Andre Cronje é uma figura chave no mundo DeFi, frequentemente chamado de “Padrinho do DeFi”. Ele começou sua carreira no desenvolvimento de software tradicional e gradualmente fez a transição para a inovação blockchain e DeFi.
Nascido na Cidade do Cabo, África do Sul, AC inicialmente estudou direito na Universidade de Stellenbosch, mas se interessou por tecnologia depois de ajudar amigos em experimentos de ciência da computação. Mais tarde, ele se matriculou no Instituto de Treinamento em Computação (CTI) para estudar ciência da computação, completando um programa de três anos em apenas cinco meses e até atuou como palestrante - estabelecendo uma base técnica sólida para o seu futuro.
No início de sua carreira, ele se juntou à Vodacom, o primeiro operador de rede móvel da África do Sul, onde trabalhou em projetos de big data, cluster computing e machine learning. Em seguida, atuou como CTO de várias empresas de software, incluindo Altron, Full Facing, Freedom Life e Shoprite Group. Sua experiência em projetos abrange aplicativos móveis, sites, data centers, plataformas de empréstimos, soluções de seguros e sistemas de varejo, demonstrando sua liderança técnica interdisciplinar.
Em 2017, AC começou a explorar a tecnologia de criptomoedas e documentou seu processo de aprendizado nas redes sociais. Isso chamou a atenção da mídia cripto Crypto Briefing, que o convidou para escrever uma coluna, aumentando sua visibilidade na comunidade cripto. Em 2018, ele entrou formalmente na indústria blockchain, atuando como consultor técnico para BitDiem e Aggero. Mais tarde, ele ocupou cargos técnicos-chave ou posições de CTO em projetos como CryptoCurve, CryptoBriefing e Fusion Foundation. Ele também se tornou um arquiteto Ethereum DeFi.
A grande reivindicação da AC veio do ano de fundação do yearn.finance, que o elevou à proeminência. Mais tarde, ele co-fundou a Sonic Foundation (anteriormente Fantom) e a Keep3r Network, e contribuiu para vários projetos DeFi renomados como Hegic, Pickle, Cover, PowerPool, Cream V2, Akropolish, Sushiswap, Eminence, Bribe.crv.finance, Rarity e Solidly. Durante o mercado em alta de 2021, ele lançou plataformas cross-chain como Multichain, Chainlist, Cream Finance e Rarity—cada uma ganhando notável tração. Essas conquistas solidificaram seu título como o "Padrinho do DeFi" dentro da comunidade global.
Em 2022, AC anunciou inesperadamente sua saída do DeFi, o que despertou atenção generalizada. Em 28 de janeiro de 2025, ele explicou sua saída em um post detalhado no Medium, citando a pressão regulatória da SEC dos EUA como a razão principal. Desde 2021, a SEC vinha investigando seu projeto yearn.finance e posteriormente estendeu as investigações para seus outros empreendimentos. A investigação consumiu tempo e recursos significativos, muitas vezes exigindo semanas ou meses de coleta de dados e horas longas cavando informações de difícil acesso, forçando-o a pausar todo desenvolvimento e pesquisa.
AC descreveu esse calvário de dois anos como um período repleto de noites insones e estresse imenso. No final, ele teve que escolher entre continuar construindo de graça enquanto lutava contra ataques constantes, gastar muito em defesas legais ou se afastar. Ele escolheu a última opção.
Apesar de tudo, AC permanece cautelosamente otimista sobre o progresso da infraestrutura blockchain. Ele reconhece avanços significativos nos últimos anos, incluindo:
No entanto, ele estima que a infraestrutura geral está apenas 50-60% completa, com um longo caminho a percorrer antes de atingir a maturidade. Sua visão é que a tecnologia blockchain se torne tão fluida quanto aplicativos móveis, onde os usuários interagem sem perceber que o backend existe - semelhante a como os usuários regulares não se importam onde os servidores de um aplicativo estão hospedados. Isso destaca sua ênfase na experiência do usuário - a tecnologia deve capacitar nos bastidores, não obstruir no primeiro plano.
A AC prevê que dentro de 2-5 anos, as maiores exchanges de criptomoedas do mundo serão DEXs, não CEXs - uma reflexão de sua forte fé na tecnologia descentralizada e uma pista sobre a direção futura da indústria.
Em março de 2025, AC anunciou seu novo projeto Flying Tulip no X (anteriormente Twitter). Embora a plataforma ainda não tenha sido lançada oficialmente, podemos ter uma ideia através dos detalhes compartilhados em seu site. Com base em seu otimismo em relação ao setor DEX, o Flying Tulip parece estar posicionado como um concorrente ou até mesmo um desafiante do Hyperliquid, enraizado nos fundamentos da Sonic.
De acordo com o site oficial, a Flying Tulip é posicionada como uma plataforma DeFi tudo-em-um. Está claro que a Flying Tulip visa competir com a Hyperliquid, oferecendo uma gama ainda mais ampla de funcionalidades. Suas características incluem negociação spot, contratos perpétuos, pools de liquidez, empréstimos com base em LTV e negociação de opções. Notavelmente, empréstimos e opções são funcionalidades que a Hyperliquid atualmente não possui, fazendo com que a Flying Tulip se assemelhe a uma exchange mais abrangente em comparação.
Comparado com outros protocolos AMM, o Flying Tulip não é apenas um AMM - ele integra negociação spot e perpétua DEX, um protocolo de empréstimo e funcionalidade de opções. Em essência, o Flying Tulip é uma exchange descentralizada completa que não requer KYC ou autorização de carteira e incorpora tanto empréstimos quanto negociações de derivativos - um AMM+DEX de nova geração.
Duas Inovações Notáveis no Flying Tulip:
Não é necessária autorização da carteira:
Isso reduz significativamente a barreira de entrada, tornando-a mais amigável para iniciantes. Os usuários podem começar a negociar sem configurações complexas de carteira, simplificando o processo. Isso contrasta com as plataformas tradicionais DeFi, que geralmente exigem conexões de carteira e múltiplas confirmações, adicionando complexidade e risco para os usuários.
Modelo de Pool de LP Único:
Uma única pool de liquidez alimenta a negociação à vista, alavancada e de contratos, eliminando a necessidade de mover fundos entre diferentes protocolos. Também promete retornos até 9 vezes maiores em comparação com os modelos tradicionais de LP.
Flying Tulip oferece serviços personalizados adaptados a diferentes grupos de usuários. Abaixo está uma análise de suas vantagens competitivas por tipo de participante da plataforma:
Flying Tulip não é apenas construído para traders de varejo—também visa atrair investidores institucionais, oferecendo execução de nível profissional, liquidez profunda e suporte de conformidade (como triagem OFAC). Comparado com Coinbase, Binance e Hyperliquid, Flying Tulip oferece vantagens distintas em taxas, alavancagem e retornos LP. Por exemplo, as taxas de negociação se ajustam dinamicamente com base nas condições do mercado e podem cair abaixo de 0,02%. Além disso, seu algoritmo de curva adaptativa ajuda a reduzir a perda impermanente em até 42%, superando as plataformas AMM tradicionais.
Comparação para Traders Varejistas
Comparação para Traders Institucionais
A inovação da Flying Tulip brilha em várias áreas-chave:
A Flying Tulip emprega a Tecnologia de Curva Adaptativa, um mecanismo inovador que muda automaticamente entre diferentes modelos AMM com base na volatilidade do mercado em tempo real:
Otimização de Preço do Trader: Ajusta dinamicamente o modelo AMM para fornecer os melhores preços de execução possíveis para os traders — o deslizamento é reduzido em 42% em comparação com os AMMs tradicionais.
Exemplo:
Para uma negociação ETH/USDC, a Flying Tulip alcança um melhor preço de execução de 19.874 USDC, com apenas 0,14% de impacto no preço, superando Uniswap V3 (0,65%) e Curve (0,36%).
Origem: Flying Tulip
Em cenários de empréstimo de reserva cruzada, o uso de um modelo tradicional de criador de mercado de produto constante (por exemplo, x × y = k) apresenta riscos ocultos. Durante liquidações de ativos em larga escala, o reequilíbrio de reservas pode desencadear choques de preço, impactando o valor real da garantia.
Se a fórmula de precificação constante AMM for aplicada, e o ativo A for amplamente negociado, o processo de reequilíbrio afetará negativamente o rendimento do ativo B. Isso resulta em resultados desfavoráveis para os preços de liquidação e deslizamento, com até 33% do impacto de preço refletido no ativo B.
As flutuações de preço de mercado influenciam diretamente os preços dentro das AMMs. A Flying Tulip introduz um modelo de LTV ajustado dinamicamente com base na mecânica da AMM para mitigar tais efeitos na Gate.io.
Origem: Flying Tulip
Passo 1: Integrando a volatilidade ao modelo LTV.
Ao combinar σ (volatilidade do ativo) e t (tempo de retenção), é calculado um fator de desconto de volatilidade δ, que é usado para avaliar o colateral volátil de forma mais conservadora.
Suponha:
Então:
δ = σ (t^(1/2))
A fórmula de LTV ajustada para volatilidade torna-se:
Valor do Empréstimo ≤(1−δ)× Valor do Colateral (com base no preço atual)
Assim, o LTV máximo para um ativo é definido como:
LTVvol = 1−δ
Esta abordagem dinâmica permite que o LTV máximo diminua à medida que a volatilidade realizada aumenta, reduzindo o risco de liquidação. Quanto mais volátil ou ilíquido um ativo, menor será o seu LTV permitido, exigindo mais garantias.
Por exemplo, se a volatilidade histórica sugerir uma flutuação de preços de cerca de 30%, o LTV seria limitado em torno de 70%.
Comparado aos protocolos AMM tradicionais que usam taxas de LTV estáticas, o modelo da Flying Tulip é mais adaptável à natureza descentralizada do DeFi. Ao integrar a dinâmica do AMM com as condições de mercado em tempo real, o modelo fornece um gerenciamento de risco mais preciso.
Comparação Competitiva:
Origem: Flying Tulip
A seguir, examinamos a relação entre LTV e precificação de liquidação, focando no impacto do deslizamento. O deslizamento se torna particularmente significativo em pools de baixa liquidez, onde grandes liquidações podem causar oscilações de preço substanciais e aumentar o risco sistêmico. Quando o ativo colateral A é liquidado para obter o ativo B para o pagamento da dívida, o valor recuperável real de B pode diminuir devido aos impactos de preço da AMM e movimentos de preço adversos causados pela volatilidade.
Portanto, incorporamos tanto o deslizamento quanto a volatilidade no modelo.
Nossa primeira condição é que o valor de B após a liquidação deve ser maior ou igual à dívida devida.
Definimos a dívida como:
Definimos a dívida como:
Dívida = Empréstimo = LTV × Valor do Colateral = LTV × ΔX × Pₐ
Se considerarmos apenas o deslizamento e ignorarmos a volatilidade, o LTV máximo determinado pela profundidade do AMM é: \
LTV_slip = 1 / (1 + ΔX / X)
Aqui, ΔX / X representa a proporção do ativo A sendo vendido em relação ao pool de liquidez total. O impacto dessa proporção no LTV pode ser entendido da seguinte forma:
Pequena Garantia (ΔX ≤ X):
O risco de deslizamento é baixo. Na teoria, o LTV poderia atingir 100%, mas na prática, os protocolos não permitirão devido ao alto risco.
Garantia Média (ΔX = X):
A liquidação pode causar um impacto de cerca de 50% no preço. Portanto, o LTV cai para 50%, o que significa que você só pode pegar emprestado metade do valor do seu colateral.
Grande Colateral (ΔX = 2X):
O risco de derrapagem aumenta significativamente. O LTV cai para cerca de 33,3%, garantindo que mesmo se o preço cair, o empréstimo permaneça totalmente coberto.
Com o fator de deslizamento estabelecido, agora incorporamos também o fator de volatilidade:
(1 - δ) × (Y × ΔX) / (X + ΔX) ≥ LTV × ΔX × (Y / X)
A partir disso, derivamos a fórmula final:
LTV_max(ΔX) = (1 - δ) / (1 + ΔX / X)
Esta fórmula considera duas fontes-chave de risco:
Para qualquer tamanho de garantia ΔX dado, o LTV permitido deve permanecer abaixo desta curva.
Este modelo funciona como um seguro duplo para empréstimos:
Quanto mais instável o preço do ativo, menos você pode pedir emprestado, mesmo com a mesma quantidade de garantia.
Ativos altamente voláteis ou com pools de liquidez rasos recebem significativamente menor poder de empréstimo. Quando tanto ΔX / X quanto δ são grandes — como acontece com muitas altcoins — o LTV é drasticamente reduzido.
O modelo LTV dinâmico da Flying Tulip garante a estabilidade do sistema sob condições de mercado em mudança. Por exemplo:
A tabela abaixo resume como o LTV é ajustado em diferentes cenários com base na volatilidade e na profundidade da pool:
Origem: Tulipa Voadora
Quando os usuários pegam emprestado o ativo B depositando o ativo A, a composição da reserva de ativos muda. À medida que mais empréstimos são feitos, a liquidez disponível de B diminui, enquanto a reserva de A aumenta, tornando a reserva fortemente ponderada em A.
Alta utilização de B implica que qualquer nova liquidação enfrentará maior deslizamento (já que Y fica menor, X cresce maior).
No modelo, o estado atual da piscina (X, Y) influencia diretamente o LTV dos novos empréstimos. A taxa de utilização de B (UB) é definida como:
UB = 1 - (Y_atual / Y_inicial)
Quando UB se aproxima de 1, indica que a maior parte do ativo B foi usada e o pool está quase esgotado. Isso cria um pool AMM severamente desequilibrado, onde o preço de A cai acentuadamente. Se a liquidação ocorrer nessas condições, o valor recuperável de B pode despencar.
Para combater isso, o modelo introduz um mecanismo para amortecer o LTV em cenários de alta utilização. Por exemplo, se 50% da liquidez de B foi utilizada, então novos empréstimos só podem usar 50% do limite normal de LTV.
LTVpermitido(UB) = LTVmáx × (1−UB)
Este modelo garante que novos empréstimos não esgotem a liquidez disponível ou exponham empréstimos existentes a riscos aumentados. O protocolo também pode proibir que um único empréstimo consuma mais do que um certo percentual das reservas restantes de B. Além disso, o sistema pode aumentar as taxas ou as taxas de juros sob condições de alta utilização para desencorajar empréstimos além dos limites seguros - isso faz parte da estratégia geral de gerenciamento de riscos da plataforma.
Através de visualizações e modelagem, torna-se claro que, à medida que a volatilidade aumenta ou o tamanho do empréstimo antecipado cresce, a faixa segura de LTV se estreita. Isso ilustra a vantagem do modelo de LTV dinamicamente ajustado da Flying Tulip sobre os AMMs tradicionais, onde regras estáticas frequentemente falham em responder às condições do mercado.
Fonte: Flying Tulip
O modelo LTV-AMM dinâmico integra deslizamento, utilização, liquidez e volatilidade para permitir ajustes de LTV em tempo real. Este design oferece vantagens significativas em gestão de risco, estabilidade do sistema, eficiência de capital e experiência do usuário, tornando-se uma solução inovadora no espaço de empréstimos DeFi.
O modelo ajusta automaticamente a proporção LTV com base nas condições de mercado em tempo real, garantindo que os limites de empréstimo permaneçam alinhados com a liquidez e volatilidade.
Exemplo: quando a volatilidade do mercado aumenta, o LTV é reduzido automaticamente para mitigar o risco na Gate.io.
Ao considerar o deslizamento e a utilização, o modelo reduz significativamente o risco de liquidação:
Adaptação de Volatilidade
O modelo ajusta o LTV com base na volatilidade do ativo:
Estabilidade do Sistema
Ao combinar os fatores de escorregamento, utilização, liquidez e volatilidade, o protocolo permanece estável mesmo sob estresse de mercado, ajudando a evitar riscos sistêmicos.
Eficiência de Capital
Dentro de limites seguros, o modelo maximiza os limites de empréstimo e aprimora a utilização de capital.
Por exemplo, quando os mercados estão estáveis, o LTV pode ser aumentado para apoiar mais empréstimos.
Transparência
A lógica do modelo é aberta e rastreável. Os usuários podem entender claramente como o LTV muda com a dinâmica do mercado, construindo maior confiança no protocolo.
Adaptabilidade
Ele funciona em várias condições de mercado e tipos de ativos - seja stablecoins ou tokens de alta volatilidade - com alocações razoáveis de LTV para cada um.
Inovação
Ao unir os mecanismos de Automated Market Maker (AMM) com a lógica de empréstimo, o modelo introduz uma vantagem competitiva única no DeFi, oferecendo aos usuários uma experiência de empréstimo mais segura e eficiente em termos de capital.
Embora o modelo dinâmico LTV-AMM ofereça pontos fortes no controle de risco e na resiliência do sistema, ele também introduz complexidade, alta dependência de dados, intensidade computacional e vulnerabilidade à manipulação. Os desenvolvedores devem mitigar esses riscos por meio da otimização de parâmetros, transparência e auditorias rigorosas para garantir a segurança e confiabilidade.
Erros de previsão
Previsões de volatilidade incorretas podem levar a LTVs muito altas ou muito baixas, comprometendo a segurança do protocolo de empréstimo.
Alta Dependência de Dados
O modelo depende muito de dados em tempo real (por exemplo, preços de ativos, profundidade da pool, taxas de utilização). Se os dados estiverem imprecisos, atrasados ou faltando, o ajuste dinâmico do LTV pode falhar.
Questões de Qualidade de Dados
No DeFi, os dados on-chain podem ser manipulados (por exemplo, através de ataques de preço), o que poderia comprometer a integridade do modelo.
Sobrecarga de Desempenho do Sistema
Cálculos em tempo real de deslizamento, utilização e volatilidade exigem recursos computacionais significativos, podendo retardar as operações do sistema e degradar a experiência do usuário.
Sensibilidade do Parâmetro
A eficácia do modelo está intimamente ligada à afinação dos parâmetros (por exemplo, descontos de volatilidade, limiares de liquidação). Parâmetros mal configurados podem levar a ajustes ineficazes do LTV.
Complexidade de ajuste
Encontrar combinações de parâmetros ótimas requer testes extensivos e iteração, aumentando a complexidade do desenvolvimento e manutenção.
Congestão da rede
Durante a congestão da blockchain, as atualizações do modelo em tempo real podem ser atrasadas, aumentando a exposição ao risco para mutuários e credores.
Andre Cronje é uma figura chave no mundo DeFi, frequentemente chamado de “Padrinho do DeFi”. Ele começou sua carreira no desenvolvimento de software tradicional e gradualmente fez a transição para a inovação blockchain e DeFi.
Nascido na Cidade do Cabo, África do Sul, AC inicialmente estudou direito na Universidade de Stellenbosch, mas se interessou por tecnologia depois de ajudar amigos em experimentos de ciência da computação. Mais tarde, ele se matriculou no Instituto de Treinamento em Computação (CTI) para estudar ciência da computação, completando um programa de três anos em apenas cinco meses e até atuou como palestrante - estabelecendo uma base técnica sólida para o seu futuro.
No início de sua carreira, ele se juntou à Vodacom, o primeiro operador de rede móvel da África do Sul, onde trabalhou em projetos de big data, cluster computing e machine learning. Em seguida, atuou como CTO de várias empresas de software, incluindo Altron, Full Facing, Freedom Life e Shoprite Group. Sua experiência em projetos abrange aplicativos móveis, sites, data centers, plataformas de empréstimos, soluções de seguros e sistemas de varejo, demonstrando sua liderança técnica interdisciplinar.
Em 2017, AC começou a explorar a tecnologia de criptomoedas e documentou seu processo de aprendizado nas redes sociais. Isso chamou a atenção da mídia cripto Crypto Briefing, que o convidou para escrever uma coluna, aumentando sua visibilidade na comunidade cripto. Em 2018, ele entrou formalmente na indústria blockchain, atuando como consultor técnico para BitDiem e Aggero. Mais tarde, ele ocupou cargos técnicos-chave ou posições de CTO em projetos como CryptoCurve, CryptoBriefing e Fusion Foundation. Ele também se tornou um arquiteto Ethereum DeFi.
A grande reivindicação da AC veio do ano de fundação do yearn.finance, que o elevou à proeminência. Mais tarde, ele co-fundou a Sonic Foundation (anteriormente Fantom) e a Keep3r Network, e contribuiu para vários projetos DeFi renomados como Hegic, Pickle, Cover, PowerPool, Cream V2, Akropolish, Sushiswap, Eminence, Bribe.crv.finance, Rarity e Solidly. Durante o mercado em alta de 2021, ele lançou plataformas cross-chain como Multichain, Chainlist, Cream Finance e Rarity—cada uma ganhando notável tração. Essas conquistas solidificaram seu título como o "Padrinho do DeFi" dentro da comunidade global.
Em 2022, AC anunciou inesperadamente sua saída do DeFi, o que despertou atenção generalizada. Em 28 de janeiro de 2025, ele explicou sua saída em um post detalhado no Medium, citando a pressão regulatória da SEC dos EUA como a razão principal. Desde 2021, a SEC vinha investigando seu projeto yearn.finance e posteriormente estendeu as investigações para seus outros empreendimentos. A investigação consumiu tempo e recursos significativos, muitas vezes exigindo semanas ou meses de coleta de dados e horas longas cavando informações de difícil acesso, forçando-o a pausar todo desenvolvimento e pesquisa.
AC descreveu esse calvário de dois anos como um período repleto de noites insones e estresse imenso. No final, ele teve que escolher entre continuar construindo de graça enquanto lutava contra ataques constantes, gastar muito em defesas legais ou se afastar. Ele escolheu a última opção.
Apesar de tudo, AC permanece cautelosamente otimista sobre o progresso da infraestrutura blockchain. Ele reconhece avanços significativos nos últimos anos, incluindo:
No entanto, ele estima que a infraestrutura geral está apenas 50-60% completa, com um longo caminho a percorrer antes de atingir a maturidade. Sua visão é que a tecnologia blockchain se torne tão fluida quanto aplicativos móveis, onde os usuários interagem sem perceber que o backend existe - semelhante a como os usuários regulares não se importam onde os servidores de um aplicativo estão hospedados. Isso destaca sua ênfase na experiência do usuário - a tecnologia deve capacitar nos bastidores, não obstruir no primeiro plano.
A AC prevê que dentro de 2-5 anos, as maiores exchanges de criptomoedas do mundo serão DEXs, não CEXs - uma reflexão de sua forte fé na tecnologia descentralizada e uma pista sobre a direção futura da indústria.
Em março de 2025, AC anunciou seu novo projeto Flying Tulip no X (anteriormente Twitter). Embora a plataforma ainda não tenha sido lançada oficialmente, podemos ter uma ideia através dos detalhes compartilhados em seu site. Com base em seu otimismo em relação ao setor DEX, o Flying Tulip parece estar posicionado como um concorrente ou até mesmo um desafiante do Hyperliquid, enraizado nos fundamentos da Sonic.
De acordo com o site oficial, a Flying Tulip é posicionada como uma plataforma DeFi tudo-em-um. Está claro que a Flying Tulip visa competir com a Hyperliquid, oferecendo uma gama ainda mais ampla de funcionalidades. Suas características incluem negociação spot, contratos perpétuos, pools de liquidez, empréstimos com base em LTV e negociação de opções. Notavelmente, empréstimos e opções são funcionalidades que a Hyperliquid atualmente não possui, fazendo com que a Flying Tulip se assemelhe a uma exchange mais abrangente em comparação.
Comparado com outros protocolos AMM, o Flying Tulip não é apenas um AMM - ele integra negociação spot e perpétua DEX, um protocolo de empréstimo e funcionalidade de opções. Em essência, o Flying Tulip é uma exchange descentralizada completa que não requer KYC ou autorização de carteira e incorpora tanto empréstimos quanto negociações de derivativos - um AMM+DEX de nova geração.
Duas Inovações Notáveis no Flying Tulip:
Não é necessária autorização da carteira:
Isso reduz significativamente a barreira de entrada, tornando-a mais amigável para iniciantes. Os usuários podem começar a negociar sem configurações complexas de carteira, simplificando o processo. Isso contrasta com as plataformas tradicionais DeFi, que geralmente exigem conexões de carteira e múltiplas confirmações, adicionando complexidade e risco para os usuários.
Modelo de Pool de LP Único:
Uma única pool de liquidez alimenta a negociação à vista, alavancada e de contratos, eliminando a necessidade de mover fundos entre diferentes protocolos. Também promete retornos até 9 vezes maiores em comparação com os modelos tradicionais de LP.
Flying Tulip oferece serviços personalizados adaptados a diferentes grupos de usuários. Abaixo está uma análise de suas vantagens competitivas por tipo de participante da plataforma:
Flying Tulip não é apenas construído para traders de varejo—também visa atrair investidores institucionais, oferecendo execução de nível profissional, liquidez profunda e suporte de conformidade (como triagem OFAC). Comparado com Coinbase, Binance e Hyperliquid, Flying Tulip oferece vantagens distintas em taxas, alavancagem e retornos LP. Por exemplo, as taxas de negociação se ajustam dinamicamente com base nas condições do mercado e podem cair abaixo de 0,02%. Além disso, seu algoritmo de curva adaptativa ajuda a reduzir a perda impermanente em até 42%, superando as plataformas AMM tradicionais.
Comparação para Traders Varejistas
Comparação para Traders Institucionais
A inovação da Flying Tulip brilha em várias áreas-chave:
A Flying Tulip emprega a Tecnologia de Curva Adaptativa, um mecanismo inovador que muda automaticamente entre diferentes modelos AMM com base na volatilidade do mercado em tempo real:
Otimização de Preço do Trader: Ajusta dinamicamente o modelo AMM para fornecer os melhores preços de execução possíveis para os traders — o deslizamento é reduzido em 42% em comparação com os AMMs tradicionais.
Exemplo:
Para uma negociação ETH/USDC, a Flying Tulip alcança um melhor preço de execução de 19.874 USDC, com apenas 0,14% de impacto no preço, superando Uniswap V3 (0,65%) e Curve (0,36%).
Origem: Flying Tulip
Em cenários de empréstimo de reserva cruzada, o uso de um modelo tradicional de criador de mercado de produto constante (por exemplo, x × y = k) apresenta riscos ocultos. Durante liquidações de ativos em larga escala, o reequilíbrio de reservas pode desencadear choques de preço, impactando o valor real da garantia.
Se a fórmula de precificação constante AMM for aplicada, e o ativo A for amplamente negociado, o processo de reequilíbrio afetará negativamente o rendimento do ativo B. Isso resulta em resultados desfavoráveis para os preços de liquidação e deslizamento, com até 33% do impacto de preço refletido no ativo B.
As flutuações de preço de mercado influenciam diretamente os preços dentro das AMMs. A Flying Tulip introduz um modelo de LTV ajustado dinamicamente com base na mecânica da AMM para mitigar tais efeitos na Gate.io.
Origem: Flying Tulip
Passo 1: Integrando a volatilidade ao modelo LTV.
Ao combinar σ (volatilidade do ativo) e t (tempo de retenção), é calculado um fator de desconto de volatilidade δ, que é usado para avaliar o colateral volátil de forma mais conservadora.
Suponha:
Então:
δ = σ (t^(1/2))
A fórmula de LTV ajustada para volatilidade torna-se:
Valor do Empréstimo ≤(1−δ)× Valor do Colateral (com base no preço atual)
Assim, o LTV máximo para um ativo é definido como:
LTVvol = 1−δ
Esta abordagem dinâmica permite que o LTV máximo diminua à medida que a volatilidade realizada aumenta, reduzindo o risco de liquidação. Quanto mais volátil ou ilíquido um ativo, menor será o seu LTV permitido, exigindo mais garantias.
Por exemplo, se a volatilidade histórica sugerir uma flutuação de preços de cerca de 30%, o LTV seria limitado em torno de 70%.
Comparado aos protocolos AMM tradicionais que usam taxas de LTV estáticas, o modelo da Flying Tulip é mais adaptável à natureza descentralizada do DeFi. Ao integrar a dinâmica do AMM com as condições de mercado em tempo real, o modelo fornece um gerenciamento de risco mais preciso.
Comparação Competitiva:
Origem: Flying Tulip
A seguir, examinamos a relação entre LTV e precificação de liquidação, focando no impacto do deslizamento. O deslizamento se torna particularmente significativo em pools de baixa liquidez, onde grandes liquidações podem causar oscilações de preço substanciais e aumentar o risco sistêmico. Quando o ativo colateral A é liquidado para obter o ativo B para o pagamento da dívida, o valor recuperável real de B pode diminuir devido aos impactos de preço da AMM e movimentos de preço adversos causados pela volatilidade.
Portanto, incorporamos tanto o deslizamento quanto a volatilidade no modelo.
Nossa primeira condição é que o valor de B após a liquidação deve ser maior ou igual à dívida devida.
Definimos a dívida como:
Definimos a dívida como:
Dívida = Empréstimo = LTV × Valor do Colateral = LTV × ΔX × Pₐ
Se considerarmos apenas o deslizamento e ignorarmos a volatilidade, o LTV máximo determinado pela profundidade do AMM é: \
LTV_slip = 1 / (1 + ΔX / X)
Aqui, ΔX / X representa a proporção do ativo A sendo vendido em relação ao pool de liquidez total. O impacto dessa proporção no LTV pode ser entendido da seguinte forma:
Pequena Garantia (ΔX ≤ X):
O risco de deslizamento é baixo. Na teoria, o LTV poderia atingir 100%, mas na prática, os protocolos não permitirão devido ao alto risco.
Garantia Média (ΔX = X):
A liquidação pode causar um impacto de cerca de 50% no preço. Portanto, o LTV cai para 50%, o que significa que você só pode pegar emprestado metade do valor do seu colateral.
Grande Colateral (ΔX = 2X):
O risco de derrapagem aumenta significativamente. O LTV cai para cerca de 33,3%, garantindo que mesmo se o preço cair, o empréstimo permaneça totalmente coberto.
Com o fator de deslizamento estabelecido, agora incorporamos também o fator de volatilidade:
(1 - δ) × (Y × ΔX) / (X + ΔX) ≥ LTV × ΔX × (Y / X)
A partir disso, derivamos a fórmula final:
LTV_max(ΔX) = (1 - δ) / (1 + ΔX / X)
Esta fórmula considera duas fontes-chave de risco:
Para qualquer tamanho de garantia ΔX dado, o LTV permitido deve permanecer abaixo desta curva.
Este modelo funciona como um seguro duplo para empréstimos:
Quanto mais instável o preço do ativo, menos você pode pedir emprestado, mesmo com a mesma quantidade de garantia.
Ativos altamente voláteis ou com pools de liquidez rasos recebem significativamente menor poder de empréstimo. Quando tanto ΔX / X quanto δ são grandes — como acontece com muitas altcoins — o LTV é drasticamente reduzido.
O modelo LTV dinâmico da Flying Tulip garante a estabilidade do sistema sob condições de mercado em mudança. Por exemplo:
A tabela abaixo resume como o LTV é ajustado em diferentes cenários com base na volatilidade e na profundidade da pool:
Origem: Tulipa Voadora
Quando os usuários pegam emprestado o ativo B depositando o ativo A, a composição da reserva de ativos muda. À medida que mais empréstimos são feitos, a liquidez disponível de B diminui, enquanto a reserva de A aumenta, tornando a reserva fortemente ponderada em A.
Alta utilização de B implica que qualquer nova liquidação enfrentará maior deslizamento (já que Y fica menor, X cresce maior).
No modelo, o estado atual da piscina (X, Y) influencia diretamente o LTV dos novos empréstimos. A taxa de utilização de B (UB) é definida como:
UB = 1 - (Y_atual / Y_inicial)
Quando UB se aproxima de 1, indica que a maior parte do ativo B foi usada e o pool está quase esgotado. Isso cria um pool AMM severamente desequilibrado, onde o preço de A cai acentuadamente. Se a liquidação ocorrer nessas condições, o valor recuperável de B pode despencar.
Para combater isso, o modelo introduz um mecanismo para amortecer o LTV em cenários de alta utilização. Por exemplo, se 50% da liquidez de B foi utilizada, então novos empréstimos só podem usar 50% do limite normal de LTV.
LTVpermitido(UB) = LTVmáx × (1−UB)
Este modelo garante que novos empréstimos não esgotem a liquidez disponível ou exponham empréstimos existentes a riscos aumentados. O protocolo também pode proibir que um único empréstimo consuma mais do que um certo percentual das reservas restantes de B. Além disso, o sistema pode aumentar as taxas ou as taxas de juros sob condições de alta utilização para desencorajar empréstimos além dos limites seguros - isso faz parte da estratégia geral de gerenciamento de riscos da plataforma.
Através de visualizações e modelagem, torna-se claro que, à medida que a volatilidade aumenta ou o tamanho do empréstimo antecipado cresce, a faixa segura de LTV se estreita. Isso ilustra a vantagem do modelo de LTV dinamicamente ajustado da Flying Tulip sobre os AMMs tradicionais, onde regras estáticas frequentemente falham em responder às condições do mercado.
Fonte: Flying Tulip
O modelo LTV-AMM dinâmico integra deslizamento, utilização, liquidez e volatilidade para permitir ajustes de LTV em tempo real. Este design oferece vantagens significativas em gestão de risco, estabilidade do sistema, eficiência de capital e experiência do usuário, tornando-se uma solução inovadora no espaço de empréstimos DeFi.
O modelo ajusta automaticamente a proporção LTV com base nas condições de mercado em tempo real, garantindo que os limites de empréstimo permaneçam alinhados com a liquidez e volatilidade.
Exemplo: quando a volatilidade do mercado aumenta, o LTV é reduzido automaticamente para mitigar o risco na Gate.io.
Ao considerar o deslizamento e a utilização, o modelo reduz significativamente o risco de liquidação:
Adaptação de Volatilidade
O modelo ajusta o LTV com base na volatilidade do ativo:
Estabilidade do Sistema
Ao combinar os fatores de escorregamento, utilização, liquidez e volatilidade, o protocolo permanece estável mesmo sob estresse de mercado, ajudando a evitar riscos sistêmicos.
Eficiência de Capital
Dentro de limites seguros, o modelo maximiza os limites de empréstimo e aprimora a utilização de capital.
Por exemplo, quando os mercados estão estáveis, o LTV pode ser aumentado para apoiar mais empréstimos.
Transparência
A lógica do modelo é aberta e rastreável. Os usuários podem entender claramente como o LTV muda com a dinâmica do mercado, construindo maior confiança no protocolo.
Adaptabilidade
Ele funciona em várias condições de mercado e tipos de ativos - seja stablecoins ou tokens de alta volatilidade - com alocações razoáveis de LTV para cada um.
Inovação
Ao unir os mecanismos de Automated Market Maker (AMM) com a lógica de empréstimo, o modelo introduz uma vantagem competitiva única no DeFi, oferecendo aos usuários uma experiência de empréstimo mais segura e eficiente em termos de capital.
Embora o modelo dinâmico LTV-AMM ofereça pontos fortes no controle de risco e na resiliência do sistema, ele também introduz complexidade, alta dependência de dados, intensidade computacional e vulnerabilidade à manipulação. Os desenvolvedores devem mitigar esses riscos por meio da otimização de parâmetros, transparência e auditorias rigorosas para garantir a segurança e confiabilidade.
Erros de previsão
Previsões de volatilidade incorretas podem levar a LTVs muito altas ou muito baixas, comprometendo a segurança do protocolo de empréstimo.
Alta Dependência de Dados
O modelo depende muito de dados em tempo real (por exemplo, preços de ativos, profundidade da pool, taxas de utilização). Se os dados estiverem imprecisos, atrasados ou faltando, o ajuste dinâmico do LTV pode falhar.
Questões de Qualidade de Dados
No DeFi, os dados on-chain podem ser manipulados (por exemplo, através de ataques de preço), o que poderia comprometer a integridade do modelo.
Sobrecarga de Desempenho do Sistema
Cálculos em tempo real de deslizamento, utilização e volatilidade exigem recursos computacionais significativos, podendo retardar as operações do sistema e degradar a experiência do usuário.
Sensibilidade do Parâmetro
A eficácia do modelo está intimamente ligada à afinação dos parâmetros (por exemplo, descontos de volatilidade, limiares de liquidação). Parâmetros mal configurados podem levar a ajustes ineficazes do LTV.
Complexidade de ajuste
Encontrar combinações de parâmetros ótimas requer testes extensivos e iteração, aumentando a complexidade do desenvolvimento e manutenção.
Congestão da rede
Durante a congestão da blockchain, as atualizações do modelo em tempo real podem ser atrasadas, aumentando a exposição ao risco para mutuários e credores.