Information Structures in Stablecoin Markets

Das Papier nutzt ein globales Spiel, um zu zeigen, wie Informationsstrukturen und fundamentale Bedingungen die Wahrscheinlichkeit von Stablecoin-Runs beeinflussen, wobei präzisere private Signale paradoxerweise die Stabilität bei starken Fundamenten erhöhen und bei schwachen Fundamenten verringern, was die Stabilität intransparenter Stablecoins erklärt.

Das Wesentliche

Hier ist eine einfache Erklärung der Forschung von Brian Z. Zhu, die Stablecoins (stabile Kryptowährungen) und ihre Stabilität untersucht. Wir verwenden dabei ein paar anschauliche Bilder, um die komplexen mathematischen Modelle greifbar zu machen.

Das Grundproblem: Der "Stabile" Münzhaufen

Stellen Sie sich Stablecoins wie einen riesigen Geldautomaten vor, der immer genau 1 Dollar für jeden Token herausgibt. Damit das funktioniert, muss der Betreiber des Automaten im Keller einen Vorrat an echtem Geld (oder anderen sicheren Vermögenswerten) haben, der genau so viel wert ist wie die ausgegebenen Token.

Das Problem ist: Niemand kann den Keller wirklich sehen.

• Transparente Münzen: Der Betreiber hängt ein Fenster in die Wand, durch das man den Geldsack sieht (wie bei USDC).
• Undurchsichtige Münzen: Der Keller ist verschlossen, und der Betreiber sagt nur: "Vertrau mir, da ist genug drin" (wie bei Tether).
• Algorithmische Münzen: Es gibt gar keinen Geldsack. Der Wert wird durch ein kompliziertes mathematisches Spiel aufrechterhalten (wie bei TerraUSD).

Die zwei Arten von Panik

Die Forscher sagen, dass diese Geldautomaten aus zwei Gründen kaputtgehen können:

1. Der "Große Verkauf" (Der Elefant im Raum):
   Stell dir vor, ein riesiger Investor (ein "Elefant") kommt und will plötzlich 10 % seines Geldes abheben. Das erzeugt Druck. Die kleinen Anleger (die "Mäuse") denken: "Oh nein, wenn der Große so viel abhebt, muss da etwas faul sein! Ich hole mir mein Geld auch schnell raus, bevor es zu spät ist!"

   • Analogie: Wenn ein riesiger Lieferwagen vor einem kleinen Laden parkt und leere Kartons ausliefert, denken die Kunden, der Laden schließt bald.

2. Der "Schlechte Keller" (Die schlechten Reserven):
   Der Geldsack im Keller ist tatsächlich leer oder enthält faule Äpfel (z. B. Geld in einer Bank, die pleitegeht). Wenn die Anleger das merken (oder nur vermuten), stürmen sie alle gleichzeitig zum Schalter.

   • Analogie: Ein Restaurant, das behauptet, frische Zutaten zu haben, aber in Wahrheit nur altes Essen serviert. Wenn die Gäste das riechen, rennen sie alle zur Tür.

Die große Entdeckung: Mehr Wissen ist nicht immer besser

Das ist der spannendste Teil der Studie. Die Forscher haben herausgefunden, dass Wissen (Information) eine seltsame Wirkung hat, je nachdem, wie gut die Lage eigentlich ist.

1. Wenn alles gut läuft (Der Keller ist voll)

• Öffentliches Wissen (Fenster im Keller): Wenn alle genau wissen, dass der Keller voll ist, ist alles super. Niemand rennt weg.
• Privates Wissen (Gerüchte): Wenn jeder Anleger seine eigenen privaten Informationen hat und diese sehr genau sind, passiert etwas Überraschendes: Die Stabilität nimmt ab.
  • Warum? Wenn jeder sehr genau weiß, was los ist, aber jeder eine leicht andere Meinung hat, beginnen die Anleger zu raten: "Was denkt der andere?" Wenn ich sehr genau weiß, dass der Keller voll ist, aber ich denke, du bist vielleicht nicht so sicher wie ich, verkaufe ich lieber zuerst.
  • Die Metapher: Stell dir eine Party vor, bei der alle wissen, dass das Essen gut ist. Aber wenn jeder sehr genau über die Qualität des Essens diskutiert und dabei leicht unterschiedliche Meinungen hat, entsteht Unsicherheit. Jemand sagt: "Vielleicht mag der Typ das Essen nicht?" und geht. Ein bisschen Unklarheit (Undurchsichtigkeit) kann hier actually helfen, weil sie verhindert, dass alle gleichzeitig in Panik geraten.

2. Wenn alles schlecht läuft (Der Keller ist leer)

• Öffentliches Wissen: Wenn alle genau wissen, dass der Keller leer ist, ist die Panik unvermeidbar. Jeder rennt weg.
• Privates Wissen: Wenn die Anleger nur vage Gerüchte hören (wenig private Informationen), ist die Panik manchmal geringer.
  • Warum? Weil die Anleger nicht sicher sind, ob die anderen es auch wissen. Sie warten ab.
  • Die Metapher: Wenn alle wissen, dass das Haus brennt, rennt jeder raus. Wenn aber nur ein paar Leute Rauch sehen und die anderen nicht, warten die anderen vielleicht noch kurz.

Was bedeutet das für die Realität?

Die Studie erklärt, warum bestimmte Stablecoins so seltsam funktionieren:

• USDC (Transparent): Da alles offen liegt, ist es sehr stabil, solange die Bank, in der das Geld liegt, sicher ist. Aber wenn die Bank (wie Silicon Valley Bank) Probleme hat, stürzt USDC sofort ab, weil alle es sofort sehen.
• Tether (Undurchsichtig): Tether ist oft undurchsichtig. Das klingt schlecht, aber die Studie sagt: In guten Zeiten kann diese Undurchsichtigkeit helfen! Weil niemand genau weiß, was die anderen denken, trauen sich weniger Leute, einen massiven Angriff zu starten. Das erklärt, warum Tether oft Angriffe überlebt, ohne komplett zu kollabieren.
• TerraUSD (Der Algorithmus): Hier war alles sehr genau bekannt (die Mechanik war klar), aber die Basis (Luna) war instabil. Die Kombination aus klaren Regeln und schlechter Basis führte zum totalen Zusammenbruch.

Die neue Gesetzgebung (GENIUS Act)

Die USA haben ein neues Gesetz (GENIUS Act) verabschiedet, das verlangt, dass Stablecoin-Anbieter ihre Keller immer offenlegen müssen und nur sehr sichere Werte lagern dürfen.

• Der Vorteil: Es gibt weniger Betrug und schlechte Reserven.
• Der Nachteil (laut der Studie): Es nimmt die "natürliche Pufferzone" der Unsicherheit weg. Wenn alles zu transparent ist, reagieren die Märkte auf jede kleine schlechte Nachricht sofort mit einer Panik. Undurchsichtige Anbieter im Ausland könnten theoretisch stabiler sein, weil sie durch ihre "Verschleierung" verhindern, dass alle gleichzeitig in Panik geraten.

Fazit in einem Satz

Die Studie zeigt, dass vollständige Transparenz nicht immer die beste Lösung ist. Ein bisschen "Nebel" (Unsicherheit darüber, was andere denken) kann in guten Zeiten wie ein Sicherheitskissen wirken, das verhindert, dass alle gleichzeitig in Panik rennen. Regulierer müssen also vorsichtig sein: Zu viel Transparenz kann paradoxerweise zu mehr Panik führen, wenn die Stimmung schon leicht nervös ist.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des Papers „Information Structures in Stablecoin Markets" von Brian Z. Zhu auf Deutsch.

1. Problemstellung und Motivation

Stablecoins sind Kryptowährungen, die an einen Fiat-Währungswert (meist den US-Dollar) gekoppelt sind. Ihr Versprechen der Stabilität beruht auf der Behauptung, dass jeder Token durch mindestens einen Dollar an Reservevermögen gedeckt ist. Die Dezentralisierung und mangelnde Regulierung ermöglichen jedoch eine große Bandbreite an Reserveaktiva (von US-Schatzanweisungen bis zu algorithmischen „Assets") und variierende Grade der Transparenz.

Das Papier adressiert zwei Hauptursachen für De-Pegging-Ereignisse (den Verlust der Parität):

1. Große Verkäufe (Large Sales): Oft spekulativ oder durch Liquiditätsbedarf großer Akteure getrieben, die Verkaufsdruck auf andere Inhaber ausüben.
2. Schlechte Kollateralqualität: Insolvenzen oder Wertverluste der Reserveaktiva (z. B. durch Kreditereignisse wie den Zusammenbruch der Silicon Valley Bank).

Die zentrale Forschungsfrage lautet: Wie beeinflusst die Unsicherheit bezüglich der Informationen (sowohl öffentlich als auch privat) das Risiko eines Banklaufs (Run) auf Stablecoins, und wie interagieren diese Informationsstrukturen mit den beiden oben genannten Risikotypen?

2. Methodik und Modellrahmen

Der Autor erweitert ein globales Spiel (Global Game), um die Dynamik von Stablecoin-Läufen zu modellieren.

• Akteure:
  • Ein großer Verkäufer (Large Seller) mit einem Anteil $\delta$ der Stablecoins. Dieser verkauft aus exogenen Gründen (z. B. Spekulation oder Liquiditätsbedarf) mit einer Wahrscheinlichkeit $\pi$. Er ist nicht strategisch, sondern zufällig handelnd.
  • Eine Kontinuum von kleinen Investoren (Mass $1-\delta$), die jeweils einen Token halten.
  • Arbitrageure, die im Primärmarkt mit dem Emittenten interagieren und im Sekundärmarkt handeln.
• Zeitachse:
  • $t=0$: Die Natur zieht den Fundamentwert $\theta$ (Qualität der Reserven).
  • $t=1$: Der große Verkäufer verkauft mit Wahrscheinlichkeit $\pi$ seinen gesamten Bestand.
  • $t=2$: Investoren beobachten, ob ein großer Verkauf stattfand, und entscheiden basierend auf ihren privaten Signalen $x_i$ über den Verkauf oder das Halten.
  • $t=3$: Abrechnung. Wenn die Gesamtverkäufe $\lambda$ die Reserven $\theta$ übersteigen ($\lambda \ge \theta$), ist der Emittent insolvent, der Preis fällt auf 0 (Run). Andernfalls erhalten Halter eine Rendite $\eta$.
• Informationsstruktur:
  • Investoren erhalten ein öffentliches Signal (gemeinsame Prior-Verteilung) und ein privates Signal $x_i = \theta + \sigma_x \epsilon_i$.
  • Die Unsicherheit wird durch die Varianz der gemeinsamen Prior-Verteilung ($\sigma^2$) und die Streuung der privaten Signale ($\sigma_x^2$) kontrolliert.
• Lösungskonzept:
  • Das Modell sucht nach einem eindeutigen Gleichgewicht in Schwellenstrategien (Switching Strategies), bei denen Investoren verkaufen, wenn ihr Signal unter einem bestimmten Schwellenwert liegt.
  • Durch die Einführung des nicht-strategischen großen Verkäufers wird die Mehrdeutigkeit der Gleichgewichte (die in klassischen Bank-Run-Modellen oft auftritt) aufgelöst, was eindeutige Vergleichsstatisiken (Comparative Statics) ermöglicht.

3. Hauptbeiträge

Das Paper leistet drei wesentliche Beiträge zur Literatur:

1. Analyse großer Verkäufer: Es wird gezeigt, wie das Vorhandensein eines großen, nicht-strategischen Verkäufers den Verkaufsdruck erhöht und die Schwellenwerte für einen Run verschiebt.
2. Rolle privater Signale: Es wird die Streuung privater Signale als entscheidender Faktor für die Stabilität identifiziert. Im Gegensatz zu klassischen Annahmen kann eine höhere Heterogenität (geringere Präzision) privater Signale in bestimmten Zuständen stabilisierend wirken.
3. Risikodekomposition: Das Papier entwickelt einen Rahmen, um das Gesamtrisiko eines Runs in zwei Komponenten zu zerlegen:
   • Kollateralrisiko ($R_0$): Risiko aufgrund schlechter Fundamentaldaten ohne großen Verkauf.
   • Großer-Verkauf-Risiko ($R_1$): Risiko, das durch einen großen Verkauf ausgelöst wird.

4. Wichtige Ergebnisse

A. Gleichgewicht und Verkaufsdruck

Es existiert ein eindeutiges Gleichgewicht. Das Vorhandensein eines großen Verkaufs erhöht den Verkaufsdruck: Investoren, die bei Abwesenheit eines großen Verkaufs gehalten hätten, verkaufen nun, wenn ein großer Verkauf stattfindet. Dies führt zu einem höheren Schwellenwert für $\theta$, bei dem ein Run eintritt.

B. Einfluss der Informationspräzision

Die Ergebnisse hängen stark vom Zustand der Fundamentaldaten ($\theta$) ab:

1. Öffentliche Informationen (Gemeinsamer Prior):

   • Bei starken Fundamenten: Höhere Präzision (weniger Unsicherheit) reduziert das Run-Risiko. Investoren sind sich sicher, dass die Reserven ausreichen.
   • Bei schwachen Fundamenten: Höhere Präzision erhöht das Run-Risiko. Investoren sind sich sicher, dass die Reserven nicht ausreichen, was zu koordinierten Verkäufen führt.
   • Interessanter Befund: In einem intermediären Bereich kann mehr Transparenz (höhere Präzision) das Risiko für einen großen Verkauf erhöhen, während das Kollateralrisiko sinkt.

2. Private Informationen (Signalstreuung):

   • Dies ist das kontraintuitive Kernresultat des Papers.
   • Bei starken Fundamenten: Eine höhere Streuung privater Signale (mehr Unsicherheit/Heterogenität) reduziert das Run-Risiko.
     • Erklärung: Wenn private Signale sehr präzise sind, nähert sich das Spiel einem Common-Knowledge-Spiel an, in dem Investoren die Aktionen der anderen perfekt antizipieren. Bei starken Fundamenten führt dies zu einem Risiko-dominanten Gleichgewicht, das den Run begünstigt. Mehr Heterogenität bricht diese Koordination auf und schützt den Emittenten.
   • Bei schwachen Fundamenten: Höhere Streuung erhöht das Risiko, da Investoren pessimistische Signale interpretieren und verkaufen.

C. Risikodekomposition und Transparenz

Das Paper zeigt, dass die relative Bedeutung von Kollateralrisiko vs. großem-Verkauf-Risiko vom Fundamentwert und der Informationsstruktur abhängt:

• Transparente Stablecoins (z. B. USDC): Haben präzise öffentliche Informationen. Sie sind anfällig für Kollateralrisiken (wie beim SVB-Beispiel), da Investoren bei schlechten Fundamenten sofort reagieren.
• Opake Stablecoins (z. B. USDT): Haben weniger präzise öffentliche Informationen und oft heterogenere private Signale. Dies kann in guten Zuständen stabilisierend wirken, da die Heterogenität der Erwartungen verhindert, dass alle Investoren gleichzeitig verkaufen (Vermeidung von selbst erfüllenden Prophezeiungen).

5. Signifikanz und Implikationen

• Erklärung realer Ereignisse:

  • USDC/SVB: Die Transparenz führte dazu, dass ein spezifisches Kreditrisiko (SVB) sofort zu einem Run führte (hohes Kollateralrisiko).
  • USDT: Die Intransparenz und die daraus resultierende Heterogenität der privaten Signale halfen, Runs in Zeiten guter Fundamentaldaten zu verhindern, obwohl es zu spekulativen Angriffen kam.
  • TerraUSD (UST): Als endogenes Stablecoin mit hoher Prior-Varianz und wahrscheinlich präzisen privaten Signalen (da nur ein Asset-Typ) war es extrem anfällig für große Verkäufe, was zum Kollaps führte.

• Regulatorische Implikationen (GENIUS Act & MiCA):

  • Neue Gesetze wie der US GENIUS Act fordern vollständige Transparenz und einfache Reservestrukturen.
  • Das Modell deutet darauf hin, dass dies die Präzision öffentlicher Informationen massiv erhöht. Während dies Kollateralrisiken reduziert, eliminiert es den „Puffer" der privaten Signal-Heterogenität.
  • In einem post-GENIUS-Umfeld könnten US-Emittenten weniger kapital-effizient sein als offshore-Emittenten, die durch Intransparenz und komplexe Strukturen eine gewisse Stabilität durch Informationsdesign erzeugen.
  • Die Regulierung könnte unbeabsichtigte Folgen haben, indem sie Stablecoins anfälliger für selbst erfüllende Runs in guten Zuständen macht, da die Koordination unter Investoren erleichtert wird.

• Fazit:
  Das Paper argumentiert, dass absolute Transparenz nicht immer optimal ist. Eine gewisse Unsicherheit und Heterogenität in den Erwartungen der Investoren kann als Stabilisator wirken, indem sie koordinierte Panikverkäufe bei soliden Fundamenten verhindert. Regulatoren sollten diesen Trade-off zwischen Auditierbarkeit und der Stabilität durch Informationsasymmetrie berücksichtigen.