概述
Vest 是一个原生于 zkSync 的永续期货 DEX,旨在解决交易者和流动性提供者 (LPs) 在永续期货市场 (perps) 中面临的严峻挑战。这些挑战主要源于风险管理和补偿结构的低效,不仅阻碍了参与,还危及现有 DEX 的财务稳定性和吸引力。
LPs 和交易者都扮演着对 DEX 运作和成功至关重要的核心角色。两者之间存在共生关系:LPs 需要交易者采取头寸并产生费用收入,而交易者需要 LPs 提供执行交易所需的流动性。

虽然 Vest 最初将作为交易 perps 的平台进入市场,其协议架构、vAMM 和风险引擎支持更复杂的用例,如跨保证金、结构化产品,以及交易各种资产,如 NFTs、代币化真实世界资产 (RWAs)、房地产、债券、外汇、大宗商品。

Vest的核心价值主张在于其动态偿付能力计算,该计算确定了确保交易所以高概率保持偿付能力所需的最低资本。这一特性至关重要,因为它确保 LPs 为其承担的风险获得适当补偿。具体而言,Vest 的系统基于实时偿付能力评估动态调整对交易者的收费。当交易或市场变动增加交易所的破产风险,从而提高所需资本储备时,这一差额将直接以 premia 或 funding rate 调整的形式向交易者收取。
对于 LPs,Vest 计算出将他们的预期损益 (PnL) 设置为零所需的确切资本金额。如果交易者的行为减少了这一预期 PnL,则资本的必要调整也会作为 premia 或通过 funding rate 向交易者收取。此机制确保 LPs 对交易者引入的风险保持中立,从而显著提升平台在流动性提供方面的稳定性和吸引力。
通过整合这些战略性功能,Vest 不仅提升了交易体验,还加强了参与的经济激励。
Vest Exchange Perps
许多 DEX 上的 LPs 经常暴露于高风险之中,却没有获得足够的补偿。这种失衡可能导致潜在 LPs 不愿投入资金,从而抑制交易所的增长和流动性。另一方面,交易者常常面临高额交易费用,这些费用包括与滑点和资金费率相关的成本。这些费用不会根据实际市场条件或交易风险水平动态调整。这种不灵活性可能导致交易者承担不必要的高成本,尤其是在波动较小的条件下或风险较低的交易中。

Vest 基于这样一个基本信念运营:交易所的所有方面,从交易定价到流动性管理,都应优化效率,而不损害参与者的安全或公平性。它通过专有的风险管理系统 zkRisk 实现这一点,该系统采用先进的加密技术(zk-SNARKs)来实时计算和管理交易风险。该系统使 Vest 能够根据每个交易者引入系统的实时风险动态调整交易费用和资金利率,从而保护 LPs 免受过度风险,同时为用户提供更低的交易成本。zkSnarks 在链下计算所有这些数据,但数据通过 zkSNARKs 在链上验证,这减少了负载,使计算速度更快得多。
Vest Exchange 通过计算维持偿付能力所需的最低资本来确保其财务稳定。如果交易或市场变化增加了破产风险,Vest 会向交易者收取一种称为 premia 的额外费用,或调整 funding rate 以覆盖这种额外风险。他们的主要目标是通过
- 通过动态费用(premia)、funding rates 和部分清算持续计算风险并为其定价
- 执行一种风险中性的定价模型,该模型考虑并量化任何交易可能导致的短缺
- 使用带有 Entropic Value-at-Risk 的风险度量来确定协议在任何给定时刻破产的概率
- 与此风险度量相关的计算在 off-chain 进行,并提交给 on-chain verifier。此 on-chain verifier 如果证明不正确,可以拒绝 transaction,或接受 transaction。
同样,对于 LPs,Vest 计算需要多少 capital 来平衡他们的 expected PnL 至 zero。如果 trader 的行为减少了 LPs 的 expected PnL,该 difference 也会作为 premia 收取给 trader 或添加到 funding rate 中。此 mechanism 确保 LPs 不受 trading risks 影响,并对 traders 引起的 fluctuations 保持 indifferent。
这种 zkRisk 方法旨在为 DeFi 产品创建一个稳定且可扩展的生态系统,确保生态系统内的所有操作能够无缝共享风险和利润边际。最终,Vest 的目标是将传统金融产品转变为无需信任的去中心化版本,这些版本无需依赖中介机构。这种能力也扩展到传统加密货币之外,包括尾部资产、RWAs,甚至 NFTs。
DEX 中 LP 的作用
在传统的 DEX 中,LP 在维护平台的运营流程和稳定性方面发挥着关键作用。他们的贡献对于几个核心功能至关重要,这些功能共同确保 DEX 高效且有效地运行。
资金提供: LP 提供交易所运营所需的资金。此资金用于促进交易,作为交易所流动性的支柱和交易者出价的对手方。
风险吸收: 通过提供流动性,LP 实质上吸收了一些市场风险。在典型的基于 AMM 的 DEX 中,LP 向池子贡献资金,交易者可以从中采取头寸。这些头寸的盈亏直接影响池子的价值,根据市场波动和交易者行动影响 LP 的 PnL。
从费用中赚取回报: LP 愿意充当对手方并承销交易者的头寸,以从交易所收取的交易费用中赚取回报。这些费用补偿他们使用其资金以及提供流动性所承担的风险。
对市场深度和稳定性的影响: LP 提供的流动性量直接影响交易所的市场深度和稳定性。更高的流动性可以减少价格波动,并使交易所能够在不产生显著价格影响的情况下处理更大的交易,从而营造更稳定的交易环境。
尽管 LPs 在传统 DEXs 上扮演着重要角色,但他们面临着重大挑战,这些挑战可能损害他们的财务稳定性和提供流动性的吸引力。LPs 通常暴露于高波动性中,如果交易者显著优于表现,则可能面临巨大损失。这些风险因交易费用可能无法始终充分补偿这些损失而加剧。此外,刚性的费用结构和流动性提供的被动性质无法动态调整以适应不断变化的市场风险,往往在市场动态意外变化时使 LPs 处于不利地位。
Vest 通过利用 zkRisk 引擎来更有效地平衡风险和回报,从而增强 LPs 的作用。该系统根据受个别交易者行为影响的实时风险评估,动态调整费用和资金费率。这些调整确保流动性提供者为其承担的风险获得公平补偿,使其潜在回报与实际市场条件保持一致。
协议设计
Vest Exchange 的协议设计围绕其 zkRisk 引擎构建,该引擎在管理风险和流动性方面发挥着关键作用。在交易启动之前,zkRisk 计算它将引入的潜在风险并报价溢价,交易者支付给 LPs。一旦交易开启,系统会持续评估资不抵债风险,动态调整资金费率和溢价,以维持交易所的稳定性。这种持续警惕确保 LPs 为其承担的风险获得公平补偿,而交易者则受益于响应迅速且安全的交易环境。

AMM
开发基于 Vest 的 zkRisk 引擎的新型 AMM 的动机源于解决传统去中心化交易所 (DEXs) 面临的重大权衡,这些交易所使用诸如 Constant Function Market Makers (CFMMs) 和 Limit Order Books (LOBs) 等机制。这些传统模型往往难以在有效风险管理与高效定价策略之间取得平衡:
CFMMs 使用预定公式来设定价格,通常依赖常量乘积公式来确保流动性池的偿付能力。此公式确保池中两种代币数量的乘积保持不变,从而在交易者与池互动时规定资产定价。虽然此模型通过自动化再平衡提供了一种防止破产的稳定机制,但它往往无法提供反映更广泛市场状况的竞争性或公平定价。
公式的不灵活性意味着 CFMMs 可能无法迅速应对市场波动或 DEX 外部资产价值的变化,从而导致去中心化市场与中心化市场之间出现价格差异。这可能会阻碍交易者,特别是那些从事套利或寻求反映更广泛金融生态系统定价的交易者。此外,由于定价结构的僵化,大额交易可能会不成比例地影响池内市场价格,导致显著的滑点。这在流动性较低的池中尤为成问题,在这些池中,大额订单可能会更剧烈地改变价格,可能导致市场操纵,其中交易者可以通过战略性交易人为地抬高或压低价格。
LOBs 通过允许交易者直接将订单置入市场,包括各种订单类型如市场订单、限价订单和止损订单,从而实现更动态的定价。这些订单由一个精密的引擎匹配,该引擎基于价格和订单的进入时间来优先处理交易,维护公平并实现高效的价格发现。
然而,虽然 LOBs 提供了更流畅和竞争性的定价环境,但它们也引入了更高的破产风险。这种风险源于做市商多样化的风险特征,以及在面对市场冲击或异常交易模式时维持平衡所需的复杂管理。在去中心化环境中,尤其是在像永续期货这样的衍生品市场中,这些挑战由于交易的杠杆和投机性质而加剧。覆盖市场双边头寸所需的流动性可能会给 DEX 的资源带来压力,尤其是在波动时期,此时市场价格与真实价值的对齐至关重要。
此外,维护 LOB 需要持续的流动性和主动管理,如果没有做市商的稳定存在,这可能会带来挑战。这些实体通过不断放置买单和卖单来提供必要的流动性,但它们参与的意愿可能会根据风险评估和市场状况而波动。做市商的突然撤出,由不利市场事件或风险偏好转变驱动,可能会引发流动性危机,使以稳定价格执行交易变得困难。这种情况往往会导致价差扩大,并可能迫使交易所以降低的效率运营,从而在更广泛的市场中引发连锁效应。
vAMM 和 Virtual Liquidity Curve
一个设计良好的 vAMM,利用先进的风险管理框架,如 zkRisk 引擎,可以通过动态调整其参数以响应市场条件,从而缓解 CFMMs 中常见的破产风险,而不是依赖静态公式。这种适应性使 vAMMs 能够提供更具竞争力和公平的定价,类似于交易者可能从 LOBs 中期望的定价,同时不损害平台的财务稳定性。此外,vAMMs 可以通过自动化流动性提供来缓解 LOBs 中常见的流动性问题,从而减少对外部做市商的依赖并增强市场深度。
与经常受到系统中断、安全漏洞和延迟问题等困扰的 CEXs 形成对比,vAMMs 提供了一个更健壮和安全的交易环境。通过去中心化资产托管和自动化做市,DEXs 可以提供一种不仅抵抗单点故障,而且透明且对用户负责的交易基础设施。
散户投资者可以充当流动性提供者,这改变了传统上对专业做市商和中介机构提供市场流动性的依赖。在一个由vAMM驱动的DEX中,任何人都可以向流动性池贡献资金,作为回报赚取交易费用,从而在市场的流动性和深度中发挥关键作用。这种方法不仅拓宽了谁可以参与做市范围,还使所有参与者的激励与平台的健康和效率保持一致。

此交易所收益图是基于虚拟资产价格在不同情景下 AMM 及其 LP 的财务结果的表示
黑线(净 PnL):显示 AMM 和 LP 的综合 PnL。它通常从零开始,当价格偏离初始价格水平时会减少。
蓝色线(聚合 LP 收益): 描绘了随着虚拟资产价格变化时 LP 的 PnL。该线通常在某个点之前是平的,因为 LP 来自费用的利润通常不受价格变化影响,直到 AMM 的资本耗尽。
绿色线(AMM 收益): 描绘了仅 AMM 的 PnL。它通常在 AMM 的资本耗尽之前(在 + )是正的,此后会变平,因为 AMM 不再有资本风险。
红色线(AMM 短缺): 表示当虚拟资产价格超出其自身资本并开始侵蚀 LP 资本时 AMM 所遭受的损失。这是 AMM 短缺发生的地方,LP 开始承担风险。
Vest 的 AMM 通过虚拟流动性曲线应用数学框架来管理流动性。这种 vAMM 可以被概念化为一种工具,它利用定价函数来管理交易风险,而无需实际持有资产。它根据资产库存和波动性的变化调整流动性。
vAMM 的关键概念是:
- Pricing Function (π(x)): 该函数确定添加到交易中的成本,以在交易后维持 vAMM 的风险水平。它使用风险度量来确保交易前后风险保持不变。
- Transformation to Liquidity Function (l(y)):定价函数被转换为流动性函数,该函数显示流动性如何分布在不同价格上。此函数对于理解vAMM如何在各种价格水平分配流动性至关重要。
- Indifference Pricing: 这种特定的定价类型根据预期风险价值(EVaR)的变化调整溢价,保持对vAMM风险敞口的中性。
总之,这个理论框架允许整合多种风险度量,根据市场条件调整流动性。这种适应在资产波动性显著波动的动态市场中特别有用,例如crypto。
AMM 定价引擎
zkRisk
LPs 和交易者之间的互动决定了平台上的风险动态。交易者的活动可能会根据市场条件和交易者的成功程度为 LPs 带来显著的利润或损失。Vest Exchange 中的 zkRisk 机制是一个风险管理框架,旨在维护交易所的偿付能力和稳定性,同时促进公平高效的交易环境,其目标是协调激励并保护双方免受过度风险。
zkRisk 引擎提供了多项优势:
风险调整补偿: 通过利用 zkRisk 引擎,Vest 根据每笔交易引入的实时风险动态调整费用(溢价和执行费用)。这种模型确保交易者根据他们对系统引入的实际风险收取费用。这意味着负责任的交易行为得到激励,因为低风险交易将产生较低费用,从而促进更健康的交易环境。流动性提供者受益于风险中性的环境,他们因交易者活动而遭受损失的暴露被最小化。这是通过适当计算的溢价补偿 LPs 承担的风险来实现的,确保他们不会因高风险交易者行为而受到不公平的不利影响。交易所的状态在每笔交易后都会被检查,以评估它对系统的风险程度(通过比较交易前后的状态)。
提高资本效率: zkRisk 允许 Vest Exchange 以更高的资本效率运行。它根据实际风险动态分配资本,而不是静态的、过于保守的估计。这意味着更多资本可用于交易,而不是不必要地作为潜在破产的缓冲而持有。平台可以通过利用准确的风险评估,安全地将其未平仓兴趣扩展到其 TVL 之外。这有助于更大的交易量和更高的流动性,而不会受到传统破产恐惧所施加的限制。
改进的交易者和 LP 激励: 交易者根据他们引入系统的实际风险收取费用。这意味着负责任的交易行为得到激励,因为低风险交易收取较低费用,促进更健康的交易环境。流动性提供者受益于风险中性的环境,他们因交易者活动而遭受损失的暴露被最小化。这是通过适当计算的溢价补偿 LP 承担的风险来实现的,确保他们不会因高风险交易者行为而受到不公平的不利影响。
相干风险度量
zkRisk 中的相干风险度量旨在评估和管理交易所交易活动相关的风险。它通过几个组件定义:
市场设置: 风险度量考虑 n 个市场,每个市场的价格表示为 St ,它在结构化的概率空间中随时间演变。
交换负债函数 Xt(θ):
Xt(θ) = qTSt − (C + P + L)
这里,θ 表示多空失衡向量,qTSt 是累计进入名义规模,C 是 AMM 拥有的资本,L 是 LP 提供的资本。此函数计算如果所有头寸以当前市场价格平仓,对交易者的净支付。
Entropic Value-at-Risk
zkRisk 的核心概念是利用先进的风险指标来计算系统中交易可能导致的潜在财务短缺。它采用一种特定的风险度量方法,即 Entropic Value-at-Risk (EVaR)。
EVaR 是一种相干风险度量方法,用于量化在特定置信水平下,在指定时期内覆盖潜在损失所需的资本量。这种度量在风险特征复杂且高度动态的环境中特别有用,例如在永续 DEX 中。
EVaR 以使用 Chernoff 界公式计算,被认为是 Value-at-Risk (VaR) 和 Conditional Value-at-Risk (CVaR) 的最紧上界。
EVaR1 − α(X) = infz > 0{logMX(z)/z + zlog(α)/z}
其中 M X (z) 是风险头寸 M 的矩生成函数,α 表示置信水平。
VaR 曲线 通常从较高的值开始,随着 α 增加而减少,因为当我们转向更高的置信水平时,我们考虑的是更极端(因此不太可能)的损失。

CVaR 曲线CVaR 曲线表示 VaR 截止点之外损失的平均值,通常会高于 VaR 曲线,因为它包括了 VaR 阈值之外的所有尾部损失。
EVaR 曲线EVaR 曲线表示一种风险度量,该度量还考虑了整个分布尾部的行为,权衡极端潜在损失及其概率。EVaR 曲线可能根据回报分布和计算中使用的风险厌恶参数而表现不同。它是一种更复杂的度量,由于尾部风险的指数加权,通常为较低的 α 提供更高的风险值。
风险价值
风险价值 (VaR) 是一种统计指标,用于评估公司在特定时间框架内、投资组合或头寸的财务风险水平。它提供了一个估计值,表明由于不利市场变动,可能在一定置信水平(通常为 95% 或 99%)下遭受的潜在损失。置信水平是指损失金额不会超过 VaR 估计值的概率。
例如,95% 的置信水平意味着有 5% 的概率损失将超过 VaR。为了说明,如果一个投资组合的 1 天 95% VaR 为 100 万美元,这意味着有 95% 的置信度,该投资组合在单日内不会损失超过 100 万美元。

上面的图表是 VaR 的说明。以下是每个术语的含义:
最差 5%: 这很可能代表 5% VaR,表示损失超过此值的概率为 5%。
最佳95%: 这意味着95%的结果将优于(即损失更小或收益更大)5% VaR 点。
最差5%的平均值: 这可能指的是预期缺口(ES)或条件风险价值(CVaR),它是Worst 5% 情况下的平均损失。
VaR 箭头: 此线表示给定置信区间内最差情况损失的阈值。它表示在给定时间段内以一定置信水平(例如95%)的最大预期损失。此线左侧的区域,标记为“Worst 5%”,代表分布的尾部,其中包含5%的最差情况。
TVaR 箭头: 指向左侧标有“最差 5% 的平均值”的箭头表示 Tail Value at Risk 或 Expected Shortfall。TVaR/ES 是最差 5% 情况下的平均损失。与仅告知您损失预计不会超过的阈值的 VaR 不同,TVaR/ES 告知您超过 VaR 阈值后的平均损失可能是什么。
以下是如何阅读图表:
- 绿色阴影区域代表最可能结果的范围(在本例中为最佳 95%),意味着有 95% 的几率损失不会超过 VaR 阈值。
- 粉色阴影区域表示分布中发生极端损失的部分(在此上下文中为最差的 5%),超出 VaR 阈值。
- VaR 阈值是您从绿色区域移动到粉色区域的点。它是预期不会以 95% 置信度超过的最大损失。
- TVaR/ES 不仅仅是该阈值所在的位置,还对粉色区域(尾部)中发生的所有可能损失进行平均,给出最差 5% 情景中平均损失的感觉。
Premia
Premia 是一种动态交易费用,根据交易者交易引入的额外风险向交易者收取。这些费用使用 EVaR 指标计算,这是一种风险度量,用于确定在交易对交易所财务状况产生不利影响的情况下,保持交易所偿付能力所需的资本。

当交易者发起交易时,Vest 的 AMM 系统会评估该交易可能导致的风险增加。它计算交易执行前后的 EVaR。如果交易增加了风险,则会向交易者收取与风险增加成比例的 premia fee。此费用旨在补偿交易所为维持其偿付能力而在交易逆市时需要分配的额外资本。
premia 费用的分配有两个目的。它不仅增强了 AMM 的资本缓冲区,保护交易所免受潜在流动性问题的侵害,还将这些费用的部分重新分配给 LP。这种重新分配作为 LPs 的一种风险调整补偿形式,将他们的回报与他们因交易者活动而暴露的风险对齐。通过这样做,Vest 确保 LPs 为他们提供的流动性得到公平补偿,这对于维持稳定和流动的交易环境至关重要。
例如,一位交易者希望在一种高波动性资产上开设一个大头寸。此操作会增加交易所对潜在损失的敞口。为了抵消这一风险,系统会计算 EVaR,以确定如果交易对交易所不利,需要多少额外资金来覆盖潜在损失。由此产生的 premia 向交易者收取,有效提高了交易所对交易波动性的承受能力,同时确保 LPs 为所承担的风险获得适当回报。

Premia 可以通过以下方式计算:
πρt = (ρ (Xt + τ(θ′) ∣ Ft) − ρ (Xt + τ(θ) ∣ Ft)+
其中:
- 交易前 (θ): 此状态表示交易所接受新交易前的风险位置。它包括所有交易的当前余额、AMM 拥有的资本以及 LP 提供的流动性。此状态的表示为 θ = (q, C, P, L) 其中q 是净开仓头寸向量(多空失衡)C 是用于开仓头寸的总资本,P 是 AMM 拥有的资本,L 是 LP 提供的流动性。
- q 是净开仓头寸向量(多空失衡)
- C 是用于开仓的总资本,
- P 是 AMM 拥有的资本,
- L 是 LP 提供的流动性。
- 交易后 (θ’): 此状态反映了在纳入新交易后的交易所风险状况。调整用于反映交易导致的新仓位和资本分配。πρt 表示时间 tp 是风险度量 (EVaR)Xt + τ(θ) 和 Xt + τ(θ′) 分别是交易前后交易所的负债Ft 是表示时间 t可用信息的过滤(+) 函数确保仅在风险增加时收取 Premia(非负)
- πρt 表示时间 t
- p 是风险度量 (EVaR)
- Xt + τ(θ) 和 Xt + τ(θ′) 分别是交易前后交易所的负债
- Ft 是表示时间 t 可用信息的过滤
- (+) 函数确保 Premia 仅在风险增加时(非负)收取
- q 是净开仓头寸向量(多空失衡)
- C 是用于开仓的总资本,
- P 是 AMM 拥有的资本,
- L 是 LPs 提供的流动性。
- πρt 表示 Premia 在时间 t
- p 是风险度量 (EVaR)
- Xt + τ(θ) 和 Xt + τ(θ′) 分别是交易前后交易所的负债
- Ft 是表示在时间 t 可用信息的滤波
- (+) 函数确保 Premia 仅在风险增加时(非负)收取
Funding Rate
虽然 premia 为负债变化带来的风险边际变化收取费用,但 zkRisk 需要从未平仓头寸中收集资金来覆盖市场风险。
Vest 使用 Euler Allocation 将计算出的资金费率分配到不同的市场。Euler Allocation 是一种风险归因方法,用于将投资组合的总风险分配到其各个组成部分。它基于 Euler’s Theorem on homogeneous functions。在金融风险管理的背景下,它特别有用,可以确定投资组合中每个头寸对整体风险的贡献多少,特别是处理期权或其他衍生品中的非线性风险时。它可以使用以下公式计算:
ρEuler (Xi = Xi × ∂Xi∂ρ(X)
其中:
- Xi 表示投资组合中第 i 个头寸或组成部分的规模
- ρ(X) 是投资组合的总风险度量
- ∂X i/ ∂ρ(X) 是风险度量相对于仓位规模的偏导数 Xi
- ρEuler(Xi) 是分配给组件i 的风险,根据 Euler 的分配
过程如下:
风险度量: 首先,您需要一个一度齐次的风险度量,这意味着如果所有头寸规模加倍,总风险度量也会加倍。与 Euler Allocation 结合使用的一种常见风险度量是 Value at Risk (VaR) 或 Expected Shortfall (ES)。
边际风险: 计算每个头寸的边际风险贡献,即每个头寸对总风险的贡献多少。这通常通过对风险度量相对于头寸规模的偏导数来完成。
分配风险:总风险随后根据各头寸的边际贡献分配到各个头寸上。这种分配方式使得单个风险贡献的总和等于投资组合的总风险。
这种分配方法考虑了每个交易者在特定市场中持有的多头/空头未平仓兴趣的比例,确保资金费率根据市场参与度和风险贡献公平分配。该系统促进公平性,并防止对任何单一交易者或交易者群体的不成比例影响。
不像许多传统系统那样,资金费率在离散时间间隔(例如,每8小时)进行调整,Vest 会持续应用资金调整。这种方法不仅为交易者平滑了资金费率体验,还增强了平台对市场动态和风险特征底层变化的响应性。持续调整有助于缓解突发市场冲击的风险,并允许交易者在任何时刻以更清晰的成本含义理解来操作。
zkSNARKs
为了保持无信任性,zkRisk 引擎及其计算证明通过 zkSNARKs 或“零知识简洁非交互式知识论证”发布到链上。zkSNARKs 是加密证明,允许一方在不透露声明有效性之外的任何底层信息的情况下证明声明的真实性。在 zkRisk 框架内,zkSNARKs 对于确保区块链上金融交易的完整性和隐私至关重要。

第一步涉及验证协方差矩阵,这本质上预测了不同资产价格之间的相互关系。Vest 的系统在链下生成此预测,以确保快速计算。一旦这些预测完成,他们使用 zkSNARKs 创建加密证明,确认数据符合模型基于实际市场行为的预期。
第二步涉及定价准确性。zkSNARKs 确认交易费用(premia)和持仓费用(funding)按照系统的风险评估正确计算。此风险评估、premia 和 funding rates 的过程对于维护平台财务稳定并避免破产至关重要。
对于清算,zkSNARKs 确保仓位以最佳方式关闭,以维护市场健康。这意味着最小化交易者的损失,并防止由于资产突然大规模抛售可能发生的 nukes。使用 zkSNARKs 确保链下求解器提供的解决方案是最佳的,并且这些解决方案无误执行,从而维护市场的公平性和效率。
风险引擎
Vest Exchange的风险引擎,特别是其清算协议,不仅管理与交易头寸相关的即时风险,还确保交易所的长期偿付能力和稳定性。通过采用实时计算和先进的金融建模,Vest 可以动态调整以适应市场条件,为交易者和 LPs 提供稳定的平台。这种方法减少了通常与 perp DEXs 相关的系统性风险,并增强了交易所的整体稳健性。
波动率预测
Vest Exchange 利用其风险引擎的波动率预测组件来战略性地预测各种数字资产的价格如何随时间相对于彼此波动——这是一个准确定价交易并确保交易所能够充分覆盖其财务负债的关键过程。
波动率预测的工作原理:
资产聚类: 最初,引擎基于资产价格波动中的历史相关性对资产进行聚类。此过程利用了cointegration的概念,这是一种统计方法,用于测试两个或多个non-stationary time series在长期或指定时期的相关性。通过理解这些关系,模型可以对这些资产在未来相对于彼此的行为做出更明智的预测。

预测协方差: 一旦资产被分组,引擎就会为每个集群投影协方差矩阵。协方差矩阵 Σt 量化了组内资产回报预期共同移动的程度。正协方差表示资产回报倾向于同向移动,而负协方差表明相反的移动。零协方差意味着没有关系,表示资产之间独立移动。该矩阵是投资组合理论的基础,有助于构建一个在风险和回报之间最佳平衡的投资组合。

使用 GO-GARCH 建模: 预测假设对数回报 rt 遵守多变量正态分布,受潜变量影响 ft 代表底层市场力量或趋势。这些变量使用广义正交 GARCH (GO-GARCH) 模型进行建模,该模型在捕捉多个资产的动态波动性和相关性方面特别有效。与更简单的模型不同,GO-GARCH 将不同资产之间复杂的相互作用分解为更易管理的、独立演化的因子。

Generalized Orthogonal GARCH (GO-GARCH) 模型是一种高级统计工具,用于同时理解多个金融资产的波动性和相关性。它是著名的 GARCH 模型的扩展,GARCH 代表 Generalized Autoregressive Conditional Heteroskedasticity。
以下是这些术语的更简单解释:
泛化:它是比原始模型更具适应性且可应用于更广泛场景的版本。
自回归:该模型使用过去的数据点来预测未来的数据点。
条件:它会考虑可用最近的信息。
Heteroskedasticity:这指的是随着时间变化的可变性或波动性。
GO-GARCH 模型预测资产价格的波动,特别是关注对数回报。对数回报本质上是资产价格的百分比变化,通过对数变换以获得更好的数学属性和金融模型中的稳定性。这些回报被假设遵循多元正态分布,其中大多数变化是微小的,但显著波动较少见,这与典型的市场行为一致。
GO-GARCH 模型对于理解多个资产在潜在变量影响下的相互作用至关重要。这些潜在变量代表影响所有资产的底层市场力量或经济趋势。传统模型可能难以理解不同资产之间的复杂依赖关系,但 GO-GARCH 模型在这一领域表现出色。它将这些相互作用分解为更简单、独立的组件。这种分离有助于更清楚地理解每个底层因素如何影响资产价格,从而提升 Vest 平台上风险评估和交易策略开发的精确性。
在实践中,这个模型帮助 Vest Exchange 预测不同加密货币的价格如何共同变化,这对于管理提供复杂交易产品(如期货合约)的风险非常重要。通过了解这些关系以及市场可能有多么波动,Vest 可以设置交易费用和保障措施,以保护自身及其交易者免受意外市场波动的冲击。
交叉保证金
Vest 的交叉保证金允许交易者使用单一的抵押品池来覆盖所有开放头寸。这种池化方法提供了更高的流动性和灵活性,使交易者能够在无需为每个头寸提供单独抵押品的情况下最大化他们的交易策略。该机制通过计算交易者的总投资组合价值来运作,其中包括抵押品以及所有已实现和未实现的交易盈亏。
交易者投资组合的杠杆定义为所有头寸的总名义价值与投资组合价值的比率。从数学上讲,它表示为:
Leverage = Portfolio Value / Total Notional Value
其中,总名义价值是所有头寸大小与其各自市场价格的乘积的总和。
初始和维持保证金要求在这个系统中至关重要。它们计算如下:
Initial Margin Requirement = ∑i = 1n ∣qi∣⋅ pi ⋅ rinit,i
Maintenance Margin Requirement = ∑i = 1n ∣qi∣⋅ pi ⋅ rmaintenance,i
这里 qi 是第 i 个仓位的带符号大小,pi 是指数价格,以及 rinit,i 和 rmaintenance,i 分别是初始和维持保证金比率。这些比率确保投资组合有足够的抵押品来覆盖潜在损失,计算跨越所有仓位。
Expectiles
Vest Exchange 开发了一种复杂的方法来设置最佳保证金要求,利用 expectiles——一种更细致和灵活的风险度量——来平衡确保审慎性和最小化机会成本的双重目标。此方法针对交易潜在流动性不足的标的合约的具体需求,这是加密市场中的常见情景。
Expectiles,类似于用于 value-at-risk (VaR) 计算中的 quantiles,提供对风险分布的更全面视图。Expectile 是一种统计度量,类似于 quantile,但它不是纯粹关注分布中的位置,而是评估分布中指定点周围的尾部损失或收益的期望值。Expectiles 在金融风险管理和计量经济学中很有价值,因为它们提供了对风险的细致视图,融入了潜在损失或收益的可能性和影响。它们在评估金融回报和风险方面特别相关,因为它们可以比 quantiles 更有效地描述损失分布中的尾部(极端值)行为。它被计算为最小化自身上下平方偏差的加权平均值的点,从而提供一种更敏感的风险度量,考虑了潜在结果的幅度和概率。它们在数学上定义为:

其中
- X 表示一个随机变量(例如投资回报)。
- eτ(X) 是给定 τ 的期望值。
- (x) + = max(0,x) 确保每个项中仅考虑正差异。
- τ 是一个参数,用于确定期望值的焦点。具体来说,它影响在用于找到期望值本身的优化过程中,对期望值上方和下方的偏差赋予多少权重。
这里,τ 是一个参数,它决定了 expectile 对尾部风险的敏感度。较低的 τ 值关注极端负面结果(类似于 VaR),而较高的值提供潜在结果的更广泛评估,使得 expectiles 特别适用于管理具有不对称和胖尾分布的资产的风险。τ 的范围从 0 到 1。
- 当 τ<0.5 时,更多权重给予损失(expectile 以下的值)。这使得 expectile 更多关注下行风险,类似于 Value-at-Risk (VaR) 在低分位数下的工作方式。
- 当 τ>0.5 时,更多强调放在收益上(expectile 以上的值),使得 expectile 捕捉上尾风险。
- 在 τ=0.5 时,期望分位数本质上是中位数,提供分布两侧风险的平衡视图。
从期望分位数计算中获得的值eτ(X) 提供了一个阈值,在该阈值之下,分布加权平方偏差的某些 τ 比例落入。对于风险管理:
- 较低的 τ: 期望分位数量化了下端风险,提供潜在损失和在一定置信水平下的最坏情景的洞察。
- 更高的 τ:它捕捉了如果事情出乎意料地顺利会发生什么,量化潜在收益。
这些曲线表示 expectile(或最小化加权平方偏差的平衡点)如何在不同 τ 值下,在分布的不同水平上发生变化。这显示了潜在损失(和收益)的阈值如何根据 τ 值而变化

Vest Exchange 使用期望值设置保证金所制定的优化问题涉及一种微妙的平衡。其目标是最小化预期的保证金超额收取和不足。这是通过计算实际设置的保证金与实现的损失之间的差异来完成的,从而直接应对资本成本和资不抵债的风险。

这里,Xi 表示交易者 i,和 EVaRτ(Xi) = −eτ(Xi) 表示期望值风险价值。
在交易环境中设置保证金要求涉及管理限制风险敞口与允许交易者足够的杠杆以抓住市场机会之间的权衡。传统的VaR和预期损失等方法可能无法充分应对加密资产的细微差别,这些资产往往表现出非线性和不可预测的行为。Expectiles允许Vest Exchange定制响应实时市场条件和交易者行为的保证金要求,从而提升平台的稳定性和对交易者的吸引力。
通过使用期望值,Vest Exchange 可以设置足够严格的保证金,以防范市场下跌,同时又不过度限制交易者参与市场的能力。这平衡了平台的资金安全(审慎性)与保持交易吸引力和可行性的需求(最小化机会成本)。
清算
如果投资组合的价值低于维持保证金要求,Vest 将触发清算流程。该流程旨在通过减少敞口或完全平仓来重新调整投资组合的健康状况。Vest 使用独特的清算求解器来优化清算哪些头寸,以最小化市场影响,同时确保清算后维持保证金要求得到满足。
清算被建模为一个凸优化问题:

其中
- w 表示每个头寸的清算比例。
- p 是当前价格向量,并且 ∣qi∣是头寸的绝对大小。
- ci 是抵押品,并且 π 是清算罚金
- pi 是进入头寸时的价格。
通过使用凸优化,系统可以找到清算大额头寸的最佳方式,而不会引起显著的价格波动或市场中断。这对于维护市场稳定至关重要,并确保清算不会导致资产价格的崩盘
项目创建的原因
Vest Exchange 作为对 DeFi 领域关键空白的回应而出现,特别是在基于 AMM 的永续期货交易所领域。传统上,这些平台受到未平仓合约(OI)上限的限制,这些上限作为防范破产的预防措施,但同时限制了市场满足不断增长的交易者需求的能力,并削弱了资本效率。从历史上看,OI 上限的实施是为了防止系统承担超过其处理能力的负债,这在市场条件可能迅速变化、需要进行保证金追缴或清算的环境中尤为重要。
普遍的限制是,总OI通常仅与平台内的TVL相当,这导致了一个瓶颈,影响了交易者和LP的可扩展性和盈利能力。TVL的水平直接影响平台上可用于启动和结算交易的流动性总量。更高的TVL意味着更多的流动性,允许开设更大或更多仓位。然而,如果OI超过TVL,这将意味着平台过度杠杆化,增加了流动性危机的风险,即交易所无法覆盖所有交易,特别是在市场快速波动期间。
针对这一点,Vest 引入了一个风险引擎,该引擎根据透明且可量化的风险指标实时调整交易成本。这种动态方法消除了静态 OI 上限的必要性,使平台能够将 OI 扩展到超出 TVL 的限制,从而在不损害交易所或其用户安全的情况下放大资本效率。这样的动态系统不仅培养了一个更安全的交易环境,还提升了 LPs 和 AMM 的收益潜力,因为更广泛的 OI 直接转化为增加的费用生成。

此外,Vest的风险管理基础设施解决了大多数perp DEX在流动性方面面临的普遍鸡蛋与鸡问题。这种困境发生在平台交易活动低迷时,这反过来导致LPs的费用减少。因此,这阻碍了LPs投入更多资金,进一步加剧了低流动性的问题——形成了一个阻碍市场效率和增长的恶性循环。
行业展望
永续期货,通常称为“perps”,是一种DeFi金融工具,允许交易者推测资产的未来价格,而没有到期日。与传统期货不同,perps不会在特定日期结算,这意味着交易者可以无限期持有头寸,只要他们能够维持必要的保证金。这种灵活性使它们特别适合加密市场的长期价格投机和对冲。

DeFi领域已经创新了多种模型来适应永续期货交易,每种模型都有独特的机制来管理交易、流动性和风险。以下是主要模型的概述:
- 链下订单簿与链上结算: 该模型利用链下系统的速度和可扩展性进行订单匹配,同时保持链上结算的安全性和透明度。像 dYdX 这样的交易所采用这种模型,其中交易在链下执行但在区块链上最终确定。这种方法降低了交易成本并提高了交易速度,但由于链下组件,可能引入一定程度的中心化风险。
- 基于预言机的模型: 这些模型严重依赖预言机来获取链下价格数据,用于链上交易的资产。这种设置对于确保交易工具准确挂钩其真实世界价值至关重要。然而,依赖预言机引入了一层风险,因为价格操纵或预言机故障可能导致定价的重大差异和潜在的财务损失。
- 虚拟自动化做市商 (vAMMs): 与用于现货交易的传统 AMM 不同,vAMM 不持有实际资产,而是使用数学公式来模拟交易环境。像 Perpetual Protocol 这样的平台利用这种模型提供高杠杆和深度流动性,而无需通常所需的实际储备。vAMM 根据预设公式动态调整其定价,该公式对市场条件做出反应,而无需实际资产储备。
- 混合模型: 一些平台将不同模型的功能相结合,以优化性能、流动性和安全性。例如,Synthetix 使用 oracle feeds 和 vAMMs 的混合方式来管理其合成资产和期货交易。这种混合方法允许更稳定的定价,并减少对单一故障点的依赖。Vertex 同时使用 AMM 和订单簿。
vAMM 与订单簿
做市商在 perp DEX 中发挥关键作用,确保交易有足够的流动性,就像在 CEX 上看到的那样。但在 DEX 的背景下,有三种主要模型出现,用于促进永续合约的交换:
传统角色: 在一些 perp DEXs 上,做市商的功能类似于中心化交易所中的传统对应物,根据其做市算法和风险评估手动设置订单。这些是 Centralized Limit Orderbook (CLOB) 模型。
自动化角色: 在其他一些,尤其是那些使用 vAMMs 的,做市商向池中提供流动性,交易价格由算法确定。这种方法通常涉及较少的直接价格设置控制,但也可以涉及较少的管理强度。
混合系统: 一些 perp DEXs 可能实施混合系统,其中 AMM 和传统做市的方面相结合,试图利用两种方法的优势。
每个都体现了不同的哲学和技术方法,用于创建数字资产的流动性、高效市场,特别是那些具有衍生品特征的资产,如永续合约。
vAMMs 依赖算法定价机制来提供流动性。vAMMs 的核心是一个数学模型,它根据流动性池中资产的比例来确定价格,就像流行的 Constant Formula Market Maker x*y=k 一样。

这种结构旨在确保交易执行时始终有交易对手。vAMMs 确保交易者能够随时进入和退出仓位。
| Pros | Cons |
|
|
- 提供持续流动性,使其非常适合订单流可能稀疏的市场。
- 简化交易流程,因为用户无需了解订单类型或市场深度。
- 降低流动性提供者的进入门槛。
- 由于流动性要求较低,促进长尾资产市场的创建。
- 使流动性提供者暴露于无常损失,特别是波动市场中。
- 通常与订单簿相比,提供不太有利的定价,因为价格由预定义的曲线决定,而不是市场供需。
- 由于模型的特性,可能在高效价格发现方面面临挑战。
订单簿
Orderbook perp DEXes 维护各种资产的买卖订单账本。这些订单指定了交易者希望买卖的资产数量以及他们愿意接受的价格。与 AMMs 不同,在 Orderbooks 中,这些平台的做市商持续放置买卖订单以提供流动性。他们的订单根据 orderbook 的规则与其他交易者的订单匹配,通常遵循价格-时间优先原则——这意味着特定价格的最早订单优先执行。做市商通过买卖价格之间的价差获利,并可能从交易所获得提供流动性的额外激励。
| Pros | Cons |
|
|
- 提供对交易的精确控制,允许交易者下达各种类型的订单(market、limit、stop loss 等)。
- 提供更好的价格发现,因为价格直接由供需决定。
- 通常被认为公平,因为所有参与者都可以看到市场上所有可用的订单。
- 需要大量流动性才能高效运作,这对于新资产或利基资产来说可能具有挑战性。
- 在快速变化的市场中容易受到低流动性的影响,导致滑点和市场影响成本。
在订单簿中,还有链上和链下订单簿。在链上订单簿中,每一个订单和交易都直接记录在区块链上。这种方法提供了高度的透明度和去中心化,因为所有的交易活动都是公开可见的,并且可以由任何人验证。然而,这也带来了潜在更高的交易费用和较慢的交易速度的代价。由于每笔交易都需要链上验证,底层网络的吞吐量可能成为瓶颈,从而影响交易所的整体效率。
链下订单簿 DEX 通过将大部分交易活动移至链下,仅在区块链上结算最终交易,从而采用不同的路径。链下匹配允许快速执行交易,类似于传统的中心化交易所,并可以显著降低与链上交易相关的成本。
DEX 比较
GMX (基于 GLP 的永续合约)
GMX perps 利用其 GLP Pool 的指数模型,该模型为交易者提供流动性,使其能够在不直接交换代币的情况下开设杠杆头寸。

流动性提供者向 GLP 池贡献资金并获得 GLP 代币,这些代币会自动质押,而交易者支付溢价以获得资产上涨的敞口。然而,GMX 上可用的资产和市场范围直接取决于 GLP 池的组成,这可能限制交易选项。虽然个人风险得到缓解,但系统性风险可能增加。如果发生重大市场事件,整个 GLP 池都可能受到影响,可能导致流动性提供者遭受重大集体损失。
Synthetix(基于预言机)
Synthetix是 DeFi 领域的一个开创性平台,提供了一种独特的合成资产交易方法。与像 GMX 这样的传统永续 DEX 不同,Synthetix 依赖于像 Price Impact 函数这样的风险管理策略,这促进了市场中立并保护了 LPs。
Synthetix 激励交易者维持有助于平衡系统的头寸,确保流动性提供者保持中立,不受过于偏向多头或空头的个别交易直接影响。这种设置最小化了交易对手风险,并允许更广泛的交易策略。

HyperLiquid:(L1 OrderBook。完全链上)
HyperLiquid 在一个专用的 Layer 1 区块链上运行,配备链上订单簿,确保高交易吞吐量和低延迟。这种架构允许所有交易操作,包括订单放置和取消,都记录在链上。

交易者和 LPs 直接与名为 HLP 的链上订单簿互动,这需要大量流动性来最小化 slippage。HLPs 是做市商,通过为各种资产提供充足流动性来促进交易,帮助缩小 bid-ask spreads 并提高整体交易效率。与传统做市策略不同,HLPs 从有利的 funding rates 中受益。
链下订单簿与链上结算
像 Aevo 和Lyra这样的平台将链下订单簿的效率与链上结算的安全性相结合。在这些系统中,订单簿在链下维护,这意味着买卖订单的收集和匹配发生在区块链之外。
这种设置允许快速订单执行,因为无需实时将每笔交易写入区块链。主要优势在于显著降低了延迟和网络成本,从而提供类似于 CEX 的交易体验,同时不损害资产托管的去中心化特性。

一旦订单在链下匹配后,资产的实际交换将在链上进行。这确保了最终结算对所有网络参与者透明且可验证,从而维护对交易完整性的信任。结算过程通常通过Layer 2解决方案上的智能合约自动化,这有助于扩展交易同时将gas成本保持在最低水平。
基于意图的
基于意图的交易可以通过与Symmio的集成实现,将一方的交易者与另一方的做市商连接起来。这通过双方进入双边协议实现,他们将抵押品存入托管合约。
Symmio 架构的核心围绕 Symmetrical Contracts 构建,这些合约受传统金融双边协议的启发,但适应了去中心化世界。这些合约允许点对点场外 (OTC) 交易,有效避开了众多 DEX 和区块链上常见的流动性碎片化。通过 Automated Market for Quotation (AMFQ),它允许用户请求报价,以信任最小化的方式减少链上订单簿的复杂性。
前端如 Pear Protocol、Intentx、Thena、Based markets 使用 symmio 引擎来驱动基于意图的交易。

RFQ DEXs 提供了一种独特的方法来处理交易和流动性,与像 GMX 这样的平台中常见的基于 LP 的模型相比。在传统的 LP 模型中,流动性被池化,而在 RFQ 系统里,指定的 MMs 会对这些请求做出量身定制的报价。这些 MMs 通常是专业的交易公司或算法交易者,他们拥有快速为各种资产报价的资金和专业知识。
Vertex Protocol (Hybrid AMM OrderBook Exchange)
Vertex Protocol 整合了 AMM 和订单簿模型的优点,提供了一个池化流动性机制,同时伴随传统的订单簿。

这意味着 AMM 典型的池化流动性与传统订单簿的精确订单匹配同时可用。流动性提供者可以向 AMM 池贡献流动性,而交易者可以直接在订单簿上放置限价订单或市价订单。Vertex 使用智能订单路由系统,该系统自动确定订单应由 AMM 填充还是在订单簿中与其他订单匹配。这确保订单以最佳可用价格执行,无论来自 AMM 池还是订单簿上的直接对手方订单。
竞争格局
从处于劣势的 LPs 到高技能交易者
在许多模型中,LPs 作为交易者的交易对手方,这表面上使它们处于优势地位,类似于赌场中的“庄家”,因为交易者支付的费用通常惠及 LPs。费用通常为每笔交易的几个基点。
然而,在传统的基于 AMM 的 DEX 中,LP 需要贡献资金,用于覆盖交易活动的利润和损失。虽然这种机制确保了交易能够流畅进行,但它也使 LP 面临重大风险,尤其是在面对高技能交易者时。这种设置可能会造成 LP 无意中补贴这些交易者的收益的情景,随着时间的推移可能侵蚀他们的资金,尤其是在持续盈利的交易环境中。这种动态虽然看似给 LP 提供了优势,但由于提供流动性的固有风险,往往会导致财务脆弱性。
虽然这些费用在稳定或中性市场条件下可以提供吸引人的收益,但它们在波动或牛市情景中往往不足。在这种环境中,累积的费用可能很快被几天的重大损失抹去,因为费用结构没有充分补偿 LPs 提供流动性的高风险。
例如,这是 GMX 上 LPs 亏损的情景。这些是二月份支付的费用。

在同一时期,累计交易者 PnL 达到 $4.2M。

低抵押系统中的破产风险
另一个重大问题是资不抵债的风险,特别是在低抵押系统中的风险。这种风险发生在负债(即欠获胜交易者的金额)超过资产或AMM内可用流动性时。此类情况可能导致LPs和交易者的提款冻结,造成重大财务损失并侵蚀对平台的信任。
持仓上限
传统上,perp DEXs一直努力平衡速度、去中心化、流动性和安全性之间的权衡。这些平台面临固有的挑战,特别是由于平台TVL的限制而在管理OI方面。

OI 限额是传统永续 DEX 中的常见特性,作为一种关键的风险管理工具,通过将总未平仓合约金额限制在平台内可用流动性范围内来防止资不抵债,例如在 Hyperliquid 或 Intentx 上。这种 OI 与 TVL 的关联本质上限制了平台的扩展性和流动性,通过上限它们所能支持的最大交易量。此类限制可能阻碍这些交易所满足日益增长的交易者需求的能力,尤其是在市场激增时期,从而影响它们相对于中心化对手的竞争优势。
此外,传统 perp DEX 中的资金费率机制往往难以公平地平衡参与者之间的杠杆成本,尤其是在市场波动剧烈的条件下。这些费率旨在将永续合约锚定在其基础现货价格,但可能会大幅波动。这些调整通常在离散时间间隔进行,可能无法反映实时市场动态,从而导致交易者在持仓时面临意外成本或收益。
潜在采用
Vest 的 zkRisk 系统开启了多种潜在采用方式,这些方式超越了传统的交易框架:
新市场和资产类别: Vest 可以快速集成新资产,包括流动性较低的资产,如 NFT、房地产和各种现实世界资产 (RWA),到其交易平台中。这种能力得益于 zkRisk 引擎,它通过计算每笔交易相关的风险,而无需直接资产支持,来促进这些新资产的上市。这种能力对于流动性较低的资产至关重要,在这些资产中,大型资本储备是不切实际的。通过基于价格馈送启用交易并通过计算溢价管理风险,Vest 确保流动性提供者不会因波动市场条件而受到不当负担。
结构化产品:鉴于Vest上的高潜在回报和稳定的收益机会,LPs可以参与更复杂的投资策略。例如,将long/short positions与高收益LP权益相结合的结构化产品,可以吸引寻求高回报和特定市场波动暴露的投资者。
跨产品保证金:zkRisk 引擎的灵活性使其能够支持广泛的金融产品。开发者可以构建期权、货币市场和现货交易平台,利用 Vest 的深厚流动性和先进的风险评估能力,从而实现高度集成且资本高效的生态系统。zkRisk 引擎确保无论产品关系多么复杂,风险都能得到适当管理。当一个市场部分的资产用于抵押另一个部分的头寸时,这种整体监督至关重要,以维护系统完整性和偿付能力。
更广泛的 DeFi 生态系统: Vest 有潜力锚定一个更大的 DeFi 生态系统,其中包括从由 perp 合约支持的稳定币到更传统的银行服务如贷款和储蓄账户的一切,所有这些都受益于 Vest 平台的セキュリティ和效率。
链
Vest Exchange 目前部署在 zkSync Era 上。
Vest 中的市场参与者
我们可以在 Vest 中区分两种类型的市场参与者:交易者和流动性提供者。
交易者
传统永续DEX上的交易者经常面临高额交易费用,这些费用包括与滑点和资金费率相关的成本,这些费率不会根据实际风险或当前市场状况动态调整。这种不灵活性会导致交易者支付不必要的费用,尤其是在市场波动较小或风险较低的交易中。
传统DEX通常提供有限的资产种类和浅薄的市场深度,主要由于上线新资产的高风险和资本要求。这种限制阻碍了交易者多样化交易策略的能力,并削弱了整体市场流动性,使得在不造成显著价格影响的情况下进出仓位变得困难。
Vest通过提供更公平的费用结构来提升交易体验。得益于zkRisk引擎,该平台实时动态调整交易费用,使其更紧密地与每位交易者带给市场的实际风险相匹配。这意味着在波动较小或风险较低的条件下,交易者可以享受比标准固定费率更低的费用。
Vest协议的设计还允许提供更广泛的资产选择和更深的市场深度。zkRisk引擎促进了新资产的上市,而不受典型与非流动性市场风险相关的约束。通过有效管理风险,Vest可以提供多样化的交易机会,同时保持市场深度,这有利于交易者,即使在大额交易中也能更顺畅地进入和退出仓位。
流动性提供者
Vest上的LPs被定位为受益于更可持续和风险调整的回报曲线。zkRisk引擎为增加系统风险的交易计算并收取的溢价被重新分配给LPs,更公平地补偿他们所承担的风险。该系统阻止了可能导致LPs巨额损失的风险仓位,并确保他们的回报不会被成功交易者的收益所削弱。
此外,Vest 的模型承诺提供更稳定的流动性环境。zkRisk 引擎的持续风险评估和资不抵债检查旨在防止 LPs 在市场下跌或交易者获胜后可能被甩锅的情景,这是传统 LP 模型中的常见担忧。
风险
建模和算法风险
zkRisk 引擎依赖于对市场行为的某些假设的金融模型。如果这些假设不正确,风险度量可能会被不当评估,导致系统性低估或高估风险。
zkRisk 引擎的数学复杂性可能存在未被发现的错误或逻辑错误,这些错误可能直到被利用或导致系统故障时才显现。过度拟合历史数据的风险也是一个威胁,因为它可能限制模型对新市场条件的响应能力。引擎必须持续演进以反映动态的加密货币市场。
数据质量是另一个关键因素。引擎依赖于准确的输入来正确评估风险,因此任何数据不准确都可能显著影响结果。及时更新和严格的数据验证过程是维持系统完整性的必要条件。
引擎的算法稳定性和收敛性对于提供可靠的风险评估也至关重要。这些领域的故障可能导致系统性风险定价错误,影响平台的偿付能力和用户体验。
资金费率波动性
DEX上的永续期货合约使用一种称为“资金费率”的机制来确保永续合约的价格锚定在底层资产的市场价格上。该费率根据持有的头寸在多头和空头之间支付。如果永续合约以溢价交易相对于现货市场,多头将支付空头,反之亦然。这些通常以1小时、4小时或8小时等间隔计算。
然而,Vest 的协议利用其 zkRisk 引擎,根据实时市场条件和风险评估动态调整资金费率。虽然这种方法旨在更准确地反映市场动态,但它引入了资金费率波动性的风险,这种风险可能因市场操纵或极端波动而加剧。资金费率的突然波动可能导致意外的交易成本,从而潜在地抑制交易活动或导致计划外的清算。如果算法未能准确预测或响应快速的市场变化,它可能会导致资金费率失调,从而造成永续价格与底层市场价格之间的进一步脱节。
安全性
审计
- 严重风险 – 1 (已解决)
- 中等风险 – 1 (已解决)
- 低风险 – 2 (1 已确认, 1 已解决)
- 信息性 – 1
预言机风险
Vest 需要实时资产价格来计算头寸价值、管理抵押要求,并确定流动性池的潜在敞口。vAMM 中的定价功能依赖准确的市场价格来计算交易成本并管理流动性曲线。
zkRisk 引擎使用市场数据计算风险指标,如 Entropic Value-at-Risk (EVaR)。这些计算需要当前和历史价格数据来预测潜在的市场波动,并评估不利结果的概率。此风险指标直接影响向交易者收取的 premia 和 funding rates 的计算,这些费用用于覆盖他们引入系统中的风险。
来自预言机的市场数据有助于确定交易者的仓位何时不再满足维持保证金要求,从而触发清算以维护流动性池的健康并保护平台免于资不抵债。
鉴于这些关键依赖关系,oracle 操纵对 Vest 构成了重大威胁。如果 oracle 向系统输入不正确的价格数据——无论是由于外部市场操纵还是对 oracle 本身的直接攻击——都可能导致风险评估不准确。这种情况可能导致交易者被不公平地清算或清算不及时,从而危及流动性提供者的资金。此外,不正确的定价可能导致交易者和流动性提供者收到不正确的 premia 或 funding rates,从而扭曲平台上设计用于平衡风险的经济激励。
团队
Vest Exchange 由 Vest Labs Research 团队创建。其中许多人来自金融或工程背景,曾在 Morgan Stanley、Goldman、Point72、Ascendex、Blackrock、Amazon、LinkedIn、Robinhood 等多家公司有经验。一些著名成员包括 Perpyv2 (创始人),Maxfundingrate (CTO),Riquidate,以及 Billie 等。
项目投资者
Vest Exchange 在种子轮融资中从 Jane Street、QCP Capital、Big Brain Holdings、Ascendex、Builder Capital、Infinity Ventures Crypto、Robert Chen (Ottersec)、Pear VC、Cogitent、Moonshot Research、Fugazi Labs 以及其他天使投资者处筹集了一笔未披露金额。

常见问题
Vest 的主要价值主张是什么?
Vest 的主要价值主张在于其集成了 zkRisk 引擎,该引擎使用零知识证明基于实时风险评估动态调整交易费用和资金费率。这种方法使 Vest 能够提供更公平的交易条件,通过将费用与交易者引入系统的实际风险对齐。此外,该平台为交易多样化资产提供了框架,包括加密货币、NFT 和代币化现实世界资产,强调维护偿付能力和保护流动性提供者 LPs 免受过度市场波动的影响。
LPs 是否是交易者的交易对手方,其中交易者的损失就是 LPs 的收益,反之亦然?
在 Vest 中,LP 和交易者之间的关系被设计成比传统赌场模式中对手方是庄家的模式更少直接对抗性。虽然在许多交易场景中,交易者的损失确实可能导致 LP 的收益(反之亦然),但 Vest 的系统通过其风险管理框架来减轻 LP 的不当风险。该框架调整费用和资金费率来管理交易所的整体风险敞口,使 LP 较少依赖交易者损失来获得收益。相反,重点在于维持一个稳定且公平的交易环境,其中费用和风险被系统性地管理,以保护交易者和 LP 免受极端市场波动的影响。
Vest 的 zkRisk 引擎是什么,它如何惠及交易者?
Vest 的 zkRisk 引擎是一个专有的系统,旨在实时计算和管理交易风险。它使用先进的加密技术,确保所有交易费用和资金利率根据每个交易者引入平台的实际风险动态调整。这种方法确保了更公平的定价,减少了潜在的过度收费,并提升了交易所的财务稳定性。
Vest 上 LPs 如何免受市场波动的影响?
Vest 上的 LP 通过 zkRisk 引擎和双重费用结构(包括 premia 和固定执行费用)的组合来保护。这些机制旨在充分补偿 LP 为提供流动性所承担的风险。zkRisk 引擎根据市场状况动态调整费用,确保 LP 在高波动期间不会过度暴露。
交易者可以在 Vest 上使用杠杆吗?如果是,如何管理?
交易者可以在 Vest 上使用杠杆来放大他们的潜在回报。平台通过其 vAMM 系统管理杠杆,该系统根据当前流动性和 zkRisk 引擎确定的交易者风险状况自动计算最大允许杠杆。这确保杠杆在安全限制内使用,以防止系统性风险。
如果交易者的仓位变得抵押不足,会发生什么?
Vest 实现了一个复杂的清算流程,当交易者的仓位变得抵押不足时,该流程会被触发。该系统使用一种公平价格标记方法,受 vAMM 和外部 oracles 的影响,来准确确定仓位的市场价值。如果需要清算,它会以最小化对市场影响并最大化资金回收的方式执行,利用平台的流动性和交易者的仓位,以尽可能非破坏性的方式进行。
Vest 如何处理极端市场条件或闪崩?
Vest 通过其先进的风险管理协议来处理极端市场条件,这些协议包括监控流动性水平、实时调整杠杆和保证金要求,以及在需要时采用自动化保障措施暂停交易。
如何在 Vest 上成为流动性提供者,以及预期回报是什么?
在 Vest 上成为 LP 涉及将资产质押到平台的流动性池中。LP 的回报根据交易量、市场波动性和所涉及资产的风险状况而异。Vest 的动态费用模型旨在提供具有竞争力的回报,以充分补偿 LP 承担的风险。
什么是 Virtual AMM (vAMM),它在 Vest 上如何工作?
Vest 上的 Virtual Automated Market Maker (vAMM) 是一种新颖的机制,它使用数学模型来促进交易,而无需实际持有资产。vAMM 使用定价函数来模拟交易活动和管理流动性,而不是真实资产。这允许 Vest 在没有传统 AMM 典型资本约束的情况下提供高流动性和快速交易,从而提升市场效率和安全性。
Vest 如何在其交易平台中利用 zk-SNARKs?
Vest 利用零知识简洁非交互式知识论证(zk-SNARKs)来确保交易的隐私性和完整性。zk-SNARKs 用于验证交易和复杂操作,如交易执行和费用计算,而不透露任何底层数据。该技术使 Vest 能够维持高水平的安全性和无信任性,因为证明在链上验证,确保所有计算正确且防篡改。
zkRisk 引擎在 Vest 上的风险管理中扮演什么角色?
zkRisk 引擎是 Vest 协议的核心组件,旨在动态评估和管理与交易活动相关的实时风险。它计算由于交易可能发生的潜在财务缺口,并相应调整交易参数,如费用、保证金和杠杆。这种主动风险管理有助于维持平台的稳定性,并确保其能够在各种市场条件下有效运作。