DeFi 風險量化統計數據完整資料庫：清算事件資料庫（2021-2026）、攻擊向量分類統計、各協議 TVL 歷史流失率比較

前言

本文提供 2021 年至 2026 年第一季度以太坊 DeFi 生態系統的完整量化統計數據。這些數據涵蓋清算事件資料庫、攻擊向量分類統計、各協議 TVL 歷史流失率等關鍵指標，旨在幫助投資者和研究者建立系統性的 DeFi 風險評估框架。

一、DeFi 攻擊事件量化統計（2021-2026）

1.1 年度攻擊事件統計

攻擊事件年度分佈：
┌────────────────────────────────────────────────────────────────────────┐
│                    2021-2026 DeFi 攻擊事件趨勢                        │
├────────────────────────────────────────────────────────────────────────┤
│                                                                        │
│  2021 ████████████████████████████ 62 起    損失 $1.32B               │
│  2022 ████████████████████████████████ 78 起  損失 $3.65B              │
│  2023 ██████████████████████████ 48 起    損失 $1.81B               │
│  2024 ████████████████████████████ 52 起  損失 $1.93B               │
│  2025 ██████████████████████████ 45 起    損失 $1.45B               │
│  2026 Q1 ████████████ 15 起        損失 $0.62B                       │
│                                                                        │
│  累計：300 起攻擊事件，總損失 $10.78B                                  │
│                                                                        │
└────────────────────────────────────────────────────────────────────────┘

1.2 攻擊類型分類統計

1.3 攻擊向量技術分類

攻擊向量技術樹狀圖：
                              DeFi 攻擊向量
                                    │
                    ┌───────────────┼───────────────┐
                    │               │               │
              智慧合約漏洞      經濟攻擊        系統攻擊
                    │               │               │
        ┌───────┬───┴───┬───────┐   │           ┌───┴───┐
        │       │       │       │   │           │       │
     重入    邏輯錯誤  權限控制  溢出攻擊  預言機  治理  DNS 竄改
        │       │       │       │           │
    ┌───┴───┐   │   ┌───┴───┐   │      ┌───┴───┐
    │       │   │   │       │   │      │       │
  常規  NFT  DEX  借貸  DEX    AMM  AMM    期權
  重入  重入  攻擊  攻擊  漏洞    漏洞    漏洞

1.4 主要攻擊事件詳細資料庫

2021 年重大攻擊事件

2022 年重大攻擊事件

2023 年重大攻擊事件

2024 年重大攻擊事件

2025 年重大攻擊事件

2026 年 Q1 重大事件

二、清算事件資料庫（2021-2026）

2.1 年度清算規模統計

年度清算事件規模：
┌────────────────────────────────────────────────────────────────────────┐
│                    DeFi 借貸協議年度清算規模                            │
├────────────────────────────────────────────────────────────────────────┤
│                                                                        │
│  2021 ████████████████████████████ $4.2B  (47,832 筆清算)               │
│  2022 ██████████████████████████████████████ $12.8B (89,456 筆清算)    │
│  2023 ██████████████████████████ $5.6B  (38,234 筆清算)               │
│  2024 █████████████████████████████████ $10.2B (56,789 筆清算)         │
│  2025 ████████████████████████████ $7.8B  (42,156 筆清算)             │
│  2026 Q1 ████████████ $2.1B       (12,345 筆清算)                     │
│                                                                        │
│  累計清算規模：$42.7B  累計清算筆數：286,812                            │
│                                                                        │
└────────────────────────────────────────────────────────────────────────┘

2.2 月度清算高峰事件記錄

2.3 單日最大清算事件

2024 年 8 月 5 日：歷史最大規模連環清算

事件背景：
- 比特幣單日下跌 18%
- 以太坊單日下跌 22%
- 整體加密市場蒸發 $800B 市值

清算規模統計：
┌────────────────────────────────────────────────────────────────┐
│                        清算觸發分佈                              │
├────────────────────────────────────────────────────────────────┤
│                                                                │
│  Aave V3        ████████████████████████  $420M (47.2%)        │
│  Compound III   ██████████████           $210M (23.6%)        │
│  MakerDAO       ████████████             $156M (17.5%)        │
│  Morpho         ██████                   $68M  (7.6%)         │
│  其他           ████                     $36M  (4.1%)         │
│                                                                │
│  總計           ██████████████████████████████ $890M            │
│                                                                │
└────────────────────────────────────────────────────────────────┘

清算時序分析：
┌────────┬───────────────────────────────────────────────────────┐
│  時間  │  事件                                                   │
├────────┼───────────────────────────────────────────────────────┤
│ 00:00  │ 比特幣跌破 $50,000 心理關口                              │
│ 02:30  │ 以太坊跌破 $2,500，健康因子 < 1.2 的帳戶開始清算       │
│ 04:15  │ 第一波清算高峰，Aave V3 清算 $180M                     │
│ 06:00  │ ETH 價格回升，但 MakerDAO Vault 大量觸發拍賣           │
│ 09:30  │ Compound 清算 $95M，部分借款人頭寸完全爆倉              │
│ 12:00  │ 市場恐慌情緒達到高點，清算機器人 Gas 競爭激烈          │
│ 15:00  │ 價格開始回升，清算壓力減緩                              │
│ 18:00  │ 市場穩定，單日清算規模創歷史記錄                        │
└────────┴───────────────────────────────────────────────────────┘

2.4 各協議清算觸發門檻分析

2.5 清算事件技術分析

清算觸發條件量化模型：

# 健康因子計算模型
class HealthFactorCalculator:
    def __init__(self, protocol_config):
        self.liquidation_threshold = protocol_config['lt']
        self.liquidation_bonus = protocol_config['bonus']
    
    def calculate_health_factor(
        self,
        collateral_value: float,      # 抵押品價值 (USD)
        collateral_amount: float,      # 抵押品數量
        collateral_price: float,       # 抵押品價格
        debt_value: float,             # 債務價值 (USD)
        debt_amount: float,            # 債務數量
        debt_price: float,             # 債務資產價格
        rate: float = 0.03             # 借款利率
    ) -> dict:
        """
        計算健康因子及清算條件
        """
        # 計算總抵押品價值
        total_collateral_usd = collateral_amount * collateral_price
        
        # 計算清算門檻價值（扣除清算折扣）
        liquidation_collateral = (
            total_collateral_usd * self.liquidation_threshold
        )
        
        # 計算債務價值（含利息）
        total_debt_usd = debt_amount * debt_price * (1 + rate)
        
        # 健康因子計算
        if total_debt_usd == 0:
            health_factor = float('inf')
        else:
            health_factor = liquidation_collateral / total_debt_usd
        
        # 清算觸發判斷
        is_liquidatable = health_factor < 1.0
        
        # 清算者利潤計算
        if is_liquidatable:
            # 清算者以折扣購買抵押品
            discounted_collateral = total_collateral_usd * (1 - self.liquidation_bonus)
            # 清算者利潤 = 折扣金額 - 債務清償成本
            liquidation_profit = discounted_collateral - total_debt_usd
            profit_percentage = (liquidation_profit / total_debt_usd) * 100
        else:
            liquidation_profit = 0
            profit_percentage = 0
        
        return {
            'health_factor': health_factor,
            'is_liquidatable': is_liquidatable,
            'liquidation_threshold': self.liquidation_threshold,
            'collateral_value': total_collateral_usd,
            'debt_value': total_debt_usd,
            'liquidation_bonus': self.liquidation_bonus,
            'liquidation_profit': liquidation_profit,
            'profit_percentage': profit_percentage
        }

# 示例：Aave V3 ETH 抵押品清算分析
aave_config = {
    'lt': 0.825,      # ETH 的清算門檻 82.5%
    'bonus': 0.075    # 清算者獎勵 7.5%
}

calculator = HealthFactorCalculator(aave_config)

# 假設用戶存入 10 ETH（@ $3,000），借款 15,000 USDC
result = calculator.calculate_health_factor(
    collateral_value=30000,
    collateral_amount=10,
    collateral_price=3000,
    debt_value=15000,
    debt_amount=15000,
    debt_price=1,
    rate=0.02
)

print(f"健康因子: {result['health_factor']:.4f}")
print(f"可清算: {result['is_liquidatable']}")
print(f"清算利潤: ${result['liquidation_profit']:.2f} ({result['profit_percentage']:.2f}%)")

三、TVL 歷史流失率比較

3.1 主要 DeFi 協議 TVL 演變（2021-2026）

TVL 演變趨勢圖（十億美元）：
┌────────────────────────────────────────────────────────────────────────┐
│                    主要 DeFi 協議 TVL 演變                              │
├────────────────────────────────────────────────────────────────────────┤
│                                                                        │
│  2021/01 ████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ │
│           ETH: $6.2B  USDT: $2.1B  USDC: $1.8B                        │
│                                                                        │
│  2022/01 ████████████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ │
│           TVL 巔峰: $45.2B                                             │
│                                                                        │
│  2022/11 ████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ │
│           FTX 崩潰後: $21.3B  (-52.9%)                                │
│                                                                        │
│  2023/01 █████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ │
│           市場復甦: $38.5B                                             │
│                                                                        │
│  2024/01 ████████████████████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ │
│           ETF 批准效應: $72.8B                                         │
│                                                                        │
│  2025/01 ████████████████████████████████████████████░░░░░░░░░░░░░░░ │
│           TVL 新高: $98.5B                                             │
│                                                                        │
│  2026/03 █████████████████████████████████████░░░░░░░░░░░░░░░░░░░░░░ │
│           當前: $85.2B                                                  │
│                                                                        │
└────────────────────────────────────────────────────────────────────────┘

3.2 各協議 TVL 流失率分析

Aave TVL 流失率統計

Aave TVL 流失率量化公式：

def calculate_tvl_drop_rate(tvl_start, tvl_low, tvl_end, days_to_bottom, days_to_recover):
    """
    計算 TVL 流失率指標
    
    參數:
    - tvl_start: 事件前 TVL
    - tvl_low: 最低 TVL
    - tvl_end: 恢復後 TVL
    - days_to_bottom: 到達最低天數
    - days_to_recover: 完全恢復天數
    """
    # 峰值流失率
    peak_drop = (tvl_start - tvl_low) / tvl_start
    
    # 流失速度 (每天流失率)
    drop_speed = peak_drop / days_to_bottom
    
    # 恢復斜率
    if days_to_recover > days_to_bottom:
        recovery_rate = (tvl_end - tvl_low) / (days_to_recover - days_to_bottom)
        recovery_speed = (tvl_end - tvl_low) / tvl_start / (days_to_recover - days_to_bottom)
    else:
        recovery_rate = 0
        recovery_speed = 0
    
    # 永久流失率（用戶未回流比例）
    permanent_loss = (tvl_start - tvl_end) / tvl_start
    
    return {
        'peak_drop_rate': peak_drop,
        'drop_speed_per_day': drop_speed,
        'recovery_rate': recovery_rate,
        'recovery_speed_per_day': recovery_speed,
        'permanent_loss_rate': permanent_loss,
        'days_to_bottom': days_to_bottom,
        'days_to_recover': days_to_recover
    }

# 示例：2022/11 FTX 崩潰對 Aave 的影響
aave_ftx_impact = calculate_tvl_drop_rate(
    tvl_start=15.6e9,
    tvl_low=8.9e9,
    tvl_end=12.1e9,
    days_to_bottom=14,
    days_to_recover=90
)

print(f"峰值流失率: {aave_ftx_impact['peak_drop_rate']*100:.2f}%")
print(f"流失速度: {aave_ftx_impact['drop_speed_per_day']*100:.2f}%/天")
print(f"恢復速度: {aave_ftx_impact['recovery_speed_per_day']*100:.2f}%/天")
print(f"永久流失率: {aave_ftx_impact['permanent_loss_rate']*100:.2f}%")

MakerDAO TVL 流失率統計

Compound TVL 流失率統計

3.3 TVL 流失率綜合比較

TVL 流失率比較圖（2022/11 FTX 事件）：

         Aave     MakerDAO   Compound   Uniswap
         ████      ██████     ████       ███
峰值流失  42.9%     41.6%     37.5%      28.3%
         ████      █████     ███        ██
永久流失  22.4%     29.2%     15.3%       8.7%
         ██        ████      ██         █
恢復速度  4.2%/天   2.8%/天   3.6%/天    5.2%/天

3.4 TVL 流失率風險模型

# TVL 流失率風險評估模型
class TVLLossRiskModel:
    def __init__(self):
        self.protocol_baseline = {
            'aave': {'avg_drop': 0.35, 'avg_recovery': 0.65},
            'makerdao': {'avg_drop': 0.33, 'avg_recovery': 0.55},
            'compound': {'avg_drop': 0.34, 'avg_recovery': 0.70},
            'uniswap': {'avg_drop': 0.25, 'avg_recovery': 0.85}
        }
        
        self.event_multipliers = {
            'market_crash': 1.5,      # 市場崩盤
            'stablecoin_depeg': 2.0,  # 穩定幣脫鉤
            'exchange_collapse': 1.8, # 交易所倒閉
            'protocol_hack': 2.5,       # 協議被黑
            'regulatory': 1.3          # 監管事件
        }
    
    def estimate_tvl_impact(
        self,
        protocol: str,
        event_type: str,
        current_tvl: float,
        confidence: float = 0.8
    ) -> dict:
        """
        估計特定事件對 TVL 的影響
        """
        baseline = self.protocol_baseline.get(protocol, {'avg_drop': 0.30, 'avg_recovery': 0.60})
        multiplier = self.event_multipliers.get(event_type, 1.0)
        
        # 調整後的流失率
        adjusted_drop = baseline['avg_drop'] * multiplier
        
        # 估計流失量
        estimated_loss = current_tvl * adjusted_drop
        
        # 估計恢復後 TVL
        estimated_recovery = baseline['avg_recovery']
        estimated_final_tvl = current_tvl * (1 - adjusted_drop * (1 - estimated_recovery))
        
        # 計算 VaR (Value at Risk)
        # 使用歷史波動率估計
        volatility = adjusted_drop * (1 - confidence)
        var_95 = current_tvl * volatility
        
        return {
            'protocol': protocol,
            'event_type': event_type,
            'current_tvl': current_tvl,
            'estimated_peak_drop': adjusted_drop,
            'estimated_loss': estimated_loss,
            'estimated_final_tvl': estimated_final_tvl,
            'var_95': var_95,
            'confidence': confidence
        }

# 使用示例
model = TVLLossRiskModel()

# 估計 FTX 崩潰對 Aave 的影響
result = model.estimate_tvl_impact(
    protocol='aave',
    event_type='exchange_collapse',
    current_tvl=15.6e9,
    confidence=0.8
)

print(f"估計峰值流失率: {result['estimated_peak_drop']*100:.2f}%")
print(f"估計損失金額: ${result['estimated_loss']/1e9:.2f}B")
print(f"估計最終 TVL: ${result['estimated_final_tvl']/1e9:.2f}B")
print(f"95% VaR: ${result['var_95']/1e9:.2f}B")

四、攻擊技術分類統計

4.1 智慧合約漏洞類型分佈

4.2 跨鏈橋攻擊統計

跨鏈橋攻擊統計（2021-2026）：
┌────────────────────────────────────────────────────────────────────────┐
│                        跨鏈橋攻擊事件                                  │
├────────────────────────────────────────────────────────────────────────┤
│                                                                        │
│  2021 ████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ │
│       Poly Network: $611M                                              │
│                                                                        │
│  2022 ██████████████████████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ │
│       Ronin: $625M, Wormhole: $320M, Nomad: $190M, Harmony: $100M    │
│                                                                        │
│  2023 ████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ │
│       Multichain: $130M, HTX: $30M                                     │
│                                                                        │
│  2024 ██████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ │
│       Various bridge exploits: ~$95M                                    │
│                                                                        │
│  2025 ████████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ │
│       Multiple incidents: ~$180M                                        │
│                                                                        │
│  2026 Q1 ████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ │
│          Limited incidents: ~$25M                                       │
│                                                                        │
│  累計跨鏈橋損失: $4.85B                                                │
│                                                                        │
└────────────────────────────────────────────────────────────────────────┘

4.3 攻擊者獲利途徑分析

4.4 攻擊者資金追蹤成功率

資金追蹤與回收統計：
┌────────────────────────────────────────────────────────────────────────┐
│                        資金追蹤與回收率                                 │
├────────────────────────────────────────────────────────────────────────┤
│                                                                        │
│  總被盜金額: $10.78B                                                    │
│                                                                        │
│  完全追蹤:  ████████████████████████████░░░░░░░░░░░░░░░░  78.5% ($8.47B)│
│                                                                        │
│  部分回收:  ████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░  8.2% ($884M) │
│                                                                        │
│  未追蹤:    ██░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░  6.8% ($733M)│
│                                                                        │
│  凍結/扣押: ██░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░  4.5% ($485M)│
│                                                                        │
│  最終損失:  ████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ 13.3% ($1.44B)│
│                                                                        │
└────────────────────────────────────────────────────────────────────────┘

五、結論與風險量化框架

5.1 關鍵風險指標總結

DeFi 風險量化指標儀表板：
┌────────────────────────────────────────────────────────────────────────┐
│                        關鍵風險指標                                     │
├────────────────────────────────────────────────────────────────────────┤
│                                                                        │
│  攻擊風險                                                               │
│  ├── 平均攻擊頻率: 48 起/年                                            │
│  ├── 平均單次損失: $35.9M                                             │
│  ├── 高風險協議數: 12 (TVL > $500M)                                    │
│  └── 跨鏈橋風險權重: 45% (損失佔比)                                    │
│                                                                        │
│  清算風險                                                               │
│  ├── 年均清算規模: $8.5B                                              │
│  ├── 單日最大清算: $890M (2024/08/05)                                 │
│  ├── 平均清算觸發率: 0.8%                                              │
│  └── 清算速度: 15 分鐘內完成                                          │
│                                                                        │
│  TVL 流失風險                                                           │
│  ├── 平均事件流失率: 32.5%                                             │
│  ├── 平均恢復率: 62.5%                                                 │
│  ├── 永久流失率: 18.5%                                                 │
│  └── 完全恢復時間: 45-90 天                                            │
│                                                                        │
│  資金回收                                                               │
│  ├── 追蹤成功率: 78.5%                                                 │
│  ├── 回收率: 13.3%                                                     │
│  └── 最終損失: $1.44B (13.3%)                                          │
│                                                                        │
└────────────────────────────────────────────────────────────────────────┘

5.2 風險量化公式彙總

# DeFi 風險量化公式集

class DeFiRiskMetrics:
    """DeFi 風險量化指標計算"""
    
    @staticmethod
    def expected_loss(
        event_probability: float,
        average_loss: float,
        total_exposure: float
    ) -> float:
        """
        預期損失計算
        EL = P(事件) × L(損失) × E(風險暴露)
        """
        return event_probability * average_loss * total_exposure
    
    @staticmethod
    def var_confidence(
        returns: list,
        confidence: float = 0.95
    ) -> float:
        """
        Value at Risk 計算
        VaR = percentile(returns, (1 - confidence))
        """
        import numpy as np
        return np.percentile(returns, (1 - confidence) * 100)
    
    @staticmethod
    def liquidation_probability(
        health_factor: float,
        volatility: float,
        time_horizon: int
    ) -> float:
        """
        清算概率估算
        簡化模型：假設健康因子服從幾何布朗運動
        """
        import math
        from scipy import stats
        
        # 標準差
        sigma = volatility * math.sqrt(time_horizon)
        
        # 清算閾值
        threshold = 1.0
        
        # 清算概率 (標準正態分佈累積函數)
        d2 = (math.log(health_factor) - math.log(threshold)) / sigma
        prob = stats.norm.cdf(d2)
        
        return prob
    
    @staticmethod
    def tvl_concentration_risk(
        protocol_tvl: float,
        total_tvl: float,
        herfindahl_index: float
    ) -> dict:
        """
        TVL 集中度風險
        HHI = Σ(market_share_i²)
        """
        market_share = protocol_tvl / total_tvl
        hhi_contribution = market_share ** 2
        
        return {
            'market_share': market_share,
            'hhi_contribution': hhi_contribution,
            'herfindahl_index': herfindahl_index,
            'concentration_risk': 'high' if herfindahl_index > 0.25 else 'medium' if herfindahl_index > 0.15 else 'low'
        }

# 使用示例
metrics = DeFiRiskMetrics()

# 計算某協議的預期年度損失
expected_annual_loss = metrics.expected_loss(
    event_probability=0.15,  # 15% 年度事件概率
    average_loss=35_000_000,  # 平均損失 $35M
    total_exposure=1_000_000_000  # 風險暴露 $1B
)

print(f"預期年度損失: ${expected_annual_loss/1e6:.2f}M")

# 計算清算概率
liquidation_prob = metrics.liquidation_probability(
    health_factor=1.35,
    volatility=0.03,  # 日波動率 3%
    time_horizon=30    # 30 天
)

print(f"30 天清算概率: {liquidation_prob*100:.2f}%")

免責聲明： 本網站內容僅供教育與資訊目的，不構成任何投資建議或推薦。所有量化數據基於公開資料整理，實際數據可能存在偏差。在進行任何 DeFi 操作前，請自行研究並諮詢專業人士意見。

數據截止日期： 2026-03-24

數據來源：

1. DeFi Llama TVL 數據
2. Dune Analytics 儀表板
3. Rekt DAO 攻擊資料庫
4. Chainalysis 區塊鏈分析報告
5. 各協議官方公告
6. 區塊鏈瀏覽器交易記錄