DeFi 借贷的不可能两角

marsbit發佈於 2026-04-29更新於 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。

你可能也喜歡

AI 成绩单背后,藏着一位华人“出题人”

AI领域重要的基准评测MMLU-Pro、MMMU、MMMU-Pro背后,都站着同一位“出题人”——加拿大滑铁卢大学助理教授陈文虎。 随着大语言模型能力快速提升,旧的评测基准如MMLU逐渐“失灵”,顶尖模型得分趋近满分,难以区分高下。为此,陈文虎团队于2024年推出MMLU-Pro。它通过将选项扩至10个、增加推理题比例、剔除简单题等方式,使模型准确率相较旧基准显著下降16%-33%,成绩波动更小,有效拉开了模型间的真实差距。 在多模态评测方面,陈文虎团队推出的MMMU基准包含1.15万道需结合图像与专业知识的复杂题目,即便是当时最强的GPT-4V和Gemini Ultra准确率也未超过60%。后续的MMMU-Pro则进一步堵住模型仅凭文本猜答案的漏洞,强制其进行真正的多模态理解。 陈文虎的研究方向长期聚焦于复杂信息理解与推理。他曾于谷歌DeepMind参与Gemini多模态模型的研发与评估工作,这让他深谙模型能力增长路径与评估盲区。他创立的“老虎实验室”不仅做评测,也研发视频理解与生成等模型,这种“既做题也出题”的经历,使其能更精准地设计出触及模型能力边界的评估体系。 如今,陈文虎已加入Meta超级智能实验室,继续专注于多模态预训练与评估工作。他的故事反映了在AI浪潮中,众多华人研究者正深度参与并塑造着行业发展的核心基础工作。

marsbit2 小時前

AI 成绩单背后,藏着一位华人“出题人”

marsbit2 小時前

Alliance 联创致创业者的一封信:写在 Cursor 卖出 600 亿美元之际

作者Imran以Cursor以600亿美元被收购为引,致信创业者,探讨如何发现并抓住创业机遇。 文章指出,许多创业者在看到成功案例后,因感觉市场饱和而放弃。真正的机会在于识别长期的技术趋势转变,并基于对未来的非共识信念,在市场成熟前默默构建。Cursor、Stripe、Figma、Shopify等公司均遵循此模式:在现有解决方案(如PayPal、Adobe、亚马逊)验证市场后,围绕新洞察、新技术或变化的用户需求进行重构。 创业者应首先找准自己在技术周期中的位置:早期入场者(如Coinbase、Cursor)应致力于让新技术对重度用户更易用;后期入场者则需寻找先行者忽视的“阴面”机会。 积累独特见解至关重要。创业者需深度沉浸于目标市场,体验所有竞品,与用户深入交流,从而发现未被满足的“火烧眉毛”般的痛点或能带来十倍提升的机会。产品MVP应极其聚焦,提供用户无法拒绝的转换理由,并尽可能降低用户的转换成本。 分发渠道常被低估,却是关键护城河。创业者需打造自己的分发引擎,通过无法规模化的“笨功夫”手动获取早期用户,实现渠道与市场的契合。 最后,成功离不开坚韧与适应力。伟大公司的创始人并非更聪明,而是能在漫长而艰难的过程中坚持足够久,让洞察产生复利。文章总结框架为:寻找技术周期更迭、培养独特洞察、痴迷市场、与客户交流、找到核心痛点、打造简单切入点、赢得分发渠道,并在困难时永不放弃。

链捕手2 小時前

Alliance 联创致创业者的一封信:写在 Cursor 卖出 600 亿美元之际

链捕手2 小時前

交易

現貨
合約
活动图片