TL; DR

1. “พ่อพระเจ้าของ DeFi” อังเดร เครอนเย (AC) กลับมาด้วยการเปิดตัว Flying Tulip ซึ่งมีเป้าหมายที่จะสร้างแพลตฟอร์มการเงินดิจิทัล (DeFi) อย่างเบ็ดเสร็จ มันมีฟังก์ชันที่หลากหลาย เช่น การซื้อขายสปอต สัญญาถาวร สระว่ายน้ำ การให้ยืมและตัวเลือก—ทั้งหมดโดยไม่จำเป็นต้องมี KYC หรือการอนุญาตกระเป๋าเงิน ค่าธรรมเนียมการซื้อขายต่ำเพียง 0.02% และการยืดหยุ่นสามารถเกิน 50 เท่า ตั้งอยู่ในฐานะเป็นแพลตฟอร์ม AMM+DEX รุ่นถัดไป Flying Tulip มีความทะเยอทะยานที่จะเป็น DEX ที่รวมทั้งหมดที่อาจเกิน Hyperliquid
2. แพลตฟอร์มมีเทคโนโลยีนวัตกรรมเช่น adaptive curve AMM และ dynamic LTV model ซึ่งจะปรับราคาและ Likelihood ให้เหมาะสม ลดความล่าช้าไป 42% เมื่อเปรียบเทียบกับ AMM แบบ traditional และปรับอัตราส่วนระหว่างเงินกู้ต่อมูลค่าราคาตามความผันผวน ความล่าช้า และการใช้จ่าย โดยให้ความมั่นคงของระบบในระหว่างการเปลี่ยนแปลงของตลาด และสนับสนุนประเภทสินทรัพย์ต่างๆ

การพัฒนาโครงการและภาพรวม

เจริญขึ้นของพระเจ้าดีไฟ

Andre Cronje เป็นบุคคลสำคัญในโลก DeFi ซึ่งมักถูกเรียกว่า “พ่อพ่อแห่ง DeFi” เขาเริ่มต้นอาชีพของเขาในการพัฒนาซอฟต์แวร์แบบดั้งเดิมและเป็นคนที่เปลี่ยนมาเป็นอนุวัฒนะบล็อกเชนและนวัตกรรม DeFi อย่างลงตัว

เกิดที่เคปทาวน์ ในประเทศแอฟริกาใต้, AC ได้เริ่มเรียนกฎหมายที่มหาวิทยาลัย Stellenbosch แต่กลับสนใจเทคโนโลยีหลังจากช่วยเพื่อนๆ ในการทดลองวิทยาการคอมพิวเตอร์ เขาภายหลังเข้าศึกษาที่สถาบันการฝึกอบรมคอมพิวเตอร์ (CTI) เพื่อศึกษาวิทยาการคอมพิวเตอร์ จบโปรแกรมสามปีในเวลาเพียงห้าเดือน และยังทำหน้าที่เป็นอาจารย์—เป็นรากฐานทางเทคนิคที่แข็งแกร่งสำหรับอนาคตของเขา

ในช่วงต้นอาชีพของเขาเขาเข้าร่วม Vodacom ซึ่งเป็นผู้ให้บริการเครือข่ายมือถือรายแรกของแอฟริกาใต้ซึ่งเขาทํางานเกี่ยวกับข้อมูลขนาดใหญ่การประมวลผลแบบคลัสเตอร์และโครงการแมชชีนเลิร์นนิง จากนั้นเขาดํารงตําแหน่ง CTO ให้กับ บริษัท ซอฟต์แวร์หลายแห่งรวมถึง Altron, Full Facing, Freedom Life และ Shoprite Group ประสบการณ์โครงการของเขาครอบคลุมแอพมือถือเว็บไซต์ศูนย์ข้อมูลแพลตฟอร์มการให้กู้ยืมโซลูชันการประกันภัยและระบบค้าปลีกซึ่งแสดงให้เห็นถึงความเป็นผู้นําด้านเทคนิคข้ามโดเมนของเขา

ในปี 2017 AC เริ่มการสำรวจเทคโนโลยีสกุลเงินดิจิทัลและเอกสารการเรียนรู้ของเขาบนโซเชียลมีเดีย สิ่งนี้ดึงดูดความสนใจจากสื่อคริปโต Crypto Briefing ซึ่งเชิญเขามาเขียนคอลัมน์ โดยเพิ่มความเห็นและความรู้สึกในชุมชนคริปโต ในปี 2018 เขาเข้าสู่อุตสาหกรรมบล็อกเชนโดยการเป็นที่ปรึกษาทางเทคโนโลยีสำหรับ BitDiem และ Aggero ภายหลัง เขาครองบทบาททางเทคนิคหลักหรือตำแหน่ง CTO ที่โครงการเช่น CryptoCurve, CryptoBriefing และ Fusion Foundation เขายังเป็นนักสถาปัตยกรรม Ethereum DeFi

AC ที่มีชื่อเสียงมาจากการสร้าง yearn.finance ซึ่งทำให้เขามีชื่อเสียงสูงสุด ภายหลังเขาร่วมก่อตั้ง Sonic Foundation (เดิมชื่อ Fantom) และ Keep3r Network และมีส่วนร่วมในโครงการ DeFi ชั้นนำหลายราย เช่น Hegic, Pickle, Cover, PowerPool, Cream V2, Akropolish, Sushiswap, Eminence, Bribe.crv.finance, Rarity, และ Solidly ในช่วงตลาดโค้งการปี 2021 เขาได้เริ่มเปิดตัวแพลตฟอร์ม跨เชน เช่น Multichain, Chainlist, Cream Finance, และ Rarity โดยแต่ละอย่างได้รับความสนใจมาก ความสำเร็จเหล่านี้ทำให้เขาได้รับตำแหน่งเป็น “พ่อพันธุ์แห่ง DeFi” ในชุมชนโลก

ในปี 2022 AC ประกาศออกจาก DeFi โดยไม่คาดคิด ซึ่งได้รับความสนใจอย่างกว้างขวาง เมื่อวันที่ 28 มกราคม พ.ศ. 2568 เขาอธิบายการจากไปของเขาในโพสต์สื่อโดยละเอียดโดยอ้างถึงแรงกดดันด้านกฎระเบียบจาก SEC ของสหรัฐอเมริกาเป็นเหตุผลหลัก ตั้งแต่ปี 2021 ก.ล.ต. ได้ตรวจสอบโครงการ yearn.finance ของเขาและต่อมาได้ขยายการสอบถามไปยังกิจการอื่น ๆ ของเขา การสืบสวนใช้เวลาและทรัพยากรจํานวนมากซึ่งมักต้องใช้เวลาหลายสัปดาห์หรือหลายเดือนในการรวบรวมข้อมูลและขุดหาข้อมูลที่ยากต่อการเข้าถึงทําให้เขาต้องหยุดการพัฒนาและการวิจัยทั้งหมดชั่วคราว

AC พรรคนี้บอกว่าประสบกับการทนทานในระยะสองปีนี้แบบที่ทำให้เขาไม่ได้นอนให้พอใจและมีความเครียดมากมาย ในที่สุดเขาต้องเผชิญกับการตัดสินใจที่จะสร้างโดยไม่ได้รับเงินต่อให้ต่อการโจมตีอย่างต่อเนื่อง ใช้เงินทอดทิ้งเพื่อการพิจารณาทางกฎหมายหรือเลิกออกไป เขาเลือกตัวเลือกสุดท้าย

แม้ว่าทุกอย่าง โอกาสทางด้าน AC ยังคงสงบสุดโต ในการพัฒนาโครงสร้างพื้นฐานบล็อกเชน เขายอมรับถึงความคืบหน้าที่มีความหมายในช่วงเวลาที่ผ่านมา ซึ่งรวมถึง:

• การลงทะเบียนและช่องทางการเงินเข้าออกที่เรียบง่ายในการแลกเปลี่ยน
• การเจริญเติบโตของเทคโนโลยีออราเคิล การปรับปรุงความแม่นยำของข้อมูล on-chain
• เครื่องมือพัฒนาสมาร์ทคอนแทรคที่ปรับปรุงเพิ่มขึ้น ลดขีดจำกัดสำหรับนักพัฒนา

อย่างไรก็ตาม เขาประมาณว่าโครงสร้างโดยรวมยังคงสมบูรณ์เพียง 50–60% เท่านั้น ยังมีอีกหลายอย่างที่ต้องทำก่อนที่จะถึงความสมบูรณ์ เขามองว่าวิสัยทัศน์ของเทคโนโลยีบล็อกเชนควรเป็นเช่นเดียวกับแอปพลิเคชันบนโทรศัพท์มือถือ ที่ผู้ใช้สามารถโต้ตอบโดยไม่รู้สึกถึงการทำงานตรงหลัง คล้ายกับว่าผู้ใช้ทั่วไปไม่สนใจว่าเซิร์ฟเวอร์ของแอปต่างๆ ถูกโฮสต์ที่ไหน สิ่งนี้เป็นการเน้นให้การใช้งานมีประสิทธิภาพ—เทคโนโลยีควรเป็นพลังงานที่ทำงานอยู่ภายในและไม่กีดขวางภายนอก

AC คาดการณ์ว่าในอีก 2-5 ปี แล้ว แลกเปลี่ยนเหรียญดิจิตอลที่ใหญ่ที่สุดของโลกจะเป็น DEXs ไม่ใช่ CEXs - ซึ่งเป็นการสะท้อนความเชื่อที่แข็งแกร่งของเขาในเทคโนโลยีที่แตกต่างกันและเป็นเป็นสัญญาณที่บ่งบอกถึงทิศทางในอุตสาหกรรม

ในเดือนมีนาคม 2025 AC ประกาศโครงการใหม่ของเขา Flying Tulip บน X (เดิมเป็น Twitter) แม้ว่าแพลตฟอร์มยังไม่เปิดตัวอย่างเป็นทางการ เราสามารถได้ฤกษ์ผ่านรายละเอียดที่แชร์บนเว็บไซต์ของมัน จากความโดดเด่นของเขาต่อกลุ่มธุรกิจ DEX Flying Tulip ดูเหมือนจะตั้งอยู่ในฐานะคู่แข่งหรือแม้แต่เป็นผู้ท้าทาย Hyperliquid ที่มีรากฐานจาก Sonic

ภาพรวมของคุณสมบัติของ Flying Tulip

ตามเว็บไซต์ทางการ ดอกไม้บินถูกตั้งตำแหน่งเป็นแพลตฟอร์ม DeFi ทั้งหมด จะเห็นได้ว่า ดอกไม้บินมุ่งเน้นการแข่งขันกับ Hyperliquid โดยให้บริการช่วงหลากหลายมากยิ่งขึ้น คุณลักษณะที่เป็นที่น่าสังเกตได้รวมถึงการซื้อขายสปอต สัญญาถาวร สระว่ายน้ำ การให้ยืมที่มีพื้นฐานบน LTV และการซื้อขายตัวเลือก ความสำคัญอยู่ที่ การให้ยืมและตัวเลือกเป็นฟังก์ชันที่ Hyperliquid ขาดทุนอยู่ในปัจจุบัน ทำให้ดอกไม้บินดูเหมือนอีกแลกษณะของตลาดสัญลักษณ์ที่ครอบคลุมมากขึ้นเมื่อเทียบกับ

เมื่อเทียบกับโปรโตคอล AMM อื่น ๆ บางแห่ง Flying Tulip ไม่ได้เป็นเพียงโปรโตคอล AMM เท่านั้น มันรวมการซื้อขายแบบสปอตและพุรพีทวอลลัม DEX, โปรโตคอลการให้ยืม และฟังก์ชันต่ออายุ ในสารทุกข์, Flying Tulip เป็นบริการซื้อขายแบบเทียบเท่าในโลกดิจิทัลที่ไม่ต้องการ KYC หรือการอนุญาตกระเป๋าเงิน และรวมการให้ยืมและการซื้อขายอนุพันธ์ - โปรโตคอล AMM+DEX รุ่นใหม่

สองนวัตกรรมที่สำคัญใน Flying Tulip:

1. ไม่ต้องมีการอนุญาตกระเป๋าเงิน:
   นี่ลดขั้นตอนการเข้าสู่ระบบอย่างมีนัยยะ ทำให้มันเป็นมิตรต่อผู้เริ่มต้นมากขึ้น ผู้ใช้สามารถเริ่มเทรดโดยไม่ต้องตั้งค่าวอลเล็ตที่ซับซ้อน ทำให้กระบวนการเร็วขึ้น สิ่งนี้ต่างจากแพลตฟอร์ม DeFi แบบดั้งเดิม ซึ่งมักต้องการการเชื่อมต่อวอลเล็ตและการยืนยันหลายรายการ ทำให้ซับซ้อนและเสี่ยงอย่างมากสำหรับผู้ใช้

2. โมเดลพูล LP เดี่ยว:
   พูล Likelihood เดียว ทำให้การซื้อขาย spot, การเลือกทาง, และการเซ็นสัญญาเงินฝากเหมือนกัน ซึ่งทำให้ไม่จำเป็นต้องย้ายเงินไปที่โปรโตคอลที่แตกต่างกัน มันยังสัญญาว่าจะให้ผลตอบแทนสูงถึง 9 เท่าเมื่อเปรียบเทียบกับโมเดล LP แบบดั้งเดิม

การเปรียบเทียบคู่แข่ง

Flying Tulip มีบริการที่ปรับแต่งให้เหมาะกับกลุ่มผู้ใช้ที่แตกต่างกัน ด้านล่างคือการแยกประเภทของผู้เข้าร่วมพื้นที่เพื่อให้บริการที่ดีที่สุด

Flying Tulip ไม่ใช่แค่สำหรับนักซื้อขายปลีกเท่านั้น มันยังมุ่งเน้นให้ดึงดูดนักลงทุนสถาบันโดยมีการปฏิบัติอย่างมืออาชีพ มี Likuidity ลึก และการสนับสนุนด้านความเป็นไปตามกฎหมาย (เช่น OFAC screening) มีความแตกต่างจาก Coinbase, Binance และ Hyperliquid โดย Flying Tulip มีข้อได้เปรียบที่แตกต่างกันในเรื่องค่าธรรมเนียม, เลเวอเรจ และ LP returns ตัวอย่างเช่น ค่าธรรมเนียมการซื้อขายจะปรับตามเงื่อนไขตลาดและสามารถลดลงได้ถึงต่ำกว่า 0.02% นอกจากนี้ อัลกอริทึมเส้นโค้งปรับอัตราการสูญเสียที่ไม่คงที่ช่วยลดลงได้ถึง 42% เพื่อการดำเนินงานที่ดีกว่า AMM platforms เดิม

เปรียบเทียบสำหรับนักซื้อขายปลีก

เปรียบเทียบสำหรับนักเทรดสถาบัน

เทคโนโลยีนวัตกรรม

นวัตกรรมของ Flying Tulip ส่งแสงสว่างในหลายพื้นที่สำคัญ

• Adaptive Curve AMM: ใช้กลไก AMM ที่ยืดหยุ่นที่ปรับเส้นโค้งการซื้อขายโดยไดนามิกตามเงื่อนไขของตลาดเพื่อเพิ่มประสิทธิภาพในการกำหนดราคาและ Likelihood.
• Oracles rVOL, IV, TWAP, และ RWAP: ผสานข้อมูลอาสาสมัครจากหลายแหล่งที่มาของออราเคิลรวมถึง:
• rVOL: ความผันผวนที่เกิดขึ้นจริง
• IV: ความผันผวนที่แสดงอยู่
• TWAP: ราคาเฉลี่ยตามเวลา
• RWAP: อาจจะเป็นการพิมพ์ผิด อาจจะหมายถึง VWAP (Volume-Weighted Average Price)—เนื่องจาก RWAP ไม่มีอัลกอริทึมที่รู้จักในเวลานี้
• ตลาดเงินสินทรัพย์ LTV ที่ปรับความผันความผันผันผันความผันของตลาดเงินกู้ยืมที่ปรับอัตราส่วนการกู้ยืมต่อมูลค่าขึ้นอย่างไดนามิก
• สูงสุด 1000 เท่า: ให้โอกาสในการเล่นเงินอย่างสุดขีดสำหรับนักเทรดมืออาชีพ
• สระเงินสำหรับการซื้อขายไม่จำกัดเวลาและออปชัน: ผู้ให้สารส้วมสามารถได้รับผลตอบแทนโดยการสนับสนุนการซื้อขายไม่จำกัดเวลาและออปชัน โดยเพิ่มกระแสรายได้ใหม่
• คุณสมบัตินวัตกรรม: รวมถึง ประกันออนเชน ไม่มีค่าธรรมเนียมในการใช้งาน, ไม่ต้องมีกระเป๋าเงิน และไม่ต้องมี KYC—ทำให้กระบวนการเข้าร่วมง่ายขึ้นอีกต่อไป

เทคโนโลยีโค้งที่ปรับได้

Flying Tulip ใช้เทคโนโลยี Adaptive Curve Technology ซึ่งเป็นกลไกใหม่ที่สามารถเปลี่ยนระหว่างโมเดล AMM ต่าง ๆ อัตโนมัติ โดยขึ้นอยู่กับความผันผวนของตลาดแบบเรียลไทม์

• Constant Product AMM (x*y=k): ถูกเปิดใช้งานในเงื่อนไขความผันผันสูงเพื่อรักษารัสถานะความมั่นคงของราคา
• Constant Sum AMM (x+y=k): ใช้ในเงื่อนไขความมั่นคงที่ต่ำเพื่อเข้ารอบความต้องการเงินสดที่แปรผันและลดความลื่น
• รองรับสินทรัพย์หลายประการ: โมเดลถูกปรับแต่งให้เหมาะสำหรับสกุลเงินดิจิทัล สกุลเงินที่มั่นคง และฟอเร็กซ์

• การปรับปรุงราคาของนักซื้อ: ปรับโมเดล AMM อย่างไดนามิกเพื่อให้ได้ราคาดำเนินการที่ดีที่สุดสำหรับนักซื้อ—การพลิกเฉยได้ลดลง 42% เมื่อเปรียบเทียบกับ AMM แบบดั้งเดิม

  ตัวอย่าง:
  สำหรับการซื้อขาย ETH/USDC สามารถทำได้ด้วย Flying Tulip ที่ได้รับราคาการดำเนินการที่ดีที่สุดที่ 19,874 USDC, โดยมีผลต่อราคาเพียง 0.14% เท่านั้น โดยที่มีประสิทธิภาพมากกว่า Uniswap V3 (0.65%) และ Curve (0.36%)

แหล่งที่มา: Flying Tulip

การแยกวิเคราะห์โมเดลทางคณิตศาสตร์

ปัญหาที่มา: ความเสี่ยงที่ซ่อนอยู่ในรูปแบบของโมเดล Constant Product AMM

ในสถานการณ์การให้ยืมตามระบบ cross-reserve การใช้โมเดลตลาดผู้สร้างตลาดผลิตภัณฑ์คงที่เชิงดุล (เช่น x × y = k) อาจเปิดเผยความเสี่ยงที่ซ่อนอยู่ ในการขายเงินทุนขนาดใหญ่ การปรับสมดุลของกองทุนสามารถกระตุ้นการสะเทือนราคาที่มีผลต่อมูลค่าจริงของหลักประกัน

หากใช้สูตรราคา AMM คงที่และสินทรัพย์ A ถูกซื้อขายอย่างหนัก กระบวนการปรับน้ำหนักจะส่งผลต่อผลตอบแทนของสินทรัพย์ B อย่างเชื่อถือได้ ซึ่งทำให้ราคาขายและการลื่นไหลไม่เอื้อมถึง โดยส่วนต่างของราคาถึง 33% จะแสดงผลในสินทรัพย์ B

ความเฉื่อยของราคาตลาดส่งผลต่อราคาภายใน AMMs โดยตรง บอกร่วม ทิปลิป นำเสนอโมเดล LTV ปรับไดนามิกซ์โดยใช้หลักการ AMM เพื่อลดผลกระทบของเช่นนี้

แหล่งที่มา: ดอกทิวลิปบิน

The Solution: Embedding Realized Volatility into the LTV Formula

ขั้นตอนที่ 1: การผสมความผันผวนเข้ากับโมเดล LTV
โดยผสม σ (ความผันผวนของสินทรัพย์) และ t (เวลาถือครอง), จะคำนวณปัจจัยการตัดผมความผันผวน δ ซึ่งใช้ในการประเมินหลักประกันที่มีความผันผวนมากให้มีความระมัดระวังมากขึ้น

สมมติว่า

• σ = ความผันผวนที่เรียกเก็บไว้ของสินทรัพย์สำหรับการค้ำประกัน (ส่วนเบี่ยงเบนประจุรายปี)
• t = ระยะเวลาถือครอง

แล้ว:
ดี = ซิกม่า (t^(1/2))

สูตร LTV ที่ปรับค่าความตึงตังแล้วกลายเป็น:
จำนวนเงินกู้ ≤（1−δ）× มูลค่าหลักประกัน (ขึ้นอยู่กับราคาปัจจุบัน)

ดังนั้น ค่า LTV สูงสุดสำหรับสินทรัพย์หนึ่งได้ถูกกำหนดเป็น:
LTVvol = 1−δ

วิธีการที่ไดนามิกนี้ช่วยให้มากสุด LTV ลดลงเมื่อความผันผวนที่เกิดขึ้นเพิ่มขึ้น ลดความเสี่ยงในการขายหุ้น สินทรัพย์ที่เป็นตัวแปรหรือไม่เป็นสารออกฤทธิ์มากขึ้น จะมี LTV ที่อนุญาตลดลง ต้องการหลายหลักประกัน

ตัวอย่างเช่น หากความผันผวนในอดีตแสดงถึงการเปลี่ยนแปลงราคาประมาณ ~30% อัตราส่วนการกู้ยืมค่าจะถูกจำกัดอยู่รอบ 70%

เมื่อเปรียบเทียบกับโปรโตคอล AMM แบบดั้งเดิมที่ใช้อัตราส่วน LTV แบบคงที่ โมเดลของ Flying Tulip มีความยืดหยุ่นมากกว่าต่อลักษณะการดีไซน์ที่กระจายอยู่ใน DeFi โดยการรวมดีไซน์ AMM กับเงื่อนไขตลาดแบบราลาย-ไทม์ โมเดลนี้จะให้การจัดการความเสี่ยงที่แม่นยำมากขึ้น

การเปรียบเทียบความแข่งขัน:

แหล่งกำเนิด: Flying Tulip

The Solution: การผสมผสานการสลิปเพจและความผันผวนเข้ากับโมเดล

ถัดไปเราจะสำรวจความสัมพันธ์ระหว่าง LTV และราคาการละลาย โดยเน้นที่ผลกระทบจากการสลิปเปจ เรื่องการสลิปเปจกลายเป็นสิ่งสำคัญโดยเฉพาะในสระว่ายน้ำที่มีความเหมาะสมต่ำ ที่นั่นการละลายขนาดใหญ่สามารถทำให้ราคาเหรียญสลายเปลี่ยนแปลงอย่างมีนัยสำคัญและเพิ่มความเสี่ยงในระบบ ขณะที่เหรียญค้ำประกัน A ถูกละลายเพื่อได้เหรียญ B สำหรับการชำระหนี้ มูลค่าที่สามารถกู้คืนจริงของ B สามารถลดลงเนื่องจากผลกระทบจากราคา AMM และการเคลื่อนไหวราคาที่เป็นผลจากความผันผวน

ดังนั้นเราจึงรวมการลื่นไหลและความผันผวนเข้าไปในโมเดล

เงื่อนไขแรกของเราคือค่าของบีหลังจากการละลายต้องมากกว่าหรือเท่ากับหนี้ที่ค้างอยู่

เรากำหนดหนี้ว่า:

เรากำหนดหนี้ว่า:

หนี้ = สินเชื่อ = LTV × มูลค่าหลักทรัพย์ = LTV × ΔX × Pₐ

หากเราพิจารณาเฉพาะการสลิปเพจ และไม่สนใจความผันผวน สูงสุด LTV ที่กำหนดโดยความลึกของ AMM คือ: \
LTV_slip = 1 / (1 + ΔX / X)

ที่นี่ ΔX / X แทนสัดส่วนของสินทรัพย์ A ที่ขายเมื่อเทียบกับสระว่ายน้ำทั้งหมด ผลกระทบของอัตราส่วนนี้ต่อ LTV สามารถเข้าใจได้ตามนี้:

• หลักประกันขนาดเล็ก (ΔX ≤ X):
  ความเสี่ยงจากการสลิปเปจต่ำ ในทฤษฎี LTV สามารถถึง 100% แต่ในความเป็นจริงโปรโตคอลจะไม่อนุญาตให้เกินเพราะมีความเสี่ยงสูง

• หลักทรัพย์กลาง (ΔX = X):
  การล่มสลายอาจทำให้มีผลกระทบต่อราคาประมาณ 50% ดังนั้น LTV ลดลงเหลือ 50% ซึ่งหมายความว่าคุณสามารถยืมเงินได้เพียงครึ่งมูลค่าของทรัพย์สินของคุณเท่านั้น

• Collateral ขนาดใหญ่ (ΔX = 2X):
  ความเสี่ยงจากการสลายเพิ่มขึ้นอย่างมีนัยสำคัญ อัตรา LTV ลดลงเหลือประมาณ 33.3% ทำให้แน่ใจว่า ถึงแม้ราคาจะลดลง ยอดเงินกู้ยังคงมีการคุ้มครองอย่างสมบูรณ์

พร้อมกับการกำหนดปัจจัยการพลิกผันเรียบร้อยแล้ว เราตอนนี้เริ่มรวมปัจจัยความผันผวนเข้าด้วยกันด้วย:

(1 - δ) × (Y × ΔX) / (X + ΔX) ≥ LTV × ΔX × (Y / X)

จากนี้เราจะได้สูตรสุดท้าย:

LTV_max(ΔX) = (1 - δ) / (1 + ΔX / X)

สูตรนี้คำนึงถึงแหล่งกำเนิดความเสี่ยงสองประการ

• ค่าบัฟเฟอร์ความผันผวน (1 - δ): ลดค่ามูลค่าที่ใช้ได้ของหลักทรัพย์เพื่อลดผลกระทบจากการเปลี่ยนแปลงของตลาดที่ Mitigate.io
• ปัจจัยความลึก AMM (1 + ΔX / X): ปรับเพื่อการลื่นไหลและผลกระทบต่อราคาในระหว่างการละลาย

สำหรับขนาดหลักทรัพย์ที่กำหนด ΔX ค่า LTV ที่อนุญาตต้องอยู่ต่ำกว่าเส้นโค้งนี้

โมเดลนี้ทำหน้าที่เป็นประกันคู่สำหรับการให้ยืม:

• ป้องกันการล่มของราคาจากการชําระบัญชีขนาดใหญ่ (AMM slippage)
• มันป้องกันการตกต่ำของตลาดอย่างรวดเร็ว (การสั่นสะเทือน)

ยิ่งราคาของสินทรัพย์ไม่เสถียรมากเท่าไหร่ ยิ่งคุณกู้ยืมเงินได้น้อยลง แม้ว่าจำนวนหลักทรัพย์เท่ากัน

สินทรัพย์ที่มีความทรงจำเป็นสูงหรือมีสระน้ำที่น้อยจะได้รับพลังให้ยืมน้อยลงอย่างมีนัยสำคัญ เมื่อทั้ง ΔX / X และ δ มีค่าใหญ่ — เช่นกับเหรียญอัลท์หลายๆ เหรียญ อัตราการถือมั่นคงถูกลดลงอย่างรุนแรง

โมเดล LTV แบบไดนามิกของ Flying Tulip ทำให้ระบบมีความเสถียรภาพในสภาวะทางตลาดที่เปลี่ยนแปลง ตัวอย่างเช่น:

• สำหรับสินทรัพย์ที่มั่นคง (เช่น stablecoins) ค่า δ ต่ำ ช่วยให้ LTV สูงขึ้น
• สำหรับสินทรัพย์ที่มีความผันผวนสูง (เช่น บางโทเค็น) ค่า δ สูงจะทำให้ LTV ต่ำลง ลดความเสี่ยงในการล่วงละเอียด

ตารางด้านล่างสรุปว่า LTV ถูกปรับในสถานการณ์ต่างๆ โดยขึ้นอยู่กับความผันผวนและความลึกของพูล

แหล่งที่มา: ทูลิปบิน

ผลกระทบของการปรับค่า LTV แบบไดนามิกต่อการใช้ประโยชน์และ Likuiditi

เมื่อผู้ใช้ยืมสินทรัพย์ B โดยฝากสินทรัพย์ A โครงสร้างของสระสินทรัพย์จะเปลี่ยนไป โดยที่ยืมมากขึ้น ส่วน Liquidity ของ B จะลดลง ในขณะที่ส่วนสำรองของ A เพิ่มขึ้น ทำให้สระน้ำน้ำหนักมากใน A

การใช้ประโยชน์สูงของ B แสดงว่าการละลายใหม่ใด ๆ จะเผชิญกับการลื่นไหลที่สูงขึ้น (เนื่องจาก Y จะเล็กลง และ X จะโตขึ้น)

ในโมเดล สถานะปัจจุบันของพูล (X, Y) มีผลต่อ LTV ของสินเชื่อใหม่โดยตรง อัตราการใช้จ่ายของ B (UB) ถูกกำหนดโดย

UB = 1 - (Y_current / Y_initial)

เมื่อ UB เข้าใกล้ 1 แสดงว่าทรัพย์สิน B มีส่วนใดส่วนหนึ่งถูกใช้ไปและพูลเริ่มใกล้หมดลง สร้างพูล AMM ที่ไม่สมดุลอย่างรุนแรงเมื่อราคา A ลดลงอย่างรุนแรง หากการขายโดยล้างทำงานภายใต้เงื่อนไขเหล่านี้ มูลค่าที่สามารถกู้คืนของ B สามารถตกอย่างลึก

เพื่อต้านสิ่งนี้ โมเดลนี้มีกลไกในการลด LTV ในสถานการณ์การใช้งานสูง ตัวอย่างเช่น หากมีการใช้เงินทุนของ B 50% แล้ว ก็จะอนุญาตให้สินเชื่อใหม่ใช้เงินทุนได้เพียง 50% ของขีดจำกัด LTV ปกติ

LTVallowed(UB) = LTVmax × (1−UB)

แบบจําลองนี้ช่วยให้มั่นใจได้ว่าการกู้ยืมใหม่จะไม่ระบายสภาพคล่องที่มีอยู่มากเกินไปหรือทําให้สินเชื่อที่มีอยู่มีความเสี่ยงเพิ่มขึ้น โปรโตคอลอาจห้ามไม่ให้เงินกู้ก้อนเดียวใช้มากกว่าเปอร์เซ็นต์ของเงินสํารอง B ที่เหลือ นอกจากนี้ระบบอาจเพิ่มค่าธรรมเนียมหรืออัตราดอกเบี้ยภายใต้เงื่อนไขการใช้งานสูงเพื่อกีดกันการกู้ยืมเกินเกณฑ์ที่ปลอดภัยซึ่งเป็นส่วนหนึ่งของกลยุทธ์การบริหารความเสี่ยงโดยรวมของแพลตฟอร์ม

ผ่านการสร้างภาพเคลื่อนไหวและการจำลอง จะเห็นว่าเมื่อความผันผวนเพิ่มขึ้นหรือขนาดของสินเชื่อที่คาดหวังเพิ่มขึ้น ช่วง LTV ที่ปลอดภัยจะถูกลดลง สิ่งนี้แสดงให้เห็นถึงข้อดีของ Flying Tulip's โมเดล LTV ที่ปรับได้ตามเงื่อนไขที่มีต่อ AMM แบบดินแดน ที่กฎแบบคงที่บางครั้งล้มเหลวในการตอบสนองต่อเงื่อนไขของตลาด

แหล่งที่มา: ดอกทิวลิปบิน

ข้อดีของโมเดล

โมเดล LTV-AMM แบบไดนามิก รวมระบบการลื่นไหล การใช้การ สินทรัพย์หลักและความผันผวนเพื่อให้สามารถปรับ LTV แบบเรียลไทม์ได้ การออกแบบนี้มีข้อดีสำคัญในการจัดการความเสี่ยง ความเสถียรของระบบ ประสิทธิภาพทางเงินทุน และประสบการณ์ของผู้ใช้ ทำให้เป็นสิ่งประดิษฐ์ในพื้นที่การให้ยืม DeFi

การปรับปรุงไดนามิก

โมเดลจะปรับอัตราส่วน LTV โดยอัตโนมัติ โดยขึ้นอยู่กับเงื่อนไขของตลาดแบบเรียลไทม์ เพื่อให้แน่ใจว่าวงเงินกู้ยังคงไว้ใจได้กับความสามารถในการเงินและความผันผวน
ตัวอย่าง: เมื่อความผันผวนของตลาดเพิ่มขึ้น LTV ถูกลดโดยอัตโนมัติเพื่อลดความเสี่ยงของ Gate.io

การจัดการความเสี่ยง

โดยคำนวณการสลับและการใช้งาน โมเดลลดความเสี่ยงจากการละลายลงอย่างมีนัยสำคัญ:

• การสลิปเปจ: ลดความเสียหายจากการลดราคาในระหว่างการขายของทรัพย์ที่ใหญ่
• การใช้: ลด LTV เมื่ออัตราความต้องการในการยืมเงินเพิ่มขึ้นและใช้การในสระว่ายน้ำเพิ่มขึ้น หลีกเลี่ยงการเกิดการโหลดระบบ

การปรับการหดตัว

โมเดลปรับ LTV โดยขึ้นอยู่กับความผันผวนของสินทรัพย์:

• สินทรัพย์ที่มีความเสถียรต่ำ (เช่น stablecoins): LTV สูงขึ้น การยืมเงินง่ายขึ้น
• สินทรัพย์ที่มีความผันผวนสูง (เช่น โทเค็นที่ผันผวน): ลด LTV เพื่อจัดการความเสี่ยง

ความเสถียรของระบบ
โดยรวม slippage, การใช้ประโยชน์, ความเหมาะสมของเงินทุน, และปัจจัยความผันผวน โปรโตคอลยังคงเสถียรแม้ในสถานการณ์ตลาดที่ตึงเครียด—ช่วยลดความเสี่ยงของระบบ

ประสิทธิภาพทางเงินทุน
ภายในขอบเขตที่ปลอดภัย โมเดลสามารถสูงสุดให้ยืมเงินและเพิ่มการใช้ทุน
ตัวอย่างเช่นเมื่อตลาดมีเสถียรภาพ LTV สามารถเพิ่มขึ้นเพื่อรองรับการกู้ยืมมากขึ้น

ความโปร่งใส
ตรรกะของโมเดลเปิดเผยและสามารถติดตามได้ ผู้ใช้สามารถเข้าใจได้อย่างชัดเจนว่า LTV เปลี่ยนแปลงไปตามความเคลื่อนไหวของตลาด ซึ่งสร้างความไว้วางใจในโปรโตคอล

ความสามารถในการปรับตัว
มันทำงานได้ในเกณฑ์ตลาดและประเภทสินทรัพย์ต่าง ๆ — ไม่ว่าจะเป็น stablecoins หรือ high-volatility tokens — ด้วยการจัดสรร LTV ที่เหมาะสมสำหรับแต่ละรายการ

นวัตกรรม
โดยผสานกลไก Automated Market Maker (AMM) กับตรรกะการให้ยืม โมเดลนี้เสนอส่วนเหลือที่เป็นเอกลักษณ์ใน DeFi ที่มอบประสบการณ์การยืมที่ปลอดภัยและมีประสิทธิภาพในการใช้ทุนให้ผู้ใช้

ความเสี่ยง

ในขณะที่โมเดล LTV-AMM แบบไดนามิกมีความแข็งแกร่งในการควบคุมความเสี่ยงและความทนทานของระบบ แต่ก็เป็นที่ยุ่งยาก ต้องการข้อมูลที่มาก การคำนวณที่หนัก และมีช่องโหว่ต่อการถูกแก้ไข นักพัฒนาต้องลดความเสี่ยงเหล่านี้ผ่านการปรับพารามิเตอร์ ความ๏าประสิทธิภาพ และการตรวจสอบอย่างเคร่งครัดเพื่อให้มั่นใจในความปลอดภัยและความเชื่อถือได้

ข้อผิดพลาดในการทำนาย
การทำนายความผันผวนที่ไม่ถูกต้องอาจทำให้ LTVs ที่สูงเกินไปหรือต่ำเกินไป ทำให้ความปลอดภัยของโปรโตคอลการให้ยืมเสี่ยง

ความขึ้นอยู่กับข้อมูลสูง
โมเดลนี้พึ่งพาอย่างมากบนข้อมูลแบบเรียลไทม์ (เช่น ราคาสินทรัพย์, ความลึกของสระว่ายน้ำ, อัตราการใช้งาน) หากข้อมูลไม่แม่นยำ ล่าช้า หรือขาดหาย การปรับค่า LTV แบบไดนามิกอาจล้มเหลว

ปัญหาคุณภาพข้อมูล
ใน DeFi ข้อมูล on-chain สามารถถูกปรับเปลี่ยน (เช่น ผ่านการโจมตีราคา) ซึ่งอาจเสี่ยงภัยต่อความสมบูรณ์ของโมเดล

ประสิทธิภาพของระบบที่ต้องการความพยายาม
การคำนวณการไหลของราคาแบบเรียลไทม์ การใช้งาน และความผันผวน ต้องใช้ทรัพยากรทางคอมพิวเตอร์อย่างมาก อาจทำให้การดำเนินการของระบบช้าลงและทำให้ประสบปัญหาในการใช้งานของผู้ใช้

ความไวต่อพารามิเตอร์
ประสิทธิภาพของระบบเรียกเก็บเงิน และการปรับแต่งพารามิเตอร์ (เช่น ส่วนลดความผันผวน, ค่าเสี่ยงการถูกขาย) สัมพันธ์กับกันอย่างเข้มงวด การตั้งค่าพารามิเตอร์อย่างไม่เหมาะสมอาจทำให้การปรับ LTV ไม่เป็นประโยชน์

ความซับซ้อนในการปรับแต่ง
การค้นหาการรวมพารามิเตอร์ที่เหมาะสมต้องการการทดสอบและการวนซ้ำอย่างแพร่หลาย ซึ่งเพิ่มความ复杂ในการพัฒนาและการบำรุงรักษา

คอนเจสชันของเครือข่าย
ในช่วงเวลาที่บล็อกเชนแออัด การอัปเดตโมเดลแบบเรียลไทม์อาจถูกหน่วงเวลา ซึ่งเพิ่มความเสี่ยงต่อผู้กู้ยืมและผู้ให้กู้