收益磁力與系統彈性：如何理性看待 Ethena × Pendle 的 YT 套利

作者：TEDAO

導讀：

隨着 Ethena 的熱度攀升，一條擁擠的套利鏈正在高速運轉：抵押 (e/s) USDe 在 Aave 借出穩定幣，買入 Pendle 的 YT/PT 獲取收益，部分倉位再將 PT 供回 Aave 循環加槓杆，以此博取 Ethena 積分等外部激勵。結果顯而易見，Aave 上 PT 的抵押敞口急劇上升，主流穩定幣利用率被推至 80%+ 的高位，整個系統對任何風吹草動都變得更加敏感。

本文將深入拆解這條資金鏈的運轉、退出機制，及 Aave 與 Ethena 的風控設計。但理解機制只是第一步，真正的高手進階在於分析框架的升級。我們往往習慣於用數據分析工具（如 Dune）復盤「過去」，而缺失的恰恰是如何看清「未來」的各種可能，並真正做到 — 先劃定風險邊界，再討論收益。

套利如何運轉：從「收益端」到「系統端」

我們先來看看這條套利路徑：在 Aave 中存入 eUSDe 或 sUSDe（sUSDe 爲質押後的 eUSDe，帶原生收益），借出穩定幣，然後在 Pendle 中買入 YT/PT 。YT 對應未來的收益，而 PT 因爲剝離了收益，總能以折價買到，持有至到期按 1:1 兌回，賺取其中的差價。當然，真正的「大頭」是 Ethena 積分這類外部激勵。

這樣獲得的 PT，由於本身能在 Aave 作爲抵押物，就成了循環貸的完美起點：「抵押 PT → 借穩定幣 → 買 PT/YT → 再抵押」。這麼做，就是爲了在相對確定的收益上，用槓杆去博取 Ethena 積分這類高彈性回報。

這條資金鏈如何改寫了借貸市場？

Aave 的敞口與二階效應：USDe 支持的資產逐漸成爲 Aave 的主流抵押物，份額一度升至約 43.5%，並直接推高了主流穩定幣 USDT/USDC 的利用率。

借款端的擁擠：爲 PT 抵押引入 USDe eMode 之後，USDe 借款規模約 3.7 億美元，其中約 2.2 億（≈60%）服務於槓杆化 PT 策略，利用率從約 50% 飆升至約 80%。

集中度與再抵押：Aave 上的 USDe 供應高度集中，前兩大主體合計>61%。這種集中度加上循環槓杆，放大了收益，也加劇了系統的脆弱性。

這裏的規律很簡單：收益越誘人，循環越擁擠，整個系統也就越敏感。任何價格、利率或流動性的微小波動，都會被這條槓杆鏈條無情放大。

注：本文引用的核心鏈上數據主要基於 Chaos Labs 於 2025 年 7 月 17 日發布的報告及相關市場觀察。由於鏈上數據動態變化，建議讀者通過相關數據分析平台查詢最新情況。

爲何「退出」會變難：Pendle 的結構性約束

那麼，如何退出？對前述循環倉位進行降槓杆或平倉時，主要有兩條路：

市場化退出：在到期前賣出 PT / YT，換回穩定幣還款解押。

持至到期退出：持有 PT 至到期，1:1 兌回底層資產再還款。這條路更慢，但在市場波動時更穩妥。

爲什麼會退出會變難？難點主要來自 Pendle 的兩處結構性約束：

固定期限：PT 到期前不能直接贖回，只能去二級市場賣。想「快速減槓杆」，就得看二級市場的臉色，承受深度和價格波動的雙重考驗。

AMM 的「隱含收益率區間」：Pendle 的 AMM 在預設的隱含收益率區間內效率最高。一旦市場情緒變化導致收益率定價超出這個區間，AMM 就可能「失活」，交易只能去更薄的訂單簿上成交，滑點和清算風險急劇上升。爲了防止風險外溢，Aave 這類協議部署了 PT 風險預言機：當 PT 價格跌到某個底價時，直接凍結市場。這能避免壞帳，但也意味着你短期內難以賣出 PT，只能等市場恢復或持有至到期。

所以，行情平穩時退出通常不難，但當市場開始重新定價、流動性變得擁擠時，退出就成了主要的摩擦點，需要提前準備預案。

Aave 的「剎車與緩衝」：讓去槓杆有序可控

面對這種結構性摩擦，借貸協議（如 Aave）如何進行風險控制？它內置了一套「剎車與緩衝」機制：

凍結與底價機制：若 PT 價格觸及預言機底價並維持，相關市場可凍結至到期；到期後 PT 自然分解爲基礎資產，再安全清算/解除，盡量避免固定期限結構導致的流動性錯位外溢。

內部化清算：極端情形下，清算獎勵設爲 0，先形成緩衝再分段處置抵押品：USDe 待流動性恢復後再二級賣出，PT 則持有至到期，避免在二級市場流動性稀薄的訂單簿上被動拋售，從而放大滑點。

白名單贖回：若借貸協議獲得 Ethena 白名單，可繞開二級市場，直接用 USDe 贖回底層穩定幣，降低衝擊並提升回收。

配套工具的邊界：USDe 流動性階段性緊張時，Debt Swap 可將 USDe 計價債務換成 USDT/USDC；但受 E‑mode 配置約束，遷移有門檻與步驟，需要更充足的保證金。

Ethena 的「自適應底座」：支持結構與托管隔離

借貸協議有「剎車」，而資產支持端則需要 Ethena 的「自動變速箱」來吸收衝擊。

在支持結構與資金費率狀態上：資金費率走低或轉負時，Ethena 降低對沖敞口、提高穩定幣支持；2024 年 5 月中旬穩定幣佔比一度~76.3%，後回落至 ~50% 區域，較往年仍高，能在負資費週期主動減壓。

進一步，從緩衝能力看：在極端 LST 罰沒場景下，對 USDe 整體支持的淨影響估算約 0.304%；6,000 萬美元的儲備金足以吸收這類衝擊（僅佔其約 27%），因此對錨定與償付的實質影響可控。

資產的托管與隔離是關鍵一環：Ethena 的資產並非直接存放在交易所內，而是通過第三方托管方（如 Copper, Ceffu）進行場外結算與資產隔離。這意味着，即使交易所本身出現運營或償付問題，這些作爲抵押品的資產在所有權上也是獨立且受保護的。在這種隔離架構下，高效的應急流程才得以實現：如交易所中斷，托管方可在錯過一定結算輪次後作廢未平倉頭寸，釋放抵押品，幫助 Ethena 快速將對沖頭寸遷移至其他交易所，從而極大縮短風險敞口窗口。

當錯位主要來自「隱含收益率重定價」而非 USDe 支持受損，在預言機凍結與分層處置的保護下，壞帳風險可控；真正需要重點防範的是支持端受損的尾部事件。

你該關注什麼：6 個風險信號

理論說完了，我們該看哪些具體指標？以下歸納的 6 個信號與 Aave × Pendle × Ethena 的聯動高度相關，可以作爲日常儀表盤來監測。

USDe 借款與利用率：持續跟蹤 USDe 的總借款量、槓杆化 PT 策略佔比與利用率曲線。利用率長期高於 ~80%，系統敏感度顯著上升（報告期由 ~50% 升至 ~80%）。

Aave 敞口與穩定幣二階效應：關注 USDe 支持資產在 Aave 總抵押品中的佔比（如~43.5%），以及對 USDT/USDC 等核心穩定幣利用率的傳導效應

集中度與再抵押：監控頭部地址的存款佔比；當頭部地址集中度（如前兩大合計）超過 50-60% 時，需警惕其同向操作可能引發的流動性衝擊（報告期峯值 >61%）。

隱含收益率區間的貼近度：查看目標 PT/YT 池的隱含收益率是否逼近 AMM 預設區間邊界；貼近或超出區間意味着撮合效率下降、退出摩擦上升。

PT 風險預言機狀態：留意 PT 市價與 Aave 風險預言機最低價閾值的距離；接近閾值是槓杆鏈條需要「有序減速」的強信號。

Ethena 支持狀態：定期查看 Ethena 公布的儲備構成。穩定幣佔比的變化（如自 ~76.3%回落至 ~50%）反映其對資金費率的適應策略與系統緩衝能力。

更進一步，你可以爲每個信號設置觸發閾值，並提前規劃好應對動作（例如：利用率≥80% → 下調循環倍數）。

從觀察到邊界：風險與流動性管理

這些信號最終要服務於風控。我們可以把它們固化爲 4 條明確的「邊界」，並圍繞「風險限額 → 觸發閾值 → 處置動作」這個閉環來操作。

邊界 1：循環倍數

循環槓杆在提升收益（疊加外部激勵時）同時會放大對價格、利率與流動性的敏感度；倍數越高，退出餘地越小。

限額：設定最大循環倍數與最小保證金冗餘（如 LTV/Health Factor 下限）。

觸發：利用率 ≥ 80% / 穩定幣借款利率快速上行 / 區間貼近度升高。

動作：降倍數、補保證金、暫停新增循環；必要時切換爲「持至到期」。

邊界 2：期限約束（PT）

PT 到期前不可贖回，「持至到期」應被視爲常規路徑而非臨時權宜。

限額：對依賴「到期前賣出」的倉位設規模上限。

觸發：隱含收益率超出區間 / 市場深度驟降 / 預言機底價臨近。

動作：上調現金與保證金佔比、調整退出優先級；必要時設「只減不加」的凍結期。

邊界 3：預言機狀態

價格貼近最低價閾值或觸發凍結，意味着鏈路進入有序減速去槓杆階段。

限額：與預言機底價的最小價差（buffer）與最短觀察窗口。

觸發：價差 ≤ 預設閾值 / 凍結信號觸發。

動作：分段減倉、提高清算預警、執行 Debt Swap / 降槓杆 SOP，並提升數據輪詢頻率。

邊界 4：工具摩擦

Debt Swap、eMode 遷移等在緊張期有效，但存在門檻、等待、額外保證金與滑點等摩擦。

限額：工具可用額度/時間窗與最大可承受滑點和成本。

觸發：借款利率或等待時間超閾 / 交易深度跌破下限。

動作：預留資金冗餘，切換替代通道（逐步平倉/持至到期/白名單贖回），並暫停策略擴倉。

結語與未來方向

總的來說，Ethena x Pendle 的套利將 Aave、Pendle、Ethena 串成了一條從「收益磁力」到「系統彈性」的傳導鏈。資金端的循環推高了敏感度，市場端的結構約束抬高了退出門檻，而協議則通過各自的風控設計來提供緩衝。

在 DeFi 領域，分析能力的進階，體現在如何看待和使用數據。我們習慣於用 Dune 或者 DeFiLlama 等類似的數據分析工具來復盤「過去」，比如追蹤頭部地址的倉位變化或協議利用率的走勢等。這很重要，它能幫助我們識別像高槓杆和集中度這樣的系統脆弱性。但它的局限也很明顯：歷史數據展示的是風險的「靜態快照」，卻無法告訴我們，當市場風暴來臨時，這些靜態的風險會如何演變成動態的系統崩潰。

要看清這些潛藏的尾部風險並推演其傳導路徑，就需要引入前瞻性的「壓力測試」一這正是仿真模型的作用。它允許我們把這篇文章裏提到的所有風險信號（利用率、集中度、價格等）參數化，放進一個數字沙盤（Aave、Pendle、Ethena 協議核心機制構成的聯合模型）裏，反復拷問 「如果……會怎樣？」：

如果 ETH 價格暴跌 30% 同時資金費率轉負，我的倉位還能撐多久？

要安全退出，我需要承受多大的滑點？

最低的安全保證金應該是多少？

這些問題的答案，無法從歷史數據中直接找到，卻可以通過仿真建模提前預知，最終幫你形成一套真正可靠的執行手冊。想上手實踐的話，可以選擇基於 Python 的行業標準框架 cadCAD，也可以嘗試基於前沿 Generative Agent-Based Modeling (GABM) 技術的新一代平台 HoloBit，它提供了強大的可視化與無需代碼功能。