从规则到奖励：DeFi 借贷中利率调整的强化学习
机器学习
2025-06-03 v1
摘要
去中心化金融借贷通过智能合约实现了无许可借贷。然而，它在优化利率、减轻坏账和提高资本效率方面面临挑战。基于规则的利率模型难以适应动态市场条件，导致效率低下。本研究应用离线强化学习优化 DeFi 借贷协议中的利率调整。使用 Aave 协议的历史数据，我们评估了三种 RL 方法：Conservative Q-Learning (CQL)、Behavior Cloning (BC) 以及 TD3 with Behavior Cloning (TD3-BC)。TD3-BC 在平衡利用率、资本稳定性和风险方面表现出卓越性能，优于现有模型。它能有效适应历史压力事件，如 2021 年 5 月的暴跌和 2023 年 3 月的 USDC 脱锚，展现出自动化实时治理的潜力。
引用
@article{arxiv.2506.00505,
title = {From Rules to Rewards: Reinforcement Learning for Interest Rate Adjustment in DeFi Lending},
author = {Hanxiao Qu and Krzysztof Gogol and Florian Groetschla and Claudio Tessone},
journal= {arXiv preprint arXiv:2506.00505},
year = {2025}
}