DeFi參與者很大可能也難以評估專案的風險，這對社羣以外的參與者來說就更難了。然而DeFi想要擴大受眾面，讓受眾對風險有充分認識是必不可少的。10月14日，DeFi實時資料分析平臺DeFi Pulse宣佈與DeFi模擬平臺Gauntlet合作推出“DeFi Pulse 經濟安全評分”，這套評分體系觀測的是哪些維度？如何幫助我們對專案進行風險評估？讓我們看一下Gauntlet的介紹：
對於DeFi社羣以外的許多人來說，投資像Compound或Aave這樣安全的專案，他們還是覺得風險非常高。但還是會有人不在意風險一事，比如剛過去的EMN事件，一條推文引發的前仆後繼跟風。即使對於那些已經使用DeFi產品多年、風險承受能力強的人來說，仍然難以對不同協議的風險做出評估與比較。比如說，可以在Aave上以2%的利息出借USDC，而在Cream.finance可獲得的利息是4%，那值不值得冒風險選擇後者？
許多人甚至不知道去中心化借貸存在哪些風險因素，更不用說如何量化這些風險了。有的借貸協議的使用者甚至不瞭解清算是什麼，這是防止造成存款人損失的最重要部分。Gauntlet正在構建管理DeFi風險的平臺。我們利用平臺的“自動治理”功能幫助協議設定安全引數，讓協議可以在風險和資本效率之間進行權衡。但這帶出了一個問題-我們如何讓使用者知道這些風險？
Gauntlet推出對DeFi協議的風險評分。從抵押貸款開始，我們建立了一個量化投資者在獲得這些產品收益時面臨的市場風險的標準。利用來自集中式和分散式交易所的資料以及鏈上使用者資料，我們能夠針對協議智慧合約直接執行模擬，以估計市場風險。這將使使用者可以使用一致的框架來決定整個協議的風險。我們正在與DeFi Pulse合作，將這些分數釋出為“經濟安全等級”。DeFiPulse一直是教育使用者有關DeFi協議的領導者，我們很高興能夠攜手幫助人們更好地瞭解風險。
Gauntlet正在推出DeFi協議的風險評分。從抵押借貸開始，我們已經建立了一個標準，用於量化投資者在DeFi產品中賺取收益時面臨的市場風險。利用來自中心化和去中心化交易所的資料，結合鏈上使用者資料，我們能夠直接針對協議的智慧合約進行模擬執行，估算市場風險。使用者可以使用同一框架對不同協議的風險進行評估。Gauntlet正在與DeFi Pulse合作，將風險評估得分以 "經濟安全等級 "的形式釋出。DeFiPulse在DeFi協議的使用者教育方面一直處於領先地位。
DeFi Pulse上的“經濟安全等級”得分，點選檢視
1
鏈上借貸的風險
在這篇文章中，我們將深入介紹如何衡量抵押借貸的風險（後臺回覆“Comp”可獲取Gauntlet對Compound的風險評估報告）。存款人在鏈上借貸中的主要風險是平臺無力償還，即該協議可能沒有足夠的抵押品來償還給存戶。這並不是參與者面臨的唯一風險，例如借款人可能需要關心利率的快速變化。但是，對風險的評分集中在這種無力償還的風險上。一些關鍵因素會導致這種風險：
1.使用者行為 2.抵押品波動 3.相關抵押品流動性 4.協議引數 5.智慧合約風險
Gauntlet的評分並不旨在能夠建模智慧合約風險，例如重入攻擊（reentrancy attacks）。我們認為審計和正式的驗證工具最適合評估這種形式的風險，其他四個因素極大地決定了被稽覈的鏈上借貸協議破產的可能性。當使用者在Compound上借款時，他們會選擇提供多少抵押物和承擔多少債務。正是這種使用者行為影響了協議中清算的頻率。如果借款人規避風險，只針對自己的抵押物出小倉位（比如10元抵押物出3元債），那麼倉位變得符合清算條件的可能性就很小，更不用說產生破產風險了。在這裡，另一個明顯影響風險的是抵押品的波動性。如果抵押品的價值變化很大，25%的跌幅是正常範圍，但如果不是這樣，破產的可能性就可以忽略不計。協議還可以限制借款人進行非常高風險的持倉，這樣可以讓協議引數降低風險。
該協議的成功還取決於清算人是否有能力進行盈利性清算。如果不清算頭寸，存款人就不能保證協議的償付能力。考慮到給清算人的抵押品的折扣，可能還不清楚他們怎麼會虧損。眼下，鏈上借貸合約有數十億美元的存款。清算人可能要在短時間內購買數億美元的抵押品。折扣提供了一個巨大的盈利機會，但這也伴隨著巨大的風險。如果在試圖出售抵押品時，抵押品的價格下跌怎麼辦？如果退出巨大的抵押品頭寸會動搖市場，造成滑點怎麼辦？很難想象750美元的頭寸會有5%的滑點，但7,500萬美元的資產就不會，特別是對於流動性差的抵押品型別。大額的清算會累積起來，推動抵押資產的價格進一步下跌，引發其他借款頭寸的一連串清算。
Compound、Aave、Maker支援的一些抵押品，有幾天出現了在交易所的日交易量小於智慧合約的持債總量的情況。正是相關品的流動性，或者說相對於所使用的抵押品的數量，給清算人帶來了這種風險。
2
經濟安全評分模型-Alpha版本
對於第一個版本的評分，我們建立了一個涵蓋這四個風險因素的模型。我們的模擬環境允許代理直接與協議的真實的智慧合約進行互動。為了構建代理人使用的借款策略，我們從鏈上狀態來確定使用者的風險程度（在這種情況下，透過檢視鏈上抵押品比率）。
為了捕捉相關的流動性風險，我們從交易所提取資料來模擬價格波動和抵押品流動性。我們使用觀察到的波動率來生成符合市場條件的合成價格軌跡。然後，針對訂單資料訓練一個迴歸模型，以瞭解清算人在當前市場流動性下可能面臨的滑點。
在模擬模型中，有實際的清算機器人在執行，直接呼叫智慧合約來清算倉位。透過對數千條價格軌跡進行模擬執行，可以估算出無法償還的可能性，從而估算出協議中的風險。最後將該分數1標準化為100，得出我們在DeFi Pulse上看到的風險分數。
得分解釋
在釋出時，我們將為Aave和Compound這兩個鏈上借貸協議提供風險評分。我們還做了幾個簡化的假設，希望在未來風險評分版本的中繼續使用。
選擇 "風險最高的抵押品"--我們分析歷史流動性和波動性資料以確定最有可能導致問題的抵押品型別。這通常是最不穩定的抵押品型別，但也可以只是最常用的抵押品型別。這種資產對流動性的要求最大，因為需要清算的資產太多。
然後，我們估計使用者以這種抵押品型別借入穩定幣的系統風險。目前穩定幣在Aave上的借款佔比超過70%，在Compound上佔比超過90%。我們希望支援的下一個協議Maker的穩定幣借款率為100%。
3
安全評分Beta及以上
在alpha版本中，我們並沒有涵蓋借貸協議使用者所遇到的所有風險。精明的觀察者可能已經注意到我們省略了協議流動性不足的情況。我們希望在構建測試版的過程中，對這點以及其他一些事情進行建模：
極端的網路擁堵 (我們目前包含了gas費成本，但還可以做很多改進)
考慮到歷史資產價格的相關性，支援對多資產抵押品和借款的清算分，(以及對這些關係的衝擊)，類似於傳統金融中的組合壓力測試。
協議儲備--Aave和Maker都用他們的代幣來支援存款（在Maker的例子裡是發行DAI）。Compound有一個儲備金，治理層可以用來償還存款人，這些都可以降低風險，這些將被希望納入模型中。
其他風險因素，如主網上觀察到的清算地址數量。如果一個協議沒有一個有競爭力的清算生態系統，那麼失敗的可能性就會更大。
Gauntlet講支援更多的協議，並儘快釋出公開的文件，讓希望得到評分的協議知道他們可以做什麼得以被收錄。
