区块链:释放资本效率的途径——NFT 抵押贷款和借款协议研究

如何以NFT为抵押物进行高效的融资?本文从定价机制和交易对手模式两个不同层面介绍了各种不同方式的优缺点,为希望了解如何对NFT这种高波动性低流动性的资产定价的读者提供了入门的科普。

在过去一年里,我们都见证了NFT领域波澜壮阔的发展,但我们也意识到一个不可被忽视的事实:当我们的投资组合拥有更多的NFT时,流动性就越差。当快速发展的NFT技术带来越来越多新奇的应用时,对NFT进行金融化来提高资本效率的需求也就越来越大。

NFT是一种很像房地产的低流动性资产。在传统领域中,不动产通常都会被作为贷款的抵押品,用户可以把资产抵押出去,来获得借款。我们可以把以NFT作为抵押品支撑的贷款想象成房屋抵押贷款,用户能够通过使用这些低流动性的资产作为所做贷款的抵押物来借出或借入资金。促进这一过程的中间媒介被称为NFT抵押贷款和借贷协议。在本报告中,我们将重点讨论围绕此类协议的研究,包括定价机制和基于交易方的不同类型的方法。

PancakeSwap:CAKE池释放量已从每个区块2枚CAKE减少到1.5枚CAKE:7月28日消息,去中心化交易协议PancakeSwap表示,根据此前通过的CAKE代币经济学2.5投票提案,已将CAKE池释放量从每个区块2枚CAKE减少到1.5枚CAKE。[2023/7/28 16:04:35]

满足抵押品要求的NFT需要围绕其价值形成足够的共识,达到主流认为其价值不会很快消退的程度。这需要高交易量和创造者的良好声誉,两者缺一不可。一些最受认可的NFT抵押品包括CryptoPunk、BAYC、MAYC、Azuki和Doodles,这些也是所谓的“蓝筹”NFT系列。如果我们把这些“蓝筹”NFT比作房屋贷款中的房产,那它们无疑是一线城市,而具有最稀有特征的“蓝筹”NFT则是一线城市中的豪华住宅区。

然而,NFT是高度波动的资产,即使是"蓝筹"藏品的价值也可能会出现大幅波动。在Otherdeedmint之前,BAYC的地板价已经创下了以ETH计价的历史新高,之后又出现了超过50%的跌幅。NFT抵押借贷协议在设计中面临的一个长期挑战是:如何无偏见地确定底层资产NFT抵押品的价值?现有的参与者已经采取了一些不同的解决方案:

经济参考报:区块链产业政策红利加速释放:6月10日,经济参考报刊文“区块链产业政策红利加速释放”。文章表示,工业和信息化部、中央网络安全和信息化委员会办公室日前联合发布《关于加快推动区块链技术应用和产业发展的指导意见》,明确了未来5年和10年区块链产业发展目标,指明区块链产业发展重点任务和保障措施。相关部门和专家学者表示,《指导意见》的出台,意味着国家对区块链产业发展的顶层设计基本完成,将有效引领区块链产业走高质量发展之路。这也预示着区块链发展的“政策红利期”即将来临,区块链将迎来新一波应用落地潮。[2021/6/10 23:25:58]

https://www.coingecko.com/en/nft/bored-ape-yacht-club

公告 | Blockcloud将总计9000万枚BLOC推迟两个月释放:据官方公告,Blockcloud(积木云)决定将5月、6月的释放计划整体向后推迟两个月,即原计划5月释放的4500万枚BLOC将于7月底释放,原计划6月释放的4500万枚BLOC将于8月底释放,以此类推。[2019/5/29]

时间加权平均价格法

像Chainlink这样的预言机可以获取并公布销售价格和地板价的时间加权平均价格,从而创建这样一个混合的价格来评估NFT的价值。这样的模型可以通过在预定的时间段内取多个价格的平均值来减少异常事件对价格的影响,从而增加潜在的恶意操纵价格的难度。

然而,在NFT的估值中使用TWAPs有一些主要的缺点:TWAPs只能应用于市场活跃、交易量大的NFT产品,只有这样的NFT比较不容易受到针对价格预言机的攻击。TWAPs方法的资本利用率也较低,因为协议倾向于设置一个较小的资产抵押率,以避免极端市场情况的影响。

例子:BendDAO、JPEG’d、DropsDAO、PineProtocol、DeFrag

分析 | TokenGazer:主网上线在即释放利好 IOTX活跃地址数涨幅明显:据TokenGazer数据分析显示,过去24小时里ERC20代币中活跃地址数涨幅排名前五的代币是:IOTX?、BHPC、SUB、LKY、EVN。其中,IOTX活跃地址数涨幅较为明显。

IOTX官方推特日前宣布主网上线前工作已经完毕,项目方可能将于本周(4月15日-4月21日)发布主网上线日期,大概率受此利好消息影响,IOTX在二级市场上表现良好,另外,社区奖励以及主网上线奖励计划的持续进行,IOTX活跃地址数也出现了明显增长。[2019/4/15]

用户估价法

在用户估价法中,NFT的定价是基于用户给出的价格预测得到的。这种让用户进行估价的方式可以适用于更广泛的NFT收藏品,因为它不需要像TWAPs那样对NFT的质量进行非常严格的限定。通过对个人或者策展委员会进行一定的激励,可以实现对NFT进行比较公允的价格发现。然而,这种估价方法需要对估价者进行奖励,其估值成本明显高于其他方法,过程效率较低,结果可能不准确。

搜狐新闻客户端总经理蔡明军:区块链释放产业新红利:今日,搜狐新闻客户端总经理蔡明军受邀参加了中国科学院信息工程研究所的区块链专项闭门会议。 蔡明军认为,在去年炒币热潮驱动下,区块链概念迅速普及,目前进入区块链与应用场景相结合的阶段。区块链是知识与社群经济的基础设施,基于机器信任的知识与社群经济将释放巨大的产业新红利。他表示,接下来将和中科院信息工程研究所一起持续推进区块链在应用场景下的探索与尝试。[2018/4/26]

例子:TakerProtocol、UpshotV1

流动性池估价法

用户估价法最重要的问题之一就是其无法为NFT提供实时价格。而在流动性池估价法中就不存在这个问题了。在这个方法中,每一个投入协议的NFT都被池子中的有效贷款人积极交易,从而在NFT上产生恒定的现货定价,等于池中的总ETH。一旦NFT被借款人锁定在一个池子里,交易者就可以开始向池子里存入ETH,以使NFT达到他们认为的价值。如果NFT在公开拍卖的情况下被高估,交易者可能会失去其ETH;在NFT被低估,交易者将在池子中放入ETH来填满池子,直到他们认为达到该NFT的真实市场价值,以努力在出售中获得利润。通过鼓励交易者在NFT池子进行投机,NFT的估价会通过这样动态的方式变成更准确。

例子:Abacus

虽然上面有些例子并不属于NFT借贷协议的范围,但这些定价机制在决定贷款金额上限和确定是否要对抵押品进行流动性清算方面发挥着至关重要的作用。一旦NFT的价值被确定,根据交易对手方的类型,这些协议可以分为两种模式:

点对点借贷

这种方法在理论上适用于所有的NFT,而且更容易就NFT的价值达成共识。把它想象成一个开放的市场,借贷协议作为一个促进交易形成的加速器。一边是NFT持有人可以用他们想要的条款创建贷款,另一边是资金提供者可以浏览平台以决定他们想把钱借给谁。一旦资金出借者接受贷款提议,借贷协议将创建一个智能合约,用于抵押的NFT将被发送到一个由协议守护的托管账户。同时,协议将会把贷款和NFT兑换票据一起转移给借款人。

当借贷双方就贷款的期限,资产抵押率,年化收益率等条款细节达成一致时,系统性风险就可以得到缓解,因为违约只发生在单次订单的借贷双方之间。但是,伴随这样的可定制化能力的,是较差的流动性和可扩展性,因为借贷双方需要等待匹配达到共同的协定。

例子:NFTFi、Arcade、MetaStreet

点对池借贷

比起可能永远不能达成的“报价-询价”的贷款交易,这是一种更“市场化”的方式。在这种方式中,贷款人提供的流动性资金将被集中在一起形成资金池,共同分享借款人偿还的利息,具体利息的计算方式取决于供需两方的情况。如果出现借款人无法偿还贷款,或者出现NFT因价格下跌引起的清算问题,那么协议会自动拍卖NFT,并将收入返还给贷款人。

通过点对池借贷的方法,可以显著提高可以提供贷款的总金额。借款人可以立即通过抵押NFT获得资金,而不需要等待贷款人确认协议条款。但是,这也意味着需要通过预言机生成一个可靠的价格反馈来自动化生成贷款协议条款。所以这种方法只能应用在主流的NFT产品中,而长尾的NFT资产很容易受到价格操控的影响。

例子:JPEG'd、DeFrag、BendDao、MetaLend、Pine、DropsDAO

为便于比较,我列出了下表,包括了评估NFT借贷协议时的一些重要指标。一些协议决定对资金抵押率设置上限,以限制违约的可能性。而对于流动性和需求更大的NFT来说,该比率通常更高。在覆盖的NFT范围方面,不同协议的差别非常大,但点对点协议要优于大多数点对点协议。请注意,大多数协议在调整定价机制和LTV比率的同时,也在不断增加其支持的NFT范围。

尽管围绕着NFT抵押借贷协议有很多争议,但我们期待更多的NFT借贷和金融化的产品可以进入这个领域,为NFT收藏者提供一个从数字收藏品中释放更大价值的途径。再往前走一步,如果有一天在借贷协议中锁定了可持续的NFT数量,这些协议可能会变成对NFT拥有一定程度的定价权。有很多未开发的潜力在等着我们,我毫不怀疑金融化将会是今年NFT最有力的叙事之一。

作者:NicoleCheng?|

翻译:sirs?|

校对:SueTang?|

排版:Anthony?|

来源:TheSeeDAO

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

金星链

[0:46ms0-0:996ms