Par George Liu et Matthew Turk
Tl; dr : Ce blog analyse le rendement centralisé des prêts de pièces stables pour Compound Finance et partage nos informations sur les performances, la volatilité et les facteurs qui déterminent ce rendement sur les prêts garantis de pièces stables dans DeFi. L’analyse montre que ce rendement de prêt peut surperformer le rendement sans risque sur le marché TradFi.
Dans la deuxième partie de cet article de recherche quantitative, nous examinerons le rendement des prêts de pièces stables pour le protocole de finance décentralisée (DeFi) Compound Finance V2 et partagerons nos informations sur les performances de rendement, la volatilité et les facteurs qui stimulent le rendement des prêts garantis de pièces stables via les protocoles DeFi. . Nous comparons également le rendement « sans risque » dans la finance traditionnelle (TradFi) au concept de rendement « à faible risque » dans DeFi, que nous avons présenté dans la première partie.
RECONNAISSANCE: Bien que nous soyons conscients de l’effondrement récent du stablecoin algorithmique TerraUSD (UST) de Terra, notre analyse porte ici sur le domaine du rendement des prêts garantis pour les stablecoins centralisés. Nous nous concentrons spécifiquement sur Compound for USDC et USDT (fiat-backed stablecoins), qui présentent des risques et des opportunités disparates.
Nous concluons dans cet article que l’utilisation de pièces stables pour des prêts garantis à faible risque (au sein de DeFi) pourrait surpasser l’investissement sans risque sur le marché financier traditionnel.
Comme mentionné dans la première partie de ce billet de blog, un utilisateur composé qui a placé ses actifs dans un pool de liquidités peut calculer le rendement total des prêts à l’aide de exchangeRate, qui est une indication de la valeur de l’intérêt que le prêteur peut s’attendre à recevoir au fil du temps, et le retour du temps T1 au temps T2 peut être simplement obtenu comme
R(T1,T2)=taux de change(T2)/taux de change(T1)-1.
De plus, le rendement annualisé de ce type de prêt garanti (en supposant une composition continue) peut être calculé comme
Y(T1,T2)=log(taux de change(T2)) — log(taux de change(T1))/(T2-T1)
Alors que les pools de liquidités composés prennent en charge de nombreux actifs en pièces stables tels que USDT, USDC, DAI, FEI, etc., nous n’analyserons ici que les 2 principales pièces stables, à savoir l’USDT et l’USDC, qui ont une capitalisation boursière de 80 milliards de dollars et 53 milliards de dollars respectivement. Ensemble, ils représentent plus de 70% du marché total des stablecoins.
Vous trouverez ci-dessous les tracés des rendements quotidiens, hebdomadaires, mensuels et semestriels annualisés générés selon les formules de la section précédente. Le rendement journalier est quelque peu volatil, tandis que les rendements hebdomadaires, mensuels et semestriels sont respectivement la version lissée du tracé granulaire précédent. L’USDT et l’USDC ont des schémas relativement similaires dans l’intrigue, car ils connaissent tous deux un rendement élevé et une forte volatilité au début de 2021. Cela indique que certains facteurs systématiques affectent le marché des prêts stables dans son ensemble.
Source : Le graphique
Une hypothèse des facteurs systématiques qui pourraient affecter le rendement des prêts sont les données du marché de la cryptographie (comme les prix BTC/ETH) et ses volatilités correspondantes. Lorsque BTC et ETH sont dans une tendance ascendante, certains investisseurs à la recherche de taureaux peuvent emprunter auprès des pools de pièces stables pour acheter BTC / ETH, puis utiliser le BTC / ETH acheté comme garantie pour emprunter plus de pièces stables et répéter ce cycle jusqu’à ce que leur effet de levier atteigne le niveau désiré. De plus, lorsque le marché entre dans un régime de forte volatilité, il existe des transactions cryptographiques plus centralisées et décentralisées qui pourraient également augmenter la demande de pièces stables.
Maintenant, pour vérifier la relation entre le rendement du stablecoin et les données du marché de la cryptographie, nous effectuons une simple analyse de régression linéaire pour voir dans quelle mesure la variation du rendement peut être attribuée aux facteurs de prix et de volatilité en utilisant la formule suivante :
Pour mesurer l’ampleur de la contribution de ces facteurs, nous utilisons le score R-Squared, qui a une plage de [0, 100%]. Un score de 100% signifierait que le rendement est entièrement déterminé par les facteurs contributifs.
La régression de l’USDC/USDT sur le marché BTC et le marché ETH nous amène respectivement au tableau R-Squared suivant :
Les données du marché ETH ont un meilleur pouvoir explicatif (18 % et 17 %) que les données du marché BTC (16 % et 11 %) pour déterminer le rendement de l’USDC et de l’USDT. Cela n’est pas surprenant, en particulier en raison de la popularité croissante de l’ETH et de son empreinte élargie sur le marché DeFi depuis le début de 2021. Comme on le voit avec ces résultats, le prix de la cryptographie et les facteurs de volatilité n’ont pas entièrement expliqué le rendement en stablecoins. Nous pouvons conclure qu’il doit y avoir d’autres facteurs qui contribuent à améliorer le score du modèle de base.
Nous avons effectué une analyse exploratoire plus approfondie en introduisant les données historiques sur l’offre de pièces stables et les données de prix de l’indicateur technique MACD dans le modèle. L’offre de pièces stables (le nombre total de pièces stables fournies aux pools de liquidités composées) devrait — intuitivement — affecter la disponibilité/rareté des pièces stables et avoir un impact indirect sur le rendement. MACD est un important signal de trading dynamique (en soustrayant la période 26 EMA à partir de la 12 période EMA — dans ce cas sur le prix), car cela pourrait aider les investisseurs dynamiques à décider quand s’endetter et quand se désendetter.
Nous constatons une augmentation notable des scores R-Squared, car l’USDC et l’USDT ont atteint un niveau d’environ 60 % à 70 %, comme indiqué ci-dessous.
À partir de ces données, nous pouvons conclure que l’offre de pièces stables est un facteur contributif important, car elle seule est capable de porter le score à environ 60 % pour les deux pièces stables sur l’un des deux marchés. Il semble suggérer que [supply] est un facteur majeur affectant le rendement sur le marché des prêts de pièces stables. Ceci est très similaire au monde TradFi, où l’offre de crédit par la Réserve fédérale affectera le taux d’intérêt général de l’ensemble du système.
L’introduction des données MACD (sur le prix BTC et ETH) apporte une amélioration mitigée. Dans le cas du marché BTC, sa contribution indépendante est bien inférieure au facteur d’offre, et le bénéfice marginal sur l’épaule de l’offre n’est que de quelques points de pourcentage. Nous avons cependant remarqué sur le marché des ETH que la MACD a une plus grande contribution indépendante à la valeur R-Squared par rapport au marché BTC. Cela suggère que les rendements des prêts de pièces stables sont plus corrélés avec l’activité de trading basée sur le momentum dans ETH que dans BTC.
Un exemple des coefficients de régression pour le rendement des prêts de l’USDC sur le marché des ETH est présenté ci-dessous. Le tableau suggère que la hausse des prix des ETH, la volatilité et [stable coin supply] sont généralement associés à un rendement de prêt inférieur de l’USDC. Dans le même temps, plus le signal MACD est fort, plus le rendement augmentera.
S’il est intéressant de révéler ce qui a motivé le rendement à faible risque des prêts de pièces stables, il est également important de comparer ces rendements avec leur homologue sur le marché TradFi.
Étant donné que les rendements des prêts stables sont dérivés des taux d’intérêt flottants réalisés pour les prêts garantis sur la plate-forme composée, nous avons sélectionné le taux de garantie générale (GC) utilisé sur le marché monétaire traditionnel comme taux sans risque comparable, car il s’agit également d’un taux variable. avec la dette du Trésor comme garantie du prêt.
Vous trouverez ci-dessous un graphique de la valeur du portefeuille des investissements qui génèrent respectivement un rendement de prêt USDC, un rendement de prêt USDT et un rendement de taux GC. Les investissements commencent tous avec une valeur initiale de 100 $ le 2020-05-01 et se terminent le 2022-05-01. Comme on le voit ci-dessous, le rendement des prêts garantis par l’USDT et l’USDC est largement supérieur au taux du GC. D’autre part, l’investissement sans risque qui rapporte le taux de GC ne croît guère pendant la même période.
Le taux d’intérêt moyen dans le tableau ci-dessous confirme également que le taux du GC est en moyenne d’environ 0,08 %, tandis que les rendements des prêts USDC et USDT sont respectivement de 3,71 % et 4,51 % pour cette période, comme indiqué ci-dessous. (Nous avons également vérifié le rendement à 2 ans de la dette du Trésor le 2020-05-1, qui n’est que de 0,2 %.)
Dans un avenir prévisible, il est raisonnable de conclure que le taux à faible risque, du moins sur le marché de la cryptographie, continuera de surperformer le taux sans risque sur le marché TradFi. L’une des raisons en est le risque de contrat intelligent, ou risque de liquidation mentionné dans la première partie de ce blog. Cependant, une raison plus importante est la croissance plus lente de l’offre de pièces stables par rapport à la croissance de l’économie cryptographique dans son ensemble. En comparaison, le marché TradFi a connu une croissance importante du crédit depuis le début de la pandémie de Covid-19, ce qui a contribué à faire chuter le taux sans risque à des plus bas historiques (voir la croissance du bilan de la Fed ci-dessous).
Ce blog a fourni une analyse largement indicative des rendements à faible risque disponibles à partir des prêts garantis de pièces stables via les protocoles DeFi. Bien que ces rendements puissent être très volatils au quotidien, leur tendance générale s’explique relativement bien par les prix BTC/ETH, les volatilités, l’offre de stablecoins et le MACD (momentum trading activities). Nous avons également comparé ces rendements avec le taux sans risque sur le marché TradFi où nous constatons une surperformance constante sur le marché de la cryptographie. Pour réitérer, ce n’est pas un conseil financier.
Prochaines étapes
En tant que membre de l’équipe de recherche quantitative en science des données, nous visons à obtenir une compréhension holistique de cet espace d’un point de vue quantitatif. Nous recherchons des personnes passionnées par cet effort pour rejoindre notre équipe en pleine croissance. Si vous êtes intéressé par la Data Science et en particulier la Recherche Quantitative en crypto, venez nous rejoindre.
L’analyse utilise le sous-graphe Compound v2 mis à disposition via le protocole Graph. Remerciements particuliers au spécialiste de la recherche institutionnelle, David Duong, pour sa contribution et ses commentaires.
