总览

• 设置一个基准；
• 评估风险以帮助在选择方案之间做出选择；
• 进行业绩归因分析，看看主动决策是增加还是减少了价值。

1. 设定基准
2. 权衡风险以帮助在替代方案之间进行选择
3. 进行绩效归因分析，看看主动决策是否增加或减少了价值

其他可能有用的参考资料：

• 包含示例计算的电子表格；
• 可定制的Dune查询与基准资产。

介绍

在传统金融中，投资业绩评估的文献和实践非常广泛。然而，链上世界缺乏可以为DAO或链上投资者提供进行定量投资分配决策所需的代理工具。进行投资组合业绩归因分析的方法多种多样，每种方法都有其优缺点。然而，这一切都始于并以投资组合试图追踪的基准结束。在没有基准的情况下，实际上不可能进行任何业绩归因。根据CFA协会在2024年Wright与Mitchell Conover的从业材料中指出：

基准设定对于业绩测量、归因和评估至关重要。有效的基准设定允许投资委员会评估内部员工和外部管理者的表现。设定两个不同级别的基准是适当的：一个用于衡量投资管理者相对于其被雇佣目的的成功程度，另一个用于测量政策投资组合与实际实施的投资组合之间的差距。

在本篇论文中，我们提出了一个简化的基准构建框架。此外，我们还将通过提出一些基于现有实践和文献的绩效归因模型来展示这些基准的使用情况。我们的贡献在于，所有这些工具都是为DAO（分布式自治组织）的财政部门的受众设计的，同时考虑到在完全链上或完全去中心化的环境中运营的风险和限制。

这一基础工具应该为任何社区成员提供起点，以回答去中心化财政的表现如何，以及其中多少是归因于社区或委派管理者所做的积极决策。

什么是基准？

为了尝试为DAO构建一个合适的链上基准框架，我们重新审视了传统金融中基准的定义及其作用。

基准最初用作市场情绪的一般指示器，但随着将投资管理职责外包给专业管理人员变得更加普遍，它演变成了主动管理的中心性能测量工具。定义一个基准为给定策略提供了重要的澄清，包括：

• 在没有对特定资产的看法时的投资组合起点

• 考虑中的资产类别可获得的基础回报

• 主动风险的控制机制

根据Bailey和Tierney（1998年）的说法，一个好的基准应具有以下特征：

• 无歧义性——各个资产和权重应清晰可辨

• 可投资性——必须能够复制并持有基准以赚取其回报（至少扣除费用后）

• 可测量性——必须能够合理频繁和及时地测量基准的回报

• 适当性——基准必须与（DAO的）目标一致

• 预先指定——基准必须在评估期之前构建，以便不会对事后创建的基准进行财政表现评估。

• 有责任性——社区应接受对基准的所有权，并愿意对其负责。基准应与配置过程完全一致。

如何为DAO建立风险管理框架？

Stani Kulechov 最近非常简洁地描述了DAO的财政状况：

Aave DAO 是一个净正收益的DAO，意味着在扣除成本之后，它的收入足以留下盈余。它不是一家企业；它更像是使用民主来管理一个重要的公共基础设施（如果加密经济在那时候存在，互联网的管理方式也会是这样的）

我们认为，DAO的财政管理是一项整体活动，而不是孤立的活动。有效管理DAO财政从识别优先事项和独特的约束开始，这些在主动管理基金的自由组合管理中是不存在的。

在我们2023年11月的报告中，Steakhouse Financial介绍了风险管理框架，这可以用来定义协议的目标、关键绩效指标和关键风险指标。一个结构良好的风险偏好声明应该有助于明确DAO的优先级。一旦这些目标确定下来，就可以利用财政来进一步推进这些目标。

对于良好的财政管理实践，我们依据一些优先级排序：

1. 确定协议正常运作所需的最低财政额，以适当的代币面额
2. 计算持续的燃烧需求，以覆盖预期的运营开销或赠款分配（例如，按财政月计算）
3. 按照DAO批准的规则进行分配

财政的回报目标面额可能会根据协议而有所不同。大多数解决赠款和运营费用的DAO将以USD为目标。

为什么 DAO 金库需要一个基准？

DAO资金库是有限的公共资源，可能来自外部筹款或协议内部费用生成。这些资金库需要谨慎管理，以确保能够持续发展和维护相关项目。

然而，去中心化社区面临的主要挑战之一是难以做出和批准复杂的决策，比如资产配置。某些解决方案主张将这种决策权委托给外部第三方，利用诸如带有Zodiac角色修改器的SAFE钱包等工具，从而使得DAO资金库的管理保持了非托管状态。

不论DAO是否选择外部委托，建立基准都是有益的。基准可以帮助社区在更广泛的、社区认可的风险偏好声明的一部分中对齐一个真正的北极指标。此外，它还可以帮助评估决策的表现，无论是通过第三方的委托权执行，还是由代币持有人直接执行。

在我们看来，问题不是DAO是否需要一个基准。它们确实需要，因为我们认为没有基准的活跃资金库是不完整的。相反，我们试图提供一个通用框架来回答“使用哪个基准”的问题，考虑到DAO所面临的独特主权领域和它们在其中航行所面临的约束。

DAO的有限基准定义

对于DAOs而言，我们认为sDAI、wstETH和WBTC这三种资产最能代表USD、ETH和BTC这三个独立领域的标准资产篮子。DAOs可以通过各种方式组合这三种资产，以构建自己的参考曝光基准。为了方便起见，回报应以一种货币计价，可能是USD。因此，回报反映了相对于展示货币的基础资产的beta表现。

我们认为，大多数加密协议将面临对这三种资产中的一种或多种的曝光，并应构成DAOs基准选择的核心。随着时间的推移，领域的数量可能会扩展，但就目前而言，除了边缘情况外，我们预期大多数加密协议在某种程度上将朝着上述三种资产的某种形式发展。每个领域中的所有子资产都代表了该领域内的“选择决策”。例如，一个代币化的标普500 ETF将在USD桶中进行基准化，而UNI代币将在ETH桶中进行基准化。BTC仍然是一个巨石，对于基于ETH的DAOs而言，除了其纯粹的价格升值之外，几乎没有其他无需许可的曝光选项，尽管这种情况可能会随时间而改变。

例如，一个积累ETH的协议可能决定遵循一个由80% ETH和20% USD组成的基准。一个对多种资产有收入曝光的借贷协议，包括WBTC，可能会遵循一个更广泛的基准，比如40% ETH，20% BTC和40% USD。一个对加密资产没有期望方向性曝光的假设DAO可能会遵循一个100% USD的基准。

对于构成基准的资产，我们建议组合能够满足Bailey和Tierney对于一个良好基准的特征，并且对于选择基准的社区来说是有用的资产。关于原生代币，我们的观点是严格忽视它们，绝不将它们计入财库。DAOs可以通过从财库发行原生代币来筹集非原生资产。事实上，理论上，DAOs可以发行超过‘总供应量’的无限数量的代币，或者用一个新的符号发行新的代币，完全绕过原来的代币。为非原生资产发行代币将被视为一次主要发行事件，该事件会以某种百分比稀释现有代币持有者。因此，这些非原生资产的使用至少应该比稀释更具生产性，无论是通过完成DAOs的使命和目标，还是纯粹通过财务回报来衡量。

我们试图选择风险最小的增量，以便在尽可能少的主动决策步骤下产生回报或回报：

• wstETH，通过Lido协议进行质押的以太坊的代币化表示形式，作为最大的流动性质押协议，拥有超过240k的个人持有地址，是质押ETH奖励和惩罚的最佳代理。

• sDAI，持有在Dai储蓄率合约中的DAI的代币化表示。Dai储蓄率由MakerDAO治理设定，但

代表了即使是去中心化DAOs也可能接触到的最广泛可用的USD计价奖励率。

• WBTC，代表在BitGo中托管的BTC的代币化表示，我们可以在可行的情况下用更去中心化的替代品替换。

最简单的投资组合只包含以上一个或多个资产。我们的公共Dune查询上提供了一个包含这三种资产的示例指数投资组合，每日重新平衡。

DAO可以决定，作为更广泛的风险管理框架批准过程的一部分，其基准是关于USD/BTC/ETH的100/0/0或33/33/33或50/0/50或其他无限种组合中的任何一种。

因此，任何决策都应与默认选择，即基准相比较。如果DAO没有做其他事情，它应该期待在其基准所涉及的领域内获得的回报是什么？

使用辩证法的风险矩阵对DAO资金库的风险进行归因

在选择加入DAO投资组合的资产时，应考虑增量风险。辩证法的@aaaaaaaaaa和@Meph1587提出了一种评估协议风险的风险矩阵。

首先，将总体风险分为六个组成部分：

• 智能合约
• 经济
• 桥接
• 预言机
• 治理
• 审计

智能合约

有缺陷的智能合约可能是导致黑客攻击的主要原因。进行全面的分析是一项复杂的任务（这需要审计公司的专业知识），但我们可以采用一种常规而实用的方法。

在过去几年中，数百个协议因未经监控的代码执行或状态篡改而受到黑客攻击。仅在2023年，DeFi领域就发生了172次黑客攻击。

一旦协议上线，就会有成百上千的眼睛开始审查代码库，以寻找可能存在的漏洞。黑客市场的效率可能相当高。当然，也存在一些特例，即使代码库中存在隐藏的漏洞，也可能会隐藏数月甚至数年（Curve和Euler的漏洞就是一个很好的例子），但一般来说，考虑到协议的年龄是评估智能合约风险的一个很好的启发因素。

此外，应该考虑协议的架构、组件以及与其他协议的依赖关系。例如，全功能的自动做市商（AMM）可能在攻击面上是最安全的协议，而货币市场和CLAMM则更容易出现漏洞。

在代码库中包含能够在发生攻击时减轻损失的功能，比如暂停交易的能力，是一项非常有价值的特性。

治理

治理是指对协议代码库进行修改的过程，以及调整关键参数，比如贷款价值比和清算阈值。风险评估的另一个方面涉及合约可升级性。团队经常通过使用代理合约将协议的状态和逻辑分离开来实现。这种方法通过仅改变协议的逻辑部分来促进升级的部署，从而消除了迁移状态（例如用户利用的协议流动性）的需要。然而，这种策略也有其缺点，因为新的升级可能会无意中引入代码库中的漏洞。此外，可能还会推出会导致用户损失的恶意升级。

治理风险应评估三个主要方面：

1. 治理流程的访问控制（谁/什么负责）
2. 提案和实施之间的时间延迟
3. 升级的频率

就第一个方面而言，从低到高的高级风险顺序是：DAO - 多签名账户（Multisig） - EOA。当然，在评估过程中存在细微差别（例如，投票分配是否足够分散？多签名账户是否能抵御串通？）

对于第二点，建议实施至少3天的时间锁。这段时间允许用户评估所提升级的潜在影响，并且如果需要的话，通过从协议中移除他们的流动性来选择退出。

在第三点方面，一个次要但重要的方面是协议推送升级或修改的频率。理想情况下，升级频率越低越好。

经济风险分析

在与某个协议互动时，必须从多个层面分析经济风险。

首先，通过向池子提供流动性，我们暴露于该池中的底层资产。如果这些资产中的任何一个价值下降，流动性提供者（LP）可能会因为自动做市商（AMM）的定价机制而遭受未实现的损失。因此，分析每个资产的风险状况以准确评估池的整体风险至关重要。例如资产的流动性、流动性深度、历史波动性以及交易对手（无论是中心化发行者还是去中心化协议）的风险档案，都会对池的累积风险产生影响。

桥接技术

在资产暴露方面，资产可以是链上原生的，也可以通过桥接与某个链关联。

从历史上看，桥接一直是行业的痛点，因为它们经常成为大规模攻击的目标。

我们可以将桥接技术分为三个不同的宏观类别，从最高到最低风险分别是：

• 外部桥接（External）

• 乐观桥接（Optimistic）

• 原生验证桥接（Native）

外部桥接，顾名思义，由一个外部的验证者集合来验证。为了正常运作，它们依赖于M-of-N诚实多数假设。有时，会设置经济保障措施，以防止串通的多数派实施有利可图的攻击（例如，削减）。这种类型的桥接被认为是最高风险的，因为它引入了额外的信任假设。像Axelar和Multichain这样的桥接属于此类别。

乐观桥接在架构中加入了延迟组件，允许观察者有时间挑战链A与链B之间的任何伪造信息。这些桥接依赖于1-of-N模型，因为只需单一行动者即可阻止欺诈。像Across和Connext这样的桥接属于此类别。

原生验证桥接直接由底层链的验证者通过在一个链的运行时中嵌入另一个链的轻客户端来保障安全。例如，像Arbitrum或Starknet这样的智能合约rollups就有与以太坊的轻客户端桥接，每个状态转换都由以太坊验证者通过欺诈或有效性证明来验证和确认。从安全角度来看，这类桥接到目前为止是最安全的，因为它不引入任何额外的安全假设。

在提供流动性时，大多数情况下，资产对给定池的暴露要么是原生发行的（例如，在Arbitrum上的USDC.e），要么是外部发行的（例如，USDC.wh）。乐观桥接通常主要作为快速流动性促进者行事（例如，USDC.e (arb) -> USDC (eth) 转账）。

Oracle

协议可能依赖一个或多个Oracle（预言机）来导入外部数据，例如资产价格，到其系统中。如果数据报告不准确，可能会被利用来执行攻击，例如有害的套利。闪电贷的出现提供了几乎无限的信用额度，使得预言机价格操纵成为DeFi中常见的攻击手段。

预言机可以分为两类：由第三方提供的（例如Chainlink、Tellor）和从链上数据源获取数据的集成（例如Uniswap V3 TWAP oracle）。

理想情况下，项目不应该完全依赖单一提供者。实施回退机制至关重要，以确保针对数据报告不准确的检查和平衡。此外，使用标准化的预言机定价方法的协议比使用特定解决方案（例如使用LP代币价格作为价格预言机）更容易理解。

Audit

对代码库进行的审计对于风险评估至关重要，因为它们有助于在此阶段识别和修补大多数潜在的攻击向量。

然而，审计的质量可能有很大差异，因为审计师拥有不同的资源并遵循不同的质量标准。虽然提供审计公司的质量等级列表超出了本文的范围，但资本配置者有责任根据审计公司的跟踪记录和先前审计的质量来对审计公司进行排名。还应注意，审计师可能专门研究某些领域，使得某些公司更适合审计特定协议。

理想情况下，一个项目应该进行多次审计，并维持一个持续的漏洞赏金计划以增强安全性。

形式化验证提供了额外的安全保证，因为它涉及数学上证明合约代码的正确性，确保在所有可能的条件下按预期行为。

必须记住的是，审计是在代码库的特定快照上进行的。因此，随后的更改（例如通过代理升级引入的更改）可能会损害其有效性。

如果项目的合约是可升级的，那么进行持续审计协议是一个好的妥协。在这种情况下，任何升级都可能以不可预测的方式损害协议。链上治理决策也是如此。

风险评分

对于每一个风险组成部分，我们会分配一个数值。这种方法将风险视为一个连续变量，尽管它更准确地应该是二元的——指出一个协议是否安全。本质上，我们所做的是为每个类别分配一个概率值，代表该组件被利用的可能性，从而导致协议受到威胁。

这些评分会系统地应用于每个新策略或资产，并通过几何方式相乘以计算总风险折扣。

上述公式是在假设所有依赖项对总体风险贡献相等的情况下操作的，这一假设可能由于不同协议的架构差异而不成立。为了考虑这些变化，为每个风险类别分配权重可以增强公式的准确性。因此，我们修订后的公式将是：

其中 wi 代表分配给风险类别的权重。以 Uniswap V3 和 Aave V3 为例，我们可以探索对治理风险分配权重。这两个协议都由各自的 DAO 管理，但执行的程度在它们之间有显著的差异。

对于 Uniswap V3 来说，治理权力有限；Uniswap DAO 只能对交换施加协议费。它没有权力将资产列入黑名单、暂停池或升级协议合约。相比之下，Aave V3 DAO 在监管每个市场的风险参数设定中扮演更为关键的角色，如供应和借贷上限、贷款价值比和储备因子，除此之外还能升级协议合约本身。

这种区别突出了潜在的治理相关风险的显著变化：Uniswap 的 DAO，由于其有限的权力，构成的风险较小，表明其治理风险权重接近 0。另一方面，Aave DAO 由于其更广泛的权力，承担更大的治理风险，因此需要更高的权重。

下面是一个风险矩阵，旨在提供指导如何为每个风险类别分配风险分数。值可以在列之间插值 - 纯粹的离散分类没有好处。

策略的预期回报应该通过这个风险因素进行折扣，以产生与基准资产相比的风险调整后回报的相对排名。

辩证法：基准资产的风险评分

基准资产（wstETH、sDAI、WBTC）本身并非无风险。在上述至少两个类别中，它们具有正面的辩证法评分。然而，这应该为社区提供一个有用的启发式工具，用来评估是否引入新策略或仅仅坚持基准。

DAO 财务绩效归因

我们寻求回答两个原始问题的业绩归因模型（一个去中心化盈余的表现如何，以及其中多少可以归因于社区或委托管理者的积极决策），是一个简化的逐期Brinson-Fachler归因分解。

对于这个业绩归因模型的运作，有许多必要的简化，但我们乐于引入这个模型的首个迭代版本，作为DAOs的一个简化的最小可行性业绩归因工具。

附录：示例

示例1：用篮子构建的简单基准指数

我们挑选了自己最喜欢的最低努力配置。这几乎是构建的最低努力基准指数，对广泛加密市场具有非常强烈的长期偏见，从一个DAO的视角看是适合的。如果您的DAO对加密货币，包括BTC，有结构性的长期偏见，这可能是适用的。例如，对于一个借贷协议或链上永续合约协议，如 wstETH 53.2%，WBTC 34.2% 和 sDAI 剩余部分。

示例 2：基于 ETH 的 DAO 评估三种新策略

如果一个基于ETH的DAO（即其基准是100% ETH）正在评估三种可选策略，例如，下面的风险折扣表可能会这样显示。

我们为以下各项计算了辩证风险折扣分数：

• Muniswap AMM，一个在备受瞩目的Layer 2上的新颖AMM设计，由多签名保障
• Braave，上述相同的借贷协议
• 一个从Liquity分叉的新的基于stETH的稳定币，但没有赎回功能

在比较这些与基准资产风险分数时，社区在决定是否执行某个策略时，多了一个数据点来参考。

在这个示例中，除了Braave，其他每个单位的超额回报的相对风险要么太高，要么每个单位风险的超额回报太低。社区现在有了讨论配置优点的词汇，或者简单地不做任何决定，保持在基准资产wstETH中。

示例 3：基准和绩效归因

以一个例子（为说明目的使用电子表格）讨论一个管理Braave的DAO，Braave是一个假想的借贷市场协议，提供WBTC、stETH和USDC等资产的杠杆。考虑到他们收入的权重分配，他们的盈余最终累积为BTC、ETH、USDC以及来自基于ETH的DeFi协议的各种治理代币的混合。社区确定他们理想的基准为10% BTC，50% ETH和40% USD。、

由ETH极客组成的财政委员会获得了代币持有者的授权管理盈余，并决定追求一些更积极的机会，这些机会的分配偏离了USD和BTC的初始指令。基准资产的周期回报为：

（以下回报数字完全是虚构的）

委员会做出的投资组合选择是：

最终的业绩归因表为：

从这个分析中，社区可以得出结论，在这个周期内，财政委员会在活跃领域的配置决策和领域内选择决策上均表现不佳。现在，社区可以评估社区内的决策过程是否在推动盈余管理朝向其期望的结果，如同在DAO批准的风险管理框架的风险偏好声明中所述。如果确实如此，那么可能需要在进一步的DAO投票中重新考虑基准配置。

参考

Bailey, J. V., & Tierney, D. E. (1998). Controlling Misfit Risk in Multiple-Manager Investment Programs. Research Foundation of CFA Institute.

Wright, M. A., & Mitchell Conover, C. (2024). Portfolio Performance Evaluation. In Refresher Readings (Vol. Portfolio Management). CFA Institute.

声明：

1. 本文转载自[Steakhouse.financial]，著作权归属原作者[steakhouse.financial]，如对转载有异议，请联系Gate Learn团队，团队会根据相关流程尽速处理。
2. 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. 文章其他语言版本由Gate Learn团队翻译， 在未提及Gate.io的情况下不得复制、传播或抄袭经翻译文章。