zLend: A Dual-Scope Cash-Flow Reconstruction Framework for On-Chain Credit Underwriting
本文介绍了 zLend，这是一个已部署的链上信贷承销框架，它通过对稳定币和总可替代代币转账进行双重范围分析来重构钱包现金流历史，从而生成独特的流动性和还款能力信号，实现在无需传统收入验证情况下的风险评估。
原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在数字金融的世界里，资金通过记录每一次转账的公共账本进行流动，然而这些记录往往只能讲述部分真相。传统银行依赖信用局来判断借款人的偿还能力，利用经过验证的收入、过往债务历史以及一个汇总了多个贷方行为的评分。在数字货币的去中心化世界中，并不存在这样的信用局。借款人没有信用档案，没有经过验证的工资单，也没有过往贷款记录。唯一可用的只有永久性的、公开的交易日志。多年来，衡量该领域借款人的唯一方法是观察其总财富：即他们持有的所有数字资产的总和。然而，这种方法存在一个根本性的缺陷。它将所有资金视为同等，忽略了随时可用的现金与那些被锁定、具有波动性或难以变现的资产之间的区别。一个人可能持有大量投机性代币，这在账面上看起来很富有，但如果这些代币价值暴跌或无法快速出售，他们可能根本没有能力偿还下周到期的一笔小额贷款。
一组研究人员开发了一种名为 zLend 的新系统来解决这个问题，该系统通过观察资金的流向而非仅仅看总量。zL much 并非简单地累加钱包的内容，而是通过追踪每一次流入和流出的转账，重建该钱包每日实际可支配资金的历史。研究人员意识到，要理解一个借款人的真实偿还能力，需要同时从两个不同的维度来观察该钱包。第一个维度仅关注稳定币（即旨在保持价值稳定的数字货币，如美元）；第二个维度则观察钱包的整个投资组合，包括所有其他代币和资产。通过对比这两个视角，系统可以发现危险的不匹配。如果一个钱包显示出巨大的总价值，但几乎没有稳定币，系统就会识别出该借款人可能无法以现金形式偿还贷款，无论他们在账面上看起来多么富有。
研究人员构建了这个框架，使其完全基于公开数据运行，无需任何外部信息或人工审批。他们创建了一种方法，将原始的转账列表转化为一份清晰、连续的每日余额记录。这种重建过程从零开始，通过推断前几笔交易来推导钱包的初始余额，并确保余额永不低于零。从重建的历史记录中，系统会计算出几个关键信号。它衡量钱包拥有足够稳定币来覆盖特定贷款金额的频率、收入流的稳定性，以及在表现最差时期余额下降的幅度。它还会寻找类似于薪水的模式，例如来自同一来源且间隔一致的定期支付。这些信号随后被综合起来，将借款人分配到特定的等级（从强到弱），从而决定其贷款资格。
这项研究最关键的发现是，仅看总财富是预测偿还能力的糟糕指标。研究人员使用了一组精心构建的案例对他们的系统进行了测试，其中包括一个持有大量波动性资产但现金极少的钱包。在传统的仅检查总价值的系统中，这个钱包会被视为优秀的借款人。而在新的 zLend 系统下，它被正确地标记为高风险，因为其流动性储备不足以覆盖即使是很小的贷款。系统成功识别出该借款人的财富无法用于偿还。相反，系统也识别出了那些总财富适中但拥有稳定、可靠稳定币流向的钱包，并将其视为强有力的候选对象。这种双重视角的方法使系统能够区分出谁是真正具备偿付能力的，以及谁仅仅是持有那些无法用于支付账单的资产。
研究人员还发现，是否发放贷款在很大程度上取决于所请求的贷款规模。一个钱包对于十美元的小额贷款可能被视为强力借款人，但对于一万美元的大额贷款则可能被视为弱势借款人，仅仅是因为其现金储备不足以覆盖更大的金额。这种敏感性并非缺陷，而是一种特性，反映了借款人的偿还能力与其承担的债务规模是相对的这一现实。研究进一步表明，不同的风险因素是独立运作的。一个借款人可能拥有完美的现金持有记录，但仍因其余额近期大幅下跌而被拒绝，因为这表明其财务不稳定。另一个借款人可能拥有稳定的余额，但因没有定期收入的历史而失败。系统将这些视为独立的、不可互换的标准，确保不会忽视任何单一的弱点。
为了确保系统在现实世界中正常运行，研究人员以极高的精度构建了它。他们使用两种不同的计算机语言实现了该逻辑，并验证了两个版本产生的计算结果在最小小数位上也是完全一致的。这种严格的测试确认了计算余额、波动性和风险的数学规则得到了始终如一的应用。该系统已经上线，集成到第三方借贷应用中，用于对实际贷款进行实时决策。通过将混乱的公开交易流转化为清晰的每日流动性图景，该框架提供了一种在无需抵押的情况下提供信贷的方式，转而依靠借款人管理日常资金的行为证据。这项工作证明，通过对历史进行正确的重建，仅凭公开数据就能推断出信用状况，为实现一个更具包容性和数据驱动的金融系统提供了路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。