底层架构：BULK 风险引擎

每个永续合约交易所的核心都是一个风险引擎。它的主要职责是实时监控和管理交易风险。它有三个核心目标：保障协议的偿付能力、防止坏账以及确保所有用户获得公平的交易结果。

近期的种种事件已经向我们展示了设计糟糕的风险引擎会造成多么灾难性的后果。无论是用户被迫以可疑的价格进行 ADL 交易，还是交易所承担不良债务最终破产，都印证了这一点。

我们构建了 BULK 风险引擎，以非常精细的程度和很高的准确度，实时评估用户的抵押品和头寸。

该模型旨在实现：

1. 资本效率
   通过更精确地计算风险，我们可以降低某些投资组合的保证金要求，而其他去中心化交易所则需要更高的保证金来适应其粗粒度的方法。
2. 丰富的、可组合的抵押品
   大多数去中心化交易所 (DEX) 使用稳定币作为抵押品……然而，由于 BULK 对抵押品和交易组合之间的内在价值和相关性进行建模，我们可以支持“另类”抵押品作为一流抵押品：

• 质押代币（例如 BulkSOL）可获得收益
• 借出职位（Kamino、loopscale 等）
• 固定收益和结构化收益代币

甚至可能将基差/套利投资组合作为抵押品

统一保证金账户

3. 最优清算
如果需要清算，我们会进行二次优化，以确定对市场影响最小的待售数量和资产组合。

这是发动机通过遵循以下协议来实现的：

>哪些腿需要先修剪？
>每个市场需要平仓多少才能恢复利润率？
如何最大限度地减少用户损益损失和市场冲击/级联清算

这既能降低对用户的影响，又能保持交易所的流动性。

4. 安全性
通过更精确地模拟风险，我们保护了其他用户，减少了使用 ADL 的需求，同时实现了最大的资本效率。

模型

Bulk 风险引擎比目前任何其他去中心化交易所（DEX）的风险引擎都要先进得多，我们通过以下方式实现这一点：

1. 政权模型
   市场会经历波动和方向性变化。我们的风险模型利用了这些因素，并记录了当前的市场状态及其对风险的影响。
   
   本文采用类似马尔可夫的状态转换模型，利用历史转移概率来确定可能的状态和价格路径。

政权模型

2. 清算地图
用于确定可能的清算级联效应 → 对风险计算的执行影响

3. 执行影响
评估执行范围内其他清算的账面深度和集中度。

4. 相关性
资产并非独立演变，而是由于相关性而呈现协同波动。正确地建立这种模型，可以让我们降低某些具有反相关性头寸的投资组合的保证金要求。

5. 蒙特卡罗模拟
a) 模拟研究了 cVAR 和预期损失，评估了每个起始状态和位置方向的马尔可夫状态切换 SDE。

b) 我们为每项资产、制度等生成 K 维风险矩阵。

过程

由于上述模型较为复杂，因此将其分为两部分：

1. 实时组件：
   风险是实时计算的，采用的是最新数据：
   i) 清算地图
   ii) 深度
   iii) 相关性
   四）政权
2. 离线处理计算密集型模拟组件：
   定期运行蒙特卡洛模拟，评估数百万条路径，以应对不同的制度和压力情景 → 风险矩阵。

在数十亿（很快将达到数万亿）的财富面临风险的环境下，我们有责任为用户做得更好。

任何交易所都应该如此，我们非常重视风险。然而，这不应以牺牲资金效率为代价。

#dex #defi #perp #perps #合约交易所 #uni #cake