Meta, enfocado en datos y evaluación multimodal. Su historia destaca el papel fundamental, aunque a menudo menos visible, de los investigadores que construyen las herramientas para medir el verdadero progreso de la IA.

marsbitHace 2 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

marsbitHace 2 hora(s)

Selección Semanal del Editor Weekly Editor's Picks (0613-0619)

**【Resumen semanal de los editores (13-19 de junio)】** Esta selección semanal rescata análisis profundos del flujo de información, filtrando el ruido para ofrecer perspectivas clave. **Panorama macro:** Tras la reapertura del Estrecho de Ormuz, el mercado ajusta su foco desde el "impacto bélico" hacia la "recuperación de la oferta". Se observan movimientos en petróleo, bonos, inflación y cadenas de valor como LNG y fertilizantes. **Inversión y emprendimiento:** Ray Dalio advierte sobre la concentración del mercado en acciones de grandes tecnológicas de IA, recomendando diversificación. En cripto, se analizan ciclos a largo plazo, señales de posible fondo para BTC en Q4, y los desafíos regulatorios en mercados como Corea del Sur. El análisis de SpaceX tras su IPO destaca su elevada valoración, riesgos sistémicos potenciales y la importancia de próximos hitos como su inclusión en índices. **Web3 & IA:** Una advertencia señala exposiciones de billones de dólares fuera de balance en la nube/IA, un riesgo latente si la comercialización falla. Se exploran las predicciones de IA para el Mundial y la estructura de costos de una suscripción a IA como Claude. **Mercados de predicción:** Robinhood desarrolla su propia plataforma (Rothera), iniciando una "guerra de canales" en la industria y posicionándose como competidor directo de Kalshi. **CeFi & DeFi:** Se analizan mecanismos de perpetuales para pre-IPO (ej. SpaceX) y los desafíos técnicos pendientes. La desviación del precio de STRC (vinculado a Strategy) refleja preocupaciones sobre su modelo de negocio. Se presenta el nuevo ETF de Bitcoin con rendimiento de BlackRock (BITA). **Ethereum y escalabilidad:** Se destaca la ventaja clave de Ethereum: su vasto ecosistema de desarrolladores y estándares, consolidándolo como sistema operativo para las finanzas descentralizadas. **Otros titulares de la semana:** Acuerdo EEUU-Irán, decisión de la Fed, movimientos en SpaceX y Anthropic, y opiniones destacadas sobre mercados.

marsbitHace 2 hora(s)

Selección Semanal del Editor Weekly Editor's Picks (0613-0619)

marsbitHace 2 hora(s)

Análisis de la última reasignación de cartera del "hijo de la versión" del mercado de valores estadounidense: 9.000 millones de USD en ventas en corto de NVIDIA, apuntando a los sectores eléctrico y de memoria

Leopold Aschenbrenner, considerado uno de los inversores más agresivos en IA, ha realizado cambios significativos en su cartera. Ha establecido posiciones cortas por unos 9.000 millones de dólares en empresas como NVIDIA, ASML y Oracle, al mismo tiempo que redirige capital hacia lo que él identifica como los próximos cuellos de botella en infraestructura de IA: energía eléctrica, memoria, redes de centros de datos y activos de modelos más profundos como Anthropic. Su lógica no sugiere que la burbuja de la IA haya estallado, sino una rotación dentro de la infraestructura. Considera que la "transacción de la pala" clásica (como invertir en semiconductores) está demasiado concurrida y sobrevalorada. En su lugar, apuesta por los eslabones fundamentales siguientes: la capacidad real de construir y energizar centros de datos, y la necesidad crítica de materiales como el cobre y la fibra óptica para la transmisión de datos. La reciente emisión de bonos de NVIDIA por 25.000 millones de dólares, a pesar de su gran liquidez, se interpreta como una señal de un cambio en la financiación del sector. Aschenbrenner también ha invertido de forma privada en Anthropic, lo que representa una apuesta directa al "mineral" (el modelo de IA) en lugar de solo a las "herramientas". En resumen, su estrategia actual se centra en la infraestructura física y de servicios esenciales (energía, construcción, redes) que habilitarán la próxima fase de expansión de la IA, considerándolas apuestas más sólidas y menos saturadas.

marsbitHace 2 hora(s)

Análisis de la última reasignación de cartera del "hijo de la versión" del mercado de valores estadounidense: 9.000 millones de USD en ventas en corto de NVIDIA, apuntando a los sectores eléctrico y de memoria

marsbitHace 2 hora(s)

Trading

Spot
Futuros
活动图片