DeFi TVL双重计数问题解析 [page::0][page::1]

• TVL因代币包装(wrapping)和杠杆效应被重复计数，导致数值虚增，误导投资决策。

- 現有平臺如DeFiLlama对双重计数的调整不彻底，存在方法论缺陷和覆盖不足。

• 通过财务合并报表原理，揭示包装过程中的资产负债重复计入情况，造成TVL虚高。

新框架TVR设计与优势 [page::3][page::8]

• TVR定义为仅计入“纯代币”(plain tokens)的总价值，排除所有衍生代币及借入代币。

- 通过数学公式将TVL分解，分析衍生代币价格内生性及流动性风险引发的TVL不稳定性。

• TVR避免金融传染渠道，稳定性优于TVL，更能反映DeFi真正价值。

量化双重计数的DeFi货币乘数及相关性分析 [page::1][page::12][page::13]

• DeFi货币乘数定义为TVL与TVR之比，衡量双重计数及杠杆程度。

- 货币乘数与加密市场指数（ETH价格、S&P加密指数）显著正相关，与传统货币乘数显著负相关。

• 消费者物价指数(CPI)与波动率指数(VIX)与货币乘数相关性不显著。

实证测算与趋势分析 [page::10][page::11]

• 利用DeFiLlama数据覆盖3570个协议，追踪2021年至2024年间TVL与TVR动态。

- 峰值时TVL与TVR差值近1400亿美元，表明约半数TVL为双重计数。

• Luna和FTX崩盘后，双重计数比例明显下降，行业集中度提升。

风险敏感性测试及参数影响 [page::13][page::14]

• 模拟ETH价格下跌对TVL和TVR的影响，TVL波动幅度显著高于TVR，验证衍生代币导致的系统性风险放大效应。

- 提升贷款违约清算比例（close factor）将加剧TVL和TVR的下降幅度。

• 交易手续费对波动影响较小，风险主要由资产价格变动主导。

量化因子或策略总结

• 文件未定义或涉及具体量化交易策略构建，主要聚焦DeFi价值度量与风险分析方法论。[page::all]

金融研究报告《Piercing the Veil of TVL: DeFi Reappraised》详尽分析报告

---

1. 元数据与概览

• 报告标题：Piercing the Veil of TVL: DeFi Reappraised

- 作者：Yichen Luo, Yebo Feng, Jiahua Xu, Paolo Tasca

• 发布机构：

- Centre for Blockchain Technologies, University College London, UK
- Nanyang Technological University, 新加坡
- DLT Science Foundation, 伦敦，英国

• 日期：2025年（文中数据截至2025年5月）

- 主题：探讨去中心化金融（DeFi）中总价值锁定（TVL）的测量误区，提出改进的评估指标TVR（Total Value Redeemable），并进行多角度实证和理论分析。

报告核心论点在于：

• 目前广泛使用的TVL指标存在严重的双重计数（double counting）问题，使得DeFi的表面规模被大幅高估；

- 通过提出TVR指标来剔除由于“包装（wrapping）”和“杠杆（leveraging）”产生的衍生资产价值，以及分析衍生代币在DeFi网络中的传染风险，提高度量的稳定性和准确度；

• 引入DeFi乘数（DeFi money multiplier）— TVL与TVR的比率，量化双重计数程度；

- 实证数据显示TVL在市场下跌时波动剧烈，而TVR相对稳定，更能反映DeFi的真实经济价值。

[page::0,1,2,3,4,5,6,7]

---

2. 逐节深度解读

2.1 引言及背景

• TVL被用作DeFi生态规模、活跃度的衡量指标，类似传统金融中的AUM (资产管理规模)。

- 区块链的设计理论上支持透明与一致的账本管理，但DeFi协议因网络碎片化导致产生诸多“会计孤岛”，使双重计数普遍存在。

• 双重计数主要来源于“包装”（通过质押或存入某协议获得代表资产的代币，再在其他协议中存入）和“杠杆”操作，这种交叉嵌套使得同一资产在多个协议中重复计入TVL。

- 现有DeFi追踪平台的TVL计算标准不一、披露不全面，缺乏透明性，难以准确反映DeFi生态实际经济价值（见表1，展示了各主流DeFi数据追踪网站对协议覆盖与披露的差异）[page::0,1]

2.2 双重计数问题及传统修正手段不足

• 尽管部分平台如DeFiLlama尝试通过“去重”功能排除一些协议的TVL,（通过“Include in TVL: Double Count”开关实现），但仍无法彻底解决双重计数。

- 不同协议的双重计数程度不同，简单剔除部分协议存在误差，且其调整方法缺乏细粒度精确性和一致性[page::1,3]

2.3 TVL的定义及复杂性示例

• TVL在数学上定义为所有协议中所有令牌价值乘以数量的加权总和，公式中包括了令牌价格向量 $\mathbf{p}$ 与数量矩阵 $\mathbf{Q}$。

- 通过图1（例子包括Lido，MakerDAO，Aave等6个代表性协议）展示用户如何通过链上操作（如质押ETH换取stETH，转为wstETH，抵押借贷DAI并投资到其他协议），实现多层包装和杠杆，导致价值膨胀，实际总价达到原始资金四倍以上。

• 如图2示例所示，DeFiLlama调整方法仅为一级剔除，未能细致排除包装链路中衍生代币叠加的双重计数问题[page::3]

2.4 包装过程与传统金融对比

• 图3详细阐述包装机制类似传统金融中“再抵押”（rehypothecation）机制。

- 通过对Lido和MakerDAO的资产负债表合并比较说明，单独看协议会重复计入包装代币价值，从而使TVL出现翻倍计数。

• 负债—资产双重记账体系，若综合合并视角计算（合并报表原则），包装代币的双重计数项被抵消，真实价值应回归原始基础代币数量[page::4,5]

---

3. 新测量框架：TVR（Total Value Redeemable）

3.1 代币分类定义

• Plain Token（纯代币）：无底层代币，原始资产（如ETH）

- Derivative Token（衍生代币）：由存入某协议的底层代币按比例铸造的代表代币，如stETH、wstETH、DAI等[page::5,6]

3.2 TVL的不稳定性分析

• 剖析衍生代币价格的内生性，衍生代币价格依赖底层资产价格和数量，且部分衍生代币如CDP稳定币由超额抵押维持锚定。

- 融资协议（PLF）中价格波动触发清算机制，导致衍生代币价格和数量发生复杂动态变化；衍生代币充当金融传染渠道，带来TVL对市场冲击的高敏感度。

• 公式展示了衍生代币价格如何递归由最终底层资产价格决定，以及清算导致的代币数量变动情况。

- 进一步将TVL分解为四类：纯代币在非PLF、纯代币在PLF、衍生代币在非PLF、衍生代币在PLF，说明价格/数量变化如何放大TVL波动性[page::6,7,8]

3.3 TVR定义与计算

• 提出TVR作为只包含纯代币（包括治理代币、原生代币和非加密背书稳定币）在协议智能合约中持有数量的加权价值，剔除衍生代币和借贷代币的价值。

- TVR因此避免了双重计数，并降低了由于衍生代币网络传染带来的波动性。

• TVR公式清晰定义了计算方法和含义，同时提出协议层面可通过账户资产—负债表价值差额计算协议内净值，减少协议内双重计数（附录 §F描述详见第22页）。

- 与DeFiLlama限制性调整的比较指出，TVR在细粒度和准确度上优于DeFiLlama调整TVL[page::8,9]

---

4. 实证分析与数据

4.1 数据来源与样本选择

• 使用DeFiLlama API抓取2021年1月至2024年3月的分令牌TVL和调整TVL数据，涵盖3570个协议。

- 通过CoinMarketCap和DeFiLlama标记原生代币、治理代币和稳定币，确定纯代币列表，进而计算TVR。

• 选择了6个代表性协议：Lido、MakerDAO、Aave V2、Uniswap V2、Curve、Convex进行敏感度和风险测试。

- 通过以太坊归档节点抓取链上数据完成风险分析[page::9]

4.2 TVL与TVR动态比较

• 图4揭示全生态TVL、DeFiLlama调整TVL与TVR的时间序列对比，三者走势高度相关，但数值差距显著。

- 最高峰时TVL和TVR最大价差达约139.87亿美元，TVL约是TVR的两倍，显示双重计数严重。

• 随着2022年Luna和FTX崩盘事件，双重计数比例有所减缓，且调整TVL与TVR出现交叉（Fig.4时间序列）。

- 图5进一步分析关键时间点TVL的拆解，确认双重计数占65%、59%、50%区间内逐步下降，且治理代币比例始终较低。

• 双重计数并非均匀分布，集中在少数头部协议和某些代币上，多层包装网络复杂度导致不同协议间双重计数影响不同（图6权重网络）[page::10,11]

4.3 DeFi货币乘数：TVL/TVR比率

• 模仿传统金融中M2/M0的货币乘数概念，定义DeFi乘数衡量DeFi生态中双重计数和包装放大的程度。

- 图7展示乘数随时间变化，特定事件（Luna与FTX崩盘）触发乘数明显下降，乘数峰值时达2左右。

• 表4通过斯皮尔曼秩相关系数分析乘数与宏观经济指标（CPI、VIX、传统货币乘数）及加密指标（ETH价格，S&P数字市场指数）的关系，发现：

- DeFi乘数与加密市场指标显著正相关，说明牛市刺激包装和杠杆行为。
- DeFi乘数与传统金融货币乘数显著负相关，反映生态间动态背离。
- CPI和VIX与DeFi乘数关联无显著性[page::12,13]

4.4 风险敏感性分析

• 通过对ETH价格不同跌幅模拟，观察对应时期体包括最高点、Luna崩盘点、FTX崩盘点六个代表协议的TVL和TVR变动（Fig.8）。

- 主要参数包括：
- 关闭因子（close factor δ）：越大代表清算可覆盖债权比例越高，导致TVL和TVR承压越大；
- Gas费水平，对敏感度影响有限。

• 结果显示，即使参数设定不同，TVL跌幅对ETH价格波动敏感度均显著高于TVR，说明TVL作为指标在市场下跌出现传染效应时更不稳定。

- DAI去锚点出现时间因参数变化而异，清算机制与价格波动共同导致剧烈价值波动[page::13,14]

---

3. 图表深度解读

3.1 表格1：DeFi数据追踪网站TVL披露比较

• 内容：主要追踪网站如DeFiLlama、L2Beat、DappRadar对协议数目覆盖及TVL信息披露程度差异。

- 发现：披露标准不一，透明度与数据详细度各异，缺乏统一标准的TVL计算方法导致整体数据准确性受限。

3.2 图1：DeFi用户的质押与包装操作示例

• 描述了用户从存入ETH，到获得stETH、wstETH及借贷DAI的操作链路，形成复杂的包装网络。

- 标注初始1,000美元ETH可以通过多个衍生通道转化为超过4,700美元的表面TVL，体现包装带来的估值倍增现象。

• 该图形象说明了传统TVL统计中的双重计数来源[page::3]

3.3 图2：DeFiLlama的双重计数去重功能界面

• 界面显示了若关闭双重计数相关协议后，整体TVL数量及单协议TVL如何被调整显示，提供用户交互式“去重”途径。

- 但如报告所指出，这种基于协议类别筛除的方法存在漏报和误报问题。

3.4 图3：包装在DeFi与传统金融中的类比

• 图3a展示DeFi中包装代币循环和递归生成过程，图3b对比了传统金融的“再抵押”机制。

- 两者均称之为资产再利用过程，容易产生估值叠加，深化研究双重计数机理。

3.5 表2：包装场景下各协议资产负债表与合并净值

• Lido和MakerDAO两个协议分别列出资产、负债项，用粗体标示计入TVL的资产。

- 合并资产负债表消除了wstETH导致的重复入账，正确反映DeFi系统整体资产约为 \$1,000，而非双倍。

• 数值体现包装和衍生代币会使TVL翻倍产生虚假膨胀。

3.6 公式与数学符号

• 关键公式包括TVL的向量矩阵表达式，实现对多代币、多协议资产价值的精确汇总。（Eq.1）

- 衍生代币价格依赖底层资产价值/供应关系的公式定义，有助于理解价格波动与DeFi网络交互的复杂关系。（Eq.2）

• TVL拆分为四类资产的表达式直观描绘隐藏的风险点和波动来源（Eq.3）

- TVR独立仅计纯代币价值的公式（Eq.5），突出剔除双重计数的原则。

3.7 图4：TVL、调整TVL及TVR历史走势对比

• TVL常年高于TVR，两者差距最大时接近2倍比例，显示双计问题极为严重。

- Luna和FTX事件引发指标同步大跌，之后TVR占比回升，说明双重计数因市场拐点受到抑制或重组。

• 说明现有调整指标（如DeFiLlama）因计算方法粗糙在个别时间段低估或高估真实价值。

3.8 图5：不同时期TVL构成分解图

• 突出显示了最大TVL时期双重计数占65%以上，且顶级协议集中度高，展示DeFi系统高度依赖个别巨头。

- Luna和FTX崩溃后顶级协议占比略增，但双重计数比例逐年下降，表明市场结构和风险意识变化。

3.9 图6：六个典型协议的包装代币传递网络

• 节点大小代表各协议TVL规模，边宽体现跨协议代币转移金额。

- 节点颜色映射TVL与TVR比率（双重计数程度），颜色越深则双重计数越严重。

• 崇尚复杂包装网络放大了个别协议的风险敞口，FTX及LUNA崩盘后双重计数率降低。

3.10 图7与表4：DeFi货币乘数走势及其宏观相关性

• DeFi货币乘数与ETH价格波动同步，表4详实统计了其与宏观及加密指标的秩相关关系，反映市场情绪与双重计数行为间的紧密联系。

3.11 图8：价格冲击下TVL和TVR的敏感度模拟

• 不同清算参数和Gas费调整下，TVL价值下降幅度普遍高于TVR。

- 模拟确认TVL受内生衍生代币价格和清算数量影响显著，TVR计价机制更稳定。

3.12 附录图与表

• 图10展示了典型协议（Lido、Aave V2）区分应收、应付与TVL/TVR的账面表现，直观体现协议内部双重计数与净值概念。

- 表9总结了DeFiLlama调整TVL与TVR计算差异，表明DeFiLlama调整存在协议级或代币级的排除偏差。

• 图11、12分别分析了两个小众链上的双重计数现象，揭示低复杂度生态双重计数问题较轻，且部分调整反而误导。

---

4. 估值分析

• 报告未针对单个DeFi项目或资产进行估值，而是采用统计学和账面分析方法来量化整个DeFi生态TVL的真实价值及放大系数。

- 引入DeFi货币乘数作为双重计数的量化估值指标，类比传统货币乘数。

• 该乘数的计算及其宏观相关性为DeFi估值提供了新的宏观指标视角和风险监控工具。

---

5. 风险因素评估

• 报告详细讨论了衍生代币的不透明定价机制和内生资金流动对TVL造成的风险。

- 价格崩盘、去锚、清算波动均被证明会通过复杂包装关系加剧系统性风险与连锁反应。

• 清算机制参数（如关闭因子）被视为风险触发点，gas费用虽对风险影响较小，但操作成本不可忽视。

- 整体风险分析强调TVL指标在跌市中的高波动性和在市场压力下可能的高估风险，强化了TVR的必要性和稳定优势。

---

6. 批判性视角与细微差别

• 尽管TVR方法优于传统TVL指标，提高精度与稳定性，但依赖对“纯代币”和“衍生代币”准确分类，实际分类过程目前仍依赖第三方，如CoinMarketCap和DeFiLlama，存在一定的不确定性。

- 报告指出自动化分类方法初现端倪（智能合约代码分析），但仍受限于链上不同平台、合约升级和非标准实现，未来研究空间大。

• DeFiLlama及其他调整方法因协议分类逻辑粗糙导致部分协议错误剔除或遗漏，造成调整TVL指标的偏差。

- 双重计数与传染风险模型基于部分假设和数学递归，实证部分虽全面，但参数灵敏度测试仍有限，长尾或极端情况风险未完全覆盖。

• 报告用词审慎，未过度泛化，但隐含DeFi当前统计指标及风险评估的不足，提出研究与实践均需重视指标定义的准确性。

---

7. 结论性综合

本报告通过系统理论模型、账面会计逻辑及实证数据，彻底揭示了DeFi领域TVL这一主流规模指标存在的深刻双重计数和波动风险问题。创造性的提出Total Value Redeemable (TVR)指标，基于剔除衍生资产和借贷资金的原则，力求呈现DeFi生态的真实可赎回资产价值，避免了传统TVL的虚高和不稳定性。

• 通过对3570个协议，跨五年多链数据统计，发现最大时DeFi系统中双重计数导致TVL高估约139.87亿美元，TVL/TVR约为2。

- TVR对市场价格冲击更为稳定，重新定义和优化价值衡量标准。

• 引入DeFi货币乘数作为双重计数和杠杆的度量工具，与传统金融乘数类比，揭示加密市场好坏周期中比例变化。

- 风险分析结合清算机制展示衍生代币对市场震荡的传染效应，强调使用TVR能降低估值指标的系统风险敏感度。

• 通过多图表细分，阐释包装网络拓扑对估值和风险的放大作用。

- 现有数据追踪平台调整机制有限，未来智能合约代码层面自动代币分类是提升指标准确性的关键方向。

整体来看，报告通过详实理论与实证，科学地重构和量化了DeFi规模指标，提出的TVR方法对于DeFi投资者、协议设计者和监管者均具重要价值，奠定了去中心化金融度量标准迈向标准化和精准化的基石。

---

参考文献

（文末包含完整详细的参考文献列表，涵盖DeFi核心文献、会计理论、市场行为和风险管控相关文献。）

---

总结

本报告是当前DeFi领域在经济测度与风险识别上的开创性研究，通过引入会计学中的合并报表原则及传统金融中的货币乘数思路，系统揭示和纠正了传统TVL指标的双重计数和高度波动的不足。研究结果对DeFi生态系统的估值、风险管理乃至资源配置具有深远的指导意义，代表了DeFi度量研究的先进水准。

---

（全文引用均详注明页码，如 [page::3,4] 等，确保分析内容可追溯验证。）

报告