链上期权自动做市商赛道：Lyra的Avellaneda模型、Dopex的费率管理与Premia的池子结构

在去中心化金融（DeFi）的演进历程中，衍生品赛道一直被视为“皇冠上的明珠”，而期权则是这颗明珠最核心的切面。相比于现货和永续合约，期权的定价、风险对冲和流动性提供机制要复杂得多。传统的订单簿模式在链上受限于吞吐量和Gas成本，难以支撑高频的做市需求。于是，链上期权自动做市商（Option AMM）应运而生，它们试图用算法和资金池来替代做市商报价，让普通用户也能成为期权的“庄家”。

在这一赛道中，Lyra、Dopex和Premia是三个无法绕开的项目。它们分别代表了三种截然不同的技术路线：Lyra引入了经典的Avellaneda-Stoikov模型来动态调整报价；Dopex通过独特的费率管理机制和双币模型来平衡风险；Premia则用池子结构（Pool Structure）和NFT化头寸来重构期权的流动性。本文将深入拆解这三者的机制设计，探讨它们如何在链上环境中解决期权做市的“不可能三角”——流动性、定价效率与风险控制。

一、链上期权AMM的底层困境与破局逻辑

在深入三个项目之前，有必要先理解链上期权做市为何如此困难。传统金融中期权做市商依赖Black-Scholes公式和希腊字母（Delta、Gamma、Vega、Theta）进行动态对冲。但在链上，每一次对冲都是一笔交易，需要支付Gas费，且存在滑点。如果做市商频繁调整头寸，成本会吞噬利润；如果不调整，又可能暴露在巨大的方向性风险中。

此外，期权买方和卖方的需求天然不对称。买方希望以小博大，追求高杠杆和尾部收益；卖方则希望赚取时间价值，但承担无限风险。在订单簿模式下，做市商需要同时挂出买卖双边报价，但在链上，资金效率极低。于是，Option AMM的核心思路变成了：用LP（流动性提供者）的资金池作为统一对手方，通过算法动态定价，并利用某种机制将LP的风险控制在可接受范围内。

Lyra、Dopex和Premia正是在这一思路下，给出了三种不同的答案。

二、Lyra：Avellaneda模型在链上期权做市的工程化实践

2.1 Avellaneda-Stoikov模型的核心思想

Lyra最引人注目的标签，是它引入了Avellaneda-Stoikov（简称AS）模型。这个模型原本用于传统金融中的高频做市，其核心是：做市商根据库存风险和市场波动率，动态调整买卖报价的中间价和价差。简单来说，当做市商库存偏多（多头）时，它会降低卖价、提高买价，以鼓励卖出、抑制买入，从而回归中性库存。

AS模型的数学表达并不复杂：保留价格（Reservation Price）= 中间价 - 库存 × 风险厌恶系数 × 波动率² × 时间 horizon。价差则与波动率、时间以及市场订单到达率相关。Lyra将这一模型搬到了链上，但做了大量工程化改造。

2.2 Lyra的链上适配：从黑箱到透明

在Lyra中，LP将资金存入一个统一的池子（如sETH池、sBTC池），该池子作为所有期权的对手方。当用户买入看涨或看跌期权时，Lyra的AMM会根据AS模型计算出一个报价。这个报价不是固定的，而是随着池子的净敞口（Delta和Vega）实时变化。

具体来说，Lyra的做市逻辑包含几个关键参数： - 风险厌恶系数：控制池子对库存风险的敏感度。系数越高，报价偏离中间价越远，LP的风险越小，但交易者的滑点越大。 - 波动率曲面：Lyra使用一种“波动率微笑”模型，不同行权价和到期日的期权有不同的隐含波动率。这比简单的平值波动率更贴近市场。 - 资金费率：Lyra不直接收取资金费，而是通过买卖价差（Spread）来补偿LP。价差的大小由AS模型动态决定。

2.3 Lyra的局限与演进

Lyra的AS模型在理论上优雅，但在实践中面临挑战。首先，链上交易频率低，AS模型假设的连续报价和快速对冲难以实现。其次，当市场剧烈波动时，池子的Delta敞口可能瞬间变大，而Lyra的对冲机制（通过Synthetix等协议）存在延迟和成本。因此，Lyra后来推出了Lyra V2，引入了更灵活的做市商白名单和跨链部署，试图在保留AS模型内核的同时，提高资本效率和风险响应速度。

尽管如此，Lyra依然是目前将学术模型与链上期权结合得最成功的案例之一。它证明了AS模型在去中心化环境中的可行性，但也暴露了纯算法做市在极端行情下的脆弱性。

三、Dopex：费率管理与双币模型下的风险再分配

3.1 Dopex的核心理念：让LP和交易者共担风险

与Lyra的纯算法路线不同，Dopex更强调“费率管理”和“风险分层”。Dopex旗下有多个产品，如SSOV（单币种期权金库）和Atlantic Options。其中，SSOV允许用户存入资产（如ETH）并卖出看涨期权，赚取权利金。而Atlantic Options则是一种创新的“无清算期权”，允许买方在到期前以固定价格行权，但需要支付额外的“Atlantic费用”。

Dopex的费率管理机制是其精髓。在SSOV中，每周会有一个“epoch”（周期），用户存入资产，Dopex根据市场波动率和需求设定一个行权价和权利金。这个权利金不是由AMM算法实时计算，而是由Dopex的治理或算法根据历史波动率、隐含波动率以及资金利用率来设定。如果权利金过高，买方不愿买；过低，LP不愿卖。Dopex通过动态调整费率来平衡供需。

3.2 双币模型：rDPX的作用

Dopex的另一个创新是引入了rDPX（Dopex Rebate Token）作为风险缓冲。当LP在SSOV中卖出期权时，如果到期时期权变为价内（ITM），LP会面临损失。为了补偿LP，Dopex会用rDPX作为回扣（Rebate）发放给LP。rDPX的价值来源于Dopex协议的收入和治理。这种双币模型实际上是将部分风险转移给了rDPX持有者，从而降低了LP的直接损失。

此外，Dopex还通过“费率管理”来调节不同池子的吸引力。例如，当ETH的隐含波动率上升时，Dopex会提高SSOV的权利金，以吸引更多LP存入。同时，它也会调整rDPX的回扣比例，确保LP的实际收益率具有竞争力。

3.3 Dopex的挑战：依赖治理与激励

Dopex的费率管理并非完全算法化，而是带有一定的中心化或治理依赖。这导致其定价效率可能不如Lyra的AS模型实时。此外，rDPX的补贴依赖于代币价格，如果rDPX贬值，LP的补偿效果会大打折扣。但Dopex的优势在于，它通过分层和回扣机制，让风险承担者（LP）和风险转移者（rDPX持有者）各取所需，形成了一种更灵活的做市生态。

四、Premia：池子结构与NFT化头寸的流动性重构

4.1 Premia的池子结构：从同质化到差异化

Premia的做市机制与Lyra和Dopex都不同。它采用了一种“池子结构”（Pool Structure），每个池子对应一个特定的期权系列（如ETH-2024-12-31-3000-C）。LP可以将资金存入某个池子，成为该期权的卖方。交易者则从池子中买入期权。这种结构类似于Uniswap的V2池子，但针对的是期权。

Premia的池子结构有几个特点： - 独立池子：每个期权系列有独立的池子，LP可以自主选择存入哪个池子，从而精细控制自己的风险敞口。 - 动态费率：Premia使用一种“利用率曲线”来定价。当池子中的资金利用率高时，买方需要支付更高的权利金；利用率低时，权利金下降。这与借贷协议的利率模型类似。 - NFT化头寸：LP存入资金后，会获得一个NFT，代表其在池子中的份额。这个NFT可以转让、抵押或组合，从而提高了LP头寸的流动性。

4.2 Premia的定价与风险

Premia的定价不依赖AS模型，而是基于池子的供需。它使用一种“隐含波动率”的算法，根据池子中已卖出的期权数量和池子总流动性，反推出一个隐含波动率。这个波动率会随着交易动态调整。如果买方大量买入看涨期权，池子的Delta敞口变大，Premia会自动提高权利金，以吸引更多LP或抑制买方。

然而，Premia的池子结构也带来了问题。首先，流动性分散：每个期权系列都需要独立的池子，导致资金效率低下。其次，LP可能面临“逆向选择”：如果某个池子的权利金长期偏低，LP会退出，导致池子干涸。此外，NFT化头寸虽然提高了流动性，但在链上交易NFT的Gas成本较高，且流动性深度有限。

4.3 Premia的演进：V3与跨链

Premia V3引入了“统一池”的概念，试图将多个期权系列的流动性聚合到一个池子中，并支持跨链。同时，Premia也在探索更复杂的定价模型，如结合SABR模型来拟合波动率曲面。但总体而言，Premia的池子结构更适合长尾期权或定制化期权，而非高流动性的主流期权。

五、三者的对比与赛道展望

5.1 机制对比

| 维度 | Lyra | Dopex | Premia | |------|------|-------|--------| | 定价模型 | Avellaneda-Stoikov | 治理/算法设定费率 | 利用率曲线+隐含波动率 | | 风险承担 | LP池子统一承担 | LP+ rDPX持有者分层 | 独立池子LP承担 | | 流动性效率 | 高（统一池） | 中（SSOV周期） | 低（独立池） | | 资本效率 | 中（需对冲） | 中（rDPX缓冲） | 低（分散） | | 创新点 | 学术模型链上化 | 费率管理与双币 | NFT化头寸与池子结构 |

5.2 赛道痛点与未来方向

链上期权AMM赛道目前仍处于早期。三大项目各有优劣，但都面临共同挑战：一是链上性能限制，导致高频对冲和实时定价难以实现；二是期权产品复杂度高，普通用户教育成本大；三是流动性分散，难以形成网络效应。

未来，我们可能会看到以下趋势： - 混合模式：结合AS模型的动态定价与Dopex的分层风险，形成更稳健的做市机制。 - L2与模块化：随着Arbitrum、Optimism等L2的成熟，链上期权AMM的Gas成本将大幅降低，高频对冲成为可能。 - 结构化产品：将期权AMM与收益聚合器、保险协议结合，创造更易用的结构化产品。 - 跨链流动性：通过跨链消息传递，将不同链上的期权池子连接起来，提高资本效率。

Lyra、Dopex和Premia的探索，为链上期权做市提供了宝贵的经验。无论最终哪种模式胜出，它们都在推动DeFi衍生品从简单的现货杠杆，走向更复杂的风险管理工具。对于投资者和LP而言，理解这些机制的差异，是在期权AMM赛道中捕获收益、规避风险的前提。