無論是傳統金融還是加密領域，衍生性商品市場的規模都遠超現貨市場，通常是後者的數倍以上。舉例來說，截至今日，比特幣的日現貨交易量約為 40 億美元，而其衍生性商品交易量則高達 538.9 億美元（Cryptoquant.com 數據）。
比特幣：交易量比率（現貨vs 衍生性商品）－資料來源：CryptoQuant
這一趨勢自2021 年初開始加速成長，至今仍在持續。在傳統金融中，衍生性商品市場長期以來一直超過現貨市場，中心化加密貨幣交易所（CEX）的衍生性商品也緊隨其後。然而，在去中心化金融（DeFi）領域，衍生性商品尚未超越去中心化交易所（DEX）的現貨市場。例如，在過去24 小時內，Uniswap v3 促成了13 億美元的現貨交易，而 Hyperliquid 處理了約10 億美元的衍生性商品交易（Coingecko 資料）。
儘管如此，這一差距正在縮小。可以預見，隨著生態系統的成熟，鏈上衍生性商品很可能會超越現貨市場，就像在其他成熟市場中發生的那樣。雖然需求正朝著衍生性商品方向發展，但這種成長必須得到安全、有效率的交易場所和模型的支持。
衍生性商品交易量－資料來源：DefiLlama
理解支撐衍生性商品市場的各種模型對於建立支持此轉變所需的基礎設施至關重要。在本文中，我們將討論實體資產支援模型（Hard Liquidity Backed Models）和合成資產模型（Synthetics Models）。
實物資產支持模型
在實體資產支援模型中，交易者與存入流動性池的「真實」資產（real assets，如代幣或穩定幣）進行互動。這些資產其實是藉給交易者用來建立保證金交易部位的。
GMX、Jupiter、Gearbox PURE 和 Contango 都採用了這種方法。存入實體資產（hard assets ）的流動性提供者（LPs）透過交易費和/或作為交易者的對手方獲得獎勵。因此，LPs 的回報取決於池中資產的表現、池子的利用率（如果池中沒有機制保持多頭和空頭的平衡，LPs 的收益也取決於交易者的損益）。
優勢
1. 破產風險較低：由於交易由真實資產支持，系統破產的風險較小。
2. DeFi 生態系統中的可組合性：例如，GMX 和Jupiter 的模型支援流動性池代幣的再抵押：$GLP 和$JLP 代幣可以用作抵押品或在其他DeFi 應用中質押，進而提高資本效率。
3. 交易和做市激勵需求較低：由於LP 充當對手方和/或做市商，直接激勵的重要性降低。雖然在初期LP 通常也透過代幣激勵獲得獎勵，但長期來看，提供流動性的回報主要來自交易費，這消除了製定平衡交易激勵計畫的難題。
4. 深化市場流動性：實物資產支持模型透過要求實際資產支持來創建流動性籃子，從而有助於深化市場流動性。近年來，這也使得像GMX 這樣的協議成為交換現貨資產最有效的場所之一，流動性被集中在一個可以同時服務衍生品和現貨市場的流動性池中，從而顯著增加了交易的深度和市場效率。
DefiLlama截圖顯示包含GLP和JLP收益的池子數量和協議數量
實體資產支持模型在不同協議中的實現方式有所不同，主要是基於主要基於流動性的可訪問性和共享方式的差異，可以分為兩種主要的子模型：
GMX v1 & Jupiter：這些協定使用全域共用流動性池（global shared liquidity pools），即所有資產都集中在一起。這種模型確保了深度流動性，並透過允許LPs 在DeFi 協議中使用他們的單一代幣來增強可組合性。
GMX v2 & Gearbox PURE：引進了具有模組化架構的隔離流動性池（isolated liquidity pools），每個資產或市場都有自己專用的流動性。這降低了協議的系統性風險，允許它支援更長尾、更高風險的資產。每個資產的風險（和回報）都是隔離的，防止單一資產影響整個協議的流動性，並提供不同的風險/回報組合，吸引不同風險偏好的 LPs。
在這種「實體資產支援」模型中，我們也可以包括Contango 這樣的協議。雖然不是獨立的模型，但Contango 在現有的借貸協議（如Aave）之上運作，透過借入真實資產並利用閃電貸實現去中心化的槓桿交易體驗。
合成資產模型
與實體資產支援模型透過要求真實資產作為交易抵押來優先考慮安全性和可組合性不同，合成資產模型採取了另一種方法。
在合成資產模型中，交易通常不由真實資產支持；相反，這些系統依賴訂單簿匹配、流動性金庫和價格預言機來創建和管理頭寸。
合成資產模型並非千篇一律——其設計各不相同，有更依賴點對點訂單簿匹配的模型（由活躍的做市商提供流動性，這些做市商可以是專業做市商，也可以是算法金庫，即基於演算法自動管理的流動性池，這些金庫可以是全局共享的，也可以是市場隔離的），也有採用純合成方式運作的模型（其中協議本身充當對手方）。
什麼是流動性金庫（liquidity vault）？
在合成衍生模型中，流動性金庫是一種匯集流動性的機制，作為促進交易的資金來源，無論是透過直接支持合成頭寸還是作為做市商。雖然流動性金庫的結構可能因協議而略有不同，但它通常用於為交易提供流動性。
這些流動性金庫通常由專業做市商管理（如Bluefin 穩定幣池），或由演算法管理（如Hyperliquid、dYdX unlimited、Elixir 池）。在其他一些模型中，它們是純粹被動的對手方池（如Gains Trade）。通常這些池向公眾開放，公眾可以提供流動性以換取參與平台活動產生的獎勵。
流動性金庫也可以在列出的市場之間全局共享，如Hyperliquid，或部分隔離，如 dYdX unlimited、SynFutures 和Bluefin，風險和收益與前面提到的類似。
有些協議，如Bluefin，採用這些機制的混合模型，既有由做市商管理的全域流動性金庫，也有隔離的演算法池。
在合成資產模型中，流動性通常由活躍用戶（P2P 匹配）、流動性金庫（作為後備）和做市商（在訂單簿上下單）共同提供。如前所述，在一些純合成資產模型中，如 Gains Network，流動性金庫本身充當所有交易的對手方，消除了直接訂單匹配的需求。
優勢
合成資產模型的權衡與實體資產支持模型不同，但它也帶來了一系列優勢：
1. 資本效率：合成資產模型具有較高的資本效率，因為它們不需要直接1:1 的真實資產支持。只要有足夠的流動性來涵蓋活躍交易的可能結果，系統就可以用較少的資產運作。
2. 資產彈性：這些系統在可交易資產方面較為靈活，因為部位是合成的。不需要每個資產都有直接的流動性支持，允許更多樣化的交易對和更快速—— 甚至半無需許可——的新資產上市。這一點在Hyperliquid 的預上市市場中特別明顯，其中交易的資產甚至還不存在。
3. 更好的價格執行：由於交易是純合成的，特別是當做市商在訂單簿上活躍時，有可能實現更好的價格執行。
缺點
但是，這些模型也有顯著的缺點：
1. 對預言機的依賴：合成資產模型高度依賴價格預言機，使其更容易受到相關問題的影響，如預言機操縱或延遲。
2. 不貢獻流動性：與實體資產支援模型不同，合成資產交易不會為資產的全球現貨流動性做出貢獻，因為流動性僅提供給衍生性商品訂單簿。
雖然與中心化交易所相比，去中心化交易所仍然只佔整體永續合約交易量的一小部分（約2% 的市場份額），但可用模型的多樣性則為其未來真正的成長奠定了基礎。這些模型的組合，加上資本效率的不斷提升和風險管理的持續改進，將是幫助去中心化交易所獲得更大衍生性商品份額的關鍵。
永續合約交易量分佈－資料來源：GSR 年度報告
綜上所述，隨著DeFi 生態系統的不斷發展，實體資產支持模型和合成資產模型為去中心化衍生性商品市場的成長提供了不同的路徑。兩者各有優勢，實體資產支持模型注重安全性和資本效率，而合成資產模型則提供更高的彈性和潛在的資本效率。未來，衍生性商品市場的成功將依賴這兩種模型的有效結合和持續優化，以滿足不斷變化的需求和挑戰。
