zLend: A Dual-Scope Cash-Flow Reconstruction Framework for On-Chain Credit Underwriting
Dit artikel introduceert zLend, een operationeel on-chain kredietonderzoekingsframework dat de kasstroomgeschiedenissen van wallets reconstrueert via een analyse met twee scopes van stablecoin- en totale fungibele overdrachten om onderscheidende liquiditeits- en terugbetalingscapaciteitssignalen te genereren, wat risicobeoordeling mogelijk maakt zonder traditionele inkomensverificatie.
Oorspronkelijk artikel vrijgegeven aan het publieke domein onder CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de wereld van digitale financiën beweegt geld zich via publieke grootboeken die elke overdracht registreren, maar deze gegevens vertellen vaak slechts een gedeeltelijk verhaal. Traditionele banken vertrouwen op kredietbureaus om het terugbetalingsvermogen van een lener te beoordelen, waarbij zij gebruikmaken van geverifieerd inkomen, een geschiedenis van eerdere schulden en een score die gedrag bij veel verschillende kredietverleners aggregeert. In de gedecentraliseerde wereld van digitale valuta bestaat er geen dergelijk bureau. Een lener heeft geen kredietdossier, geen geverifieerd salarisstrook en geen verslag van eerdere leningen. Het enige dat beschikbaar is, is een permanent, publiek logboek van transacties. Jarenlang was de enige manier om een lener in deze ruimte te beoordelen door naar diens totale vermogen te kijken: de som van alle digitale activa die men bezat. Deze benadering lijdt echter aan een fundamenteel gebrek. Het behandelt al het geld als gelijkwaardig, waarbij het verschil tussen contant geld dat klaar is om uit te geven en activa die vaststaan, volatiel zijn of moeilijk te verkopen zijn, wordt genegeerd. Iemand die een grote hoeveelheid speculatieve tokens bezit, kan op papier rijk lijken, maar als die token in waarde stort of niet snel verkocht kan worden, heeft die persoon mogelijk geen werkelijk vermogen om een kleine lening die volgende week opeisbaar is, terug te betalen.
Een team van onderzoekers heeft een nieuw systeem ontwikkeld genaamd zLend om dit probleem op te lossen door naar de geldstroom te kijken in plaats van alleen naar de totale hoeveelheid. In plaats van simpelweg de inhoud van een wallet bij elkaar op te tellen, reconstrueert het systeem een dagelijkse geschiedenis van wat die wallet daadwerkelijk kon uitgeven. Dit doet het door elke inkomende en uitgaande overdracht te volgen om een tijdlijn van het saldo van de wallet op te bouwen, dag na dag. De onderzoekers realiseerden zich dat ze, om het werkelijke terugbetalingsvermogen van een lener te begrijpen, de wallet vanuit twee verschillende lenzen tegelijkertijd moesten bekijken. De eerste lens richt zich uitsluitend op stablecoins, digitale valuta die ontworpen zijn om een stabiele waarde te behouden, zoals een dollar. De tweede lens kijkt naar de volledige portefeuille van de wallet, inclusief alle andere tokens en activa. Door deze twee weergaven te vergelijken, kan het systeem gevaarlijke mismatches opsporen. Als een wallet een enorme totale waarde vertoont maar bijna geen stablecoins heeft, herkent het systeem dat de lener waarschijnlijk niet in staat is om een lening in contanten terug te betalen, ongeacht hoe rijk zij op papier lijken.
De onderzoekers hebben dit kader gebouwd om volledig op basis van publieke gegevens te opereren, zonder dat daarvoor externe informatie of menselijke goedkeuring nodig is. Ze creëerden een methode om een ruwe lijst van overdrachten om te zetten in een schoon, continu verslag van dagelijkse saldi. Deze reconstructie begint vanaf nul, waarbij het openingssaldo van de wallet wordt afgeleid op basis van de eerste paar transacties, en zorgt ervoor dat het saldo nooit onder nul komt. Vanuit deze gereconstrueerde geschiedenis berekent het systeem verschillende kernsignalen. Het meet hoe vaak de wallet voldoende stablecoins had om een specifere lening te dekken, hoe stabiel de inkomstenstromen zijn en hoeveel het saldo daalde tijdens de slechtste periodes. Het kijkt ook naar patronen die lijken op een salaris, zoals regelmatige betalingen die met vaste intervallen van dezelfde bron arriveren. Deze signalen worden vervolgens gecombineerd om een lener toe te wijzen aan een specifieke categorie, variërend van sterk tot zwak, wat de geschiktheid voor een lening bepaalt.
De meest cruciale bevinding van de studie is dat het kijken naar het totale vermogen alleen een slechte voorspeller is van het terugbetalingsvermogen. De onderzoekers testten hun systeem tegen een reeks zorgvuldig geconstrueerde voorbeelden, inclusief een wallet die een grote som volatiele activa vasthield maar zeer weinig contanten had. Onder een traditioneel systeem dat alleen de totale waarde controleert, zou deze wallet als een uitstekende lener worden beschouwd. Onder het nieuwe zLend-systeem werd deze terecht gemarkeerd als een hoog risico omdat de liquide reserves onvoldoende waren om zelfs een kleine lening te dekken. Het systeem identificeerde succesvol dat het vermogen van de lener niet toegankelijk was voor terugbetaling. Omgekeerd herkende het systeem ook wallets met een bescheiden totaal vermogen maar een constante, betrouwbare stroom van stablecoins als sterke kandidaten. Deze duale benadering stelt het systeem in staat om onderscheid te maken tussen iemand die werkelijk solvabel is en iemand die slechts activa bezit die niet gebruikt kunnen worden om een rekening te betalen.
De onderzoekers ontdekten ook dat de beslissing om een lening te verstrekken zwaar afhangt van de omvang van de gevraagde lening. Een wallet kan worden beschouwd als een sterke lener voor een kleine lening van tien dollar, maar als een zwakke lener voor een lening van tien duizend dollar, simpelweg omdat de contante reserves niet groot genoeg zijn om het grotere bedrag te dekken. Deze gevoeligheid is geen fout maar een kenmerk, wat de realiteit weerspiegelt dat het terugbetalingsvermogen van een lener relatief is aan de schuld die men aangaat. De studie toonde verder aan dat verschillende risicofactoren onafhankelijk van elkaar opereren. Een lener kan een perfect record hebben van het hebben van voldoende contanten bij de hand, maar toch worden afgewezen omdat het saldo onlangs met een groot percentage is gekelderd, wat duidt op instabiliteit. Een andere lener kan een stabiel saldo hebben, maar falen omdat er geen geschiedenis is van een regelmatig inkomen. Het systeem behandelt dit als afzonderlijke, niet-uitwisselbare criteria, waardoor ervoor wordt gezorgd dat geen enkele zwakte over het hoofd wordt gezien.
Om ervoor te zorgen dat het systeem correct werkt in de echte wereld, hebben de onderzoekers het met extreme precisie gebouwd. Ze implementeerden de logica in twee verschillende programmeertalen en verifieerden dat beide versies identieke resultaten produceerden tot op de kleinste decimaal. Deze rigoureuze test bevestigde dat de wiskundige regels voor het berekenen van saldo, volatiliteit en risico consistent werden toegepast. Het systeem is al live en geïntegreerd in derde partij leningstoepassingen, waar het realtime beslissingen neemt over daadwerkelijke leningen. Door een chaotische stroom van publieke transacties om te zetten in een duidelijk beeld van dagelijkse liquiditeit, biedt het kader een manier om krediet te verstrekken zonder onderpand, gebaseerd op het gedragsbewijs van hoe een lener zijn geld dagelij dag beheert. Het werk demonstreert dat het, met de juiste reconstructie van de geschiedenis, mogelijk is om kredietwaardigheid af te leiden uit publieke gegevens alleen, wat een pad biedt naar een meer inclusief en datagedreven financieel systeem.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.