Риски токенизированных активов: за пределами TVL

от

Автор: Денис Аветисян

Новая методика оценки рисков токенизированных реальных активов выходит за рамки общей стоимости заблокированных средств (TVL), предлагая более глубокий анализ ликвидности, концентрации и качества рынка.

"Покупай на слухах, продавай на новостях". А потом сиди с акциями никому не известной биотех-компании. Здесь мы про скучный, но рабочий фундаментал.

Бесплатный Телеграм канал

Предлагаемый фреймворк использует данные блокчейна для оценки рисков токенизированных реальных активов (RWA), выявляя недостатки оценки исключительно на основе TVL.

Несмотря на растущую популярность токенизированных реальных активов (RWA), оценка их рисков часто ограничивается лишь показателями общей заблокированной стоимости (TVL). В работе ‘Beyond TVL: An Explainable Risk Scoring Framework for Tokenized Real-World Assets’ предложена эмпирическая и прозрачная методика оценки рисков RWA, основанная на анализе ликвидности, концентрации и качества рынка. Полученные результаты демонстрируют, что TVL не всегда коррелирует с фактическим риском, и активы с высокой стоимостью могут обладать низкой ликвидностью и высокой концентрацией владения. Возможно ли создание более надежной системы оценки RWA, учитывающей многообразие факторов и обеспечивающей инвесторам более полное представление о рисках?

За пределами TVL: скрытые риски токенизированных реальных активов

Общий объем заблокированных средств (TVL) часто используется для оценки масштаба рынка токенизированных активов реального мира (RWA), однако эта метрика не отражает присущие им риски. TVL лишь показывает сумму заблокированных средств, не учитывая кредитный риск базового актива, риски ликвидности, операционные риски, юридическую неопределенность и потенциальные несоответствия между ончейн и оффчейн мирами. Например, токенизированные облигации могут иметь высокий TVL, но подвергаться риску дефолта эмитента, который не учитывается в этой простой метрике. Таким образом, полагаться исключительно на TVL при оценке RWA вводит в заблуждение и может привести к недооценке реального уровня риска, особенно по мере роста принятия этих активов.

Традиционные методы оценки рисков, разработанные для устоявшихся финансовых инструментов, оказываются недостаточными применительно к токенизированным реальным активам (RWA). В отличие от привычных активов, RWA связаны с физическими объектами и правовыми обязательствами, требующими учета специфических рисков ликвидности, контрагента и соответствия нормативным требованиям. Для адекватной оценки необходимо перейти к более детализированному, “ончейн” подходу, который позволяет отслеживать происхождение активов, условия их хранения и механизмы обеспечения, а также анализировать данные о транзакциях и взаимодействии смарт-контрактов. Такой подход обеспечит возможность выявления и смягчения потенциальных уязвимостей, связанных с недостаточной прозрачностью и сложностью структуры токенизированных активов.

По мере расширения практики токенизации реальных активов (RWA) возрастает и потенциальная системная уязвимость финансовой системы. Отсутствие всесторонней оценки рисков, учитывающей специфику этих новых активов, может привести к каскадным последствиям в случае неблагоприятных событий. Недооценка рисков, связанных с ликвидностью, юридической надёжностью базовых активов, и операционными рисками, может спровоцировать значительные убытки и потерю доверия к всей экосистеме токенизированных активов. В отличие от традиционных финансовых инструментов, где существуют устоявшиеся механизмы контроля и страхования, RWA требуют разработки новых подходов к оценке и управлению рисками, чтобы обеспечить стабильность и устойчивость финансовой системы в целом.

Рациональный фреймворк оценки рисков для RWA

Предлагаемый нами Фреймворк Оценки Рисков (Risk Scoring Framework) предназначен для ранжирования токенизированных активов реального мира (RWA) на основе наблюдаемых метрик ликвидности и активности. Данный фреймворк использует количественные показатели, такие как объемы торгов, глубина книги ордеров и количество активных кошельков, для оценки относительного риска каждого RWA. Используемые метрики являются общедоступными и верифицируемыми, что обеспечивает прозрачность и возможность воспроизведения результатов оценки. Фреймворк позволяет систематически сравнивать различные RWA и выявлять активы с повышенным риском ликвидности или недостаточной активностью, предоставляя информацию для принятия обоснованных инвестиционных решений.

Предлагаемый фреймворк систематически оценивает риски токенизированных активов реального мира (RWA) по трем ключевым параметрам. Риск ликвидности определяется объемом торгов и глубиной книги ордеров, отражая способность быстро конвертировать актив в денежные средства. Риск концентрации измеряет долю актива, находящуюся в руках нескольких крупных держателей, что может указывать на потенциальную манипуляцию ценой или снижение устойчивости. Риск качества рынка оценивает волатильность цены и наличие арбитражных возможностей, сигнализируя о эффективности ценообразования и прозрачности рынка. Оценка по каждому из этих параметров позволяет комплексно оценить общий профиль риска RWA.

Композитный рейтинг риска (Composite Risk Score) формируется путем агрегации оценок по трем ключевым измерениям: риску ликвидности, риску концентрации и риску качества рынка. Каждое измерение оценивается на основе набора наблюдаемых метрик, включая объемы торгов, глубину рынка и количество уникальных участников. Полученные значения нормализуются и взвешиваются в соответствии с заранее определенными коэффициентами, отражающими относительную важность каждого риска. Итоговый Composite Risk Score представляет собой единое числовое значение, позволяющее комплексно оценить риск-профиль токенизированного актива реального мира (RWA) и обеспечивает прозрачность процесса оценки за счет возможности отслеживания вклада каждого отдельного измерения.

Детализация ключевых метрик и расчетов

Оценка риска ликвидности проводится с использованием показателей оборачиваемости (Turnover), активности переводов (Transfer Activity), коэффициента активности (Active Ratio) и среднего размера перевода (Average Transfer Size), которые позволяют определить легкость выхода из актива. Наблюдаемый диапазон значений оборачиваемости составляет от 0,012 (для BENJI) до 1,636 (для XAUT), что указывает на существенные различия в объеме торгов между различными реальными активами (RWAs). Более высокие значения оборачиваемости свидетельствуют о большей ликвидности и, следовательно, о меньшем риске затруднений при продаже актива.

Риск концентрации определяется количеством держателей (Holder Count), средней стоимостью активов на одного держателя и концентрацией сети. Наблюдаемый диапазон количества держателей значительно варьируется — от 4 (для STAC) до 42 миллионов (для USDC). Это указывает на существенные различия в распределении владения различными реальными активами (RWAs), и, соответственно, на разную степень подверженности риску, связанному с потенциальным влиянием крупных держателей на рыночную динамику и ликвидность актива.

Риск качества рынка оценивается на основе двух ключевых показателей: концентрации торгов на блокчейне и фрагментации торгов. Концентрация торгов определяет степень зависимости от небольшого числа торговых площадок, в то время как фрагментация отражает распределение объемов торгов между различными площадками. Высокий уровень концентрации указывает на повышенный риск, связанный с возможными сбоями или манипуляциями на доминирующих площадках. Оба показателя измеряются с использованием Индекса Херфиндаля-Хиршмана (HHI), что позволяет стандартизировать оценку и сравнивать различные активы. Формула для расчета HHI: HHI = \sum_{i=1}^{n} s_i^2 , где s_i — доля рынка i-го участника, а n — общее количество участников.

Индекс Херфиндаля-Хиршмана (Herfindahl-Hirschman Index, HHI) применяется для количественной оценки как концентрации, так и фрагментации торгов на блокчейне. Он рассчитывается как сумма квадратов долей рынка каждого участника. Для оценки концентрации, HHI показывает степень доминирования нескольких крупных участников. Более высокое значение HHI указывает на более высокую концентрацию. Для оценки фрагментации, HHI рассчитывается на основе распределения объемов торгов между различными площадками (DEX, CEX и т.д.). Высокий HHI в данном контексте указывает на то, что большая часть торгов сосредоточена на небольшом количестве площадок, а низкий — на высокой степени фрагментации. Использование HHI позволяет стандартизировать оценку рисков, связанных с концентрацией и фрагментацией, и проводить сравнительный анализ различных RWAs. Формула для расчета HHI: HHI = \sum_{i=1}^{n} s_i^2 , где s_i — доля рынка i-го участника, а n — общее количество участников.

Анализ данных: использование информации из открытых источников

В основе нашей аналитической платформы лежит использование данных, предоставляемых RWA.xyz Data. Данная платформа обеспечивает доступ к комплексному набору информации, включающему как данные, полученные непосредственно из блокчейна (on-chain data), так и сведения, предоставляемые эмитентами токенов (issuer-provided data). Комбинация этих двух источников позволяет сформировать наиболее полное представление о профиле риска реальных активов (RWA), включая информацию о распределении токенов, ликвидности и других ключевых параметрах, необходимых для оценки потенциальных рисков и возможностей.

Индекс концентрации сети (Network HHI) является ключевым показателем оценки риска концентрации, определяющим распределение владения токенами в сети. Наблюдаемое значение Network HHI, равное 1.0000 для активов BENJI, HLSCOPE, STAC и PAXG, указывает на высокую концентрацию активности исключительно на одной цепочке блоков (single chain). Это означает, что значительная часть операций и владения этими активами сосредоточена в рамках одной инфраструктуры, что повышает уязвимость к рискам, связанным с этой конкретной цепочкой, таким как сбои в работе, кибератаки или регуляторные изменения.

Наша платформа обеспечивает детальный и прозрачный анализ профилей риска реальных активов (RWA) посредством интеграции данных из RWA.xyz Data — источника как ончейн-информации, так и данных, предоставляемых эмитентами. Мы комбинируем эти источники с ключевыми метриками, такими как Индекс концентрации сети (Network HHI) и оценками ликвидности, что позволяет нам формировать комплексные профили риска для каждого актива. В результате мы предоставляем пользователям возможность оценить не только общую степень риска, но и его составляющие, включая концентрацию холдингов и потенциальные проблемы с ликвидностью, например, как это было продемонстрировано в анализе активов STAC (Composite Score ~89.3) и PAXG (Liquidity Risk ~62.96).

Анализ данных показывает, что токен STAC имеет самый высокий общий уровень риска, оцениваемый в приблизительно 89.3 балла по нашей композитной шкале. В то же время, токен PAXG демонстрирует более низкий риск ликвидности, составляющий около 62.96. Это указывает на то, что, в отличие от STAC, PAXG характеризуется более широким распределением ликвидности и меньшей подверженностью резким колебаниям, связанным с концентрацией средств у небольшого числа держателей.

К более устойчивой экосистеме токенизированных реальных активов

Предложенная структура служит основой для разработки упреждающих стратегий управления рисками в экосистеме реальных активов, токенизированных в цифровой форме. Она позволяет систематически оценивать и смягчать потенциальные угрозы, связанные с волатильностью базовых активов, операционными рисками и регуляторной неопределенностью. Данный подход не просто реагирует на возникающие проблемы, а позволяет заранее выявлять уязвимости и внедрять меры предосторожности, обеспечивая более стабильное и предсказуемое функционирование рынка токенизированных реальных активов. Использование стандартизированных метрик и процедур оценки способствует повышению доверия со стороны инвесторов и упрощает интеграцию токенизированных активов в традиционные финансовые системы.

Дальнейшие исследования направлены на расширение базы данных, используемой для оценки рисков в экосистеме реальных активов (RWA). Планируется интеграция данных из альтернативных источников, включая данные о кредитном рейтинге, информацию о залоге и рыночные показатели, что позволит повысить точность и детализацию системы скоринга. Уточнение методологии оценки рисков предполагает разработку более сложных алгоритмов, учитывающих взаимосвязи между различными факторами риска и позволяющих более адекватно оценивать потенциальные убытки. Такой подход позволит создать более надежную и прозрачную систему оценки рисков, способствующую развитию и устойчивости рынка токенизированных реальных активов.

Стремление к повышенной прозрачности и подотчетности является ключевым фактором для раскрытия всего потенциала токенизированных реальных активов (RWA), одновременно снижая вероятность возникновения системных рисков. Обеспечение четкой и доступной информации о базовых активах, их оценке и структуре владения, позволяет участникам рынка более обоснованно оценивать риски и принимать взвешенные решения. Внедрение механизмов подотчетности, таких как аудит и регулярная отчетность, способствует укреплению доверия и предотвращению злоупотреблений. Повышенная прозрачность и подотчетность не только минимизируют потенциальные убытки, но и стимулируют дальнейшее развитие экосистемы RWA, привлекая новых инвесторов и открывая возможности для инноваций в сфере децентрализованных финансов.

Развитие более устойчивой экосистемы реальных активов (RWA) представляется ключевым фактором для привлечения институциональных инвесторов, которые традиционно проявляют осторожность в отношении децентрализованных финансов. Повышенная надежность и предсказуемость, обеспечиваемые устойчивой системой RWA, снижает риски и открывает возможности для масштабных инвестиций. Это, в свою очередь, стимулирует инновации в DeFi-пространстве, позволяя создавать новые финансовые инструменты и сервисы, основанные на токенизированных реальных активах. Ожидается, что увеличение объемов институционального капитала, направленного в DeFi через RWA, приведет к значительному расширению ликвидности и улучшению эффективности всего сектора, создавая благоприятную среду для дальнейшего развития и внедрения передовых технологий.

Представленное исследование демонстрирует, что полагаться исключительно на общую стоимость заблокированных средств (TVL) при оценке токенизированных активов реального мира (RWA) — методологически несостоятельно. Анализ ликвидности, концентрации и качества рынка, основанный на общедоступных данных on-chain, выявляет скрытые риски, которые остаются незамеченными при поверхностной оценке. Как однажды заметил Винтон Серф: «Интернет — это просто машина для передачи информации». Подобно этому, TVL — лишь один из параметров, и для адекватной оценки RWA необходимо учитывать комплекс факторов, определяющих устойчивость и надежность этих активов. Истинная оценка требует строгого анализа, а не просто констатации цифр.

Куда Ведет Этот Путь?

Представленная работа, как и любая попытка формализовать оценку риска, лишь обнажает глубину нерешенных проблем. Доминирование TVL в качестве единственного критерия оценки токенизированных реальных активов (RWA) оказалось иллюзией, что, впрочем, было предсказуемо для тех, кто ценит математическую строгость. Однако, замена одной упрощенной метрики на набор показателей ликвидности, концентрации и качества рынка — это не решение, а лишь более точная постановка вопроса.

Ключевым ограничением остается зависимость от данных, доступных непосредственно в блокчейне. Истинная оценка риска RWA требует интеграции с внецепочечными источниками информации — юридическими документами, аудиторскими отчетами, данными об активах, лежащих в основе токенов. Задача заключается не в простом сборе данных, а в их верификации и формализации, что представляет собой серьезный вызов для исследователей и разработчиков.

Будущие исследования должны быть направлены на разработку моделей, способных учитывать не только количественные показатели, но и качественные характеристики RWA. Необходимо стремиться к созданию систем, которые не просто предсказывают вероятность дефолта, но и позволяют оценить потенциальные убытки в различных сценариях. Иначе, все эти усилия превратятся лишь в еще одну сложную, но несостоятельную модель, иллюзию контроля над неопределенностью.

Оригинал статьи: https://arxiv.org/pdf/2605.29689.pdf

Связаться с автором: https://www.linkedin.com/in/avetisyan/

Смотрите также:

2026-05-31 19:22