💰 quantitative finance

Optimal Control of Reserve Asset Portfolios for Stablecoins

Este artículo propone un marco de control predictivo estocástico para optimizar la gestión de reservas de las stablecoins, demostrando que una política de realineación con estructura de umbral suave permite equilibrar la liquidez inmediata y el rendimiento de los activos, mejorando así la estabilidad del tipo de cambio sin sacrificar el rendimiento innecesario.

Autores originales: Alexander Hammerl

Publicado 2026-03-03

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Alexander Hammerl

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que una stablecoin (una criptomoneda que vale siempre 1 dólar) es como un gran banco de confianza que opera 24/7. La gente confía en que puede pedir su dinero de vuelta (canjear la moneda) en cualquier momento. Pero el banco tiene un problema: si tiene todo su dinero en efectivo bajo el colchón, está seguro, pero pierde dinero porque ese efectivo no genera intereses. Si invierte todo en bonos del gobierno (que pagan intereses), gana mucho dinero, pero si todos quieren su dinero de vuelta al mismo tiempo, el banco no puede vender los bonos lo suficientemente rápido y entra en pánico.

Este artículo es como un manual de instrucciones para el "tesorero" de ese banco, diciéndole cómo encontrar el equilibrio perfecto entre seguridad y ganancias.

Aquí tienes la explicación de la solución propuesta, usando analogías sencillas:

1. El Problema: El Dilema del "Cofre y la Inversión"

El tesorero tiene dos cajas:

La Caja de Efectivo (Liquidez): Dinero listo para entregar inmediatamente. Es seguro, pero no da intereses (es como tener oro en una caja fuerte: vale, pero no crece).
La Caja de Bonos (Rendimiento): Inversiones a corto plazo que pagan intereses (como un árbol que da frutos). Es rentable, pero tardan un poco en convertirse en efectivo.

Si hay mucha calma, el tesorero puede poner la mayoría del dinero en la "Caja de Bonos" para ganar frutos. Pero si la gente empieza a asustarse y quiere retirar su dinero en masa (un "pánico bancario" o bank run), el tesorero necesita tener mucha "Caja de Efectivo" lista.

2. La Solución: Un "Semáforo Inteligente" (Control Óptimo)

Los autores crearon un sistema matemático que actúa como un semáforo inteligente que decide cuándo mover dinero de una caja a otra. No es un sistema estático (como "siempre tener el 50% en efectivo"); es dinámico y reacciona al clima del mercado.

El sistema usa dos herramientas principales:

Mover dinero: Cambiar bonos por efectivo o viceversa.
Ajustar tarifas: Cobrar un poco más o menos por comprar o vender la moneda para desalentar o animar las transacciones.

3. La Magia: El "Zona Muerta" y el "Efecto Dominó"

El artículo descubre algo muy interesante sobre cómo debe comportarse este semáforo:

La Zona Muerta (El "No hacer nada"): Imagina que mover el dinero cuesta dinero (comisiones, tiempo). Si la diferencia entre lo que ganas con los bonos y lo que necesitas en efectivo es pequeña, el sistema dice: "No hagas nada". Es como si el semáforo se quedara en verde y no cambie a menos que sea estrictamente necesario. Esto evita mover el dinero constantemente y perder dinero en comisiones.
El Umbral de Pánico: Pero, si la gente empieza a retirar dinero en masa (como una avalancha), el sistema detecta que el "efectivo" se está agotando. En ese momento, salta la alarma. El sistema deja de ser tímido y empuja todo el dinero posible hacia la caja de efectivo lo más rápido que puede, incluso si eso significa dejar de ganar intereses por un momento.

4. Prediciendo el Futuro (El "Oráculo")

Lo más genial de este sistema es que no solo mira lo que está pasando ahora, sino que predice lo que pasará en las próximas horas.
Usa un modelo matemático (llamado procesos de Hawkes) que entiende que las transacciones en cripto suelen llegar en "ráfagas" o "grupos". Si hay una venta grande, es muy probable que vengan más ventas seguidas.

Analogía: Es como un capitán de barco que no solo mira las olas que chocan contra el barco ahora, sino que mira el radar para ver si viene una tormenta. Si el radar avisa de una tormenta, el capitán ajusta las velas antes de que llegue la ola, no después.

5. Los Resultados: ¿Funciona?

Los autores probaron su sistema con simulaciones de tres escenarios:

Una tormenta repentina: La gente retira dinero de golpe.
Una tormenta larga: La gente retira dinero de forma constante y nerviosa durante semanas.
Una falsa alarma: La gente se asusta un poco, pero luego se calma.

El veredicto:

Las estrategias antiguas (como "tener siempre el 50% en efectivo" o "invertir todo hasta que sea urgente") fallaron. O perdieron mucho dinero o colapsaron cuando llegó el pánico.
El nuevo sistema (el "Semáforo Inteligente") ganó en todo:
- En tiempos de calma, ganó mucho dinero invirtiendo en bonos.
- Cuando llegó el pánico, reaccionó rápido moviendo todo a efectivo para evitar que la moneda perdiera valor.
- En la falsa alarma, no se asustó, mantuvo sus inversiones y no perdió dinero por moverse innecesariamente.

En Resumen

Este artículo nos dice que gestionar el dinero de una moneda digital no debe ser un acto de fe ni una regla rígida. Debe ser como conducir un coche con un asistente de conducción avanzado: mantiene la velocidad máxima (ganancias) cuando el camino está despejado, pero frena y cambia de carril suavemente (seguridad) apenas detecta un obstáculo en el radar, todo sin entrar en pánico ni hacer movimientos bruscos innecesarios.

Es una receta para que los bancos de criptomonedas sean seguros para el usuario (siempre pueden retirar su dinero) y rentables para el banco (ganan intereses), evitando el colapso que ha destruido a otras monedas en el pasado.

Resumen Técnico: Control Óptimo de Carteras de Reserva para Stablecoins

1. Planteamiento del Problema

Los emisores de stablecoins enfrentan un dilema fundamental en la gestión de tesorería: deben equilibrar la liquidez inmediata necesaria para garantizar la convertibilidad a la par (peg) con la rentabilidad (yield) de las reservas para mantener la sostenibilidad operativa.

El Desafío: Los reguladores (como la propuesta GENIUS Act en EE. UU.) exigen que las reservas se mantengan en activos de alta calidad y liquidez (efectivo y bonos del Tesoro a corto plazo). Sin embargo, mantener todo en efectivo elimina el rendimiento, mientras que mantenerlo en bonos introduce riesgo de liquidez ante corridas bancarias o flujos de salida masivos.
Dinámica de Flujos: Los flujos de acuñación (mint) y rescate (redemption) no son aleatorios simples; tienden a agruparse en el tiempo (clustering) y pueden autoexcitarse (un evento aumenta la probabilidad de eventos futuros), especialmente cuando hay desviaciones del precio de la paridad (peg).
Objetivo: Desarrollar un marco de control en tiempo real que minimice las desviaciones del peg y los costos de transacción, maximizando simultáneamente el rendimiento de las reservas, bajo restricciones regulatorias y operativas.

2. Metodología

El artículo propone un marco de Control Predictivo Estocástico (MPC) combinado con principios de la teoría de control óptimo.

Modelado de Flujos (Procesos de Hawkes):
- Se modelan los flujos de mints y redemptions como procesos puntuales autoexcitantes (Hawkes).
- La intensidad de los rescates ( $\lambda_R$ ) incluye un término de retroalimentación dependiente del cuadrado de la desviación del peg ( $\Delta P^2$ ), capturando dinámicas de "pánico" o bank-run endógeno.
- Se utiliza un cierre de momentos (moment closure) para aproximar las expectativas condicionales de los flujos futuros, permitiendo tratar el problema estocástico como uno determinista dentro del horizonte de control.
Dinámica del Estado:
- Variables de Estado: Reservas líquidas ( $R_{liq}$ ), valor nominal de bonos ( $R_{bill}$ ), desviación del peg ( $\Delta P$ ), e intensidades de Hawkes ( $\lambda_R, \lambda_M$ ).
- Variables de Control:
  1. $\omega(t)$ : Tasa de realocación entre efectivo y bonos.
  2. $\delta(t)$ : Diferencial de tarifas (spread) para acuñar o quemar monedas.
- Función de Costo: Se minimiza una función que penaliza las desviaciones del peg, los costos de fricción por tarifas, los costos de transacción por realocación (lineales y cuadráticos) y se resta el beneficio por intereses de los bonos.
Solución Analítica y Numérica:
- Se aplica el Principio del Máximo de Pontryagin (PMP) para derivar las condiciones necesarias de optimalidad.
- Estructura de Control Óptimo:
  - Control de Tarifas ( $\delta$ ): Sigue una ley de retroalimentación lineal simple.
  - Control de Realocación ( $\omega$ ): Exhibe una estructura de umbral suave (soft-thresholding). No hay realocación si la diferencia de costos sombra (shadow-cost differential) entre bonos y efectivo está dentro de una "zona muerta" definida por los costos de transacción. Fuera de este umbral, la realocación escala linealmente hasta un límite de capacidad.
- Implementación con Ventanas de Liquidación: Dado que los mercados operan en ventanas discretas (ej. Fedwire), el control continuo se discretiza. Se demuestra que la política óptima en ventanas discretas mantiene la estructura de umbral suave, pero basada en promedios temporales de los costos sombra.

3. Contribuciones Clave

Marco de Control Cerrado y Auditable: Transforma la gestión de reservas de reglas heurísticas estáticas a un sistema de control en lazo cerrado, interpretable y auditable, alineado con los flujos de trabajo de tesorería diaria.
Propiedad de Respuesta Monótona al Estrés: Se demuestra teóricamente que la política óptima responde de manera predecible y monótona al aumento del riesgo de salida: a medida que aumenta la presión de rescate, la política se desplaza sistemáticamente hacia la acumulación de efectivo, evitando cambios bruscos que podrían desestabilizar el mercado.
Estructura de Umbral Suave (Soft-Thresholding): La identificación de que la política óptima de realocación no es continua, sino que tiene una zona de inacción (deadzone) debido a los costos de transacción, es una contribución práctica crucial para evitar el "ruido" en las operaciones de tesorería.
Integración de Dinámicas de Pánico: El modelo incorpora explícitamente la retroalimentación entre la inestabilidad del precio y la intensidad de los rescates, permitiendo al emisor anticipar corridas bancarias antes de que sean críticas.

4. Resultados Numéricos

Se realizaron simulaciones sobre un horizonte de 92 días con tres escenarios de estrés: un choque único, agrupamiento prolongado (near-critical branching) y una falsa alarma. Se comparó el control óptimo contra tres estrategias de referencia:

Máximo Rendimiento (solo efectivo cuando es estrictamente necesario).
Máxima Liquidez (100% efectivo).
Pesos Iguales (50/50 fijo).

Hallazgos principales:

Rendimiento vs. Seguridad: El control óptimo superó significativamente a las estrategias de referencia. En escenarios de estrés, evitó despegues (depegs) con una frecuencia de fallo del 0%, mientras que la estrategia de "Máximo Rendimiento" falló en el 100% de los casos de estrés prolongado y la de "Pesos Iguales" falló en el 69% de los choques únicos.
Eficiencia de Ingresos: A diferencia de la estrategia de "Máxima Liquidez" (que genera 0 ingresos), el control óptimo mantuvo una gran parte de la cartera en bonos durante mercados tranquilos, capturando rendimientos significativos (ej. +421M$ en el escenario de agrupamiento prolongado vs. 100M$ de la estrategia de máximo rendimiento).
Respuesta Temprana: El control óptimo detectó y acumuló efectivo proactivamente ante señales tempranas de estrés, evitando la acumulación de déficits de liquidez que desencadenan dinámicas de pánico auto-reforzadas.
Evitación de Falsas Alarmas: En el escenario de "falsa alarma", el controló no reaccionó excesivamente, evitando acumular efectivo innecesario y preservando el rendimiento.

5. Significado e Implicaciones

Este trabajo proporciona una hoja de ruta práctica para la gestión de reservas de stablecoins en un entorno regulatorio estricto.

Para Emisores: Ofrece un algoritmo implementable que automatiza la toma de decisiones de tesorería, equilibrando la rentabilidad con la estabilidad del peg, reduciendo el riesgo de insolvencia técnica o despegues catastróficos.
Para Reguladores: El modelo traduce el riesgo de flujo empírico en reglas de tesorería audibles. Demuestra que es posible mantener la estabilidad del peg sin sacrificar el rendimiento innecesariamente, siempre que se utilicen políticas dinámicas y basadas en la anticipación de flujos.
Teoría Financiera: Extiende la literatura de control estocástico al ámbito de los activos digitales, demostrando cómo los mecanismos de mercado (como las tarifas y la liquidez) pueden ser optimizados dinámicamente para mitigar riesgos sistémicos en sistemas financieros descentralizados y centralizados.

En conclusión, el artículo demuestra que la gestión de reservas de stablecoins no debe ser estática, sino un problema de optimización dinámica que responde inteligentemente a la intensidad de los flujos y a los costos de transacción, garantizando así la resiliencia del sistema financiero digital.