分类
外汇交易资金管理系统

简单化的金融产品

Compound利率模型图

DeFi从入门到精通之Compound——去中心化的货币市场

2020年在区块链领域最火的莫过于#Defi了, 全称Decentralized Finance,即去中心化金融。“去中心化”对于有些人来说是个政治气味很浓的词,对于技术极客来说却是个美丽新世界。Permissionless Finance或许是个比较中性的别称。简单地讲就是基于智能合约平台之上的金融应用协议(目前主要是基于Ethereum平台),具有透明公开、可审查、不受单一实体控制的特点。现在很火的几个金融产品领域包括Lending(借贷)、Trading(交易)、Derivative(衍生品)。本期【艺与术】专栏我们就来聊一聊Lending领域的领头羊Compound Finance, 踮起脚尖我们或许能看到未来金融科技的方向。

Compound其实就是个去中心化的货币市场(Money Market), 对标传统金融行业的产品就是余额宝了:你有一点闲钱,放在银行卡里给银行送钱,存进余额宝里能每天赚点利息;类似的当你有一点加密货币资产比如BTC和ETH,与其闲置在电子钱包(个人完全控制,不受银行、政府或任何第三方机构控制)里,放进通过Compound协议搭建的货币市场里就能币生币保持资产增值。这些利息是从哪来的呢?货币市场是个双边市场,有资产提供方(Supplier),也有借款方(Borrower),借款方为借得资产付点利息。借款有很多的用途,在传统金融里,我们借钱可以去投资实体经济创业、可以去还之前的贷款、可以加杠杆来放大收益、可以用来做空借入的资产;类似的,Compound的借款方可以用借来的币去加杠杆做多、做空,去投资其他的项目等等。

Compound货币市场上的加密货币收益率 (Supply Markets APY一栏)

这里就要介绍Compound协议的第一个设计:抵押贷款。比如当你想要借入DAI,你不能空手去借,因为在一个去中心化的全球化匿名网络里,你是没有任何信用的(credit),也就很难完成通常的银行信贷。但你可以抵押你手上的其他资产,比如ETH或者USDC,这样万一发生违约贷款(default loan),系统就能卖掉抵押资产来平仓。在Compound抵押资产的方式就是在Supply Market提供抵押资产,比如存入USDC(一个1:1瞄定美元的加密货币,属于稳定货币一族),不仅能赚1.56%的年化收益,还能获得一定比例的抵押贷款额度。假设用户存入1000 USDC,按美元计价是$1000,USDC的抵押系数(Collateral Factor)为75%,也就是说抵押1000 USDC,最多能贷出来价值$750(贷款额度,Borrowing Capacity)的其他资产,比如750 DAI (DAI也属于瞄定美元的稳定货币一族),或者3 ETH(假设当时ETH价格为$250)。如果抵押资产价格下跌或者借贷资产价格上涨,导致欠的钱超过了贷款额度,就会触发清算。在传统金融里,违约是常有的事,有时候是贷款人忘了还了,有时候是贷款人处于自身利益不打算还了,这时需要借助法律甚至是各种非法方式来讨回贷款。在去中心化金融里,代码即法律,由于过度抵押式借贷模型设计(Over-collateralized),部分抵押资产会被清算来偿还超出贷款额度部分的高风险债务,从而再次把债务总额降到贷款额度之下。继续之前的例子,1000 USDC 贷出3 ETH,贷出时价格为$250; 如果ETH价格上升到$300,负债率达到 3 * 300 / 1000 = 90% 。按新的价格清算掉2 ETH对应的USDC数量 2 * $300 = $600 = 600 USDC ,清算后的负债率为 1 * $300 / (1000 - 600) = 75% ,违约风险被消解。这里我对清算过程作了简单化处理方便读者理解,实际智能合约执行中逻辑更复杂。

按照经济学理论,假设我们把借贷利率看成关于借贷需求的一个函数。Compound对借贷需求的量化为借出的钱占借贷池里总额的比例 Demand = Utilization = Borrows / (Cash + Borrows) 。假设最初借贷池子里有1000 USDC作为启动资金, 简单化的金融产品 对应着 Cash = 1000, Borrows = 0 => Utilization = 0% ;在之后的另外一个时刻,借出了500 简单化的金融产品 USDC,池子里还剩500 USDC,对应着 Cash = 500, Borrows = 500 => 简单化的金融产品 Utilization = 50% 比较符合直觉的一个关系,借贷率越高,也就是需求越高。知道了需求的量化表述后,Compound用了一个 简单的线性关系来推导利率 Borrowing Interest Rate = 简单化的金融产品 2.5% + Utilization * 20% 当借贷率为0时,借贷利息为最低门槛的2.5%,当借贷率为50%时,因为借贷需求很高,此时的借贷利息受此推动上升到12.5%。在一个供需完全自由化的有效市场里,如果借贷利息上升到12.5%,对于持有该资产的投资者来说,是个非常诱人的低风险投资机会,投资者就会把他们的资产存入Compound的借贷池,Cash就因此增加,导致Utilization下载,借贷利率由此回落,形成一个开放市场对价格调节的一个完整周期。

Compound利率模型图

细心的用户会发现实操中Supply Rate(对标余额宝投资年化收益)总是低于Borrow Rate(借贷利息),就会纳闷这中间的利润去哪了?生活中,A向B借了一万元,承诺5%借贷利息,那么A就能拿到5%的借贷收益。在Compound的模型中,投资者是一起拼团把资金放在了一个共同的池子里,想要借钱的人不是单独和某个投资者借钱,而是和那个池子借钱。假设池子里有一万元,有人按5%的借贷利息借了一千元,还款时归还一千元本金和五十元利息,池子里的人需要平摊那五十元利息,算下来收益率就是 50 / 10000 = 0.5% 也就是借贷利息5%乘以资金利用率(Utilization) 10%。推导一个极端情况,池子里的一万元钱被全部借走,还款时归还一万元本金和五百元利息,此时Supply Rate就等于Borrow Rate,因为资金利用率为100%。

上面讲的都是些模型和理论基础知识,实际应用中Compound协议是如何把现实世界的这套金融规则编码化、自动化、去中心化的呢?这里需要介绍最重要的一个设计: cToken。我们去银行柜台买理财,存入一万元,银行给你一张凭证,凭此凭证和你的身份证件,到期后可以要求兑换本金和收益。cToken对应的就是那张凭证,在基于Web3的去中心化网络里,你的Wallet就是你的身份证件,凭借cToken和Wallet你就能向Compound协议要求赎回本金和收益。以USDC借贷市场为例,假设初始时 1 cUSDC = 1 USDC 随着借贷池里利息收入(USDC)的增长,cUSDC对USDC的兑换比例会随着时间越来越高。比如用户最初存入1000 USDC,拿到1000 cUSDC 作为兑换凭证。一年后, 1 cUSDC = 1.2 USDC 用户想要套现,就调用Compound协议的赎回功能,此时的1000 cUSDC代表的USDC为1200 USDC,所以用户最终拿回1000 USDC的本金和200 USDC的利息收入。整个过程全部基于智能合约的公开可验证的逻辑,不需要任何人员和机构参与这个过程来帮助验证身份、确认权益、发放收益。

至于cToken对它代表的的底层资产兑换比例的设定和更新,Compound智能合约会在每产生一个新以太坊区块时根据那个时间点池子里累计的本金和利息更新每个市场里的cToken的兑换比例。类似传统银行柜台每个工作日早上在小黑板上更新最新的理财收益率,Compound智能合约是在每个以太坊新区块形成时更新最新的Borrow Rate和Supply Rate。通常十几秒会出一个新区块,也就是说每十几秒这些利率会被更新一次。

利好政策赋予AI+金融发展活力

2017年8月,国务院印发《新一代人工智能发展规划》提到,加快产业智能化的升级,创新智能金融产品和服务,发展金融新业态。 鼓励金融行业应用智能客服、智能监控等技术和装备。 2018年1月,人工智能标准化论坛在北京召开,本次论坛发布了《人工智能标准化白皮书(2018版)》,呼吁社会各界共同加强人工智能领域的技术研究、产业投入、标准建设与服务应用,共同推动人工智能及其产业发展。 2019年9月,中国人民银行印发《金融科技(FinTech)发展规划(2019-2021年)》,并提出到2021 年,建立健全我国金融科技发展的“四梁八柱”,进一步增强金融业科技应用能力,实 现金融与科技深度融合、协调发展,明显增强人民群众对数字化、网络化、智能化金融产品和服务的满意度,使我国金融科技发展居于国际领先水平。

金融产品的多样化给个性化技术在金融行业的应用提供了契机

随着金融行业的快速发展以及国家一系列政策的实施,越来越多的金融机构推出了自己各种各样的理财产品。 理财产品种类的不断丰富和数量的快速增长为理财用户提供了更多选择,也为投资理财市场开辟了广阔的发展空间。 同时,随时大众生活水平的提高,理财观念渐渐普及,越来越来的人开始接触理财服务。 用户需要花费大量的时间才能找到自己想买的理财产品。 这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。 大多数用户由于缺乏金融相关知识,主观风险偏好和客观承受能力不匹配,很难自主选出符合自身真实需求的理财产品。 专业的工作人员相对较少,销售导向的价值定位也使得用户无法从专业人员那里获取到最好的服务。 这些问题促使金融服务转向寻求智能化技术的帮助,智能个性化理财服务应运而生。

pic_001

pic_002

图2 2013-2018年中国公募基金数量(引用自QUEST MOBILE)

个性化理财服务中的关键要素

用户画像

(1)基本属性

简单化的金融产品 (2)信用属性

(3)消费特征

(4)行为特征

(5)社交属性

pic_003

图3用户画像: 配置偏好、风险偏好(引用自QUEST MOBILE)

产品画像

理财产品种类繁多,包括银行理财、货币基金、股票、P2P、投资型保险、公募基金、私募基金等等。好的理财产品是易于推广、购买率高的,而如何描述一个产品,这就是产品画像。 产品画像的丰富、精准,有利于剖析理财服务的应用需求。 理财产品的画像信息可以简单地归纳为以下几类。

(1)基本信息

(2)投资组合

(3)公告信息

(4)财务报表

智能匹配

基于内容的推荐

主要过程是将推荐物品的信息特征和待推荐对象的特征相匹配的过程,从而得到待推荐的物品集合。 在理财产品中,内容信息有历史评级、收益率、业绩基准、行业配置等信息,这些都可作为产品的特征数据,对产品数据进行建模,得到产品向量数据。 结合用户画像以及历史行为记录,将用户向量矩阵和产品向量矩阵作为输入,得出每个用户与待推荐产品之间的匹配程度。 基于内容的推荐方法,优点是能保证推荐内容的相关性,并且根据内容特征可以解释推荐结果,而且对新物品的推荐是也能有很好的考量。 缺点是由于内容高度匹配,导致推荐结果的惊喜度较差,而且对新用户不能提供可靠的推荐结果。

基于用户的协同过滤

主要思想是基于群体智慧,利用已有大量用户群过去行为数据来预测当前用户最可能感兴趣的东西。 这种方法克服了基于内容方法的一些弊端,最重要的是可以推荐一些内容上差异较大但是又是用户感兴趣的物品。 根据用户的画像信息、行为信息,通过统计、聚类方式得出用户间的距离,把用户划分为不同的属性组,如激进型人群、保守型人群、基金偏好人群等。 将用户购买的理财产品推荐给同群组中的其他用户。

基于知识图谱的推荐

知识图谱能够比较全面的记录客户的非常详细的信息,包括名字,住址,经常和什么样的人进行互动,还认识其它什么样的人,网上的行为习惯、行为方式是什么样的, 这样就可以知识图谱挖掘出更多的用户的属性标签和兴趣标签,以及社会的属性标签,形成全面的用户洞察, 基于知识图谱就可以进行个性化的理财产品推送,或者基于用户的分群分组做定向营销,从而实现精准营销。

深度学习

(1)Wide & Deep

pic_004

图4 Wide & Deep模型结构

(2)DeepFM

整个模型大体分为两部分: FM和DNN。 借助FNN的思想,利用FM进行embedding,之后的wide和deep模型共享embedding之后的结果。 DNN的输入通过一定方式组合后,模型在wide上完全模拟出了FM的效果,最后将DNN和FM的结果组合后激活输出。

(3)xDeepFM

一个基于神经网络的模型,以一种显式的向量方式学习特征交互。 在deepFM的基础上,不改变deep层的部分,而是对FM层的部分,使用创新的CIN层进行特换。 这样CIN层首先具有FM的功能,其次,由于CIN可以进行deep扩展,保证了能够学到更高维度的显式特征融合,提高了效率,保证了最终的模型准确性。

pic_005

(4)DIN

DIN通过一个兴趣激活模块(Activation Unit),用预估目标Candidate的信息去激活用户的历史点击物品,以此提取用户与当前预估目标相关的兴趣。 权重高的历史行为表明这部分兴趣和当前物品相关,权重低的则是和物品无关的”兴趣噪声“。 通过将激活的物品和激活权重相乘,然后累加起来作为当前预估目标相关的兴趣状态表达。最后将这相关的用户兴趣表达、用户静态特征和上下文相关特征,以及目标相关的特征拼接起来,输入到后续的多层DNN网络,最后预测得到用户对当前目标物品的点击概率。

pic_006

达观智能推荐系统助力理财服务更多可能

pic_007

图7 群组推荐配置 达观智能推荐系统内置数十种深度学习算法,同时结合不同行业特点,对算法进行深度优化,帮助企业提升转化率、点击率、留存率等业务核心指标。

pic_008

达观智能推荐系统采用业内首创的“召回+排序+后处理”三段式推荐流程,提供了数十种内置的召回策略、排序策略、推荐方案,同时支持策略、方案的自定义, 满足企业根据业务场景和规则自主配置推荐策略的需求,让企业最大化实现自主可控的配置。打造用户分群、精准推送、效果反馈的全流程精细化运营体系。

消费金融产品测评系列④丨利率低至年化7.6%,但6款消金APP未对敏感信息获取单独同意

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

观察家 | 陈永伟:“去中心化金融”的优势与风险

为什么DeFi会在短短两年内,从默默无闻走向火爆呢?相比于传统的金融产品,它究竟有哪些独特的优势?它的发展,又会带来哪些潜在的风险?作者:陈永伟 封图:图虫创意

在学金融的人里面,流传着一个著名的笑话:有一个学生不太爱学习,在选课时总挑那些所谓的“水课”,而回避那些“硬课”。一次,他在课表上看到了一门课,叫做《选择、未来及其余衍生出的琐事》(Options,Futuresand Other Derivatives),心想这一定是一门谈理想、灌鸡汤的“水课”,立即选了课。但开课之后,他才发现,这门课非但不“水”,而且非常“硬核”简单化的金融产品 。每节课上,教授都是一黑板一黑板地推公式,根本就没有什么鸡汤。找人一打听,才知道自己完全误解了课程的标题——原来,这门课其实是《期权、期货和其他衍生品》,是金融系著名的高难度课程。

有了区块链之后,人们很自然地将这种通过组合来实现复杂金融功能的思路搬到了DeFi应用上。具体来说,在整个DeFi生态中,有一些金融功能是基本的。例如Outlier Venture报告中指出的那几大类应用,其实实现的大多是基本的金融功能。在计算机术语中,那些用来完成某个特别功能的程序块有一个特殊的名字,叫做“原语”(primi-tives),沿用这个传统,这些基本的金融程序就被人们称为了“金融原语”(fi-nancial primitives)。

经观社论| 保卫市场主体,就是保卫国家和百姓的财富

超级平台| 陈永伟:国庆长假话杀熟

经 济 观 察 报 ∣ 理性 建设性

扫二维码 3分钟开户 紧抓股市暴涨行情!