作者：LonersLiu
一、链上衍生品的崛起与去中心化期权的问题
9月22日，据CoinMarketCap数据，去中心化衍生品协议dYdX24小时交易量达20.77亿美元超过UniswapV324小时交易量达19.91亿美元，位列全网DEX排行榜第一。
dYdX交易量的快速增长让人们意识到，安全、去中心化、透明抗审查、无需许可等特点吸引了越来越多交易者来到去中心化衍生品市场，在永续合约市场经历一段指数式增长和成熟之后，相信市场对期权交易的欲望也会在加密货币中释放出来。
实际上，在中心化加密货币期权已经具有足够的流动性，一些结构化产品开始出现。
而目前DeFi期权产品遇到的第一个问题便是流动性问题，伴随着无常损失和高风险的组合对LP没有吸引力，因此流动性一直很低，现具有一定流动性的协议提供极高的价格，以回避期权定价问题的复杂性，这些缺乏竞争力的价格自然导致交易量很小。
此外DeFi期权产品遇到的第二个不可避免的问题是定价问题。传统期权市场采用布莱克-舒尔兹模型为定价公式，也正是在BlackScholes模型推出之后，期权卖方意识到他们可以通过对冲delta值的策略来动态复制期权风险，DeFi期权产品也多采用该方法。但模型中的隐含波动率是该定价方式的难点，Hegic?隐含波动率(IV)就是手动从Skew抓取，之后将在Chainlink的隐含波动率预言机可用时实现自动化。
二、Lyra的期权与BlackScholes定价模型简介
Lyra是Synthetix上的二层期权协议，众多周知，Synthetix一直是以太坊和Layer2扩容方案Optimism背后有力的支持者，不仅在去年遍参与了Optimism的测试网，推出了SNX奖励计划，并提供更低成本转移ETH至Optimism二层网络的Teleportr跨桥服务，因此作为Synthetix生态的一员Lyra自然也部署在Optimism上。
OptimisticRollups除了兼容以太坊EVM之外还可以更快地提供一个存在多个应用程序的通用环境，这是Lyra的基本要求，因为Lyra需要与外部市场组合以对冲风险。另外构建在二层上的另一大好处便是降低交易成本，在Optimism上的转账成本为一层的二分之一，调用复杂合约的手续费则在十分之一，相对较低的手续费也更能激发用户的交易欲望。
Lyra也是第一个与其他DeFi项目组合以自动为LP定价和对冲风险的期权AMM，DeFi的订单簿模型长期以来一直为各种期权提供流动性，但对于相对没有那么大众化的资产。可以迭代的AMM模型以收敛于最终为LP提供灵活性的解决方案，同时保留即时流动性，这也是AMM给整个DeFi行业带来爆炸性增长的原因。
当然期权理论上也可以作为一种杠杆方式，俗话说好的决策都带有「非对称回报」属性。也就是决策错误带来的问题和风险有下限，但决策正确带来的收益无上限，而这句话也天然适合期权交易；
让我们来看一个简单的例子：假设Alice支付5美元购买某个代币ABC6月30日110美元看涨期权，她购买的权利是在6月30日或之前为一个ABC代币支付110美元。她支付的5美元称为保费，当6月30日当天，ABC价格上涨至130美元时；相比单纯持有ABC带来的30美元收益，期权使得她可以以110美元的价格购买代币，然后以130美元的价格卖出，从而获得15美元的利润。考虑到期权的5美元成本，她获利20-5=15美元，从而获得了300%的投资回报。
在上述情况中Alice的回报率是她单纯购买ABC现货的10倍，所以在期权交易中，你的损失是你的期权费，但因为资产的上升，带来的收益可能是巨大的，正好印证了那句决策错误带来的问题和风险有下限，但决策正确带来的收益无上限。
当然这一切的前提在于期权协议有一套完善的定价机制，Lyra使用动态波动率输入，使用BlackScholes模型为整个期权定价。而其他期权协议使用静态隐含波动率或其他不太准确的方法来为期权定价。
Lyra和大部门中心化交易所一样采用的是欧式期权，赋予交易者在特定日期以一定价格从市场买入/卖出看涨/看跌期权标的资产的权利，得出最后的结果记为W，该模型采用以下5个关键参数：
1.到期时间，其中t为当前时间
2.无风险利率(r)
3.当前标的资产的价格t(St)
4.期权的执行价(K)
5.基础资产的隐含年化波动率
Lyra利用市场需求和供应来绘制每一到期日的隐含波动率面，然后将这一面输入BlackScholes定价模型，以确定所有上市期权的价格，为交易者提供高效定价，
Lyra的BlackScholes智能合约实现了一个与计算期权价格相关的数学公式，它不仅包含了核心的数学函数，还实现了BlackScholes的特定函数。除此之外，它还实现了一个如白皮书中所述的标准化的Vega函数。
三、Lyra协议中的Delta和Vega风险管理策略
期权作为一种套期保值手段，为DeFi交易者提供降低风险的策略，要实现这一愿景，需要建立必要的衍生品基础设施和风险管理工具，以保护DeFi用户。考虑到期权交易中的高风险，如果没有积极的风险管理，流动性提供者就容易发生无常损失，Lyra则采用针对动态调节Delta、Vega来对冲LPs的风险。
在期权中，Delta、Vega、Gamma、Theta?和Rho都可以反应当前价格的敏感性，其中Gamma、Theta?和Rho对于风险的影响仅次于Delta和Vega，因为可以根据Delta和Vega来动态调控AMM的Gamma和Theta风险，Rho风险通常比其他风险要小得多，因为无风险率往往相当稳定。因此下文专注讨论Lyra协议中如何管理和对冲Delta、Vega风险。
Delta对冲策略
Delta是最重要的期权敏感性指标，Delta=期权价格变化/现货价格变化，意味着现货波动一个单位时，期权价格的变动幅度。
在传统金融中，投资者也经常通过Delta中性策略来构造包含期权的组合头寸。Lyra的AMM通过与DeFi现货市场合作，买卖标的资产，积极对冲流动性提供者的Delta，控制流动性提供者的风险，使整体Delta回归中性。
Lyra中的Delta对冲步骤如下：
计算每一个期权产品的Delta，详细数字会显示在交易页面。
获取每一个AMM的净头寸。
将每一个AMM的净头寸与对应的Delta相乘。
计算每一类产品的上述乘积之和，得到净Delta。
买入或卖出与净Delta同等数量的代币，以使底层资产回到Delta中性。
例如，若ETH只有Delta为0.5和0.3的两个产品，AMM分别做空了10ETH和做多3ETH，那么净Delta=0.5x(-10)+0.3x6=-3，这意味着AMM做空了3ETH，需要从外部交易所买入3ETH以回到Delta中性。
Vega风险动态调整
期权市场制造商的目标是找到一个需求大致等于供应的隐含波动率值。在这种情况下，AMM可以在不承担风险的情况下收取交易费用，因为它正在买卖相同数量的期权。
期权交易的价格将围绕在BlackScholes的理论值附近，但为了降低流动性提供者的风险，Lyra会依据该交易是降低总的风险敞口还是增加敞口来产生不对称的价差，增加流动池风险敞口的将会受到抑制，而降低风险的交易将会受到促进，这一费用与AMM当前风险的大小成正比(也就是说，随着池承担的风险越来越大，费用也越来越多)。
具体收费方式如下：
一个期权最终的价格F=W+-f，其中W为隐含波动率带入BlackScholes模型得出的结果，f则取决于以下公式
VUvegautilization为期权对波动率的敏感度，根据官方文档的说明，当一笔交易会增加总的风险敞口时为1，否则为0，B在这里可以理解为对增加风险的影响，当然公式中的A、B、C一开始是由项目方初始设定，后面交由社区治理。
举个简单的例子，一个根据BlackScholes定价为100美元的看涨期权，AMM的净空头头寸为500Vega的情况下，AMM可能愿意以95美元的价格买入该看涨期权，而将继续卖出该看涨期权的价格定为110美元。额外的Vega使买方价格增加了5美元。
除此之外，Lyra可以通过检验我们交易期权的资产价格上涨时表情是高兴还是悲伤，以此来感知期权头寸的Delta/Vega风险，可谓是趣味性十足。
四、Lyra协议总结分析
Lyra的整体机制已经在今年三月设计完成，工程方面也在4月基本实现并且在5月完成了第三方审计。7月份上线以太坊测试网Kovan版扩容方案?Optimism?网络，8月25日宣布正式在以太坊二层扩容方案?Optimism?主网上线，根据官方路线图V2版本预计在第四季度上线。
最近Lyra?通过LEAP-3提案，将在?Optimism?主网上线首个LYRA流动性激励池，对向UniswapsUSD/Dai、ETHMarketPool提供流动性的用户分发LYRA奖励。
从UniswapV3在Optimism流动性池中体量排名第一的sUSD/DAI，就可以看的出来本次流动性激励的效果，但长期来看，因为所有的交易都需要sUSD作为底层资产，而sUSD必须由SNX抵押者以750%的c-ratio铸造，所以需要逐步增加SNX在Optimism上的供应量，推动Lyra和Thales交易数据的增长，才能维持LP的收益。
同时如果说对于增加Vega风险敞口的交易会收取过高的费用也不利于用户在上面进行对冲交易，虽然某种程度上保护了LP的利益，但也减少了部分交易者应有的收益。
总之，Lyra为LP计算和对冲风险，允许AMM以具有竞争力的价格进行期权交易，同时对Delta和Vega进行良好的风险管理，给DeFi及衍生品带来了新的交易范式，但以此同时需要注意的时，Lyra的AMM是链上可用的一个显著改进，但并没有让LP完全对冲，只能经历过一次次的行情检验与压力测试，不断修改才能迭代出更好的产品。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。