@aave had $1,2B USDT in idle liq vorig jaar, wat het gemiddelde van 5,7% leenrente verlaagde naar een 4% aanbodrente, terwijl de SOFR benchmark hoger zat. Deze spread is een efficiëntiekans! Hier is hoe de Reinvestment Controller van V4 dit kapitaal kan optimaliseren zonder de solvabiliteit in gevaar te brengen 🧐 Community Discussie Framework LlamaRisk heeft dit onderzoek gepubliceerd om een datagestuurd framework voor de gemeenschap te bieden. Het doel is om te bespreken hoe het protocol idle liquiditeit kan optimaliseren en de rendementen voor kredietverstrekkers kan verbeteren met behulp van deze nieuwe mechanismen, waarbij wordt gezorgd dat elke implementatie robuust en veilig is. De Idle Capital Kans Gedurende 2025 behield de USDT-markt een substantiële liquiditeitsbuffer. Hoewel dit veiligheid garandeert, verzwakt het de rendementen voor kredietverstrekkers. Door deze float te investeren in laag-risico strategieën zoals Amerikaanse staatsobligaties of Geldmarktfondsen, suggereren simulaties dat het protocol de APY kan verhogen naar 4,93% (bij volledige benutting) terwijl het secundaire inkomsten voor de DAO genereert. Beheer van Liquiditeitslatentie Het herinvesteren van idle cash vereist zorgvuldige beheersing van terugbetalingstijden. Historische gegevens tonen aan dat terugtrekking schokken vaak vooraan geladen zijn. Als fondsen zich in T+1 afwikkelingscycli bevinden tijdens een terugtrekkingsevenement, heeft het protocol een mechanisme nodig om de kloof te overbruggen. Dynamische IRM Kalibratie Om dit te mitigeren, stelt het onderzoek een dynamisch Rentepercentage Model voor. Het berekent de benutting op basis van "Maximale Theoretische Benutting" (fysiek cash + herinvestering van activa). Als fysiek cash laag is terwijl fondsen worden teruggevorderd, passen de tarieven zich aan om terugbetalingen te stimuleren, wat het liquiditeitsprofiel van het protocol beschermt. Regelgevende & Operationele Overwegingen Integratie van off-chain activa vereist verschillende structuren. Het rapport verkent twee paden: een Protocol-Beheerd model of een User-Opt-In Staking model. Laatstgenoemde kan een betere afstemming bieden door de liquiditeitsvoorkeuren van gebruikers te matchen met de terugbetalingsvensters van de onderliggende RWA-strategie.