Риск-параметры в лендинговых протоколах (часть 3)

3. JustLend ($6.1b TVL)
В одном из самых децентрализованных лендинг-протоколов решения по новым активам принимаются Джастином Саном публикаются на оф. сайте, анализ рисков (если он вообще существует в каком-то виде) осуществляется командой проекта.

Схожие подходы приняты в Kamino ($1.5b TVL), LayerBank ($0.7b TVL), Fraxlend ($0.1b TVL).

4. SmartLTV
Как видно из вышенаписанного, по своей сути риск-параметры это результат трансформации данных о токене в ряд цифр, используемых в смарт-контрактах лендингового протокола. Наиболее распространенная методология определения риск-параметров - предложенная Gauntlet agent-based-simulation (симуляция, основанная на прогнозе поведения юзеров при изменении цены актива). Эта модель позволяет оценить рыночные риски (обв оценка оракулов протокола, возможности анстейка и прочего лежит за пределами такой модели) на основе анализа:
⁃ среднего маркет капа за определенный период;
⁃ среднего объема торгов за определенный период;
⁃ уровня волатильности в сравнении с другими активами;
⁃ количества торговых пар и бирж;
⁃ количества токен-холдеров и динамики их изменения.

В связи с этим логично задать вопрос - действительно ли необходимо платить миллионы долларов в год сервис-провайдерам (аллокаторам в случае с Morpho), или их работа может быть хотя бы частично автоматизирована? Иными словами, возможно ли создание автоматизированного риск-менеджера для лендинг-протоколов?

BProtocol была разработана штука под названием SmartLTV (по сути, смарт-контракт), которая позволяет определять уровень LTV основываясь на рыночных условиях (уровень ликвидности и волатильности) и автоматически изменять его. SmartLTV интегрирован в Morpho как аналитический инструмент, позволяющий отслеживать уровень риска нескольких ваултов (ссылка), и как аллокатор, который автоматически выводит средства юзеров с рынков при падении уровня риска ниже определенного порога. Также SmartLTV Monitor запущен для протокола Kinza. Аналогичный продукт находится в разработке у ChaosLabs.

Топ-делегаты AAVE положительно относятся к автоматизации процесса определения риск-параметров. В Sky неоднократно озвучивали грандиозные планы по автоматизации протокола и внедрению AI - нет никаких сомнений в том, что корректировка риск-параметров в кор-ваултах и SparkLend одной из первых подпадет под автоматизацию.

DYOR:
⁃ методологии от Gauntlet - для риск-параметров и ваултов Morpho;
⁃ фреймворк от LlamaRisk для параметризации новых ассетов на AAVE;
⁃ методология ChaosLabs по риск-параметрам для AAVE v3;
⁃ фреймворк для определения риск-параметров от BProtocol;
⁃ риск-дэшборд AAVE от ChaosLabs (там же доступны дэшборды по другим проектам);
⁃ о SmartLTV от BProtocol - раз и два.