• 研究指出，现有TVL指标因复杂衍生品（如包装、杠杆操作）导致严重双重计算，造成TVL数值膨胀且不稳定[page::1][page::4].

- 提出“总锁仓可兑换价值”(TVR)框架，剔除含衍生及借贷代币，仅计真正可兑换的普通代币价值，从而解决双重计算与风险传播问题[page::1][page::8].

• 以六大典型协议（Lido、MakerDAO、Aave V2、Uniswap V2、Curve、Convex）作例，分析DeFi生态的复杂互联和代币“包装”机制：

- 通过协议间和协议内合并资产负债表，验证双重计算现象，并揭示传统TVL如何重复计入衍生代币价值[page::3][page::5].

• 量化衍生代币价格机制和质押借贷协议内清算机制，建模TVL价格及数量的内生性，展示TSL对ETH价格等普通代币变动的高度敏感，金融传染风险放大系统脆弱性[page::6][page::8].

- 通过实证发现，TVL最大值期（2021年12月）与TVR相比，双重计算差额达1398.7亿美元，TVL/TVR约2倍，且DeFiLlama提供的调整后TVL因剔除规则粗糙存在偏差[page::10][page::11]:

• 建立DeFi货币乘数（TVL/TVR），与ETH价格及加密指数显著正相关，与传统宏观变量如TradFi货币乘数负相关，表明加密市场牛市带来更高杠杆及重合计现象[page::12][page::13]:

• 敏感性测试表明，TVL对ETH价格下跌的反应远大于TVR，清算参数和手续费对其影响有限；TVL在市场危机时更易剧烈波动，TVR更具稳定性[page::13][page::14]:

• 对比市面上DeFi数据平台，提出TVR框架算法更细腻，克服现行多链和协议分类剔除不完全缺陷，实现细粒度无双重计算估值[page::9][page::25].

- 研究还涵盖对新兴细分市场和小链的初步分析，证实基础设施简化导致双重计算问题弱化；具体如Hedera和Ultron案例[page::29][page::30]:

• 详尽讨论了双重计算的底层机制、DeFi资产和代币分类、智能合约代码层次的代币自动识别思路，为未来量化及实务应用奠定理论与技术基础[page::28].

金融研究报告详尽分析报告

报告标题：Piercing the Veil of TVL: DeFi Reappraised
作者及机构：Yichen Luo（University College London）、Yebo Feng（Nanyang Technological University，新加坡）、Jiahua Xu（University College London & Exponential Science Foundation）、Paolo Tasca（University College London & Exponential Science Foundation）
发布日期：无明确日期，但文中使用数据截止至2024年3月，推测为2024年初至中期的近期研究
研究主题：去中心化金融（DeFi）中的关键指标“总锁仓价值”（TVL）问题，提出新的衡量指标“总可赎回价值”（TVR），分析DeFi生态的价值计量及风险评价。

---

一、元数据与报告概览

本报告聚焦于DeFi生态中广泛使用且备受关注的指标——总锁仓价值（TVL）。报告指出，TVL被行业和学术界广泛用以衡量DeFi系统的规模和受欢迎程度，类似于传统金融中的资产管理规模（AUM）。然而，报告批判性地指出TVL的重大不足：容易被“重复计算”（double counting）问题操控和虚增，尤其因衍生品包装（wrapping）和杠杆操作导致。当前针对这一问题的现有衡量方法不一致且存在缺陷，严重影响投资者对DeFi真实价值的理解和风险评估。

为此，报告创新性地提出了“总可赎回价值”（TVR）框架，强调排除“包装”及借入的衍生资产，只统计可直接赎回和真正贡献价值的基础资产。报告同时引入了“DeFi货币乘数”，用以量化DeFi系统内的重复计算程度，基于大量历史数据和模拟实证，揭示了TVL与TVR间的显著差距及TVL的市场敏感性，尤其在市场下跌时TVL波动明显加大。报告最终强调TVR相比TVL更为准确和稳定，建议将其作为评估DeFi健康度的新标准。

核心论点：

• TVL指标存在严重重复计算和易被操控问题

- TVR作为改进后的指标，更精准地反映DeFi的真实资产价值

• DeFi货币乘数刻画重复计算程度，其与加密资产行情呈正相关，与宏观经济呈负相关

- 在市场压力时，TVL相比TVR更不稳定，暴露较大的系统性风险隐藏

• 报告提供实证数据支持，并通过模拟校验不同参数对指标稳定性的影响

---

二、逐节深度解读

2.1 引言与TVL定义（第0-3页）

• 报告首先系統阐述了TVL的定义：DeFi协议或生态中质押的加密资产总价值，作为衡量市场规模的关键指标。[page::0][page::2]

- 通过举例典型协议（Lido、MakerDAO、Aave V2、Uniswap V2、Curve、Convex）构建示范系统，揭示了TVL的构成复杂性和协议间的强组合性（composability）特征，如图1所示，展示了跨协议的资产包装和代币治理关系。[page::3]

• 报告通过图示（Fig.2）展示了市场上主要数据平台DeFiLlama为应对双重计算问题推出的相应调整方法：通过“Double Count”开关剔除跨协议重叠资产，但方法仍然不充分，部分协议如Lido存在未剔除的重复计量。[page::3]

2.2 DeFi中的“包装”（Wrapping）机制（第4-5页）

• “包装”指用户将已有代币（包括已包装的代币）存入智能合约，获得新的衍生代币，且该操作可以叠加多次。该机制支持DeFi协议间的资产组合与重构。

- 以Lido和MakerDAO为例，公司说明包装和传统金融中“复假”（rehypothecation）的相似性：资产在多个账本间反复抵押产生衍生权利，增加资产表面数量而非实际价值。如图3a、3b揭示包装流程。

• 表1用财务报表透视包装导致的TVL重复计算。表1中Lido和MakerDAO单独的资产账面价值加总为2000美元（$2k$），实际整合后账面价值应为1000美元（$1k$），多出的1000美元即为重复计算部分。[page::4][page::5]

3.1-3.3 双重计算问题与TVR框架（第5-8页）

• 细分DeFi代币为基础代币（plain token）和衍生代币（derivative token），后者代表存入基础代币的衍生权益。报告以ETH为例，将其视为基础代币，而stETH、wstETH等为衍生代币。[page::6]

- 指出衍生代币价格具内生性，依赖基础代币供需同时影响协议中的锁仓数量（尤其在借贷和清算协议里），从而导致TVL的高度波动性和价格敏感性（即金融传染风险）。其定价机制公式详述并区分了基于抵押债仓的稳定币与非稳定币的不同计价模型。[page::6][page::7]

• 提出TVL拆解为基础代币和衍生代币在借贷产品和非借贷产品中分布的四个部分，并证明衍生代币引起的价格和数量反馈使得TVL不稳。[page::8]

- 定义并形式化提出新指标TVR，排除所有衍生代币，单独统计智能合约持有的基础代币价值，规避重复计量及传染效应，获得更稳定的DeFi价值度量。[page::8]

• TVR在计算上相比DeFiLlama的协议级调整具备更细粒度的token层面识别能力，准确剔除重复计量，避免协议整体排除带来的误差。[page::9]

4. 数据说明与实证测量（第9-11页）

• 选取DeFiLlama平台2021年1月至2024年3月近三年跨5700+协议的数据，结合CoinMarketCap的token分类数据，实现基于token类别的TVR计算。分别获取三大关键时间点（DeFi最高潮、Luna崩盘、FTX崩盘）链上状态，进行敏感度与风险模拟。[page::9][page::10]

- 通过图4展示三条曲线：未经调整的TVL（红线）、DeFiLlama调整后TVL（蓝线）、TVR（黑线），显著显示TVL与TVR在高峰期差距最高达约1399亿美元，TVL/TVR的比率约为2，表明重复计算约占总量一半。除高峰期，调整方法间差异也显著，显示DeFiLlama调整方式存在低估或高估的系统性误差。[page::10]

• 图5 Sankey图形式分解了全DeFi系统的TVL结构，统计展示了前四大协议及其它类别资产在TVL和TVR中所占比例，进一步揭示重复计量占比达到65%以上，崩盘后下降至50%左右，说明市场危机促使资产结构调整和重复计量减少。[page::11]

- 图6网络图清晰描绘6大代表协议间的包装关系，节点大小对应TVL，边宽表示跨协议资产流动金额。节点颜色映射TVL/TVR比例，颜色越暗重复计算越严重。显示Curve协议包装程度最严重，是系统级风险重点节点。[page::11]

4.3 DeFi货币乘数及宏观关联（第12-13页）

• 报告引入“DeFi货币乘数”概念，即TVL与TVR的比值，模拟传统金融中的货币乘数原理，量化重复计量的程度。[page::12]

- 图7显示货币乘数值随时间波动，和ETH价格走势高度相关。表3基于Spearman秩相关分析DeFi货币乘数与宏观经济指标及加密市场指标的关联，发现货币乘数与加密指数（S&P Crypto Broad Index）和ETH价格正相关，而与传统金融货币乘数负相关，且与CPI和VIX波动指数无显著相关。暗示投资者在加密牛市时期更倾向于利用杠杆与衍生品，较传统金融市场反应相反。[page::12][page::13]

5. 风险分析与敏感度测试（第13-14页）

• 选择六大代表协议，基于实际链上数据开展敏感度测试，模拟ETH价格不同跌幅对TVL和TVR的影响（图8）。结果显示，无论参数变动如何，TVL对ETH价格跌幅更敏感，降幅更大，体现衍生代币传染风险加剧系统不稳定。

- 敏感度试验考察关键影响因素：
- Close factor（关闭因子或部分清算比例）：清算比例越高，对TVL和TVR影响越大，MakerDAO较Aave敏感（主因前者ETH风险暴露更高）。
- Gas费用变化（交易成本）：Gas费放大或缩小10倍对结果影响甚微，说明链上运行成本相较资产波动可忽略。[page::13][page::14]

6. 相关工作回顾（第14-15页）

• 回顾传统宏观经济领域早期对重复计数（double counting）的研究和碳排放核算中的类似挑战。

- 点评现有DeFi研究多聚焦于TVL及协议价值评估，但普遍忽略重复计数的本质问题，可能导致估值偏差。

• 指出已有对DeFi组合性及包装机制的有限研究缺乏全局视角及系统定量，此文填补了DeFi生态全链、全Token层面的系统性定量分析空白。[page::14][page::15]

7. 结论总结（第15页）

• 报告集中阐明了TVL严重受包装与杠杆影响虚增的问题，提出TVR指标，以更准确反映DeFi真实资产规模。

- 通过大量数据和敏感度试验验证，TVR稳定性更强，TVL的波动性和双重计数极大增加市场风险暴露。

• DeFi货币乘数新颖提出，相关统计特性进一步帮助理解DeFi系统波动机制。

- 强烈建议未来研究和行业采纳TVR指标，以促进DeFi生态的透明度和稳健发展。[page::15]

---

三、图表深度解读

图1：DeFi合成资产包装网络图示[page::3]

• 展示了六大代表协议（Lido、MakerDAO、Aave V2、Uniswap V2、Curve、Convex）间的资产流动及包装关系。节点代表代币，带实线的节点为衍生代币，实线箭头表示质押、借贷、生成新衍生代币的过程。

- 关键洞察：虽然起始只有1000美元ETH，但交织包装关系中，TVL被计算达到4747.4美元，说明资产的多层包装使资产表面规模膨胀近4.7倍。该图直观揭示了重复计数的源头。

图2：DeFiLlama调整TVL界面截图[page::3]

• 展示调整方法为剔除“向其他协议存入资金”的协议TVL，已剔除协议数字转灰色。虽然提高了去重精度，但该方法简单粗暴，未能针对协议内衍生品价值细致拆解。

表1（第4页）：包装交易的协议级资产负债表示范

• 单独协议层面均显示资产规模增长，汇总后合并剔除重复项，调整后的资产额反映真实规模。说明仅靠协议分类剔除不能解除重复计算的问题，需深入Token层级。

图4（第10页）：时间序列的TVL、调整TVL与TVR对比

• 明显可见TVL（含重复计算）明显高于TVR，且差距随DeFi活动高峰扩大，表明重复计数随市场繁荣加剧。Luna崩盘和FTX崩盘时均出现三指标明显同步下跌，但TVR下跌幅度较小，反映TVR指标稳定性更强。

图5（第11页）：TVL结构Sankey图分解—协议和代币类别

• 直观显示重复计算占比（TVL与TVR差额）在高峰期超过60%以上。治理代币比例很小，不是价值主体。顶级协议份额在市场崩盘后反而相对上升，暗示市场整合效应，其他协议份额萎缩。

图6（第11页）：六大协议代币包装网络动态图（节点颜色反映重复计数程度）

• Curve协议重复计数率最高，暗示该节点为系统风险集中地。网络极高的交叉包装关系衍生系统级杠杆风险。

图7（第12页）：DeFi货币乘数与ETH价格走势对比

• 货币乘数与ETH价格高度同步，显示市场乐观时多利用包装或杠杆，市场风险偏好上升。

图8（第14页）：ETH价格跌幅模拟影响TVL和TVR变化

• 无论参数设定如何，TVL相关跌幅明显超出TVR，且主导参数为关闭因子。该图视觉化验证了衍生代币引发的高系统风险与价格敏感度。

图10（第25页）：协议层面（Lido、Aave V2）TVL及TVR拆解

• Lido协议内无杠杆，TVR等于账面资产；Aave V2存在借贷负债，TVR需剔除相应负债。两者之间TVL与TVR显著差异证明协议内重复计量问题。

图11-12（第30页）：少数Altchains的案例分析

• Hedera和Ultron因生态规模小且不涉及复杂包装，TVL与TVR接近，说明包装机制是重复计量的直接来源。DeFiLlama调整方法在小生态中反而过度剔除，存在价值低估。[page::30]

---

四、估值分析

本研究核心在于提出更精准的衡量体系而非企业估值模型，因此未专门采用传统DCF、市盈率等方法。估值主要依赖指标构造：

• TVL为粗放估值，原始锁仓资产规模指标

- TVR为净值估值，剔除包装与借贷杠杆成分的净资产价值体现

• DeFi货币乘数为规模放大系数，定量重复计算与组合风险的杠杆倍数

- 通过协议级与系统级平衡表和链上数据校验，核算TVL与TVR的差异本质，保证估值体系的内在一致性和可解释性

这种设计使得估值更反映协议背后的真实资产价值，避免单纯基于表面TVL的风险误判和投资误导。

---

五、风险因素评估

报告识别并深入讨论以下风险因素：

1. 重复计算风险

包装机制导致资产多重计价，远超实际资本投入，掩盖真实风险敞口。

1. 金融传染风险

衍生代币价格与底层资产高度联动，价格回调引发连锁清算反应放大下行风险。

1. 市场波动敏感性

基于模拟测试，TVL对ETH价格下跌敏感，市场波动和清算阈值等参数调整对系统稳定性影响显著。

1. 指标测算不透明及标准化不足

不同追踪平台计算方法不统一，影响指标可信度与跨平台对比。

报告建议采用TVR替代TVL可缓解部分风险误判，同时对清算机制参数如close factor、gas费用、抵押率敏感，需重点监控。

---

六、批判性视角与细节

• 报告详细剖析TVL指标缺陷，批判现有行业主流数据平台如DeFiLlama计算方法的局限，指出简单协议筛除策略难以精确剔除重复计量，方法或造成部分资产价值被低估[[page::3][page::10]]。

- TVR方法虽去除了更多衍生代币计量，指标效果优异，但实现过程中对token类别分类依赖二次数据，自动化识别存在挑战及潜在遗漏风险[[page::28]]。

• 报告侧重ETH生态，对其他链及跨链包装问题覆盖有限；未来研究可扩展其他主流链，全面梳理DeFi生态复杂资产结构。

- 模型多数基于历史数据与参数设定，有市场动态演化潜在超出当前模型范围，对异常市场极端状况的解释力尚待验证。

• 对衍生品定价模型假设及清算机制细节﹐如价格波动项与清算阈值参数出发虽有详解，但实际链上情况可能更复杂，建模精度仍受限。

---

七、结论性综合

本报告系统地剖析了DeFi领域的核心指标TVL的定义、计算机制及其先天缺陷，通过深入的链上数据分析和模型模拟，提出了新的更准确的指标TVR以排除重复计算和衍生品影响，提升DeFi资产规模测算的稳定性和可靠性。

报告揭示：

• TVL中的重复计数在DeFi总规模中占据巨大比例（高峰时约50%），导致TVL远高于实际的可赎回资产价值。

- TVL受衍生资产定价和借贷清算机制影响剧烈，价格波动进入传染效应，指标波动远大于TVR。

• 通过提出DeFi货币乘数刻画重复计算现象，发现该乘数与加密资产市场正向相关，暗示加密牛市时Leverage和包装操作增加，宏观经济指标则呈负相关。

- 各协议层面的TVL与TVR对比同样证实包装和借贷导致协议级过度估值，精细到Token和账户层面的资产负债确认为后续DeFi风险控制基础。

• 敏感度分析显示影响系统稳定性的关键参数包括清算关闭因子与抵押率，强调了风险监测中多维度综合评估的必要。

综上，报告强烈推荐行业生态和监管者采纳TVR作为衡量DeFi规模和风险的新标准，推动DeFi生态向更加透明、稳健方向发展，为投资及风险管理提供更扎实基础。

---

此分析涵盖了原报告的所有关键章节，图表，数据点及模型解读，确保对其金融逻辑和实证方法的深度理解及应用价值的准确传达。[page::0-31]

报告