개요
Vest는 zksync에 네이티브한 영구 선물 DEX로, 영구 선물 시장(perps)에서 트레이더와 유동성 제공자(LPs)가 직면한 중요한 도전 과제를 해결하기 위해 구축되었습니다. 이러한 도전 과제는 주로 리스크 관리와 보상 구조의 비효율성에서 비롯되며, 이는 참여를 저해할 뿐만 아니라 기존 DEX의 재정적 안정성과 매력성을 위협했습니다.
LPs와 트레이더 모두 DEX의 기능과 성공에 필수적인 중추적인 역할을 합니다. 두 당사자 간에는 공생 관계가 있습니다: LPs는 트레이더가 포지션을 취하고 수수료 수익을 생성할 필요가 있으며, 트레이더는 거래를 효율적으로 실행하는 데 필요한 유동성을 제공하는 LPs가 필요합니다.

Vest는 처음에 perps 거래를 위한 플랫폼으로 시장에 진입할 것이지만, 그 프로토콜 아키텍처, vAMM, 그리고 risk engine은 cross-margin, structured products, 그리고 NFT, 토큰화된 실물 자산 (RWAs), 부동산, 채권, 외환, 상품 등 다양한 자산에 대한 거래와 같은 더 복잡한 사용 사례를 가능하게 합니다.

Vest의 핵심 가치 제안은 동적 지급여력 계산에 있으며, 이는 거래소의 지급여력을 높은 확률로 보장하기 위해 필요한 최소 자본을 결정합니다. 이 기능은 LPs가 감수하는 위험에 대해 적절하게 보상받을 수 있도록 보장하므로 매우 중요합니다. 구체적으로, Vest의 시스템은 실시간 지급여력 평가에 기반하여 트레이더에게 적용되는 요금을 동적으로 조정합니다. 거래나 시장 움직임이 거래소의 불법정 위험을 증가시켜 필요한 자본 준비금을 높일 때, 이 차액은 premia나 funding rate 조정 형태로 트레이더에게 직접 청구됩니다.
LPs의 경우, Vest는 예상 손익(PnL)을 0으로 설정하는 데 필요한 정확한 자본 금액을 계산합니다. 트레이더의 행동이 이 예상 PnL을 줄이면, 자본의 필요한 조정은 프리미엄 또는 펀딩 레이트를 통해 트레이더에게 청구됩니다. 이 메커니즘은 LPs가 트레이더에 의해 도입된 위험에 무관심하게 만들어, 유동성 제공을 위한 플랫폼의 안정성과 매력을 크게 향상시킵니다.
이러한 전략적 기능을 통합함으로써, Vest는 거래 경험을 향상시킬 뿐만 아니라 참여를 위한 경제적 인센티브를 강화합니다.
Vest Exchange Perps
많은 DEXs에서 LPs는 이러한 위험에 대한 적절한 보상을 받지 못한 채 높은 위험에 자주 노출됩니다. 이러한 불균형은 잠재적인 LPs가 자본을 투입하는 것을 꺼리게 만들 수 있으며, 이는 교환소의 성장과 유동성을 저해할 수 있습니다. 반면에 트레이더들은 종종 slippage 및 funding rates와 관련된 비용을 포함한 높은 거래 수수료로 어려움을 겪습니다. 이러한 수수료는 실제 시장 조건이나 거래의 위험 수준에 따라 동적으로 조정되지 않습니다. 이러한 비유연성은 특히 변동성이 낮은 조건이나 덜 위험한 거래에서 트레이더들에게 불필요하게 높은 비용을 초래할 수 있습니다.

Vest는 거래소의 모든 측면, 거래 가격 책정부터 유동성 관리까지, 참여자의 안전이나 공정성을 손상시키지 않으면서 효율성을 최적화해야 한다는 근본적인 믿음에 기반하여 운영됩니다. 이는 zkRisk라는 독점적인 위험 관리 시스템을 통해 달성되며, 이 시스템은 고급 암호화 기법(zk-SNARKs)을 사용하여 실시간으로 거래 위험을 계산하고 관리합니다. 이 시스템은 각 트레이더가 시스템에 도입하는 실시간 위험에 기반하여 거래 수수료와 펀딩 비율을 동적으로 조정할 수 있게 하여, LPs를 과도한 위험으로부터 보호하면서 사용자에게 더 낮은 거래 비용을 제공합니다. zkSnarks는 이 모든 데이터를 off-chain에서 계산하지만, 데이터는 zkSNARKs를 통해 on-chain에서 검증되어 부하를 줄이고 계산을 훨씬 더 빠르게 만듭니다.
Vest Exchange는 용매성을 유지하기 위해 필요한 최소 자본을 계산함으로써 재무 안정성을 보장합니다. 거래나 시장 변화가 불용매성 위험을 증가시키면, Vest는 premia라고 불리는 추가 수수료를 트레이더에게 부과하거나 이 추가 위험을 커버하기 위해 funding rate를 조정합니다. 그들의 주요 목표는
- 동적 수수료(premia), funding rate, 부분 청산을 통해 위험을 지속적으로 계산하고 가격을 책정
- 어떤 거래로부터의 부족 가능성을 고려하고 정량화하는 위험 중립 가격 모델을 시행
- Entropic Value-at Risk를 활용한 위험 측정치를 사용하여 주어진 시점에서 프로토콜의 파산 확률을 결정합니다
- 이 위험 측정과 관련된 계산은 off-chain에서 수행되고 on-chain verifier에 제출됩니다. 이 on-chain verifier는 증명이 잘못된 경우 거래를 거부하거나, 올바른 경우 거래를 수락할 수 있습니다.
마찬가지로, LPs의 경우 Vest는 예상 PnL을 0으로 균형 맞추기 위해 필요한 자본 금액을 계산합니다. 트레이더의 행동이 LPs의 예상 PnL을 감소시키면, 그 차액은 트레이더에게 premia로 청구되거나 funding rate에 추가됩니다. 이 메커니즘은 LPs가 거래 위험의 영향을 받지 않고 트레이더로 인한 변동에 무관심하게 유지되도록 보장합니다.
이 zkRisk 방법은 DeFi 제품을 위한 안정적이고 확장 가능한 생태계를 만드는 것을 목표로 하며, 생태계 내 모든 작업이 위험과 마진을 원활하게 공유할 수 있도록 보장합니다. 궁극적으로 Vest의 목표는 전통적인 금융 제품을 중개자에 의존하지 않고 작동하는 신뢰할 수 없는 탈중앙화 버전으로 변환하는 것입니다. 이 기능은 전통적인 crypto를 넘어 tail assets, RWAs, 심지어 NFTs를 포함하도록 확장됩니다.
DEXs에서 LPs의 역할
전통적인 DEXs에서 LPs는 플랫폼의 운영 흐름과 안정성을 유지하는 데 핵심적인 역할을 합니다. 그들의 기여는 DEX가 효율적이고 효과적으로 작동하도록 보장하는 여러 핵심 기능에 필수적입니다.
자본 제공: LPs는 거래소가 운영되는 데 필요한 자본을 공급합니다. 이 자본은 거래를 촉진하는 데 사용되며, 거래소의 유동성의 기반이자 트레이더의 입찰에 대한 거래 상대방 역할을 합니다.
위험 흡수: 유동성을 제공함으로써 LPs는 본질적으로 시장 위험의 일부를 흡수합니다. 전형적인 AMM 기반 DEXs에서 LPs는 트레이더가 포지션을 취할 수 있는 풀에 기여합니다. 이러한 포지션의 이익과 손실은 풀의 가치에 직접 영향을 미치며, 시장 움직임과 트레이더의 행동에 따라 LPs의 PnL에 영향을 줍니다.
수수료로부터 수익 획득: LPs는 거래소가 수집한 거래 수수료로부터 수익을 얻기 위해 거래 상대방 역할을 하고 트레이더의 포지션을 인수하는 데 기꺼이 참여합니다. 이러한 수수료는 그들의 자본 사용과 유동성 제공으로 인한 위험에 대한 보상입니다.
시장 깊이와 안정성에 미치는 영향: LPs가 제공하는 유동성의 양은 거래소의 시장 깊이와 안정성에 직접적인 영향을 미칩니다. 더 많은 유동성은 가격 변동성을 줄이고, 거래소가 상당한 가격 영향 없이 더 큰 거래를 처리할 수 있게 하여 더 안정적인 거래 환경을 조성합니다.
그들의 필수적인 역할에도 불구하고, 전통적인 DEXs의 LPs는 재정적 안정성을 저해할 수 있는 중대한 도전에 직면해 있으며, 유동성 제공의 매력을 감소시킬 수 있습니다. LPs는 일반적으로 높은 변동성과 거래자들이 크게 우수한 성과를 낼 경우 큰 손실의 가능성에 노출되어 있습니다. 이러한 위험은 거래에서 얻은 수수료가 이러한 손실을 항상 충분히 보상하지 못할 수 있다는 사실로 인해 더욱 복합적입니다. 또한, 경직된 수수료 구조와 유동성 제공의 수동적 성격은 시장 위험의 변화에 동적으로 조정되지 않으며, 시장 역학이 예상치 못하게 변화할 때 LPs를 불리한 위치에 놓이게 합니다.
Vest는 zkRisk 엔진을 활용하여 리스크와 보상을 더 효과적으로 균형화함으로써 LPs의 역할을 강화합니다. 이 시스템은 개별 트레이더의 행동에 영향을 받는 실시간 리스크 평가를 기반으로 수수료와 펀딩 비율을 동적으로 조정합니다. 이러한 조정은 유동성 제공자들이 감수하는 리스크에 대해 공정하게 보상받도록 보장하며, 그들의 잠재적 수익을 실제 시장 조건과 일치시킵니다.
프로토콜 설계
Vest Exchange의 프로토콜 설계는 zkRisk 엔진을 중심으로 구축되어 있으며, 이는 리스크와 유동성 관리를 하는 데 중요한 역할을 합니다. 거래가 시작되기 전에 zkRisk는 도입될 잠재적 리스크를 계산하고 프리미엄을 견적하며, 트레이더가 LPs에게 지불합니다. 거래가 열리면 시스템은 지속적으로 파산 리스크를 평가하며, 거래소의 안정성을 유지하기 위해 펀딩 레이트와 프리미아를 동적으로 조정합니다. 이러한 지속적인 경계는 LPs가 부담하는 리스크에 대해 공정하게 보상받도록 보장하며, 트레이더들은 반응성과 보안이 뛰어난 거래 환경의 혜택을 받습니다.

AMM
Vest의 zkRisk 엔진을 기반으로 한 새로운 AMM 개발의 동기는, 상수 함수 시장 메이커(CFMMs)와 리미트 오더 북(LOBs) 같은 메커니즘을 사용하는 전통적인 탈중앙화 거래소(DEXs)가 직면한 중대한 트레이드오프를 해결하는 데 뿌리를 두고 있습니다. 이러한 전통적인 모델들은 종종 효과적인 리스크 관리와 효율적인 가격 전략의 균형을 맞추는 데 어려움을 겪습니다:
CFMMs는 미리 정해진 공식을 사용하여 가격을 설정하며, 일반적으로 constant product formula에 의존하여 liquidity pool의 solvency를 보장합니다. 이 공식은 pool 내 두 토큰의 수량 곱이 일정하게 유지되도록 보장하며, traders가 pool과 상호작용할 때 asset pricing을 결정합니다. 이 모델은 automated rebalancing을 통해 insolvency를 방지하는 안정적인 메커니즘을 제공하지만, 종종 더 넓은 market conditions를 반영한 competitive하거나 fair한 pricing을 제공하지 못합니다.
공식의 경직성은 CFMMs가 DEX 외부의 시장 변동성이나 자산 가치 변화에 신속하게 반응하지 못하게 하여, 분산형 시장과 중앙화된 시장 간의 가격 불일치를 초래할 수 있습니다. 이는 특히 차익 거래에 참여하는 트레이더나 더 넓은 금융 생태계의 가격을 반영하는 가격을 찾는 트레이더들을 위축시킬 수 있습니다. 게다가, 유연하지 않은 가격 구조로 인해 대규모 거래는 풀 내 시장 가격에 과도한 영향을 미쳐 상당한 슬리피지를 초래할 수 있습니다. 이는 특히 유동성이 낮은 풀에서 문제가 되는데, 대규모 주문이 가격을 더 극적으로 변동시킬 수 있으며, 트레이더들이 전략적 거래를 통해 가격을 인위적으로 부풀리거나 하락시킬 수 있는 시장 조작으로 이어질 가능성이 있습니다.
LOBs는 트레이더들이 시장에 직접 주문을 배치할 수 있게 하여, 시장 주문, 지정가 주문, 손절매 주문과 같은 다양한 주문 유형을 포함함으로써 더 동적인 가격 책정을 가능하게 합니다. 이러한 주문들은 가격과 주문의 입력 시간에 기반하여 거래를 우선순위화하는 정교한 엔진에 의해 매칭되며, 공정성을 유지하고 효율적인 가격 발견을 가능하게 합니다.
그러나 LOBs는 더 유동적이고 경쟁적인 가격 환경을 제공하는 반면, 더 높은 지급불능 위험을 초래합니다. 이 위험은 마켓 메이커들의 다양한 위험 프로필과 시장 충격이나 비정상적인 거래 패턴에 직면하여 균형을 유지하기 위해 필요한 복잡한 관리에서 비롯됩니다. 탈중앙화 환경에서, 특히 영구 선물과 같은 파생상품 시장에서 이러한 도전은 거래의 레버리지와 투기적 성격으로 인해 더욱 악화됩니다. 시장의 양쪽 포지션을 커버하기 위해 필요한 유동성은 DEX의 자원을 부담스럽게 할 수 있으며, 특히 시장 가격이 실세계 가치와 정렬되는 것이 중요한 변동성 기간 동안 그렇습니다.
또한, LOB를 유지하려면 지속적인 유동성과 적극적인 관리가 필요하며, 마켓 메이커의 안정적인 존재가 없으면 이를 달성하기 어려울 수 있습니다. 이러한 주체들은 지속적으로 매수 및 매도 주문을 배치함으로써 필요한 유동성을 제공하지만, 그들의 참여 의지는 위험 평가와 시장 조건에 따라 변동될 수 있습니다. 마켓 메이커의 갑작스러운 철수, 예를 들어 불리한 시장 이벤트나 위험 선호도의 변화로 인한 경우, 유동성 위기를 초래할 수 있으며, 안정적인 가격으로 거래를 실행하기 어렵게 만듭니다. 이러한 시나리오는 종종 스프레드 증가로 이어지며, 거래소가 효율성을 떨어뜨린 상태로 운영되도록 강제할 수 있고, 잠재적으로 더 넓은 시장에 연쇄적인 영향을 미칠 수 있습니다.
vAMM 및 가상 유동성 곡선
잘 설계된 vAMM은 zkRisk 엔진과 같은 고급 위험 관리 프레임워크를 활용하여 시장 조건에 따라 매개변수를 동적으로 조정함으로써 CFMMs에서 흔히 발생하는 파산 위험을 완화할 수 있으며, 정적 공식에 의존하는 대신 이러한 적응성을 통해 vAMM은 LOBs에서 트레이더들이 기대할 수 있는 것과 유사한 더 경쟁적이고 공정한 가격을 제공할 수 있습니다. 이는 플랫폼의 재무 안정성을 손상시키지 않습니다. 게다가 vAMM은 유동성 제공을 자동화함으로써 LOBs에서 자주 보이는 유동성 문제를 완화할 수 있으며, 이는 외부 마켓 메이커에 대한 의존도를 줄이고 시장 깊이를 강화합니다.
CEXs와 대조적으로, CEXs는 시스템 중단, 보안 침해, 지연 문제 등의 문제로 자주 괴로움을 겪지만, vAMMs는 더 견고하고 안전한 거래 환경을 제공합니다. 자산 보관의 탈중앙화와 시장 조성의 자동화를 통해 DEXs는 단일 실패 지점에 저항할 뿐만 아니라 사용자에게 투명하고 책임 있는 거래 인프라를 제공할 수 있습니다.
소매 투자자들은 유동성 제공자로 활동할 수 있으며, 이는 시장 유동성에 대한 전문 마켓 메이커와 중개자에 대한 전통적인 의존에서 벗어나게 합니다. vAMM 기반 DEX에서 누구나 유동성 풀에 기여할 수 있으며, 거래 수수료를 벌 수 있어 시장의 유동성과 깊이에서 중요한 역할을 합니다. 이 접근 방식은 시장 조성에 참여할 수 있는 사람들의 범위를 넓힐 뿐만 아니라 모든 참여자의 인센티브를 플랫폼의 건강과 효율성으로 맞춥니다.

이 거래소 보상 그래프는 가상 자산 가격에 기반한 다양한 시나리오에서 AMM과 그 LP의 재무 결과를 나타냅니다
검은 선 (Net PnL): AMM과 LP들의 결합된 PnL을 보여줍니다. 일반적으로 0에서 시작하며 가격이 초기 가격 수준에서 멀어질수록 감소합니다.
파란 선 (Aggregate LP Payoff): 가상 자산의 가격이 변동함에 따라 LP의 PnL을 보여줍니다. 이 선은 일반적으로 AMM의 자본이 고갈될 때까지 평평하게 유지되는데, 이는 LP의 수수료 수익이 가격 변동에 의해 영향을 받지 않기 때문입니다.
녹색 선 (AMM Payoff): AMM 단독의 PnL을 묘사합니다. 일반적으로 AMM의 자본이 고갈될 때까지 (at + ) 긍정적이며, 그 후에는 AMM에 더 이상 위험에 처한 자본이 없기 때문에 평평하게 변합니다.
빨간 선 (AMM Shortfall): 가상 자산의 가격이 AMM의 자체 자본을 초과하여 LP의 자본을 침식하기 시작할 때 AMM이 입는 손실을 나타냅니다. 여기서 AMM의 부족분이 발생하며, LP가 위험을 부담하기 시작합니다.
Vest의 AMM은 가상 유동성 곡선을 통해 유동성을 관리하기 위한 수학적 프레임워크를 적용합니다. 이 vAMM은 자산을 실제로 보유하지 않고 거래 위험을 관리하기 위해 가격 함수를 활용하는 도구로 개념화할 수 있습니다. 이는 자산 재고와 변동성의 변화에 따라 유동성을 조정합니다.
vAMM의 주요 개념은:
- 가격 함수 (π(x)): 이 함수는 거래 후 vAMM의 위험 수준을 유지하기 위해 거래에 추가되는 비용을 결정합니다. 거래 전후의 위험이 일정하게 유지되도록 위험 측정치를 사용합니다.
- 유동성 함수로의 변환 (l(y)): 가격 함수는 유동성이 다양한 가격에 걸쳐 어떻게 분배되는지를 보여주는 유동성 함수로 변환됩니다. 이 함수는 vAMM이 다양한 가격 수준에서 유동성을 어떻게 할당하는지를 이해하는 데 중요합니다.
- 무차별 가격 책정: 이 특정 유형의 가격 책정은 예상 위험 가치(EVaR)의 변화에 따라 프리미엄을 조정하며, vAMM의 위험 노출에 대한 중립성을 유지합니다.
함께, 이 이론적 프레임워크는 여러 위험 측정치를 통합할 수 있게 하며, 시장 조건에 따라 유동성을 조정합니다. 이 적응은 자산 변동성이 크게 변동하는 동적 시장, 예를 들어 암호화폐 시장에서 특히 유용할 수 있습니다.
AMM 가격 엔진
zkRisk
플랫폼에서 LPs와 거래자 간의 상호작용이 플랫폼의 위험 역학을 결정합니다. 거래자의 활동은 시장 조건과 거래자의 성공 여부에 따라 LPs에게 상당한 이익 또는 손실을 초래할 수 있습니다. Vest Exchange의 zkRisk 메커니즘은 거래소의 지불 능력과 안정성을 유지하면서 공정하고 효율적인 거래 환경을 촉진하도록 설계된 위험 관리 프레임워크로, 인센티브를 조정하고 양 당사자를 과도한 위험으로부터 보호하는 것을 목표로 합니다.
zkRisk 엔진은 여러 이점을 제공합니다:
위험 조정 보상: zkRisk 엔진을 활용하여 Vest는 각 거래가 도입하는 실시간 위험에 기반하여 수수료(premia 및 실행 수수료)를 동적으로 조정합니다. 이 모델은 거래자들이 시스템에 도입하는 실제 위험에 기반하여 수수료가 부과되도록 보장합니다. 이는 책임 있는 거래 행동이 장려된다는 의미로, 낮은 위험 거래는 낮은 수수료를 부과받아 더 건강한 거래 환경을 촉진합니다. 유동성 제공자(LPs)는 거래자 활동으로 인한 손실 노출이 최소화된 위험 중립 환경에서 이익을 얻습니다. 이는 적절하게 계산된 premia를 통해 취한 위험에 대해 LPs를 보상함으로써 달성되며, 고위험 거래자 행동으로 인해 그들이 불공정하게 불리하지 않도록 합니다. 거래 후 거래소의 상태를 확인하여 거래 전후 상태를 비교함으로써 시스템에 부과하는 위험 정도를 평가합니다.
자본 효율성 향상: zkRisk는 Vest Exchange가 더 높은 자본 효율성으로 운영할 수 있게 합니다. 이는 정적이고 과도하게 보수적인 추정치 대신 실제 위험에 기반하여 자본을 동적으로 할당합니다. 이는 더 많은 자본이 잠재적 파산에 대한 불필요한 버퍼로 보유되는 대신 거래에 사용할 수 있음을 의미합니다. 플랫폼은 정확한 위험 평가를 활용하여 TVL을 초과하는 오픈 인터레스트를 안전하게 확장할 수 있습니다. 이는 전통적인 파산 공포로 인한 제약 없이 더 큰 거래량과 더 큰 유동성을 촉진합니다.
개선된 트레이더 및 LP 인센티브:트레이더는 시스템에 실제로 도입하는 위험에 기반하여 수수료가 부과됩니다. 이는 책임 있는 거래 행동이 장려되도록 하며, 낮은 위험 거래는 낮은 수수료를 발생시켜 더 건강한 거래 환경을 촉진합니다. 유동성 제공자는 트레이더 활동으로 인한 손실 노출이 최소화된 위험 중립 환경에서 이익을 얻습니다. 이는 적절하게 계산된 프레미아를 통해 LPs가 취한 위험에 대한 보상을 제공함으로써 달성되며, 고위험 트레이더 행동으로 인해 불공정하게 불리하지 않도록 보장합니다.
일관된 위험 측정
zkRisk의 일관된 위험 측정은 거래소에서의 거래 활동과 관련된 위험을 평가하고 관리하도록 설계되었습니다. 이는 여러 구성 요소를 통해 정의됩니다:
Market Setup: The risk measure considers n markets, with each market’s prices represented as St which evolves over time within a structured probability space.
교환 책임 함수 Xt(θ):
Xt(θ) = qTSt − (C + P + L)
여기서, 롱-숏 불균형 벡터를 나타내고, 누적 진입 notion sizes, AMM이 소유한 자본, 그리고 LPs가 제공한 자본입니다. 이 함수는 모든 포지션이 현재 시장 가격으로 청산될 경우 트레이더에게 지급되는 순 지급액을 계산합니다 .
Entropic Value-at-Risk
zkRisk의 핵심 개념은 시스템 내 거래로 인해 발생할 수 있는 잠재적 재정적 부족분을 계산하기 위해 고급 위험 지표를 활용한다는 것입니다. 이는 특정 위험 측정 방법인 Entropic Value-at-Risk (EVaR).
EVaR는 지정된 기간 동안 특정 신뢰 수준에서 잠재적 손실을 커버하기 위해 필요한 자본의 양을 정량화하는 coherent risk measure의 한 유형입니다. 이 측정은 perp DEXs에서 보듯이 위험 프로필이 복잡하고 매우 동적인 환경에서 특히 유용합니다.
EVaR는 Value-at-Risk (VaR)와 Conditional Value-at-Risk (CVaR)에 대한 가장 타이트한 상한으로 알려져 있으며, Chernoff bound 공식을 사용하여 계산됩니다:
EVaR1 − α(X) = infz > 0{logMX(z)/z + zlog(α)/z}
여기서 M X (z) 은 위험 포지션 M의 모멘트 생성 함수이며, α는 신뢰 수준을 나타냅니다.
VaR 곡선은 일반적으로 더 높은 값에서 시작하여 α가 증가함에 따라 감소합니다. 왜냐하면 더 높은 신뢰 수준으로 이동할수록 더 극단적(따라서 덜 가능성 있는) 손실을 고려하기 때문입니다.

CVaR 곡선은 VaR 컷오프를 초과하는 손실의 평균을 나타내는 것으로, VaR 임계값을 초과하는 모든 꼬리 손실을 포함하기 때문에 일반적으로 VaR 곡선 위에 위치합니다.
EVaR 곡선은 분포의 전체 꼬리 행동을 고려하여, 그 확률로 가중된 극단적인 잠재 손실을 고려하는 위험 측정값을 나타냅니다. EVaR 곡선은 계산에 사용된 수익 분포와 위험 회피 매개변수에 따라 다르게 행동할 수 있습니다. 이는 꼬리 위험의 지수 가중으로 인해 일반적으로 낮은 α에 대해 더 높은 위험 값을 제공하는 더 복잡한 측정값입니다.
Value at Risk
Value at Risk (VaR)은 특정 기간 동안 회사, 포트폴리오 또는 포지션 내 금융 위험 수준을 평가하는 데 사용되는 통계적 측정값입니다. 이는 부정적인 시장 움직임으로 인해 특정 신뢰 수준(보통 95% 또는 99%)에서 경험할 수 있는 잠재적 손실의 추정치를 제공합니다. 신뢰 수준은 손실 금액이 VaR 추정치를 초과하지 않을 확률입니다.
예를 들어, 95% 신뢰 수준은 손실이 VaR을 초과할 확률이 5%임을 의미합니다. 예를 들어, 포트폴리오의 1일 95% VaR이 $1 million이라면, 이는 포트폴리오가 하루에 $1 million 이상 손실을 보지 않을 95% 신뢰 수준을 의미합니다.

위 차트는 VaR의 일러스트레이션입니다. 각 용어가 의미하는 바는 다음과 같습니다:
최악 5%: 이것은 5% VaR을 나타낼 가능성이 높으며, 손실이 이 값을 초과할 확률이 5%임을 나타냅니다.
최고 95%: 이는 95%의 결과가 5% VaR 지점보다 더 나을(즉, 손실이 적거나 이익이 더 많을) 것을 의미합니다.
최악 5%의 평균: 이는 최악 5%의 경우에 대한 평균 손실인 Expected Shortfall (ES) 또는 Conditional Value at Risk (CVaR)를 가리킬 수 있습니다.
VaR 화살표: 이 선은 주어진 신뢰 구간 내 최악의 손실에 대한 임계값을 나타냅니다. 이는 특정 신뢰 수준(예: 95%)으로 주어진 기간 동안의 최대 예상 손실을 의미합니다. 이 선의 왼쪽 영역에 “Worst 5%”라고 라벨링된 부분은 최악의 5% 시나리오가 포함된 분포의 꼬리를 나타냅니다.
TVaR 화살표: 왼쪽으로 향하는 '최악의 5% 평균'으로 라벨링된 화살표는 Tail Value at Risk 또는 Expected Shortfall을 나타냅니다. TVaR/ES는 최악의 5% 사례에서 평균 손실입니다. VaR은 손실이 초과되지 않을 것으로 예상되는 임계값만 알려주는 반면, TVaR/ES는 VaR 임계값을 초과한 평균 손실이 얼마일 수 있는지 알려줍니다.
차트를 읽는 방법은 다음과 같습니다:
- 녹색 음영 영역은 가장 가능성이 높은 결과 범위(이 경우 최상의 95%)를 나타내며, 손실이 VaR 임계값을 초과하지 않을 확률이 95%임을 의미합니다.
- 분홍색 음영 영역은 극단적인 손실이 발생하는 분포의 부분을 나타냅니다 (이 맥락에서 최악의 5%), VaR 임계값을 초과하는 부분입니다.
- VaR 임계값은 녹색 영역에서 분홍색 영역으로 이동하는 지점입니다. 이는 95% 신뢰 수준에서 초과되지 않을 것으로 예상되는 최대 손실입니다.
- TVaR/ES는 그 임계값이 어디에 위치하는지를 넘어, 분홍색 영역(꼬리)에서 발생할 수 있는 모든 가능한 손실을 평균 내어, 최악의 5% 시나리오에서의 평균 손실감을 제공합니다.
Premia
Premia는 거래자들이 그들의 거래가 시스템에 도입하는 추가 위험에 기반하여 거래자에게 부과되는 동적 거래 수수료입니다. 이러한 수수료는 EVaR 지표를 사용하여 계산되며, 이는 거래가 거래소의 재정 상태에 부정적인 영향을 미칠 경우 거래소의 지급 능력을 유지하기 위해 필요한 자본을 결정하는 위험 측정값입니다.

트레이더가 거래를 시작하면, Vest의 AMM 시스템이 이 거래로 인한 잠재적 위험 증가를 평가합니다. 거래 실행 전후의 EVaR을 계산합니다. 거래가 위험을 높이면, 증가된 위험에 비례한 premia 수수료가 트레이더에게 부과됩니다. 이 수수료는 거래가 시장에 불리하게 진행될 경우 거래소가 solvency를 유지하기 위해 할당해야 할 추가 자본을 보상하기 위한 것입니다.
프레미아 수수료의 분배는 이중 목적을 수행합니다. 이는 AMM의 자본 버퍼를 강화하여 거래소가 잠재적인 유동성 문제를 방어할 수 있게 할 뿐만 아니라, 이러한 수수료의 일부를 LP에게 재분배합니다. 이 재분배는 LP에 대한 위험 조정 보상 형태로 작용하며, 트레이더의 활동으로 인해 노출된 위험과 그들의 수익을 일치시킵니다. 이를 통해 Vest는 LP가 제공하는 유동성에 대해 공정하게 보상받도록 보장하며, 이는 안정적이고 유동적인 거래 환경을 유지하는 데 중요합니다.
예를 들어, 트레이더가 고변동성 자산에 큰 포지션을 열고자 한다. 이 행동은 거래소의 잠재적 손실에 대한 노출을 증가시킨다. 이 위험을 상쇄하기 위해, 시스템은 거래가 거래소에 불리하게 움직일 경우 잠재적 손실을 커버하기 위해 얼마나 많은 추가 자본이 필요한지를 결정하기 위해 EVaR을 계산한다. 결과적으로 트레이더에게 청구되는 premia는 거래의 변동성에 대한 거래소의 회복력을 효과적으로 증가시키며, 동시에 LPs가 감수한 위험에 대해 적절히 보상받도록 보장한다.

Premia는 다음과 같이 계산할 수 있습니다:
πρt = (ρ (Xt + τ(θ′) ∣ Ft) − ρ (Xt + τ(θ) ∣ Ft)+
여기서:
- 거래 전 (θ): 이 상태는 새로운 거래를 수락하기 전 거래소의 위험 위치를 나타냅니다. 이는 모든 거래의 현재 잔고, AMM이 소유한 자본, 그리고 LPs가 제공한 유동성을 포함합니다. 이 상태의 표기법은 θ = (q, C, P, L) 여기서q는 순 개방 포지션의 벡터(롱-숏 불균형)입니다C는 개방 포지션에 사용된 총 자본입니다,P는 AMM이 소유한 자본입니다,L은 LPs가 제공한 유동성입니다.
- q는 순 개방 포지션의 벡터(롱-숏 불균형)입니다
- C는 오픈 포지션에 사용된 총 자본입니다,
- P는 AMM이 소유한 자본입니다,
- L은 LPs가 제공한 유동성입니다.
- 거래 후 (θ’): 이 상태는 새로운 거래가 통합된 후 거래소의 위험 프로필을 반영합니다. 거래로 인한 새로운 포지션과 자본 배분을 반영하기 위해 조정이 이루어집니다.πρt 은 시간 tp 는 위험 측정치 (EVaR)입니다Xt + τ(θ) 과 Xt + τ(θ′) 는 각각 거래 전후 거래소의 부채입니다Ft 는 시간 t에 이용 가능한 정보를 나타내는 여과입니다(+) 함수는 위험이 증가할 때만 (비음수) Premia가 부과되도록 보장합니다
- πρt 는 시간 t에서의 Premia를 나타냅니다
- p는 위험 측정값(EVaR)입니다
- Xt + τ(θ) 및 Xt + τ(θ′)는 각각 거래 전후 거래소의 부채입니다
- Ft는 시간 t에서 이용 가능한 정보를 나타내는 filtration입니다
- (+) 함수는 위험이 증가할 때만 (비음수) Premia가 청구되도록 보장합니다
- q는 순 개방 포지션(롱-숏 불균형)의 벡터입니다
- C는 오픈 포지션에 사용된 총 자본입니다,
- P는 AMM이 소유한 자본입니다,
- L은 LP들이 제공한 유동성입니다.
- πρt 는 시간 t에서의 Premia를 나타냅니다
- p은 위험 측정치(EVaR)입니다
- Xt + τ(θ) 및 Xt + τ(θ′)는 각각 거래 전후의 거래소 부채입니다
- Ft 는 시간 에 이용 가능한 정보를 나타내는 필트레이션 t
- (+) 함수는 위험이 증가할 때만 Premia가 부과되도록 보장합니다 (비음수)
Funding Rate
premia는 부채 변화로 인한 위험의 한계 변화에 대해 요금을 부과하는 반면, zkRisk는 시장 위험을 커버하기 위해 오픈 포지션에서 자금을 수집해야 합니다.
Vest는 계산된 펀딩 비율을 다양한 시장에 분배하기 위해 Euler Allocation을 사용합니다. Euler Allocation은 포트폴리오의 총 위험을 개별 구성 요소에 할당하는 데 사용되는 위험 귀속 방법입니다. 이는 균질 함수에 대한 Euler의 정리를 기반으로 합니다. 금융 위험 관리의 맥락에서, 이는 포트폴리오의 각 포지션이 전체 위험에 얼마나 기여하는지를 결정하는 데 특히 유용할 수 있으며, 특히 옵션이나 기타 파생상품과 같은 비선형 위험을 다룰 때 그렇습니다. 이는 다음 공식으로 계산할 수 있습니다:
ρEuler (Xi ) = Xi × ∂Xi∂ρ(X)
여기서:
- Xi는 포트폴리오 내 위치 또는 구성 요소 i의 크기를 나타냅니다
- ρ(X)는 포트폴리오의 총 위험 측정치입니다
- ∂X i/ ∂ρ(X) 는 포지션 규모에 대한 위험 측정치의 편미분입니다 Xi
- ρEuler(Xi)은 Euler의 할당에 따른 구성 요소i에 할당된 위험입니다
이 과정은 다음과 같이 작동합니다:
Risk Measure: 먼저, 모든 포지션 크기가 두 배로 증가하면 전체 위험 측정값도 두 배가 되는 1차 동차인 위험 측정값이 필요합니다. Euler Allocation과 함께 사용되는 일반적인 위험 측정값으로는 Value at Risk (VaR) 또는 Expected Shortfall (ES)가 있습니다.
Marginal Risk: 각 포지션의 한계 위험 기여도를 계산합니다. 이는 각 포지션이 전체 위험에 얼마나 기여하는지를 나타냅니다. 이는 일반적으로 위험 측정값에 대한 포지션 크기의 partial derivative를 취함으로써 수행됩니다.
위험 할당: 그 후 총 위험은 각 포지션의 한계 기여도에 따라 포지션 전체에 할당됩니다. 할당은 개별 위험 기여도의 합이 포트폴리오의 총 위험과 같아지도록 이루어집니다.
이 할당 방법은 각 거래자가 특정 시장 내에서 보유한 롱/숏 미결제 약정의 비율을 고려하여, 펀딩 비율이 시장 참여와 위험 기여에 기반하여 공정하게 할당되도록 보장합니다. 이 시스템은 공정성을 촉진하고 단일 거래자나 거래자 그룹에 대한 불균형한 영향을 방지합니다.
많은 전통적인 시스템에서 funding rates가 이산적인 간격(예: 8시간마다)으로 조정되는 것과 달리, Vest는 funding 조정을 지속적으로 적용합니다. 이 접근 방식은 트레이더들의 funding rate 경험을 부드럽게 할 뿐만 아니라, 시장 역학과 위험 프로필의 근본적인 변화에 대한 플랫폼의 반응성을 강화합니다. 지속적인 조정은 갑작스러운 시장 충격의 위험을 완화하고, 트레이더들이 언제든지 비용 영향을 더 명확하게 이해하며 운영할 수 있게 합니다.
zkSNARKs
신뢰 불필요성을 유지하기 위해, zkRisk 엔진과 그 계산의 증명은 zkSNARKs 또는 “Zero-Knowledge Succinct Non-Interactive Arguments of Knowledge”를 통해 온체인에 게시됩니다. zkSNARKs는 한 당사자가 문장의 유효성을 넘어서는 어떠한 기초 정보도 공개하지 않고 그 문장의 진실성을 증명할 수 있게 하는 암호학적 증명입니다. zkRisk 프레임워크 내에서 zkSNARKs는 블록체인상 금융 거래의 무결성과 프라이버시를 보장하는 데 중추적인 역할을 합니다.

첫 번째 단계는 공분산 행렬을 검증하는 것을 포함합니다. 이는 기본적으로 서로 다른 자산의 가격이 서로 어떻게 움직이는지를 예측합니다. Vest의 시스템은 빠른 계산을 보장하기 위해 이 예측을 오프체인에서 생성합니다. 이러한 예측이 이루어지면, zkSNARKs를 사용하여 암호화 증명을 생성하여 데이터가 실제 시장 행동에 기반한 모델의 기대와 일치함을 확인합니다.
두 번째 단계는 가격 책정 정확성에 관한 것입니다. zkSNARKs는 시스템의 위험 평가에 따라 거래 비용(premia)과 포지션 보유 수수료(funding)가 올바르게 계산되었음을 확인합니다. 위험 평가, premia 및 funding rates 과정은 플랫폼의 재정적 안정성을 유지하고 파산을 피하는 데 중요합니다.
청산의 경우, zkSNARKs는 시장 건강을 유지하기 위해 포지션이 최적으로 청산되도록 보장합니다. 이는 거래자의 손실을 최소화하고 자산의 갑작스러운 대량 매도로 발생할 수 있는 nukes를 방지하는 것을 의미합니다. zkSNARKs의 사용은 오프체인 솔버가 제공한 솔루션이 최선의 것이며 오류 없이 실행됨을 보장하여 시장의 공정성과 효율성을 유지합니다.
위험 엔진
Vest Exchange의 리스크 엔진, 특히 그 청산 프로토콜은 거래 포지션과 관련된 즉각적인 리스크를 관리할 뿐만 아니라 거래소의 장기적인 지불 능력과 안정성을 보장함으로써 두드러집니다. 실시간 계산과 고급 재무 모델링을 활용함으로써 Vest는 시장 조건에 동적으로 조정할 수 있으며, 트레이더와 LPs 모두에게 안정적인 플랫폼을 제공합니다. 이 접근 방식은 perp DEXs와 일반적으로 연관된 시스템 리스크를 줄이고 거래소의 전체적인 견고성을 강화합니다.
변동성 예측
Vest Exchange는 리스크 엔진의 변동성 예측 구성 요소를 활용하여 다양한 디지털 자산의 가격이 시간 경과에 따라 서로 관련하여 어떻게 변동할 수 있는지를 전략적으로 예측합니다—거래를 정확하게 가격 책정하고 거래소가 재정적 부채를 적절히 충당할 수 있도록 보장하는 데 필수적인 과정입니다.
변동성 예측의 작동 방식:
자산 클러스터링: 초기에는 엔진이 가격 움직임의 역사적 상관관계에 기반하여 자산을 클러스터링합니다. 이 과정은 cointegration의 개념을 활용하며, 이는 장기간 또는 지정된 기간 동안 두 개 이상의 비정상 시계열 간의 상관관계를 테스트하는 통계적 방법입니다. 이러한 관계를 이해함으로써 모델은 이러한 자산들이 미래에 서로 상대적으로 어떻게 행동할지에 대한 더 나은 예측을 할 수 있습니다.

공분산 예측: 자산이 그룹화되면, 엔진은 각 클러스터에 대한 공분산 행렬을 투영합니다. 공분산 행렬 Σt은 그룹 내 자산의 수익률이 얼마나 일치하여 움직일 것으로 예상되는지를 정량화합니다. 양의 공분산은 자산 수익률이 같은 방향으로 움직이는 경향이 있음을 나타내고, 음의 공분산은 반대 방향의 움직임을 제안합니다. 0 공분산은 관계가 없음을 의미하며, 자산 간 독립적인 움직임을 나타냅니다. 이 행렬은 포트폴리오 이론의 기본이며, 위험과 수익을 최적으로 균형 잡힌 포트폴리오를 구성하는 데 도움을 줍니다.

GO-GARCH를 사용한 모델링: 예측은 로그 수익률이 rt 가 잠재 변수에 의해 영향을 받는 다변량 정규 분포를 따른다고 가정합니다 ft 는 기초 시장 힘 또는 추세를 나타냅니다. 이러한 변수들은 Generalized Orthogonal-GARCH (GO-GARCH) 모델을 사용하여 모델링되며, 이는 여러 자산의 동적 변동성과 상관관계를 포착하는 데 특히 효과적입니다. 더 간단한 모델과 달리, GO-GARCH는 서로 다른 자산 간의 복잡한 상호작용을 더 관리하기 쉽고 독립적으로 진화하는 요인으로 분리합니다.

일반화된 직교 GARCH (GO-GARCH) 모델은 여러 금융 자산의 변동성과 상관관계를 동시에 이해하는 데 사용되는 고급 통계 도구입니다. 이는 잘 알려진 GARCH 모델의 확장으로, Generalized Autoregressive Conditional Heteroskedasticity의 약자입니다.
다음은 그 용어들이 더 간단한 언어로 무엇을 의미하는지입니다:
Generalized: 원래 모델보다 더 적응력이 뛰어나고 더 광범위한 시나리오에 적용할 수 있는 버전입니다.
Autoregressive: 모델은 과거 데이터 포인트를 사용하여 미래의 것을 예측합니다.
Conditional: 가장 최근에 사용 가능한 정보를 고려합니다.
Heteroskedasticity: 이는 시간에 따라 변하는 변동성이나 불안정성을 가리킵니다.
GO-GARCH 모델은 자산 가격의 변동성을 예측하며, 특히 로그 수익률에 초점을 맞춥니다. 로그 수익률은 본질적으로 자산 가격의 백분율 변화로, 금융 모델의 더 나은 수학적 특성과 안정성을 위해 로그 변환된 것입니다. 이러한 수익률은 다변량 정규 분포를 따르는 것으로 가정되며, 대부분의 변화는 미미하지만 상당한 변동은 덜 흔하며, 이는 전형적인 시장 행동과 일치합니다.
GO-GARCH 모델은 잠재 변수의 영향 하에서 여러 자산 간의 상호작용을 이해하는 데 중요합니다. 이러한 잠재 변수는 모든 자산에 집단적으로 영향을 미치는 기초 시장 힘 또는 경제 추세를 나타냅니다. 전통적인 모델은 서로 다른 자산 간의 복잡한 의존성을 이해하는 데 어려움을 겪을 수 있지만, GO-GARCH 모델은 이 분야에서 탁월합니다. 이 모델은 이러한 상호작용을 더 간단하고 독립적인 구성 요소로 분해합니다. 이러한 분리는 각 기초 요인이 자산 가격에 어떻게 영향을 미치는지에 대한 더 명확한 이해를 가능하게 하여, Vest 플랫폼에서의 위험 평가와 거래 전략 개발의 정밀도를 향상시킵니다.
실제로 이 모델은 Vest Exchange가 다양한 crypto의 가격이 함께 어떻게 변할 수 있는지 예측하는 데 도움을 주며, 이는 선물 계약과 같은 복잡한 거래 상품을 제공하는 위험을 관리하는 데 중요합니다. 이러한 관계와 시장의 변동성을 이해함으로써 Vest는 예상치 못한 시장 움직임으로부터 자신과 거래자를 보호하기 위해 거래 수수료와 보호 장치를 설정할 수 있습니다.
Cross-Margin
Vest의 Cross-margining은 거래자들이 모든 오픈 포지션에 걸쳐 단일 collateral pool을 사용할 수 있게 합니다. 이 pooled 접근 방식은 증가된 liquidity와 flexibility를 제공하여, 거래자들이 각 포지션에 별도의 collateral을 필요로 하지 않고 거래 전략을 최대화할 수 있게 합니다. 이 메커니즘은 collateral과 거래로부터의 모든 realized 및 unrealized profits and losses를 포함한 거래자의 총 portfolio value를 계산함으로써 작동합니다.
트레이더의 포트폴리오 레버리지는 모든 포지션의 총 명목 가치와 포트폴리오 가치의 비율로 정의됩니다. 수학적으로는 다음과 같이 표현됩니다:
레버리지 = 포트폴리오 가치 / 총 명목 가치
여기서 총 명목 가치는 모든 포지션의 크기와 해당 시장 가격의 곱의 합입니다.
초기 및 유지 마진 요구사항은 이 설정에서 핵심적입니다. 이는 다음과 같이 계산됩니다:
초기 마진 요구사항 = ∑i = 1n ∣qi∣⋅ pi ⋅ rinit,i
유지 마진 요구사항 = ∑i = 1n ∣qi∣⋅ pi ⋅ rmaintenance,i
여기서 qi는 i번째 포지션의 부호가 붙은 크기, pi는 인덱스 가격, 그리고 rinit,i 및 rmaintenance,i 는 각각 초기 및 유지 증거금 비율입니다. 이러한 비율은 모든 포지션에 걸쳐 계산된 잠재적 손실을 충당하기에 충분한 담보가 포트폴리오에 있음을 보장합니다.
Expectiles
Vest Exchange는 최적의 증거금 요구 사항을 설정하기 위한 정교한 접근 방식을 개발했습니다. 이는 expectiles—더 세밀하고 유연한 위험 측정 지표—를 활용하여 신중성을 보장하면서 기회 비용을 최소화하는 이중 목표를 균형 있게 달성합니다. 이 방법은 잠재적으로 비유동적인 기초 자산에 대한 거래 계약의 특정 요구 사항을 다루며, 이는 암호화폐 시장에서 일반적인 시나리오입니다.
Expectiles, value-at-risk (VaR) 계산에 사용되는 quantiles와 유사하게, 위험 분포의 더 포괄적인 관점을 제공합니다. Expectile은 분포 내 위치에만 순수하게 초점을 맞추는 대신, 분포의 지정된 지점 주변의 꼬리 손실 또는 이득의 기대값을 평가하는 quantile과 유사한 통계적 측정치입니다. Expectiles는 금융 위험 관리와 계량경제학에서 귀중한데, 이는 잠재적 손실 또는 이득의 가능성과 영향을 모두 포함하는 위험의 세밀한 관점을 제공하기 때문입니다. Expectiles는 quantile보다 손실 분포의 꼬리(극단값)의 행동을 더 효과적으로 설명할 수 있기 때문에 금융 수익과 위험을 평가하는 데 특히 적합합니다. 그것은 자신 위와 아래의 제곱 편차의 가중 평균을 최소화하는 점으로 계산되며, 따라서 잠재적 결과의 크기와 확률을 모두 고려하는 더 민감한 위험 측정치를 제공합니다. 그것들은 수학적으로 다음과 같이 정의됩니다:

여기서
- X는 무작위 변수(예: 투자 수익)를 나타냅니다.
- eτ(X)는 주어진 τ에 대한 expectile입니다.
- (x) + = max(0,x)는 각 항목에서 양의 차이만 고려되도록 합니다.
- τ는 expectile의 초점을 결정하는 매개변수입니다. 구체적으로, expectile 자체를 찾는 데 사용되는 최적화 과정에서 expectile 위와 아래의 편차에 얼마나 많은 가중치를 부여할지를 영향을 미칩니다.
여기서, τ는 expectile이 꼬리 위험에 대한 민감도를 결정하는 매개변수입니다. τ의 낮은 값은 극단적인 부정적 결과( VaR과 유사)에 초점을 맞추며, 높은 값은 잠재적 결과에 대한 더 넓은 평가를 제공하여, 비대칭적이고 fat-tailed 분포를 가진 자산의 위험 관리에 expectile을 특히 유용하게 만듭니다. τ는 0에서 1까지의 범위를 가집니다.
- When τ<0.5, 손실( expectile 아래의 값)에 더 많은 가중치가 주어집니다. 이는 expectile이 downside risk에 더 초점을 맞추게 하며, Value-at-Risk (VaR)이 낮은 분위수에 대해 작동하는 방식과 유사합니다.
- When τ>0.5, 이득( expectile 위의 값)에 더 많은 강조가 놓여 expectile이 upper-tail risks를 포착하게 합니다.
- τ=0.5일 때, expectile은 본질적으로 중앙값이며, 분포의 양쪽 위험에 대한 균형 잡힌 관점을 제공합니다.
값eτ(X)은 expectile 계산에서 얻어진 값으로, 분포의 가중 제곱 편차의 특정 τ-비율이 그 아래로 떨어지는 임계값을 제공합니다. 위험 관리에 대해:
- 낮은 τ: expectile은 하단 위험을 정량화하며, 특정 신뢰 수준에서 잠재적 손실과 최악의 시나리오에 대한 통찰을 제공합니다.
- 더 높은 τ: 예상치 못하게 상황이 잘 풀릴 경우를 포착하며, 잠재적 이익을 정량화합니다.
곡선들은 가중 제곱 편차를 최소화하는 균형 지점인 expectile이 서로 다른 τ 값에 대해 분포의 다른 수준에서 어떻게 변화하는지를 나타냅니다. 이는 잠재적 손실(및 이익)에 대한 임계값이 τ 값에 따라 어떻게 이동하는지를 보여줍니다

Vest Exchange가 expectiles를 사용하여 마진을 설정하기 위해 공식화한 최적화 문제는 섬세한 균형을 수반합니다. 목표는 예상 마진 초과 및 부족을 최소화하는 것입니다. 이는 실제 설정된 마진과 실현된 손실 간의 차이를 계산함으로써 이루어지며, 이에 따라 자본 비용과 파산 위험을 직접적으로 다룹니다.

여기서, Xi는 트레이더 i, 의 포트폴리오 수익 또는 손실을 나타내며, EVaRτ(Xi) = −eτ(Xi)은 expectile value-at-risk를 나타냅니다.
거래 환경에서 마진 요구 사항을 설정하는 것은 위험 노출을 제한하는 것과 트레이더가 시장 기회를 활용할 수 있도록 충분한 레버리지를 허용하는 것 사이의 균형을 관리하는 것을 포함합니다. VaR 및 expected shortfall과 같은 전통적인 방법은 종종 비선형적이고 예측 불가능한 행동을 보이는 crypto assets의 미묘한 점을 적절히 다루지 못할 수 있습니다. Expectiles는 Vest Exchange가 실시간 시장 조건과 트레이더 행동에 반응하는 마진 요구 사항을 맞춤형으로 조정할 수 있게 하여, 플랫폼의 안정성과 트레이더에게의 매력을 향상시킵니다.
expectiles를 사용함으로써 Vest Exchange는 시장 하락에 대비할 수 있을 만큼 엄격한 마진을 설정할 수 있으며, 트레이더의 시장 참여 능력을 과도하게 제한하지 않습니다. 이는 플랫폼의 안전성(prudentiality)을 거래의 매력성과 실행 가능성을 유지할 필요성(기회 비용 최소화)과 균형 있게 맞춥니다.
청산
포트폴리오의 가치가 유지 마진 요구 사항 아래로 떨어지면 Vest는 청산 프로세스를 트리거합니다. 이 프로세스는 노출을 줄이거나 포지션을 완전히 종료함으로써 포트폴리오의 건강을 재조정하도록 설계되었습니다. Vest는 청산 후 유지 마진이 충족되도록 하면서 시장 영향력을 최소화하며 청산할 포지션을 최적화하는 고유한 청산 솔버를 활용합니다.
청산은 볼록 최적화 문제로 모델링됩니다:

여기서
- w은 각 포지션의 청산 비율을 나타냅니다.
- p 은 현재 가격의 벡터이며, ∣qi∣포지션의 절대 크기입니다.
- ci 은 담보이며, π은 청산 패널티입니다
- pi는 포지션이 진입된 가격입니다.
볼록 최적화를 사용함으로써 시스템은 상당한 가격 변동이나 시장 혼란을 일으키지 않고 대규모 포지션을 청산하는 최적의 방법을 찾을 수 있습니다. 이는 시장 안정성을 유지하고 청산이 자산 가격의 급락으로 이어지지 않도록 하는 데 중요합니다.
프로젝트가 만들어진 이유
Vest Exchange는 DeFi 환경에서 중요한 공백에 대한 대응으로 등장했습니다. 특히 AMM 기반 영구 선물 거래소 영역에서요. 전통적으로 이러한 플랫폼들은 오픈 인터레스트(OI) 상한선에 의해 제한되며, 이는 파산에 대한 예방 조치로 작용하지만 동시에 시장의 성장하는 트레이더 수요를 충족하는 능력을 제한하고 자본 효율성을 약화시킵니다. 역사적으로 OI 상한선은 시스템이 감당할 수 있는 책임 이상을 지지 않도록 하기 위해 구현되며, 특히 시장 조건이 빠르게 변할 수 있고 마진 콜이나 청산이 필요할 수 있는 환경에서 중요합니다.
가장 흔한 제한은 총 OI가 플랫폼 내 TVL만큼만 높다는 점으로, 이는 거래자와 LP 모두의 확장성과 수익성에 영향을 미치는 병목 현상을 초래합니다. TVL 수준은 플랫폼에서 거래를 시작하고 정산하기 위해 이용 가능한 유동성의 양에 직접 영향을 미칩니다. 높은 TVL은 더 많은 유동성을 의미하며, 더 크거나 더 많은 포지션을 열 수 있게 합니다. 그러나 OI가 TVL을 초과하면 플랫폼이 과도하게 레버리지된 것을 의미하며, 특히 급격한 시장 움직임 동안 거래소가 모든 거래를 커버할 수 없는 유동성 위기의 위험을 증가시킵니다.
이 문제를 해결하기 위해, Vest는 투명하고 정량화 가능한 위험 지표에 따라 거래 비용을 실시간으로 조정하는 위험 엔진을 도입합니다. 이 동적 접근 방식은 정적 OI 상한의 필요성을 제거하며, 플랫폼이 TVL의 한계를 넘어 OI를 확장할 수 있게 하여, 거래소나 사용자들의 안전을 손상시키지 않으면서 자본 효율성을 증대시킵니다. 이러한 동적 시스템은 더 안전한 거래 환경을 조성할 뿐만 아니라, 더 광범위한 OI가 수수료 생성 증가로 직접 이어지기 때문에 LPs와 AMM의 수익 잠재력을 향상시킵니다.

더욱이, Vest의 위험 관리 인프라는 대부분의 perp DEXes가 유동성 관련하여 직면하는 만연한 닭-계란 문제를 해결합니다. 이 곤경은 플랫폼이 낮은 거래 활동을 경험할 때 발생하며, 이는 차례로 LP에 대한 수수료를 감소시킵니다. 결과적으로, 이는 LP가 더 많은 자본을 투입하는 것을 억제하며, 낮은 유동성 문제를 더욱 악화시킵니다—시장 효율성과 성장을 저해하는 악순환을 만듭니다.
섹터 전망
영구 선물(perpetual futures), 흔히 “perps”라고 불리는 것은 만기일 없이 자산의 미래 가격에 대한 추측을 허용하는 DeFi 금융 상품입니다. 전통적인 선물과 달리 perps는 특정 날짜에 결제되지 않아 트레이더들이 필요한 마진을 유지할 수 있는 한 포지션을 무기한 보유할 수 있습니다. 이 유연성은 crypto 시장에서의 장기 가격 투기와 헤징에 특히 매력적입니다.

DeFi 부문은 영구 선물 거래를 수용하기 위해 여러 모델을 혁신했으며, 각 모델은 거래, 유동성, 위험을 관리하기 위한 독특한 메커니즘을 가지고 있습니다. 다음은 주요 모델의 개요입니다:
- 오프체인 주문장과 온체인 결제: 이 모델은 주문 매칭을 위해 오프체인 시스템의 속도와 확장성을 활용하면서 온체인 결제의 보안성과 투명성을 유지합니다. dYdX와 같은 거래소가 이 모델 하에서 운영되며, 거래는 오프체인에서 실행되지만 블록체인에서 최종화됩니다. 이 접근 방식은 거래 비용을 줄이고 거래 속도를 향상시키지만, 오프체인 구성 요소로 인해 약간의 중앙화 위험을 초래할 수 있습니다.
- 오라클 기반 모델: 이 모델들은 온체인에서 거래되는 자산의 오프체인 가격 데이터를 가져오기 위해 오라클에 크게 의존합니다. 이 설정은 거래 상품이 실제 가치에 정확하게 고정되도록 보장하는 데 중요합니다. 그러나 오라클에 대한 의존은 가격 조작이나 오라클 실패로 인해 가격의 상당한 불일치와 잠재적 재정적 손실을 초래할 수 있는 위험 층을 도입합니다.
- 가상 자동화 마켓 메이커 (vAMM): 스팟 거래에 사용되는 전통적인 AMM과 달리, vAMM은 실제 자산을 보유하지 않고 대신 수학적 공식을 사용하여 거래 환경을 시뮬레이션합니다. Perpetual Protocol과 같은 플랫폼이 이 모델을 활용하여 일반적으로 요구되는 실제 준비금 없이 높은 레버리지와 깊은 유동성을 제공합니다. vAMM은 시장 조건에 반응하여 사전 설정된 공식에 기반하여 가격을 동적으로 조정하며, 실제 자산 준비금이 필요하지 않습니다.
- 하이브리드 모델: 일부 플랫폼은 성능, 유동성, 보안을 최적화하기 위해 다양한 모델의 기능을 결합합니다. 예를 들어, Synthetix는 oracle feeds와 vAMMs의 혼합을 사용하여 synthetic assets와 futures trading을 관리합니다. 이 하이브리드 접근 방식은 더 안정적인 가격 책정을 허용하고 단일 실패 지점에 대한 의존성을 줄입니다. Vertex는 AMM과 orderbook을 모두 사용합니다.
vAMM vs Orderbooks
Market makers는 perp DEXes에서 거래가 실행될 수 있도록 유동성을 보장하는 데 중요한 역할을 합니다. CEXes에서 볼 수 있는 것처럼요. 하지만 DEX의 맥락에서, perpetual contracts의 교환을 촉진하기 위해 3가지 주요 모델이 등장했습니다:
전통적 역할: 일부 perp DEX에서는 시장 조성자들이 중앙화 거래소의 전통적인 대응자와 유사하게 작동하며, 시장 조성 알고리즘과 위험 평가에 기반하여 주문을 수동으로 설정합니다. 이는 Centralized Limit Orderbook (CLOB) 모델입니다.
자동화된 역할: 다른 곳에서는, 특히 vAMM을 사용하는 경우, 시장 조성자들이 거래 가격이 알고리즘적으로 결정되는 풀에 유동성을 제공합니다. 이 방법은 일반적으로 가격 설정에 대한 직접적인 통제를 덜 필요로 하지만, 덜 집중적인 관리를 포함할 수도 있습니다.
하이브리드 시스템: 일부 perp DEX는 AMM과 전통적인 시장 조성의 측면을 결합한 하이브리드 시스템을 구현할 수 있으며, 두 접근 방식의 강점을 활용하려고 합니다.
각각은 디지털 자산, 특히 영구 계약과 같은 파생상품-like 기능을 가진 자산에 대한 유동적이고 효율적인 시장을 만드는 데 있어 다른 철학적 및 기술적 접근 방식을 구현합니다.
vAMMs는 알고리즘 가격 결정 메커니즘에 의존하여 유동성을 제공합니다. vAMMs의 핵심에는 유동성 풀의 자산 비율에 기반하여 가격을 결정하는 수학적 모델이 있으며, 이는 인기 있는 Constant Formula Market Maker x*y=k와 같습니다.

이 구조는 거래 실행을 위한 상대방이 항상 존재하도록 보장하기 위해 설계되었습니다. vAMM은 트레이더가 포지션을 진입하고 종료할 수 있는 지속적인 가용성을 보장합니다.
| Pros | Cons |
|
|
- 지속적인 유동성을 제공하여, 주문 흐름이 희박할 수 있는 시장에 매우 적합합니다.
- 거래 프로세스를 단순화하며, 사용자가 주문 유형이나 시장 깊이를 이해할 필요가 없습니다.
- 유동성 제공자의 진입 장벽을 줄입니다.
- 낮은 유동성 요구 사항으로 인해 롱테일 자산에 대한 시장 생성을 용이하게 합니다.
- 유동성 제공자를 impermanent loss에 노출시키며, 특히 변동성 있는 시장에서 그렇습니다.
- 일반적으로 orderbooks에 비해 덜 유리한 가격을 제공하며, 가격이 시장 공급과 수요가 아닌 미리 정의된 curve에 의해 결정되기 때문입니다.
- 모델의 특성으로 인해 효율적인 price discovery에 어려움을 겪을 수 있습니다.
오더북
Orderbook perp DEXes는 다양한 자산에 대한 매수 및 매도 주문 장부를 유지합니다. 이러한 주문은 트레이더가 사고파는 자산의 양과 수용 가능한 가격을 지정합니다. AMMs와 달리, Orderbooks에서 이러한 플랫폼의 Market makers는 유동성을 제공하기 위해 지속적으로 매수 및 매도 주문을 배치합니다. 그들의 주문은 orderbook의 규칙에 따라 다른 트레이더의 주문과 매칭되며, 보통 가격-시간 우선순위를 따릅니다 — 이는 특정 가격에서 가장 먼저 들어온 주문이 먼저 실행된다는 의미입니다. Market makers는 매수 및 매도 가격 간의 스프레드를 통해 수익을 얻으며, 유동성 제공에 대한 교환소의 추가 인센티브를 받을 수 있습니다.
| Pros | Cons |
|
|
- 거래에 대한 정밀한 제어를 제공하여 트레이더들이 시장가, 지정가, 손절매 등의 다양한 유형의 주문을 할 수 있게 합니다.
- 공급과 수요에 의해 가격이 직접 결정되므로 더 나은 가격 발견을 제공합니다.
- 일반적으로 모든 참가자가 시장에서 이용 가능한 모든 주문을 볼 수 있기 때문에 공정하다고 여겨집니다.
- 효율적으로 작동하기 위해 상당한 양의 유동성이 필요하며, 이는 새로운 또는 틈새 자산에 대해 도전적일 수 있습니다.
- 빠르게 움직이는 시장에서 낮은 유동성에 취약할 수 있으며, 이는 slippage와 market impact costs로 이어질 수 있습니다.
오더북 내에서도 온체인 및 오프체인 오더북이 있습니다. 온체인 오더북에서는 모든 주문과 거래가 블록체인에 직접 기록됩니다. 이 접근 방식은 모든 거래 활동이 공개적으로 보이고 누구나 검증할 수 있기 때문에 높은 수준의 투명성과 탈중앙화를 제공합니다. 그러나 잠재적으로 더 높은 거래 수수료와 느린 거래 속도의 비용이 발생합니다. 각 거래가 온체인 검증을 요구함에 따라 기본 네트워크의 처리량이 병목 현상이 될 수 있으며, 이는 거래소의 전체 효율성에 영향을 미칩니다.
Off-chain order book DEXs는 거래 활동의 대부분을 off-chain으로 이동시켜 최종 거래만 blockchain에 정산함으로써 다른 경로를 취합니다. Off-chain 매칭은 전통적인 centralized exchanges와 유사한 빠른 거래 실행을 가능하게 하며, on-chain 거래와 관련된 비용을 크게 줄일 수 있습니다.
DEX 비교
GMX (GLP 기반 영구선물)
GMX perps는 GLP Pool을 사용한 인덱스 모델을 활용하며, 이는 트레이더들이 직접 토큰 교환 없이 레버리지 포지션을 열 수 있도록 유동성을 제공합니다.

유동성 제공자들은 GLP 풀에 기여하고 GLP 토큰을 받으며, 이는 자동으로 스테이킹되며, 트레이더들은 자산 상승에 대한 노출을 위해 프리미엄을 지불합니다. 그러나 GMX에서 이용 가능한 자산과 시장의 범위는 GLP 풀의 구성에 직접적으로 연결되어 있어 거래 옵션을 제한할 수 있습니다. 그리고 개별 위험은 완화되지만, 시스템적 위험은 증가할 수 있습니다. 중요한 시장 이벤트가 발생하면 전체 GLP 풀이 영향을 받을 수 있으며, 이는 LPs에게 상당한 집단적 손실을 초래할 가능성이 있습니다.
Synthetix (Oracle 기반)
Synthetix는 DeFi 공간에서 선구적인 플랫폼으로, 합성 자산 거래에 독특한 접근 방식을 제공합니다. GMX와 같은 전통적인 영구 DEX와 달리 Synthetix는 시장 중립성을 촉진하고 LPs를 보호하는 Price Impact 함수와 같은 위험 관리 전략에 의존합니다.
Synthetix는 시스템의 균형을 유지하는 데 도움이 되는 포지션을 유지하도록 거래자를 장려하여, 유동성 제공자가 중립을 유지하고 너무 길거나 짧게 치우친 개별 거래에 직접 영향을 받지 않도록 보장합니다. 이 설정은 상대방 위험을 최소화하고 더 광범위한 거래 전략을 허용합니다.

HyperLiquid: (L1 OrderBook. 완전 온체인)
HyperLiquid는 전용 Layer 1 블록체인에서 온체인 주문 장부를 통해 운영되며, 높은 거래 처리량과 낮은 지연 시간을 보장합니다. 이 아키텍처는 주문 배치 및 취소와 같은 모든 거래 작업이 온체인에 기록되도록 합니다.

트레이더와 LPs는 HLP라고 불리는 온체인 주문 장부와 직접 상호작용하며, 이는 슬리피지를 최소화하기 위해 상당한 유동성을 필요로 합니다. HLP는 다양한 자산에 대한 충분한 유동성을 제공하여 거래를 촉진하는 마켓 메이커로, 입찰-매도 스프레드를 좁히고 전체 거래 효율성을 개선하는 데 도움을 줍니다. 전통적인 마켓 메이킹 전략과 달리, HLP는 유리한 펀딩 레이트로부터 이익을 얻습니다.
Off-Chain Orderbooks with On-Chain Settlement
Aevo와 같은 플랫폼은 Lyra는 오프체인 주문장(orderbook)의 효율성과 온체인 결제의 보안성을 결합합니다. 이러한 시스템에서는 주문장이 오프체인에서 유지되므로, 매수 및 매도 주문의 수집과 매칭이 블록체인 외부에서 발생합니다.
이러한 설정은 모든 거래를 실시간으로 블록체인에 기록할 필요가 없어지기 때문에 빠른 주문 실행을 가능하게 합니다. 여기서 주요 이점은 지연 시간과 네트워크 비용의 상당한 감소로, 자산 보관의 탈중앙화 특성을 손상시키지 않으면서 CEX와 유사한 거래 경험을 제공합니다.

주문이 off-chain에서 매칭되면, 자산의 실제 교환은 on-chain에서 수행됩니다. 이는 최종 결제가 모든 네트워크 참여자가 투명하고 검증할 수 있도록 보장하며, 거래의 무결성에 대한 신뢰를 유지합니다. 결제 프로세스는 일반적으로 Layer 2 솔루션의 smart contracts를 통해 자동화되며, 이는 거래를 확장하면서 gas 비용을 최소화하는 데 도움이 됩니다.
Intent-based
Intent-based trading은 Symmio와의 통합을 통해 가능하며, 한쪽의 traders를 다른 쪽의 market makers와 연결합니다. 이는 양측 당사자 간의 양자 협정을 체결함으로써 달성되며, 양측은 escrow contract에 collateral을 예치합니다.
Symmio의 아키텍처 핵심은 전통 금융의 양자 간 계약에서 영감을 받은 Symmetrical Contracts를 중심으로 구축되어 있으며, 이를 탈중앙화 세계에 맞게 적응시켰습니다. 이러한 계약은 피어-투-피어 장외(OTC) 거래를 가능하게 하여, 수많은 DEXes와 블록체인에서 발생하는 유동성 분산 문제를 효과적으로 피할 수 있습니다. Automated Market for Quotation (AMFQ)을 통해 사용자가 견적을 요청할 수 있도록 하여, 신뢰 최소화 방식으로 온체인 주문장(orderbook)의 복잡성을 줄입니다.
Pear Protocol, Intentx, Thena, Based markets와 같은 프론트엔드들은 symmio 엔진을 사용하여 인텐트 기반 거래를 구동합니다.

RFQ DEXs는 GMX와 같은 플랫폼에서 볼 수 있는 더 일반적인 LP 기반 모델과 비교하여 거래와 유동성을 처리하는 독특한 접근 방식을 제공합니다. 유동성이 풀링되는 전통적인 LP 모델과 달리, RFQ 시스템에서는 지정된 MMs가 이러한 요청에 맞춤형 견적을 제시합니다. 이러한 MMs는 일반적으로 다양한 자산의 가격을 빠르게 견적할 수 있는 자본과 전문성을 가진 전문 거래 회사나 알고리즘 트레이더입니다.
Vertex Protocol (Hybrid AMM OrderBook Exchange)
Vertex Protocol은 AMM과 order book 모델의 장점을 모두 통합하여, 전통적인 order book과 함께 풀링된 유동성 메커니즘을 제공합니다.

이는 AMM의 전형적인 풀된 유동성이 전통적인 주문 장부의 정밀한 주문 매칭과 함께 이용 가능하다는 의미입니다. 유동성 제공자는 AMM 풀에 기여할 수 있으며, 거래자는 주문 장부에 직접 지정가 주문이나 시장가 주문을 할 수 있습니다. Vertex는 주문이 AMM에 의해 체결되어야 하는지 아니면 주문 장부의 다른 주문과 매칭되어야 하는지를 자동으로 결정하는 스마트 주문 라우팅 시스템을 사용합니다. 이는 주문이 AMM 풀에서 오든 주문 장부의 직접적인 상대방 주문에서 오든 최적의 이용 가능한 가격으로 주문이 실행되도록 보장합니다.
경쟁 환경
불리한 LP에서 고도로 숙련된 트레이더로
많은 모델에서 LP는 트레이더의 상대방 역할을 하며, 이는 표면적으로 그들을 카지노의 '하우스'와 유사한 유리한 위치에 놓이게 합니다. 왜냐하면 트레이더가 지불하는 수수료가 일반적으로 LP에게 이익이 되기 때문입니다. 수수료는 일반적으로 거래당 몇 베이시스 포인트입니다.
그러나 전통적인 AMM 기반 DEX에서 LP들은 거래 활동에서 발생하는 이익과 손실을 모두 커버하기 위해 자본을 제공해야 합니다. 이 메커니즘은 거래가 유연하게 지속될 수 있도록 보장하지만, 특히 고도로 숙련된 트레이더를 상대할 때 LP들을 상당한 위험에 노출시킵니다. 이 설정은 LP들이 이러한 트레이더의 이익을 무의식적으로 보조하게 되는 시나리오를 만들 수 있으며, 특히 지속적으로 수익성 있는 거래 환경에서 시간이 지나면서 자본을 잠식할 가능성이 있습니다. 이 역학은 LP들에게 우위를 제공하는 것처럼 보이지만, 유동성 제공의 본질적인 위험으로 인해 종종 재정적 취약성을 초래할 수 있습니다.
이러한 수수료는 안정적이거나 중립적인 시장 조건에서 매력적인 수익률을 제공할 수 있지만, 변동성이 크거나 강세 시장 시나리오에서는 종종 불충분합니다. 이러한 환경에서 누적된 수수료는 며칠간의 큰 손실로 인해 빠르게 소멸될 수 있으며, 수수료 구조가 LP들에게 유동성을 제공하는 높은 위험에 대해 적절히 보상하지 않기 때문입니다.
예를 들어, 이는 GMX에서 LP들이 손실을 입는 시나리오입니다. 이는 2월 한 달 동안 지불된 수수료입니다.

같은 기간 동안 누적 Trader PnL은 $4.2M로 나타났다.

저담보 시스템의 지급불능 위험
또 다른 중요한 문제는 특히 저담보화 시스템에서 발생하는 파산 위험입니다. 이 위험은 부채(즉, 승리한 트레이더에게 지불해야 할 금액)가 AMM 내의 자산이나 가용 유동성을 초과할 때 발생합니다. 이러한 상황은 LP와 트레이더의 출금을 동결시킬 수 있으며, 상당한 재정적 손실을 초래하고 플랫폼에 대한 신뢰를 침식합니다.
오픈 인터레스트 상한
전통적으로 perp DEXs는 속도, 탈중앙화, 유동성, 보안 간의 트레이드오프를 균형 있게 맞추는 데 어려움을 겪었습니다. 이러한 플랫폼들은 특히 플랫폼의 TVL에 의해 부과된 제약으로 인해 OI 관리를 포함한 내재적 도전에 직면해 있습니다.

OI caps는 전통적인 perp DEXs에서 흔한 기능으로, 플랫폼 내에서 사용 가능한 유동성에 개방 계약의 총량을 제한함으로써 파산을 방지하는 중요한 위험 관리 도구로 작용합니다. 예를 들어 Hyperliquid나 Intentx에서처럼요. OI와 TVL의 이러한 연계는 지원할 수 있는 최대 거래량을 제한함으로써 플랫폼의 확장성과 유동성을 본질적으로 제한합니다. 이러한 제한은 특히 시장 급등 기간 동안 증가하는 트레이더 수요를 충족하는 능력을 저해할 수 있으며, 이에 따라 중앙화된 경쟁자에 대한 경쟁 우위를 영향을 미칩니다.
또한, 전통적인 perp DEX의 funding rate 메커니즘은 종종 참여자들 간의 레버리지 비용을 공정하게 균형 있게 조정하는 데 어려움을 겪습니다. 특히 변동성이 높은 시장 조건에서 그렇습니다. 이러한 rates는 perpetual contracts를 underlying spot prices에 고정시키기 위해 의도된 것이지만, 크게 변동할 수 있습니다. 조정은 일반적으로 이산적인 간격으로 이루어지며, 실시간 시장 역학을 반영하지 않을 수 있어, 트레이더들이 포지션을 보유함으로써 예상치 못한 비용이나 이익을 직면하게 되는 시나리오로 이어질 수 있습니다.
잠재적 채택
Vest의 zkRisk 시스템은 전통적인 거래 프레임워크를 넘어서는 여러 잠재적 채택 가능성을 열어줍니다:
새로운 시장과 자산 클래스: Vest는 NFTs, 부동산, 다양한 실세계 자산(RWAs)과 같은 유동성이 낮은 자산을 포함한 새로운 자산을 거래 플랫폼에 빠르게 통합할 수 있습니다. 이러한 기능은 각 거래와 관련된 위험을 직접적인 자산 담보 없이 계산함으로써 이러한 새로운 자산의 상장을 용이하게 하는 zkRisk 엔진 덕분입니다. 이러한 기능은 대규모 자본 준비금이 비현실적인 유동성이 낮은 자산에 특히 중요합니다. 가격 피드를 기반으로 거래를 가능하게 하고 계산된 프리미엄을 통해 위험을 관리함으로써, Vest는 유동성 제공자들이 변동성 있는 시장 조건으로 인해 과도한 부담을 받지 않도록 보장합니다.
구조화된 상품: Vest에서 높은 잠재 수익률과 안정적인 수익 기회를 고려할 때, LP는 더 정교한 투자 전략에 참여할 수 있습니다. 예를 들어, 롱/숏 포지션과 고수익 LP 지분을 결합한 구조화된 상품은 높은 수익과 특정 시장 움직임에 대한 노출을 동시에 추구하는 투자자를 끌어들일 수 있습니다.
교차 상품 마진: zkRisk 엔진의 유연성은 다양한 금융 상품을 지원할 수 있게 합니다. 개발자들은 Vest의 깊은 유동성과 고급 위험 평가 기능을 활용하는 옵션, 머니 마켓, 스팟 거래 플랫폼을 구축할 수 있으며, 이는 고도로 통합된 자본 효율적인 생태계를 가능하게 합니다. zkRisk 엔진은 제품 관계가 아무리 복잡해지더라도 위험이 적절하게 관리되도록 보장합니다. 이러한 전체적인 감독은 한 시장 부문에 관여된 자산이 다른 부문의 포지션을 담보로 사용될 때 시스템 무결성과 지불 능력을 유지하는 데 중요합니다.
더 넓은 DeFi 생태계: Vest는 perp 계약으로 뒷받침되는 스테이블코인부터 대출 및 저축 계좌와 같은 더 전통적인 은행 서비스에 이르기까지 모든 것을 포함하는 더 큰 DeFi 생태계를 고정할 잠재력을 가지고 있으며, 모든 것이 Vest 플랫폼의 보안과 효율성의 이점을 누립니다.
체인
Vest Exchange는 현재 zkSync Era에 배포되어 있습니다.
Vest의 시장 참여자
Vest에서 두 가지 유형의 시장 참여자를 구분할 수 있습니다: 트레이더와 유동성 제공자.
트레이더
전통적인 영구 DEX에서 거래자들은 종종 높은 거래 수수료에 직면하며, 이는 slippage 및 funding rates와 관련된 비용을 포함하며, 이러한 funding rates는 실제 위험 또는 시장 상황에 따라 동적으로 조정되지 않습니다. 이러한 비유연성은 덜 변동적인 시장 상황이나 덜 위험한 거래에서 거래자들에게 불필요하게 높은 비용을 초래할 수 있습니다.
전통적인 DEX들은 종종 제한된 자산 제공과 얕은 시장 깊이를 가지며, 이는 주로 새로운 자산 상장에 대한 높은 위험과 자본 요구사항 때문입니다. 이러한 제한은 거래자들의 거래 전략 다각화 능력을 제한하고 전체 시장 유동성을 저해하여, 상당한 가격 영향 없이 포지션을 진입하고 종료하기 어렵게 만듭니다.
Vest는 더 공정한 수수료 구조를 제공함으로써 거래 경험을 향상시킵니다. zkRisk 엔진 덕분에 플랫폼은 실시간으로 거래 수수료를 동적으로 조정하여, 각 거래자가 시장에 가져오는 실제 위험과 더 밀접하게 맞춥니다. 이는 덜 변동적인 조건이나 덜 위험한 포지션에서 거래자들이 표준 고정 요율에 비해 더 낮은 수수료를 즐길 수 있음을 의미합니다.
Vest의 프로토콜 설계는 더 광범위한 자산 제공과 더 깊은 시장 깊이를 허용합니다. zkRisk 엔진은 비유동 시장의 위험과 관련된 일반적인 제약 없이 새로운 자산의 상장을 용이하게 합니다. 위험을 효과적으로 관리함으로써 Vest는 시장 깊이를 유지하면서 다양한 거래 기회를 제공할 수 있으며, 이는 상당한 규모의 거래에서도 포지션 진입 및 청산을 더 원활하게 만들어 트레이더들에게 이익이 됩니다.
유동성 공급자
Vest의 LPs는 더 지속 가능하고 위험 조정된 수익 프로필로부터 이익을 얻을 수 있는 위치에 있습니다. 시스템에 위험을 추가하는 거래에 대해 zkRisk 엔진이 계산하고 부과하는 프리미엄은 LPs에게 재분배되어, 그들이 부담하는 위험에 대해 더 공정하게 보상받을 수 있게 합니다. 이 시스템은 LPs에게 큰 손실을 초래할 수 있는 위험한 포지션을 억제하며, 성공적인 트레이더의 이익으로 인해 그들의 수익이 훼손되지 않도록 보장합니다.
게다가 Vest의 모델은 더 안정적인 유동성 환경을 제공할 것을 약속합니다. zkRisk 엔진의 지속적인 위험 평가와 파산 점검은 시장 하락이나 트레이더의 승리 후 LP가 손해를 입는 시나리오를 방지하기 위해 작동하며, 이는 전통적인 LP 모델에서 흔한 우려 사항입니다.
위험
모델링 및 알고리즘적 위험
zkRisk 엔진은 시장 행동에 대한 특정 가정을 하는 금융 모델에 의존합니다. 이러한 가정이 잘못된 경우, 위험 측정값이 부적절하게 평가되어 위험의 체계적인 저평가 또는 과대평가가 발생할 수 있습니다.
zkRisk 엔진의 수학적 복잡성은 발견되지 않은 버그나 논리적 오류를 포함할 수 있으며, 이는 악용되거나 시스템 실패를 일으킬 때까지 명확해지지 않을 수 있습니다. 역사적 데이터에 대한 과적합 위험도 위협이 되며, 이는 모델의 새로운 시장 조건에 대한 반응성을 제한할 수 있습니다. 엔진은 동적인 crypto 시장을 반영하기 위해 지속적으로 진화해야 합니다.
데이터 품질은 또 다른 중요한 요소입니다. 엔진은 위험을 올바르게 평가하기 위해 정확한 입력에 의존하므로, 데이터 부정확성은 결과에 상당한 영향을 미칠 수 있습니다. 시스템의 무결성을 유지하기 위해 적시 업데이트와 엄격한 데이터 검증 프로세스가 필요합니다.
엔진의 알고리즘적 안정성과 수렴성은 신뢰할 수 있는 위험 평가를 제공하는 데도 중요합니다. 이러한 영역에서의 실패는 시스템적 위험 가격 왜곡을 초래하여 플랫폼의 지불 능력과 사용자 경험 모두에 영향을 미칠 수 있습니다.
펀딩 레이트 변동성
DEX에서 영구 선물 계약은 '펀딩 레이트'라는 메커니즘을 사용하여 영구 계약의 가격이 기본 자산의 시장 가격에 고정되도록 합니다. 이 레이트는 보유한 포지션에 따라 롱과 숏 사이에서 지불됩니다. 영구 계약이 현물 시장 대비 프리미엄으로 거래되면 롱이 숏에게 지불하고, 그 반대도 마찬가지입니다. 이는 일반적으로 1시간, 4시간 또는 8시간 간격으로 계산됩니다.
그러나 Vest의 프로토콜은 zkRisk 엔진을 활용하여 실시간 시장 조건과 위험 평가를 기반으로 펀딩 비율을 동적으로 조정합니다. 이 접근 방식은 시장 역학을 더 정확하게 반영하는 것을 목표로 하지만, 시장 조작이나 극단적인 변동성으로 인해 악화될 수 있는 펀딩 비율 변동성의 위험을 도입합니다. 펀딩 비율의 갑작스러운 변동은 예상치 못한 거래 비용을 초래할 수 있으며, 이는 거래 활동을 억제하거나 계획되지 않은 청산으로 이어질 수 있습니다. 알고리즘이 급격한 시장 변화를 정확하게 예측하거나 대응하지 못하면 펀딩 비율이 왜곡되어 영구 가격과 기초 시장 가격 간의 추가적인 불일치를 초래할 수 있습니다.
보안
감사
Ottersec에 의한 Vest Labs Smart Contract Audit
- 치명적 위험 – 1 (해결됨)
- 중간 위험 – 1 (해결됨)
- 낮은 위험 – 2 (1 인정됨, 1 해결됨)
- 정보 – 1
오라클 위험
Vest는 포지션의 가치를 계산하고, 담보 요구사항을 관리하며, 유동성 풀의 잠재적 노출을 결정하기 위해 실시간 자산 가격이 필요합니다. vAMM 내의 가격 결정 기능은 거래 비용을 계산하고 유동성 곡선을 관리하기 위해 정확한 시장 가격에 의존합니다.
zkRisk 엔진은 시장 데이터를 사용하여 Entropic Value-at-Risk (EVaR)과 같은 위험 지표를 계산합니다. 이러한 계산은 잠재적인 시장 움직임을 예측하고 불리한 결과의 확률을 평가하기 위해 현재 및 과거 가격 데이터가 필요합니다. 이 위험 지표는 트레이더가 시스템에 도입하는 위험을 커버하기 위해 트레이더에게 부과되는 premia와 funding rates의 계산에 직접적인 영향을 미칩니다.
오라클로부터의 시장 데이터는 트레이더의 포지션이 더 이상 maintenance margin 요구사항을 충족하지 않을 때를 결정하는 데 도움을 주며, liquidity pool의 건강을 유지하고 플랫폼을 파산으로부터 보호하기 위해 liquidations를 트리거합니다.
이러한 중요한 의존성들을 고려할 때, oracle 조작은 Vest에 중대한 위협을 제기합니다. oracle이 시스템에 잘못된 가격 데이터를 입력하는 경우—외부 시장 조작 때문이든 oracle 자체에 대한 직접적인 공격 때문이든—부정확한 위험 평가로 이어질 수 있습니다. 이 시나리오는 거래자들이 부당하게 청산되거나 충분히 빨리 청산되지 않도록 하여, 유동성 제공자들의 자본을 위험에 빠뜨릴 수 있습니다. 추가로, 잘못된 가격 책정은 거래자와 유동성 제공자들이 잘못된 premia 또는 funding rates를 받게 되어, 플랫폼 전반의 위험을 균형 있게 유지하도록 설계된 경제적 인센티브를 왜곡할 수 있습니다.
팀
Vest Exchange는 Vest Labs Research 팀에 의해 만들어졌습니다. 그들 중 많은 사람들은 Finance 또는 Engineering 배경을 가지고 있으며, Morgan Stanley, Goldman, Point72, Ascendex, Blackrock, Amazon, LinkedIn, Robinhood 등 다수의 곳에서 경험을 쌓았습니다. 주목할 만한 멤버들로는 Perpyv2 (창립자), Maxfundingrate (CTO), Riquidate, 그리고 Billie 등이 있습니다.
프로젝트 투자자
Vest Exchange는 Jane Street, QCP Capital, Big Brain Holdings, Ascendex, Builder Capital, Infinity Ventures Crypto, Robert Chen (Ottersec), Pear VC, Cogitent, Moonshot Research, Fugazi Labs 및 기타 엔젤 투자자들로부터 시드 라운드에서 비공개 금액을 유치했습니다.

자주 묻는 질문
Vest의 주요 가치 제안은 무엇인가요?
Vest의 주요 가치 제안은 zkRisk 엔진의 통합으로, 이 엔진은 영지식 증명을 사용하여 실시간 위험 평가를 기반으로 거래 수수료와 펀딩 비율을 동적으로 조정합니다. 이 접근 방식은 거래자들이 시스템에 도입하는 실제 위험과 수수료를 일치시킴으로써 Vest가 더 공정한 거래 조건을 제공할 수 있게 합니다. 또한, 이 플랫폼은 암호화폐, NFT, 그리고 토큰화된 실세계 자산을 포함한 다양한 자산을 거래할 수 있는 프레임워크를 제공하며, solvency를 유지하고 유동성 제공자 LPs를 과도한 시장 변동성으로부터 보호하는 데 중점을 둡니다.
LP가 트레이더의 상대방(counterparties) 역할을 하며, 트레이더의 손실이 LP의 이득이 되고 그 반대의 경우도 그러한가요?
Vest에서 LP와 트레이더 간의 관계는 카운터파티가 하우스인 전통적인 카지노 모델보다 덜 직접적으로 적대적일 수 있도록 구조화되어 있습니다. 많은 거래 시나리오에서 트레이더의 손실이 LP의 이익으로 이어질 수 있는 것이 사실이지만(그리고 그 반대도 마찬가지입니다), Vest의 시스템은 위험 관리 프레임워크를 통해 LP에게 과도한 위험을 완화하도록 설계되었습니다. 이 프레임워크는 거래소의 전체 위험 노출을 관리하기 위해 수수료와 펀딩 비율을 조정하며, LP가 이익을 위해 트레이더의 손실에 덜 의존하게 만듭니다. 대신, 수수료와 위험이 체계적으로 관리되어 트레이더와 LP 모두를 극단적인 시장 변동성으로부터 보호하는 안정적이고 공정한 거래 환경을 유지하는 데 중점을 둡니다.
Vest의 zkRisk 엔진이란 무엇이며, 트레이더에게 어떤 이점을 제공하나요?
Vest의 zkRisk 엔진은 실시간으로 거래 위험을 계산하고 관리하도록 설계된 독점 시스템입니다. 고급 암호화 기술을 사용하여 모든 거래 수수료와 펀딩 레이트가 각 트레이더가 플랫폼에 도입하는 실제 위험에 기반하여 동적으로 조정되도록 보장합니다. 이 접근 방식은 더 공정한 가격 책정을 보장하고, 잠재적인 과다 청구를 줄이며, 거래소의 재무 안정성을 강화합니다.
Vest에서 LPs는 시장 변동성으로부터 어떻게 보호되나요?
Vest의 LPs는 zkRisk 엔진과 프레미아 및 고정 실행 수수료로 구성된 이중 수수료 구조의 조합을 통해 보호됩니다. 이러한 메커니즘은 유동성을 제공함으로써 부담하는 위험에 대해 LPs를 적절히 보상하도록 설계되었습니다. zkRisk 엔진은 시장 조건에 따라 수수료를 동적으로 조정하여 LPs가 높은 변동성 기간 동안 과도하게 노출되지 않도록 보장합니다.
트레이더는 Vest에서 레버리지를 사용할 수 있으며, 그렇다면 어떻게 관리되나요?
트레이더는 Vest에서 레버리지를 사용하여 잠재적 수익을 확대할 수 있습니다. 플랫폼은 vAMM 시스템을 통해 레버리지를 관리하며, 이는 zkRisk 엔진이 결정한 현재 유동성과 트레이더의 위험 프로필에 기반하여 허용 가능한 최대 레버리지를 자동으로 계산합니다. 이는 레버리지가 안전한 한도 내에서 사용되어 시스템적 위험을 방지하도록 보장합니다.
트레이더의 포지션이 과소 담보화되면 어떻게 되나요?
Vest는 거래자의 포지션이 undercollateralized 상태가 될 때 트리거되는 정교한 청산 프로세스를 구현합니다. 시스템은 vAMM과 외부 오라클의 영향을 받은 공정 가격 마킹 방법을 사용하여 포지션의 시장 가치를 정확하게 결정합니다. 청산이 필요하다면, 시장에 미치는 영향을 최소화하고 자금 회수를 최대화하는 방식으로 실행되며, 플랫폼의 유동성과 거래자의 포지션을 가능한 한 비중단적으로 활용합니다.
Vest는 극단적인 시장 상황이나 플래시 크래시를 어떻게 처리하나요?
Vest는 고급 위험 관리 프로토콜을 통해 극단적인 시장 상황을 처리할 수 있도록 준비되어 있으며, 이는 유동성 수준 모니터링, 실시간 레버리지 및 마진 요구 사항 조정, 필요 시 거래를 일시 중지하는 자동 보호 장치를 포함합니다.
누군가가 Vest에서 유동성 제공자가 되는 방법은 무엇이며, 예상 수익은 얼마인가요?
Vest에서 LP가 되는 것은 플랫폼의 유동성 풀에 자산을 스테이킹하는 것을 포함합니다. LP의 수익은 거래량, 시장의 변동성, 그리고 관련된 자산의 위험 프로필에 따라 다릅니다. Vest의 동적 수수료 모델은 LP가 감수하는 위험에 대해 적절히 보상하는 경쟁력 있는 수익을 제공하는 것을 목표로 합니다.
Virtual AMM (vAMM)이란 무엇이며 Vest에서 어떻게 작동하나요?
Vest의 Virtual Automated Market Maker (vAMM)은 실제 자산을 보유하지 않고 거래를 촉진하기 위해 수학적 모델을 사용하는 새로운 메커니즘입니다. 실제 자산 대신, vAMM은 가격 함수를 사용하여 거래 활동을 시뮬레이션하고 유동성을 관리합니다. 이는 Vest가 전통적인 AMM의 일반적인 자본 제약 없이 높은 유동성과 빠른 거래를 제공할 수 있게 하며, 시장 효율성과 보안을 모두 향상시킵니다.
Vest는 거래 플랫폼 내에서 zk-SNARKs를 어떻게 활용하나요?
Vest는 zero-knowledge succinct non-interactive arguments of knowledge (zk-SNARKs)를 활용하여 거래의 프라이버시와 무결성을 보장합니다. zk-SNARKs는 거래 실행 및 수수료 계산과 같은 복잡한 작업을 검증하는 데 사용되며, 기본 데이터를 공개하지 않습니다. 이 기술은 Vest가 높은 수준의 보안과 신뢰성을 유지할 수 있게 하며, 증명이 on-chain에서 검증되어 모든 계산이 정확하고 조작되지 않음을 보장합니다.
Vest에서 리스크 관리를 위해 zkRisk 엔진의 역할은 무엇인가요?
zkRisk 엔진은 Vest의 프로토콜의 핵심 구성 요소로, 실시간으로 거래 활동과 관련된 위험을 동적으로 평가하고 관리하도록 설계되었습니다. 이는 거래로 인해 발생할 수 있는 잠재적 재정적 부족분을 계산하고, 수수료, 마진, 레버리지 등의 거래 매개변수를 이에 따라 조정합니다. 이러한 사전적 위험 관리는 플랫폼의 안정성을 유지하는 데 도움이 되며, 다양한 시장 조건에서 효과적으로 운영될 수 있도록 보장합니다.