基本信息
阅读时间：约 12 分钟
字数：约 4987 字
摘要：把去中心化借贷拆成抵押、清算、流动性三层，讲清超额抵押、利用率曲线与无常损失的成因，并复盘两次真实压力事件。本文只讲机制，不构成投资建议。
全文语音
中文
English
日本語
한국어
概念与定义：DeFi 借贷到底在做什么
如果把传统银行的借贷业务拆开看，它做的是三件事：把有钱人的钱聚起来，把借钱人的信用评估一遍，然后在违约时把抵押物处置掉。去中心化借贷做的事完全相同，只是把这三件事的执行者从机构换成了一段公开可查的代码。
所谓去中心化金融里的借贷，指的是用户把数字资产存入一个由智能合约管理的资金池，合约按预先写好的规则向借款人放出资金，并在抵押品价值跌破阈值时自动处置。整个过程没有信贷员审批，没有客户经理打电话，也没有工作日和营业时间的限制。
这里最关键的差别在信用环节。传统借贷依赖身份、收入证明与征信记录，本质上是对"人"的信任；链上借贷面对的是一串无法核实身份的地址，因此它放弃了对人的信任，转而依赖对"抵押物"的信任，并要求抵押物价值高于借出金额，这被称为超额抵押。
理解这一点，后面所有的机制都好解释了。因为没有身份体系，所以必须超额抵押；因为必须超额抵押，所以需要实时价格；因为价格会剧烈波动，所以需要自动清算；因为清算要有人接手，所以需要流动性。这条因果链，就是本篇要拆开的全部内容。
需要提前说明的是，本文讲的是机制本身，属于财商通识与行业研究的范畴。我们只回答"它是怎么运转的"，不讨论任何具体操作建议，也不对任何资产的价格或收益作出判断。
运行机制：从抵押到清算的四步循环
第一步是存入与铸造。存款人把资产转入资金池合约，合约按当时的份额净值给他记账凭证，这个凭证代表他在池子里的份额以及累积的利息权益。份额净值会随着利息累积而缓慢上升，因此同样的凭证在未来可以换回更多资产。
第二步是抵押与借出。借款人先存入抵押资产，再从这个池子借出另一种资产。合约会实时计算两个数字：抵押品当前价值，以及他借走金额的价值。两者之比决定了他的健康度，专业上常用健康因子来描述，数值大于一表示安全，跌到一附近就进入危险区。
第三步是价格更新。合约并不自己去市场看价格，而是通过预言机获取外部价格。预言机是一套把链下价格搬到链上的机制，它决定了合约眼里"抵押品现在值多少钱"。这个环节看似幕后，却是整套系统最脆弱的地方之一。
第四步是清算。当健康度跌破阈值，任何人都可以在链上发起清算：替借款人偿还部分债务，拿走相应价值的抵押品，并获得一定折价作为补偿。清算不需要借款人同意，也不需要法院执行，它是合约里预先写好的自动程序。
把这四步连起来看，你会发现这是一台没有刹车的机器：它不会因为你今天心情不好、下个月发工资、或者行情只是短暂插针而暂停。规则一旦写定，就对所有地址一视同仁地执行，这既是它的优点，也是它最冷酷的地方。
专业分析：抵押率、清算线、流动性三层框架
为了把风险讲清楚，这里给出一个可复用的分析框架，我们称之为"三层框架"：抵押层决定你能借多少，清算层决定你什么时候被处置，流动性层决定处置时能不能顺利成交。三层自上而下，任何一层出问题，风险都会向下传导。
先看抵押层。主流协议对不同资产设定的最大抵押率差异很大，波动率高的资产通常只能借出三四成，波动率低的稳定资产可以到七成甚至更高。这个数字不是随便定的，它本质上是对抵押品单日波动幅度的安全垫估计。公开项目文档与链上数据看板会列出每种资产的具体参数，属于公开可查信息。
再看清算层。清算线通常设在抵押率上限之内留出一段缓冲，清算人获得的折价比例一般在几个百分点量级。这个折价要足够大，才能覆盖清算人的资金成本、链上手续费与价格滑点；但折价过大又会损伤借款人。因此这是一个典型的参数权衡，不同协议取值不同，公开治理论坛里能看到大量相关讨论。
最后是流动性层，这一层最容易被忽略。即便抵押品价值足够、清算规则清晰，如果池子里没有足够的资产可供借出，或者清算人找不到足够深度的市场去处置抵押品，清算就会失败或大幅折价成交。流动性是这套系统的地基，平时看不见，压力时刻决定生死。
把这套框架和传统抵押借贷做个对比会更清楚。传统房贷的抵押率由银行根据收入与征信综合核定，违约后走司法拍卖流程，周期以月计，但处置过程有人工缓冲；链上借贷的抵押率由资产波动率参数统一决定，违约后分钟级自动处置，效率极高但没有任何缓冲。一个重柔性，一个重确定性，代价不同，适用人群也不同。
还有一组值得关注的数据量级。根据公开数据聚合网站的历史统计，去中心化借贷市场在景气时期的未偿还借款规模曾达到数百亿美元量级，在市场收缩期会回落到数十亿美元量级。数量级的起落本身就说明：这是一个高度顺周期的市场，流动性会随行情同步扩张与收缩，历史上如此，未来仍可能如此。
流动性从哪来：资金池做市与无常损失
借贷要有钱可借，钱从存款人那里来。但另一类流动性来自交易场景：自动做市商机制让用户把两种资产按比例存入池子，为交易者提供对手方，交易者支付手续费给存款人作为回报。这是与借贷并列的另一条流动性供给路径。
自动做市商的核心是一条恒定乘积曲线。简单说，池子里两种资产的数量相乘保持一个常数，有人把其中一种换出、另一种换入，它的数量减少、价格上升，另一种数量增加、价格下降。价格完全由池内比例决定，不需要订单簿，也不需要撮合。
这种设计带来一个特有现象，通常被称为无常损失。当外部市场价格变动时，套利者会来池子里搬砖，把池内比例调到与外部一致。这个过程中，存款人手里的两种资产数量会发生变化：涨的那个变少，跌的那个变多。与外部价格相比，这部分价差就是无常损失。
为什么叫"无常"？因为如果价格后来回到原点，价差也会消失，损失是暂时的。但如果价格一去不回头，损失就永久固化下来。因此它衡量的是"相对于单纯持有资产"的机会成本，而不是账面上的绝对亏损。
对流动性提供者来说，真实收益是手续费收入减去无常损失，再减去资金占用成本。价格波动越大，无常损失越显著；交易越频繁，手续费收入越高。这两者的比值，决定了这笔流动性供给是否划算。任何只看手续费就下判断的算法，都漏掉了最关键的一半。
利率怎样形成：利用率曲线模型
借贷利率不是谁拍脑袋定的，而是由一个叫利用率的变量驱动。利用率等于已借出金额除以池内总金额：借走的多，利用率高，利率上升；闲置的多，利用率低，利率下降。这是一条自动反馈曲线。
为什么要有这条曲线？因为利率在这里承担调节供需的功能。当池子快被借空时，高利率会抑制新的借款需求，同时吸引更多存款人进来补充资金；当池子资金充裕时，低利率鼓励借出，减少存款激励。整个系统因此具备自我平衡的能力。
典型的利率曲线是一条折线：在利用率达到某个拐点之前，利率随利用率缓慢上升；越过拐点之后，斜率陡然变大。这个拐点通常就是协议的"最优利用率"，它的设计意图是让池子始终保留一部分现金，保证存款人随时能取回资金。
这里有个容易被误解的地方：存款人拿到的利率并不是借款人支付的全部。协议通常会从中抽取一定比例作为储备金，用于应对极端情况下的坏账。这部分比例在治理文档里公开，不同协议差异明显。
理解利用率模型的意义在于，它解释了为什么链上利率的波动远大于银行存款利率。传统银行的利率由政策与资金成本决定，调整周期以月计；这里的利率由池内实时供需决定，可能在一小时之内变化数次。这种高波动是机制设计的结果，而不是系统出错。
真实案例复盘：两次压力时刻的连锁反应
理论讲完，看两次真实发生过的压力事件。它们的价值不在于评判对错，而在于把前面提到的三层框架放进真实场景里检验。
第一次是二零二零年三月十二日，那天全球风险资产同步暴跌，某主流抵押型稳定币系统遭遇了大规模清算。由于网络拥堵导致清算人无法及时提交交易，出现了近零价格成交的极端清算，抵押品以极低价格被拿走。事后该项目通过治理流程对受损用户作了补偿，并将这次事件写入了公开的事后复盘报告。从框架看，问题出在清算层与流动性层的交界：价格与规则都没错，错在清算执行通道被堵死。
第二次是二零二二年五到六月，一个算法稳定币项目在短短几天内崩溃，引发连锁反应。多家借贷平台因持有相关抵押品而出现巨额缺口，其中一家当时规模居前的借贷平台因此停止提现，随后进入破产程序，涉及债权规模达数十亿美元量级。这次的问题出在抵押层：抵押品本身的估值假设失效，再完美的清算机制也无从补救。
两次事件有一个共同点：风险从来不是单点爆发的，而是沿着"价格波动—抵押不足—清算挤压—流动性枯竭"这条链条传导。第一次是清算通道先断，第二次是抵押价值先崩，最终都指向流动性。
对普通读者而言，这两次事件给出的最大启发是：评估一个借贷机制是否稳健，不要只看它平时的利率数字，而要看极端行情下它的三层是否都扛得住。高峰期的数字人人好看，压力时刻的表现才见真章。
需要说明的是，以上为历史上公开报道与项目方公开复盘材料记录的事件，引用目的是机制说明，不构成对任何项目现状的评价，历史情况也不代表未来会重演或不会重演。
风险清单：四类常见失效点
第一类风险是智能合约风险。代码一旦部署就难以修改，任何逻辑漏洞都可能被直接利用。历史上多家协议因合约缺陷遭受损失，损失规模从数百万到数亿美元不等。审计可以降低概率，但无法消除可能，这是需要首先承认的前提。
第二类风险是预言机风险。既然清算完全依赖外部价格，那么谁控制了价格输入，谁就间接控制了清算。小型资产的价格更容易被操纵，攻击者可以通过拉抬或砸盘价格，触发对自己有利的清算。这也是为什么主流协议对抵押资产的上线审核非常严格。
第三类风险是治理风险。参数由治理投票决定，包括抵押率、清算折价、可接受的抵押品类型。治理权集中或投票参与度低，都会让参数调整偏离最优。查看一个协议时，治理文档与历史投票记录是必读项。
第四类风险是流动性风险，也是前三类风险的最终出口。存款人集中提取、借款人集中被清算、做市池子被单边抽走，三种情况都可能让池子在短时间内见底。流动性风险的特点是平时不可见，一旦显形往往已经来不及。
把四类风险放进三层框架看：合约与治理风险主要落在抵押层，预言机风险落在清算层，流动性风险自成一层。这样归类之后，风险排查就有了一张对照表，而不是一团模糊的担心。
度量指标与执行清单
如果你要做的是机制研究而非操作，那么指标也应该围绕"看懂"来设计。以下五个指标，可以作为观察任何借贷协议的通用仪表盘。
指标一，利用率：当前借出占总池的比例，观察它距离最优利用率拐点还有多远。长期贴着拐点运行的池子，利率波动会更剧烈。
指标二，健康度分布：把借款人按健康因子分档，统计处于危险区间的债务占比。这个数字在市场剧烈波动时会快速放大，是压力的前瞻信号。
指标三，池内资产集中度：前十大存款人占总池的比例。集中度越高，单一地址撤资造成的冲击越大。
指标四，抵押品构成：不同抵押资产占抵押总额的权重，以及其中高波动资产的占比。高波动资产占比上升，意味着抵押层安全垫变薄。
指标五，清算执行数据：历史清算笔数、清算总额、平均折价率。折价率长期偏高说明流动性层偏薄，清算人要求更高补偿才愿接手。
执行清单：一、先读协议文档里的抵押率与清算参数，再看界面上的利率；二、确认预言机来源与更新频率；三、查看抵押品构成与集中度；四、翻一遍历史清算记录与事后复盘报告；五、用三层框架逐层打分，任一层不合格即整体判定为高风险；六、记录下自己的判断与依据，三个月后回来对照，校准自己的判断力。
这套清单的价值在于可复用。换一个协议、换一条链，流程不变，你积累的就不是碎片知识，而是一套可以反复调用的分析方法。
高频踩坑
踩坑一：只看利率不看机制。很多人比较两个池子时只盯着数字大小，却忽略了背后的抵押品质量与流动性深度。利率高往往意味着风险补偿高，看不懂补偿的是什么风险，就等于蒙眼过河。
踩坑二：把无常损失当成亏损或当成不存在。两种理解都偏了。它是相对持有的机会成本，价格回归则消失，价格单边则固化。正确的做法是把它和手续费收入一起算净额。
踩坑三：以为清算离自己很远。市场剧烈波动时，健康度可以在几十分钟内从安全区跌到危险区，而多数人并不会实时盯盘。理解机制的人会提前留出缓冲，不理解的人往往事后才发现。
踩坑四：混淆"代码开源"与"风险可控"。开源意味着可以被审查，不等于已经被充分审查。审计报告的覆盖范围、发现问题的修复情况，都需要单独确认。
踩坑五：用传统金融的直觉套链上机制。银行的缓冲、协商、展期在这里统统不存在，合约只认参数不认理由。用错心智模型，比不懂机制更危险。
常见问题
1.问：去中心化借贷和银行借贷最本质的区别是什么？答：本质区别在于信任来源。银行靠身份、征信与司法体系建立信任，违约后有人工协商与法律流程；链上借贷靠超额抵押与代码建立信任，违约后由程序在分钟级自动处置。前者更柔性，后者更确定。
2.问：为什么一定要超额抵押，不能凭信用借？答：因为链上地址没有可靠的身份体系与违约追偿机制，协议无法评估"这个人会不会还钱"，只能评估"这份抵押品够不够"。超额抵押正是用来吸收抵押品波动的安全垫，没有它，系统无法自我维持。
3.问：无常损失是不是一定亏钱？答：不一定。它衡量的是相对于单纯持有资产的差额，价格回到原点时差额消失，手续费收入可能已经覆盖并超出；价格单边大幅波动时，损失会固化并可能超过手续费。判断标准是净额而非单项。
4.问：利率为什么会突然跳变？答：因为利率由池内利用率实时驱动。大额借出或大额提取会瞬间改变利用率，利率随之沿曲线移动；越过最优利用率拐点后斜率变陡，跳变会更明显。这是机制设计使然，不是故障。
5.问：普通读者研究这些机制有什么用？答：用处在于建立判断框架。三层框架、利用率模型、无常损失这些概念，是理解所有链上金融产品的通用语言。掌握了机制，你看到的就不再是跳动的数字，而是数字背后那台机器的运转逻辑。
图片来源：图1 rawpixel / Pixabay (CC0) · 图2 NoName_13 / Pixabay (CC0) · 图3 congerdesign / Pixabay (CC0) · 图4 geralt / Pixabay (CC0) · 图5 Bergadder / Pixabay (CC0) · 图6 pixundfertig / Pixabay (CC0) · 图7 newforester / Pixabay (CC0) · 图8 JerzyGórecki / Pixabay (CC0) · 图9 rainerh11 / Pixabay (CC0) · 图10 analogicus / Pixabay (CC0) · 图11 mystraysoul / Pixabay (CC0) · 图12 Alexas_Fotos / Pixabay (CC0) · 图13 Alpcem / Pixabay (CC0) · 图14 Couleur / Pixabay (CC0) · 图15 GrownDiamond / Pixabay (CC0) · 图16 divotomezove / Pixabay (CC0) · 图17 rainerh11 / Pixabay (CC0) · 图18 analogicus / Pixabay (CC0) · 图19 mystraysoul / Pixabay (CC0) · 图20 12019 / Pixabay (CC0) · 图21 Julius_Silver / Pixabay (CC0) · 图22 TheDesignLady87 / Pixabay (CC0) · 图23 51581 / Pixabay (CC0) · 图24 Pexels / Pixabay (CC0) · 图25 zivica / Pixabay (CC0) · 图26 lin2015 / Pixabay (CC0) · 图27 Istvan_Karoly_Bocs / Pixabay (CC0) · 图28 daschorsch / Pixabay (CC0) · 图29 divotomezove / Pixabay (CC0) · 图30 MaxxGirr / Pixabay (CC0) · 图31 WikiImages / Pixabay (CC0) · 图32 jbauer-fotographie / Pixabay (CC0) · 图33 Couleur / Pixabay (CC0) · 图34 Didgeman / Pixabay (CC0) · 图35 analogicus / Pixabay (CC0) · 图36 jhenning / Pixabay (CC0) · 图37 MiraCosic / Pixabay (CC0) · 图38 Dimhou / Pixabay (CC0) · 图39 MiraCosic / Pixabay (CC0) · 图40 focusonpc / Pixabay (CC0)
本文为信息分享与财商教育，不构成任何证券、期货或投资咨询建议，亦不构成个性化投资建议。市场有风险，决策需谨慎。
本文由 AI 生成，经人类主编终审。
评论(0)