这篇笔记整理了去中心化永续合约市场中的一个核心抽象：永续需求借贷池（Perp Demand Lending Pools, PDLP）。目标是把分散的定义、公式和补充说明整理成一条连贯主线，并删去互相冲突的表述。
本文主要内容基于论文 Perpetual Demand Lending Pools 的阅读与推导整理，涉及定义、机制、命题与公式时，原则上以该文为主线展开。
1. 核心概念与术语
1.1 什么是 PDLP
PDLP 可以理解为一种为永续合约交易者提供资本的专用资产池。用户把资产存入池中，池子作为交易者的对手方：
- 交易者亏损，池子盈利；
- 交易者盈利，池子承担赔付。
直觉上，它像一个自动化对手方仓库（例如常被讨论的 JLP/GLP 结构）。数学上，PDLP 价值可视为“底层资产组合 + 交易者 PnL 对应的头寸暴露”。
1.2 为什么叫“需求贷款”
这类借贷并非通用借贷（不是 Aave/Compound 式的自由用途），而是专款专用：
- 借入资金只能用于关联永续市场开仓；
- 借款状态在协议内可被实时观测；
- 抵押不足时可强制清算，回收资金优先偿还池子。
这与传统金融中的 demand loan 类比很接近：贷款方可以在触发条件下“即时要求还款”，而 PDLP 是由合约自动执行这一过程。
1.3 相关术语
- 德尔塔对冲（Delta Hedging）：通过外部反向仓位使组合总 Delta 接近 0，即 $\Delta_{Total}=\frac{\partial V_{Pool}}{\partial S}+\frac{\partial V_{Hedge}}{\partial S}\approx 0$。
- 目标权重机制（Target Weight）：协议为池中各资产设置理想占比，通过动态费率诱导套利者把实际权重拉回目标。
- 资本效率（Capital Efficiency）：单位资本支持交易规模与收益能力。链上环境受保证金、预言机和清算机制约束，通常低于 CEX。
- 抢先交易（Front-running）：利用公开交易信息和排序优势提前成交，从而侵蚀 LP 收益。
2. PDLP 的多方博弈结构
文档里的系统可以拆成四类角色：
- LP：提供资金，赚借贷费与手续费，同时承接尾部风险；
- 交易者/做市商：借池中资本获取杠杆敞口，支付费用；
- 套利者：响应费用激励，执行池内再平衡；
- 协议：通过参数（费率、目标权重、清算规则）维持系统偿付与效率。
关键点在于：PDLP 把“做市风险”部分重写为“借贷收益 + 可管理风险”。这也是其在 2024 年快速扩张的重要原因之一。
3. 为什么 PDLP 更容易被 LP 对冲
相比很多 AMM 场景，PDLP 的风险暴露更结构化：
- 头寸来源清晰（交易者杠杆需求）；
- 资产目标权重可观测；
- 对冲目标可参数化。
因此 LP 更容易在外部市场做反向永续来削减方向性风险。现实里这不代表“无风险”，但确实降低了纯裸露多头的波动回撤。
4. 永续合约的形式化基础
文档把永续状态写成三元组 \((L,S,p_0)\in\mathbb{R}_+^3\)：
- \(L\)：累计多头规模；
- \(S\)：累计空头规模；
- \(p_0\)：标记价格基准。
单笔交易可写为 \((c,\delta,\eta,p_0)\)：
- \(c\)：抵押品；
- \(\delta\)：仓位数量；
- \(\eta\)：杠杆；
- 约束：\(p_0\delta\le |\eta|c\)。
清算条件可抽象为
\[ \mathrm{sign}(\eta)\,\delta\,(p_0-p)\ge c \]表示当亏损触达保证金阈值，仓位被系统强制关闭。
5. 线性资金费率机制
文档采用线性费率：
\[ \gamma_L(L,S,p,p_0)=\kappa\left(\frac{L}{S}-\frac{p}{p_0}\right) \]- \(\kappa>0\) 为灵敏度；
- 当 \(\gamma_L>0\)，多头向空头支付；
- 当 \(\gamma_L<0\)，空头向多头支付。
本质是通过现金流把“拥挤方向”的持仓成本抬高，推动系统回到相对平衡。
6. PDLP 的状态定义与动态过程
PDLP 状态可记为 \((R,\pi,f,\{c_i\}_{i\in[M]})\)：
- \(R\)：当前资产组合；
- \(\pi\)：目标组合；
- \(f\)：借贷费用率；
- \(\{c_i\}\)：未偿贷款集合。
偿付约束为
\[ \sum_{i=1}^{M}c_i\le R \]即系统贷款规模受池内资产约束。典型区块内更新顺序可概括为：价格更新 \(\to\) 清算 \(\to\) 费用结算 \(\to\) 收益分配 \(\to\) 组合重平衡 \(\to\) 新交易执行。
7. 单期套利：资金费率套利与份额套利
在简化设定 \(L_0=S_0\) 下，若价格由 \(p_0\) 变化到 \(p>p_0\)，则
\[ \gamma_L=\kappa\left(1-\frac{p}{p_0}\right)<0 \]意味着空头向多头支付，套利者有动机开多捕获费率。
令最大有效套利仓位为 \(\ell\)，由费率归零条件得
\[ \ell=L_0\left(\frac{p}{p_0}-1\right) \]再考虑借贷成本 \(f\ell\)，可得套利可行条件
\[ f\le \frac{\kappa}{L_0}\left(1-\frac{p_0}{p}\right) \]另一类是 PDLP 份额套利：利用池份额价格与底层资产净值偏离进行创建/赎回，推动组合回归目标区间。
8. 费用下界：如何让 LP 不亏损
引入前向交换函数 \(G:\mathbb{R}_+\to\mathbb{R}_+\)。套利者回报为 \(pG(x)-x\)，最优规模 \(x^*\) 满足
\[ G'(x^*)=\frac{1}{p} \]LP 单期利润写作
\[ \mathrm{Profit}=f\ell + x^* - pG(x^*) \]要求 \(\mathrm{Profit}\ge 0\)，并代入 \(\ell\) 的表达，可得费用下界（公式 5）：
\[ f\ge \frac{1}{L_0}\cdot \frac{G(x^*)-x^*/p}{G'(0)-1/p} \]利用凹性还能得到更直观的保守下界，量级上可写作
\[ f \gtrsim \frac{x^*}{L_0} \]意思是：单次波动引致的可套利规模越大，单位头寸收费必须越高，才能覆盖 LP 再平衡损失。
9. Uniswap v2 风格例子
若取
\[ G(x)=\frac{R_2x}{R_1+x} \]则可显式求得 \(x^*\) 与再平衡损失，进而把费用与波动上界 \(B\) 关联起来。文中给出一个更保守的安全条件（线性放大）：
\[ f\ge \frac{(B-1)R_1}{L_0} \]用于保证在给定波动范围内 LP 仍有正净收益。
10. 对原文冲突的统一修正
原始材料里有两处明显冲突，这里统一为一致版本：
- 清算示例价格写成
$15000的位置应为$1500（笔误）。 - 在“
c=2000, \eta=4, p_0=2000且名义价值8000”的示例中，若名义价值确为 8000，则仓位数量必须是 \(\delta=\frac{8000}{2000}=4\)，而不是 \(\delta=1\)。
因此采用自洽版本：\(\delta=4\) ETH、价格跌至 \(1500\) 时亏损 \(4\times(2000-1500)=2000\)，触发清算。
11. 错误定理与更正说明（Claim 3.4）
论文中有一条关于 TWM 稀释后 Delta 上界的结论（Claim 3.4），可写为：
\[ \nabla_p V^{new} \le \left(\frac{1}{2}-f\right)\nabla_p V^{old} \]其证明链条依赖以下展开式： [ \nabla_p V^{new} = \frac{1}{1+F},R
- \frac{p^TR}{(1+F)^2},\nabla_pF
- f\ell ]
文中声称“在第一步不等式中使用 \(F\le 1\)”并将正项放缩为 \(\frac12 R\)。这一点是错误的：
- 由 \(F\le 1\) 只能推出 \(1+F\le 2\)，因此 \(\frac{1}{1+F}\ge \frac12\)，而不是 \(\frac{1}{1+F}\le \frac12\)。
- 但证明想要建立的是整体上界（\(\le\)），对正项必须用“更大或相等”的替代；把 \(\frac{1}{1+F}R\) 直接替成 \(\frac12R\) 会破坏不等式方向。
换言之，这个证明在同一条不等式链中对 \(F\) 的放缩方向不一致，结论不能由给定假设推出。
因此该 Claim 在当前写法下应视为证明失效（invalid proof），不能直接当作已证定理使用。
12. 目标权重机制（TWM）：定义与优化问题
12.1 可用储备 \(R^A\)
在 PDLP 中，不是全部储备都可被自由赎回。定义
\[ R^A = R-\sum_{i=1}^M c_i \]其中 \(R\) 是池子总储备，\(\sum c_i\) 是被交易者头寸占用的部分。\(R^A\) 表示可用于创建/赎回与套利交换的净可用资产。
12.2 当前权重函数
令价格向量为 \(p\)，储备向量为 \(R\)，则当前权重写作
\[ w(p,R)=\frac{p\odot R}{p^TR} \]即“各资产价值 / 组合总价值”的单位化向量（元素和为 1）。
12.3 TWM 的约束优化表述
目标是让权重贴近目标权重 \(w^*\)：
\[ \min_{\Delta}\ \|w(p,R+\Delta)-w^*\| \quad\text{s.t.}\quad \Delta\ge -R^A \]其中 \(\Delta_j<0\) 表示提取第 \(j\) 个资产，\(\Delta_j>0\) 表示存入。约束 \(\Delta\ge -R^A\) 保证不可提走超过可用余额的资产。
13. 份额激励函数 \(F\) 与激励兼容
当参与者提交资产变更 \(\Delta\) 时，可获得的份额比例可写为：
\[ (1+F(p,w^*,R,\Delta))\cdot \frac{p^T\Delta}{p^T(R+\Delta)} \]可把它理解成“基础份额 \(\times\) 激励因子”：
- 基础份额：\(\frac{p^T\Delta}{p^T(R+\Delta)}\)；
- 激励因子：\(1+F\)，用来奖惩是否在帮池子回归目标权重。
常用设计性质包括：
- \(F(\cdots,0)=0\)（不交易不奖励）；
- \(F\) 对规模呈边际递减（常以凹性刻画）；
- 当 \(\Delta\) 最有效地推动 \(w\to w^*\) 时，奖励更高。
14. TWM 套利的直观运行逻辑
- 当某风险资产下跌导致权重低于目标（\(w_i
- 当某资产权重过高（\(w_i>w_i^*\)）时，协议降低该方向待遇或提高提取吸引力，促使仓位回落。
这本质上是一个去中心化反馈控制系统：协议不直接主动交易，而是通过费率/折扣信号让逐利者完成再平衡。
15. 协议实现对比：GLP、JLP、HLP、MegaVault
- GMX GLP：典型的“偏离越大、费用修正越强”机制，可类比控制论中的反馈控制；
- Jupiter JLP：同类机制但更强调规模化和对冲友好性；
- Hyperliquid HLP：由白名单策略管理，偏“专业做市策略池”；
- dYdX MegaVault：开源参数化策略 + 治理/操作员调参。
本质差异在于：自动化透明程度与策略自由度的取舍，而不是是否需要目标权重修正。
16. 黑箱 \(F\) 下的近似最优套利（第13–15页）
若套利者不能直接看到 \(F\) 的闭式表达，可将问题写为：
\[ \max_{\Delta}\ F(p,w^*,R,\Delta)\,(p^T\Delta) \quad\text{s.t.}\quad \Delta\ge -R^A \]在 \(f(\delta)\)（可视作一维或局部投影目标）为 \(\mu\)-强凹时，可用上界替代函数：
\[ f(\delta)\le g^T\delta-\frac{\mu}{2}\|\delta\|_2^2=:h(\delta) \]从而得到启发式解
\[ \delta_H^*=\frac{1}{\mu}g \]其中 \(g\) 是原点附近梯度（可通过小额试探交易估计）。
文中 Claims 3.1–3.3 的核心结论是：在强凹与梯度有界条件下，\(\delta_H^*\) 与真实最优 \(\delta_F^*\) 的距离以及对应利润差距都可被上界控制，因此黑箱机制下依然存在可执行、可逼近的套利路径。
17. \(\delta_F^*,\delta_H^*,\delta_S^*\) 的符号区分
- \(\delta_F^*\)：已知真实函数时的理论最优；
- \(\delta_H^*\)：由二次替代函数得到的启发式闭式解；
- \(\delta_S^*\)：实际算法执行后落地的次优解（实盘下单量）。
论文后续误差界关注的是 \(S(\delta_S^*)\) 相对 \(S(\delta_F^*)\) 的损失上界，说明“看不见 \(F\)”不等于“无法有效套利”。
18. 赎回套利（Redeem Shares）与风险含义（第16–18页）
赎回定价可写成
\[ p^T\lambda = (1+f(\lambda))\cdot \frac{\sigma}{S}\cdot p^TR \]对应的套利目标是最大化“赎回资产价值 - 二级市场购份额成本”。在常见整理下，可写成：
\[ \max_{\lambda}\ p^T\lambda\cdot\frac{f(\lambda)}{1+f(\lambda)} \]并满足可用资产约束（不能赎回超出 \(R^A\) 的部分）。
这一步与创建套利共同构成双向再平衡机制：一边补缺，一边去冗余。
19. 均值-方差框架下的 Delta 对冲（第19–21页）
文中将 LP 对冲写成均值-方差问题。忽略部分交易摩擦后的代表性写法是：
\[ \pi^{new} =\arg\max_x\ f\cdot \ell^T(x+R) -\frac{1}{2}(x-\pi)^T\mathrm{Diag}(c)(x-\pi) -\frac{\gamma}{2}(x+\Delta)^T\Sigma(x+\Delta) \]在特定简化下可得解析型最优头寸：
\[ \pi^{new}=(f/\gamma)\Sigma^{-1}\ell-\Delta \]含义是：对冲头寸由“费率驱动的风险预算项”减去“当前净暴露项”组成。
20. 夏普比率改善的充分条件（文中 Claim 4.1）
可归纳成两类约束：
- 期望收益不下降（费用收入覆盖风险补偿）；
- 组合方差不上升（对冲腿与原组合呈足够负相关，且波动规模受控）。
文中给出的代表性条件包括（记号沿用原文）：
\[ f\cdot \mathbb{E}[p^T\ell]\ \ge\ \gamma\lambda_{\max}\cdot \mathbb{E}[p^T\Delta] \]以及通过方差协方差分解得到的充要/充分界限。直觉上就是：收取的“租金”要覆盖承担的方向性风险溢价，并且对冲腿确实要起到减震作用。
21. 总结
这篇文章的核心结论可以概括为一句话：PDLP 的本质是把杠杆交易需求转化为 LP 可计量、可对冲、可参数化管理的收益来源。
更具体地说：
- 在机制层，PDLP 通过“专款专用借贷 + 即时清算 + 费用结算”建立了封闭风险循环；
- 在组合层，TWM 通过 \(R^A\)、目标权重 \(w^*\) 与激励函数 \(F\) 把再平衡外包给套利者；
- 在优化层，即使 \(F\) 是黑箱，强凹与梯度有界条件仍允许构造近似最优策略并给出误差上界；
- 在风险层，LP 可从“方向性暴露”迁移到“费用捕获 + Delta 对冲”的均值-方差框架。
同时，文中个别推导（如 Claim 3.4）存在不等式方向错误，说明在阅读此类论文时，机制直觉与数学细节需要分开验证：直觉可能成立，但具体证明未必严格。
从研究与实务结合的角度看，PDLP 的价值不只在“高收益”，更在于它提供了一个可以持续迭代参数、可被数据检验、并能与传统风险管理语言对接的 DeFi 市场结构。