重建与发展:数字资产借贷行业朝着可持续发展迈进!

纵观历史,贷款和货币一样古老,无论哪种形式的货币都需要有其借贷市场。现在,比特币以其分散和透明的性质,在加密领域占据龙头地位。

就像之前的货币一样,比特币要真正蓬勃发展,也需要一个强大的借贷市场。然而到目前为止,大多数创建比特币信贷市场的尝试都以惊人的失败告终,带来了灾难性的影响。

在2020年,对比特币和数字资产借贷服务的需求激增,有10亿的客户资产流向中心化和去中心化借贷平台。部分原因是宽松的宏观经济货币政策和加密行业的爆炸性增长,这种环境允许不良行为者鲁莽地操作,误导消费者,而不会面临重大的制衡。

这种缺乏监督最终导致数字资产借贷行业从2022年开始崩溃,包括包括BlockFi、Celsius和Genesis的一个部门在内的贷方的级联破产。以下是这些公司失败的原因,有助于更好地了解2022年的事件以及加密信贷提供商面临的系统性风险。

首先,加密信贷提供商通常将客户资产与公司的收益产品相结合,这导致了一个风险交织的局面。如果公司的收益计划失败并导致破产,客户的贷款可能会受到影响。

其次,贷款交易对手的集中风险是另一个值得关注的问题。这些平台与其他公司合作以产生客户的收益,然而依赖过度于少数几家合作伙伴可能会带来集中风险。如果合作方遇到问题或陷入困境,这可能会对客户的贷款造成负面影响。最后,贷款人没有为客户提供了解其信贷承销过程或贷款活动中集中风险所需的透明度。

尽管其中一些案件中的欺诈指控将由法院决定,但数十家数字资产借贷公司的突然多米诺骨牌式倒闭凸显了一个潜在的缺陷:加密信贷提供商的运营结构本质上是不可持续的,而这种过时的结构加上风险管理不足,就像干木头急切地等待着火花------而Terra/Luna、Three Arrows Capital(3AC)和FTX则是一整盒火柴。

从历史上看,没有环形风险的贷款模式只有在存在最后贷款人的情况下才可行,例如传统银行背景下的美联储,充当金融系统的稳定者和监管者。然而,比特币和其他加密货币的去中心化特性使得传统的贷款模式无法直接适用,这意味着该行业需要开发一种新的模式------一种不依赖政府或国家机构的模式。

如今,数字借贷平台正在尝试创造一种新的模式,以适应这种区块链技术的特点。双账户系统是其中的一种尝试,它将资金分为安全账户和收益账户,为客户提供了更多的选择和灵活性。

在这种新模式下,资金的安全性得到了保障,同时客户可以选择将一部分资金投资于借贷市场以追求回报。这种模式下,贷款资金的回报和风险被隔离到收益账户中,未参与贷款的客户不会面临收益账户中贷款的损失风险。此外,透明度也是这些平台改进的一个重点,定期的、易于阅读的报告可以让客户清楚地了解他们的资金被用于何处以及贷款的情况。

借鉴过去的教训,数字借贷平台在贷款策略上更加审慎和多样化。通过向多个人借出少量资金,风险得到分散,避免了过度集中于个别借款人或项目所带来的潜在风险。总之,数字借贷平台正在努力开发一种适应去中心化特点的新模式,并在透明度和贷款策略上进行改进,以提供更好的服务和客户体验。

总结

"狂野西部"时代已经过去,数字资产借贷行业正在进入一个新的发展时期。过去的挑战和破产事件使得平台和行业从中吸取了宝贵的教训,并开始朝着更可持续和负责任的方向重建。通过这些努力和改进,数字资产借贷行业正在逐渐成长,行业也在朝着更加健康和可持续的方向迈进。

相关推荐
互联网之声10 分钟前
《RWA全球产业白皮书》发布:向凌云教授解析全球经济转型与RWA的未来
区块链
Elastic 中国社区官方博客29 分钟前
使用 Elasticsearch 导航检索增强生成图表
大数据·数据库·人工智能·elasticsearch·搜索引擎·ai·全文检索
云天徽上1 小时前
【数据可视化】全国星巴克门店可视化
人工智能·机器学习·信息可视化·数据挖掘·数据分析
大嘴吧Lucy1 小时前
大模型 | AI驱动的数据分析:利用自然语言实现数据查询到可视化呈现
人工智能·信息可视化·数据分析
艾思科蓝 AiScholar1 小时前
【连续多届EI稳定收录&出版级别高&高录用快检索】第五届机械设计与仿真国际学术会议(MDS 2025)
人工智能·数学建模·自然语言处理·系统架构·机器人·软件工程·拓扑学
watersink2 小时前
面试题库笔记
大数据·人工智能·机器学习
Yuleave2 小时前
PaSa:基于大语言模型的综合学术论文搜索智能体
人工智能·语言模型·自然语言处理
数字化综合解决方案提供商2 小时前
【Rate Limiting Advanced插件】赋能AI资源高效分配
大数据·人工智能
一只码代码的章鱼2 小时前
机器学习2 (笔记)(朴素贝叶斯,集成学习,KNN和matlab运用)
人工智能·机器学习
周杰伦_Jay3 小时前
简洁明了:介绍大模型的基本概念(大模型和小模型、模型分类、发展历程、泛化和微调)
人工智能·算法·机器学习·生成对抗网络·分类·数据挖掘·transformer