Почему 1 доллар в банке приносит больше? Анализ структурных проблем DeFi-кредитования

marsbitОпубликовано 2025-12-17Обновлено 2025-12-17

Введение

Статья анализирует, почему 1 доллар на банковском депозите приносит в 10 раз больше дохода, чем эквивалентная сумма USDC в протоколе Aave. Основная причина заключается в фундаментальных структурных различиях между традиционным банкингом и DeFi-кредитованием. В DeFi большинство займов используются для стратегий, привязанных к крипто-циклу: арбитражных сделок (например, заимствование WETH под залог стейкингового ETH), кредитного плеча для увеличения позиций и yield-фарминга. Эти стратегии напрямую зависят от волатильности рынка и доступных возможностей для получения дохода. В отличие от этого, банки кредитуют реальный сектор экономики, управляют более сложными рисками (например, необеспеченные корпоративные кредиты) и работают в условиях олигополии с более низкой стоимостью финансирования. Автор утверждает, что низкая доходность DeFi — это не признак слабости, а отражение текущей стадии развития рынка. Будущий рост и устойчивая прибыльность сектора будут зависеть от его способности диверсифицироваться и выйти за пределы крипто-цикла. Это может быть достигнуто за счет интеграции токенизированных реальных активов (RWA), кредитов под акции и развития крипто-нативного кредитного скоринга. Ожидается, что этот переход начнет набирать обороты к 2026 году.

Автор: Silvio

Компиляция: Saoirse, Foresight News

Один доллар на банковском депозите приносит банку в 10 раз больше дохода, чем эквивалентная сумма USDC в Aave. Это явление может показаться негативным для сферы DeFi-кредитования, но на самом деле оно больше отражает структурные особенности текущего рынка криптовалют, а не долгосрочный потенциал ончейн-кредитования.

Чистая процентная маржа — показатель прибыльности депозитов. Банки под управлением FDIC, Aave под управлением Blockworks.

В этой статье рассматриваются следующие вопросы: текущие практические способы использования кредитных протоколов, структурные причины их более низкой маржинальности по сравнению с банками и то, как эта ситуация может измениться по мере того, как кредитный бизнес постепенно выйдет за рамки нативных криптовалютных циклов левериджа.

Роль ончейн-кредитования

Моя первая работа была связана с анализом банковских портфелей и оценкой кредитоспособности заемщиков. Банки направляют кредитные средства реальному бизнесу, и их прибыль напрямую связана с макроэкономикой. Аналогичным образом, анализ заемщиков в децентрализованных финансовых протоколах помогает понять роль кредита в ончейн-экономике.

График данных о непогашенных кредитах в Aave

Сумма непогашенных кредитов в Aave превысила 20 миллиардов долларов, что является впечатляющим результатом — но зачем вообще брать кредиты в ончейне?

Фактическое использование заемных средств в Aave

Стратегии заемщиков можно разделить на четыре категории:

1. Заимствование WETH под залог приносящего доход ETH: доходность от стейкинга ETH обычно выше, чем у WETH, что создает структурный базисный трейдинг (по сути, «занимать WETH и при этом получать доход»). В настоящее время на такие сделки приходится 45% от общего объема непогашенных кредитов, причем большая часть средств поступает от нескольких «китов». Эти кошельки часто связаны с эмитентами стейкинг-ETH (такими как платформа EtherFi) и другими «рециркулирующими стейкерами». Риск этой стратегии заключается в том, что стоимость заимствования WETH может резко возрасти, что быстро приведет к падению коэффициента обеспечения ниже уровня ликвидации.

Предполагаемый график ставок по кредитам WETH: если ставка остается ниже 2.5%, базисный трейдинг прибылен.

2. Стабикоины и рециркулирующие стейкеры PT: Подобный базисный трейдинг можно выстроить и с помощью приносящих доход активов, таких как USDe, чья доходность может превышать стоимость заимствования USDC. До 11 октября эта стратегия была очень популярна. Хотя структурно она привлекательна, она сильно зависит от изменений фандинг-рейтов и политики стимулирования протоколов — что объясняет, почему объем таких сделок быстро сокращается при изменении рыночных условий.

3. Волатильный залог + долг в стабикоинах: Это самая популярная стратегия среди пользователей, подходящая для двух типов потребностей:一是 желание нарастить экспозицию к криптовалюте с помощью левериджа,二是 реинвестирование заимствованных стабикоинов в высокодоходный «ликвидный майнинг» для базисного трейдинга. Эта стратегия напрямую связана с возможностями получения доходности от майнинга и является основным источником спроса на займы в стабикоинах.

4. Прочие остаточные типы: Включают «стабильный залог + волатильный долг» (для шортинга активов) и «волатильный залог + волатильный долг» (для торговли парами активов).

1) Распределение весов стратегий заимствования кошельков в Aave; 2) Распределение количества кошельков по стратегиям

График коэффициента обеспечения, взвешенный по сумме займа

Для каждой из этих стратегий существует цепочка создания стоимости, состоящая из нескольких протоколов: эти протоколы используют Aave для интеграции торговых процессов и распределения доходов среди розничных пользователей. Сегодня именно эта способность к интеграции является ключевым конкурентным барьером на рынке криптовалютного кредитования.

Стратегия «волатильный залог + долг в стабикоинах» вносит наибольший вклад в маржинальный процентный доход (доход от кредитования USDC и USDT составляет более 50% от общего объема выручки).

Доля процентного дохода по типам активов

Хотя некоторые предприятия или частные лица действительно используют криптокредиты для финансирования операционной деятельности или повседневных расходов, масштабы такого практического использования очень ограничены по сравнению с использованием «для арбитража цепочек ончейн-левериджа / разницы в доходности».

Три ключевых фактора, стимулирующих рост кредитных протоколов:

  1. Ончейн-возможности для заработка: Например, запуск новых проектов, ликвидный майнинг (например, майнинг на платформе Plasma);
  2. Структурный базисный трейдинг с глубокой ликвидностью: Например, пары ETH/wstETH и сделки со стабикоинами;
  3. Партнерства с крупными эмитентами: Такие партнерства помогают выходить на новые рынки (например, стабикоин pyUSD в сочетании с RWA).

Кредитный рынок механически напрямую связан с «крипто-ВВП» (бета-корреляция), так же как банки по своей сути являются барометром «ВВП реального мира». Когда цена криптовалют растет, возможностей для заработка становится больше, объем приносящих доход стабикоинов увеличивается, а эмитенты применяют более агрессивные стратегии — что в конечном итоге способствует росту выручки кредитных протоколов, увеличению выкупа токенов и росту цены токена Aave.

Корреляция оценки кредитного рынка и выручки: Оценка кредитного рынка напрямую связана с выручкой.

Сравнение банков и ончейн-кредитного рынка

Как упоминалось ранее, 1 доллар в банке в 10 раз эффективнее по доходности, чем 1 USDC в Aave. Некоторые считают это медвежьим сигналом для ончейн-кредитования, но, по моему мнению, это в основном неизбежный результат рыночной структуры по трем причинам:

  1. Более высокая стоимость финансирования в криптосфере: Стоимость финансирования для банков привязана к базовой ставке ФРС (ниже доходности казначейских облигаций), в то время как депозитная ставка для USDC в Aave обычно немного превышает доходность казначейских облигаций;
  2. Более сложная деятельность по трансформации рисков в традиционных коммерческих банках заслуживает более высокой премии: Крупные банки управляют миллиардами долларов необеспеченных кредитов предприятиям (например, финансирование строительства центров обработки данных), и управление таким риском гораздо сложнее, чем «управление стоимостью залога при рециркулирующем стейкинге ETH», поэтому оно заслуживает более высокой доходности;
  3. Регуляторная среда и рыночная власть: Банковская отрасль является олигополией с высокими затратами на смену пользователя и барьерами для входа.

Освобождение кредитования от «цикличности» криптовалют

Успешные направления в криптосфере постепенно выходят за рамки собственных циклов роста и падения рынка. Например, объем открытых позиций на прогнозных рынках продолжает расти даже при ценовых колебаниях; то же самое относится и объемам предложения стабикоинов, волатильность которых значительно ниже, чем у других активов крипторынка.

Чтобы приблизиться к модели работы традиционных кредитных рынков, кредитные протоколы постепенно включают новые типы рисков и залогов, такие как:

  • Токенизированные RWA и акции;
  • Ончейн-кредитование от офчейн-институтов;
  • Акции или активы реального мира в качестве залога;
  • Структурированное андеррайтингование с помощью нативных крипто-кредитных рейтингов.

Токенизация активов создает условия для того, чтобы кредитный бизнес стал «естественным финалом» в криптосфере. Когда кредитный бизнес отделится от ценовых циклов, его маржинальность и оценка также освободятся от циклических ограничений. Я ожидаю, что этот переход начнет проявляться в 2026 году.

Связанные с этим вопросы

QПочему 1 доллар в банке приносит больше дохода, чем 1 USDC в Aave?

AБанковский доллар приносит в 10 раз больше дохода из-за более низкой стоимости финансирования (ориентированной на ставку ФРС), сложных операций трансформации рисков в традиционных банках (например, необеспеченное корпоративное кредитование) и олигополистической структуры банковского сектора с высокими барьерами для входа.

QКаковы основные стратегии заемщиков в протоколе Aave?

AОсновные стратегии: 1) Залог стейкингового ETH для займа WETH (базисная торговля, 45% от объема); 2) Стейкинг стейблкоинов и PT (базисная торговля на разнице доходности); 3) Волатильный залог + долг в стейблкоинах (леверидж или фарминг доходности); 4) Прочие стратегии, включая короткие позиции и торговлю парами.

QКак кредитование в DeFi связано с криптовалютными циклами?

AКредитные протоколы имеют прямую бета-корреляцию с «крипто-ВВП»: при росте цен увеличиваются доходные возможности, масштабируются стейблкоины и активность эмитентов, что ведет к росту выручки протоколов. Успешные секторы (например, стейблкоины) постепенно выходят за пределы циклов.

QКакие факторы способствуют росту криптовалютного кредитования?

AКлючевые факторы роста: 1) Ончейн-возможности для доходности (новые проекты, ликвидностный майнинг); 2) Структурная базисная торговля с глубокой ликвидностью (например, ETH/wstETH); 3) Партнерства с крупными эмитентами (например, интеграция pyUSD и RWA).

QКак DeFi-кредитование может выйти за пределы криптовалютных циклов?

AЧерез включение новых типов рисков и залогов: токенизированные RWA и акции, ончейн-кредитование от оффчейн-институтов, использование акций или реальных активов в качестве залога, а также структурированное андеррайтинг на основе крипто-кредитных рейтингов. Это может начать проявляться к 2026 году.

Похожее

Пакет программного обеспечения Injective стал жертвой вредоносной атаки на цепочку поставок – Подробности

Злоумышленники скомпрометировали популярный пакет программного обеспечения Injective Labs, @injectivelabs/sdk-ts, в ходе атаки на цепочку поставок. Получив доступ к учетной записи законного участника проекта на GitHub, они распространили вредоносную версию пакета (v1.20.21) через npm под видом обновления с телеметрией. Вредоносный код, остававшийся неактивным при установке, активировался только при использовании разработчиками функций создания кошельков `fromMnemonic` или `fromHex`, похищая их приватные ключи и сид-фразы. Это давало злоумышленникам полный контроль над криптокошельками жертв. Атака была масштабной: пакет загружался около 50 000 раз в неделю, а через транзитивные зависимости затронул еще 17 связанных пакетов Injective. Хотя впоследствии была выпущена чистая версия (v1.20.23), скомпрометированный пакет оставался доступен в npm и на GitHub. Для защиты пользователям рекомендуется затронутые учетные данные, создать новые кошельки и перевести средства. Этот инцидент произошел на фоне другой крупной атаки, в которой BonkDAO потерял 20 миллионов долларов.

ambcrypto1 ч. назад

Пакет программного обеспечения Injective стал жертвой вредоносной атаки на цепочку поставок – Подробности

ambcrypto1 ч. назад

Куда движется оценка MegaETH после оттока Aave и резких колебаний TVL?

По данным DefiLlama, полный TVL MegaETH 9-10 июля резко упал почти на 60%, достигнув чуть более $30 млн, что на 70% ниже пика мая. Ключевой протокол Aave V3 вывел около 80% ликвидности. Токен MEGA упал примерно до $0,048, рыночная капитализация составляет около $54 млн, а FDV — около $4,8 млрд. Ранний рост TVL в значительной степени зависел от Aave и стратегий зацикливания стабильных монет, таких как USDe, построенных на арбитраже. После исчезновения прибыльности эти средства ушли, обнажив недостаток устойчивого спроса. Существует три основных несоответствия в оценке MegaETH: 1. **Несоответствие оценки и реального использования:** При FDV около $4,7 млрд и 88,7% токенов, которые еще не находятся в обращении, реальные доходы протоколов составляют менее $90 тыс. за 30 дней при всего 2619 ежедневно активных адресах. 2. **Несоответствие нарратива токена и качества экосистемы:** Основным источником дохода в сети является игра Monster (около $670 тыс.), а не DeFi-протоколы. Объем торговли нативных стейблкоинов и деривативов низок. 3. **Несоответствие краткосрочных ожиданий и долгосрочного исполнения:** Интеграции крупных протоколов, таких как Uniswap и Aave, не привели к устойчивому притоку TVL, что указывает на преобладание арбитражного капитала. Ситуация с MegaETH отражает общий сдвиг на рынке: инвесторы все меньше платят за "бумажный" TVL и нарративы, требуя реальных показателей использования и экономической активности. Восстановление цены MEGA, скорее всего, будет зависеть от краткосрочных настроений, пока команда не продемонстрирует четкий прогресс в создании устойчивой экосистемы с реальными пользователями.

链捕手1 ч. назад

Куда движется оценка MegaETH после оттока Aave и резких колебаний TVL?

链捕手1 ч. назад

Глубокий отчет Goldman Sachs: Кто станет долгосрочным победителем в индустрии больших языковых моделей ИИ в Китае?

Глубокий отчет Goldman Sachs анализирует перспективы китайской индустрии больших AI-моделей, выделяя исторический переломный момент. Китайские модели с открытыми весами по интеллектуальным возможностям приближаются к ведущим глобальным проприетарным аналогам, что стимулирует быстрое внедрение как внутри страны, так и среди мирового малого и среднего бизнеса. Ключевые выводы: 1. **Эффективность и инновации:** Китайские модели достигают сопоставимой производительности при значительно меньших затратах благодаря инновациям в архитектуре (например, MoE) и высокой параметрической эффективности. Пример — модель LongCat 2.0 от Meituan, полностью обученная на отечественных чипах. 2. **Двухуровневая рыночная структура:** Формируется рынок с сегментами premium (например, GLM5.2, Qwen3.7 Max, ~$1 за млн токенов) и budget (модели для агентов, ~$0.06-$0.2 за млн токенов). Ожидается рост доходов от API/подписок с ~350 млрд юаней в 2026 г. до ~8.79 трлн юаней к 2030 г. 3. **Стратегия открытого исходного кода:** Широко используется для гибкости развертывания и роста сообщества, но монетизация ограничена. Ожидается переход от полностью открытых лицензий к моделям с "открытым весом + коммерческой лицензией" и соглашениям о разделе доходов. 4. **Сдвиг парадигмы на глобальном рынке:** Фокус смещается с максимизации объема токенов на приоритет ROI (окупаемости инвестиций). Китайские модели набирают долю на зарубежных рынках (не США) благодаря соотношению цена/качество и доступности через платформы, такие как AWS Bedrock и Gemini Enterprise. 5. **Конкурентный ландшафт:** Goldman Sachs выделяет потенциальных долгосрочных лидеров на основе анализа ценового потенциала, преимуществ по затратам и финансовой устойчивости. * **Базовые текстовые модели:** Zhipu AI (нейтральный рейтинг) и DeepSeek (не публичная) имеют самые сильные позиции. * **Мультимодальные/видеомодели:** ByteDance (Seedance) является лидером. Также положительно оцениваются MiniMax (покупка) и Kuaishou (Kling). Отчет подчеркивает значительный рост индустрии и ее растущее глобальное влияние.

marsbit1 ч. назад

Глубокий отчет Goldman Sachs: Кто станет долгосрочным победителем в индустрии больших языковых моделей ИИ в Китае?

marsbit1 ч. назад

Глубокий отчет Goldman Sachs: Кто станет долгосрочным победителем в индустрии ИИ-больших моделей Китая?

**Кто станет долгосрочным победителем в индустрии ИИ-моделей Китая? Отчет Goldman Sachs** Китайские большие языковые модели (LLM) находятся на переломном этапе. Аналитики Goldman Sachs отмечают, что производительность китайских открытых моделей приближается к ведущим мировым проприетарным аналогам, а их внедрение быстро растет. Ключевые факторы успеха — архитектурные инновации (например, смешанные экспертные модели — MoE) и высокая эффективность параметров, что позволяет добиваться сопоставимой производительности при значительно меньших затратах (2-10% от параметров топ-моделей) и формировать "двухслойную" структуру рынка. **Двухуровневый рынок:** Сформировались два сегмента. *Высококлассные* модели (например, GLM5.2 от Zhipu, Qwen3.7 Max от Alibaba) с ценой ~$1 за млн токенов и рентабельностью 10-20%. *Бюджетные* модели для агентов (цена ~$0.06-0.2 за млн токенов) активно завоевывают глобальный рынок малого бизнеса. Ожидается, что доходы от API/подписок в Китае вырастут с ~35 млрд юаней в 2026 до ~879 млрд юаней в 2030 году. **Стратегия открытого исходного кода:** Многие ведущие китайские модели (Zhipu, DeepSeek, Alibaba, MiniMax) используют открытые веса для ускорения итераций и глобального распространения. Однако текущая модель монетизации (прямые API) недооценивает реальный масштаб развертывания. Ожидается переход к модели "открытые веса + коммерческая лицензия" с разделением доходов через платформы (AWS Bedrock, Alibaba Cloud), что улучшит рентабельность. **Глобальная экспансия и смена парадигмы:** Главный потенциал роста — выход на международные рынки (особенно за пределами США), где китайские модели конкурируют ценой и качеством. Goldman отмечает сдвиг корпоративного спроса от максимизации потребления токенов к приоритету ROI (окупаемости инвестиций), где важнее эффективность и автоматизация задач. **Потенциальные победители:** Goldman Sachs оценивает конкуренцию по трем критериям: ценовая власть, преимущества в себестоимости и финансовая устойчивость. * **Базовые текстовые модели:** Наиболее сильные позиции у **Zhipu AI** (первое покрытие, целевая оценка $110 млрд) и **DeepSeek** (не публична). * **Мультимодальные/видеомодели:** Лидер — **ByteDance** (не публична) с моделью Seed (высокая рентабельность). Также выделены **Kuaishou** (Kling) и **MiniMax** (покупка, цель — 860 HKD), чья оценка выглядит недооцененной. **Вывод:** Китайские ИИ-модели добились прорыва в эффективности и качестве, формируя конкурентоспособное глобальное предложение. Долгосрочный успех будет определяться способностью сочетать технологическое лидерство, эффективную монетизацию открытых стратегий и выход на международные рынки.

链捕手1 ч. назад

Глубокий отчет Goldman Sachs: Кто станет долгосрочным победителем в индустрии ИИ-больших моделей Китая?

链捕手1 ч. назад

Circle получает окончательное одобрение OCC для создания национального трастового банка с целью укрепления инфраструктуры USDC

Circle получила окончательное одобрение Управления контролера денежного обращения США (OCC) на создание национального трастового банка под названием First National Digital Currency Bank, N.A. (Circle National Trust). Это важный нормативный этап, который переводит ключевую часть инфраструктуры стейблкоина USDC под прямое федеральное банковское регулирование. Новый трастовый банк будет предоставлять регулируемые услуги по хранению цифровых активов для компании и, в перспективе, для ограниченного числа институциональных клиентов, включая банки. Утверждение также закладывает основу для возможного будущего управления резервами USDC под надзором OCC. Circle стала одной из первых криптокомпаний в новой волне заявителей, прошедшей путь от условного до окончательного одобрения OCC, что отражает общую тенденцию интеграции криптоинфраструктуры в существующую банковскую систему США.

ambcrypto1 ч. назад

Circle получает окончательное одобрение OCC для создания национального трастового банка с целью укрепления инфраструктуры USDC

ambcrypto1 ч. назад

Торговля

Спот
活动图片