本文将深入拆解这条资金链的运转、退出机制，及 Aave 与 Ethena 的风控设计。但理解机制只是第一步，真正的高手进阶在于分析框架的升级。我们往往习惯于用数据分析工具（如 Dune）复盘“过去”，而缺失的恰恰是如何看清“未来”的各种可能，并真正做到 — 先划定风险边界，再讨论收益。

套利如何运转：从「收益端」到「系统端」

我们先来看看这条套利路径：在 Aave 中存入 eUSDe 或 sUSDe（sUSDe 为质押后的 eUSDe，带原生收益），借出稳定币，然后在 Pendle 中买入 YT/PT 。YT 对应未来的收益，而 PT 因为剥离了收益，总能以折价买到，持有至到期按 1:1 兑回，赚取其中的差价。当然，真正的“大头”是 Ethena 积分这类外部激励。

这样获得的 PT，由于本身能在 Aave 作为抵押物，就成了循环贷的完美起点：“抵押 PT → 借稳定币 → 买 PT/YT → 再抵押”。这么做，就是为了在相对确定的收益上，用杠杆去博取 Ethena 积分这类高弹性回报。

这条资金链如何改写了借贷市场？

• Aave 的敞口与二阶效应：USDe 支持的资产逐渐成为 Aave 的主流抵押物，份额一度升至约 43.5%，并直接推高了主流稳定币 USDT/USDC 的利用率。
• 借款端的拥挤：为 PT 抵押引入 USDe eMode 之后，USDe 借款规模约 3.7 亿美元，其中约 2.2 亿（≈60%）服务于杠杆化 PT 策略，利用率从约 50% 飙升至约 80%。
• 集中度与再抵押：Aave 上的 USDe 供应高度集中，前两大主体合计>61%。这种集中度加上循环杠杆，放大了收益，也加剧了系统的脆弱性。

这里的规律很简单：收益越诱人，循环越拥挤，整个系统也就越敏感。任何价格、利率或流动性的微小波动，都会被这条杠杆链条无情放大。

注：本文引用的核心链上数据主要基于 Chaos Labs 于 2025 年 7 月 17 日发布的报告及相关市场观察。由于链上数据动态变化，建议读者通过相关数据分析平台查询最新情况。

为何「退出」会变难：Pendle 的结构性约束

那么，如何退出？对前述循环仓位进行降杠杆或平仓时，主要有两条路：

• 市场化退出：在到期前卖出 PT / YT，换回稳定币还款解押。
• 持至到期退出：持有 PT 至到期，1:1 兑回底层资产再还款。这条路更慢，但在市场波动时更稳妥。

为什么会退出会变难？难点主要来自 Pendle 的两处结构性约束：

• 固定期限：PT 到期前不能直接赎回，只能去二级市场卖。想“快速减杠杆”，就得看二级市场的脸色，承受深度和价格波动的双重考验。
• AMM 的“隐含收益率区间”：Pendle 的 AMM 在预设的隐含收益率区间内效率最高。一旦市场情绪变化导致收益率定价超出这个区间，AMM 就可能“失活”，交易只能去更薄的订单簿上成交，滑点和清算风险急剧上升。为了防止风险外溢，Aave 这类协议部署了 PT 风险预言机：当 PT 价格跌到某个底价时，直接冻结市场。这能避免坏账，但也意味着你短期内难以卖出 PT，只能等市场恢复或持有至到期。

所以，行情平稳时退出通常不难，但当市场开始重新定价、流动性变得拥挤时，退出就成了主要的摩擦点，需要提前准备预案。

Aave 的「刹车与缓冲」：让去杠杆有序可控

面对这种结构性摩擦，借贷协议（如 Aave）如何进行风险控制？它内置了一套“刹车与缓冲”机制：

• 冻结与底价机制：若 PT 价格触及预言机底价并维持，相关市场可冻结至到期；到期后 PT 自然分解为基础资产，再安全清算/解除，尽量避免固定期限结构导致的流动性错位外溢。
• 内部化清算：极端情形下，清算奖励设为 0，先形成缓冲再分段处置抵押品：USDe 待流动性恢复后再二级卖出，PT 则持有至到期，避免在二级市场流动性稀薄的订单簿上被动抛售，从而放大滑点。
• 白名单赎回：若借贷协议获得 Ethena 白名单，可绕开二级市场，直接用 USDe 赎回底层稳定币，降低冲击并提升回收。
• 配套工具的边界：USDe 流动性阶段性紧张时，Debt Swap 可将 USDe 计价债务换成 USDT/USDC；但受 E‑mode 配置约束，迁移有门槛与步骤，需要更充足的保证金。

Ethena 的「自适应底座」：支持结构与托管隔离

借贷协议有“刹车”，而资产支持端则需要 Ethena 的“自动变速箱”来吸收冲击。

• 在支持结构与资金费率状态上：资金费率走低或转负时，Ethena 降低对冲敞口、提高稳定币支持；2024 年 5 月中旬稳定币占比一度~76.3%，后回落至 ~50% 区域，较往年仍高，能在负资费周期主动减压。
• 进一步，从缓冲能力看：在极端 LST 罚没场景下，对 USDe 整体支持的净影响估算约 0.304%；6,000 万美元的储备金足以吸收这类冲击（仅占其约 27%），因此对锚定与偿付的实质影响可控。
• 资产的托管与隔离是关键一环：Ethena 的资产并非直接存放在交易所内，而是通过第三方托管方（如 Copper, Ceffu）进行场外结算与资产隔离。这意味着，即使交易所本身出现运营或偿付问题，这些作为抵押品的资产在所有权上也是独立且受保护的。在这种隔离架构下，高效的应急流程才得以实现：如交易所中断，托管方可在错过一定结算轮次后作废未平仓头寸，释放抵押品，帮助 Ethena 快速将对冲头寸迁移至其他交易所，从而极大缩短风险敞口窗口。

当错位主要来自“隐含收益率重定价”而非 USDe 支持受损，在预言机冻结与分层处置的保护下，坏账风险可控；真正需要重点防范的是支持端受损的尾部事件。

你该关注什么：6 个风险信号

理论说完了，我们该看哪些具体指标？以下归纳的 6 个信号与 Aave × Pendle × Ethena 的联动高度相关，可以作为日常仪表盘来监测。

• USDe 借款与利用率：持续跟踪 USDe 的总借款量、杠杆化 PT 策略占比与利用率曲线。利用率长期高于 ~80%，系统敏感度显著上升（报告期由 ~50% 升至 ~80%）。
• Aave 敞口与稳定币二阶效应：关注 USDe 支持资产在 Aave 总抵押品中的占比（如~43.5%），以及对 USDT/USDC 等核心稳定币利用率的传导效应
• 集中度与再抵押：监控头部地址的存款占比；当头部地址集中度（如前两大合计）超过 50-60% 时，需警惕其同向操作可能引发的流动性冲击（报告期峰值 >61%）。
• 隐含收益率区间的贴近度：查看目标 PT/YT 池的隐含收益率是否逼近 AMM 预设区间边界；贴近或超出区间意味着撮合效率下降、退出摩擦上升。
• PT 风险预言机状态：留意 PT 市价与 Aave 风险预言机最低价阈值的距离；接近阈值是杠杆链条需要“有序减速”的强信号。
• Ethena 支持状态：定期查看 Ethena 公布的储备构成。稳定币占比的变化（如自 ~76.3%回落至 ~50%）反映其对资金费率的适应策略与系统缓冲能力。

更进一步，你可以为每个信号设置触发阈值，并提前规划好应对动作（例如：利用率≥80% → 下调循环倍数）。

从观察到边界：风险与流动性管理

这些信号最终要服务于风控。我们可以把它们固化为 4 条明确的“边界”，并围绕“风险限额 → 触发阈值 → 处置动作”这个闭环来操作。

边界 1：循环倍数

循环杠杆在提升收益（叠加外部激励时）同时会放大对价格、利率与流动性的敏感度；倍数越高，退出余地越小。

限额：设定最大循环倍数与最小保证金冗余（如 LTV/Health Factor 下限）。

触发：利用率 ≥ 80% / 稳定币借款利率快速上行 / 区间贴近度升高。

动作：降倍数、补保证金、暂停新增循环；必要时切换为“持至到期”。

边界 2：期限约束（PT）

PT 到期前不可赎回，“持至到期”应被视为常规路径而非临时权宜。

限额：对依赖“到期前卖出”的仓位设规模上限。

触发：隐含收益率超出区间 / 市场深度骤降 / 预言机底价临近。

动作：上调现金与保证金占比、调整退出优先级；必要时设“只减不加”的冻结期。

边界 3：预言机状态

价格贴近最低价阈值或触发冻结，意味着链路进入有序减速去杠杆阶段。

限额：与预言机底价的最小价差（buffer）与最短观察窗口。

触发：价差 ≤ 预设阈值 / 冻结信号触发。

动作：分段减仓、提高清算预警、执行 Debt Swap / 降杠杆 SOP，并提升数据轮询频率。

边界 4：工具摩擦

Debt Swap、eMode 迁移等在紧张期有效，但存在门槛、等待、额外保证金与滑点等摩擦。

限额：工具可用额度/时间窗与最大可承受滑点和成本。

触发：借款利率或等待时间超阈 / 交易深度跌破下限。

动作：预留资金冗余，切换替代通道（逐步平仓/持至到期/白名单赎回），并暂停策略扩仓。

结语与未来方向

总的来说，Ethena x Pendle 的套利将 Aave、Pendle、Ethena 串成了一条从“收益磁力”到“系统弹性”的传导链。资金端的循环推高了敏感度，市场端的结构约束抬高了退出门槛，而协议则通过各自的风控设计来提供缓冲。

在 DeFi 领域，分析能力的进阶，体现在如何看待和使用数据。我们习惯于用 Dune 或者 DeFiLlama 等类似的数据分析工具来复盘“过去”，比如追踪头部地址的仓位变化或协议利用率的走势等。这很重要，它能帮助我们识别像高杠杆和集中度这样的系统脆弱性。但它的局限也很明显：历史数据展示的是风险的“静态快照”，却无法告诉我们，当市场风暴来临时，这些静态的风险会如何演变成动态的系统崩溃。

要看清这些潜藏的尾部风险并推演其传导路径，就需要引入前瞻性的“压力测试”一这正是仿真模型的作用。它允许我们把这篇文章里提到的所有风险信号（利用率、集中度、价格等）参数化，放进一个数字沙盘（Aave、Pendle、Ethena 协议核心机制构成的联合模型）里，反复拷问 “如果……会怎样？”：

• 如果 ETH 价格暴跌 30% 同时资金费率转负，我的仓位还能撑多久？
• 要安全退出，我需要承受多大的滑点？
• 最低的安全保证金应该是多少？

这些问题的答案，无法从历史数据中直接找到，却可以通过仿真建模提前预知，最终帮你形成一套真正可靠的执行手册。想上手实践的话，可以选择基于 Python 的行业标准框架 cadCAD，也可以尝试基于前沿 Generative Agent-Based Modeling (GABM) 技术的新一代平台 HoloBit，它提供了强大的可视化与无需代码功能。