详解现实世界资产(RWAs)

news2024/11/25 16:00:37

区块链中的现实世界资产(RWAs)是代表实际和传统金融资产的数字通证,如货币、大宗商品、股票和债券。

实际世界资产(RWA)的通证化是区块链行业中最大的市场机会之一,潜在市场规模可达数万万亿美元。理论上,任何有价值的东西都可以被通证化并上链。

这就是为什么通证化的RWAs是数字资产行业中一个不断增长的市场领域,越来越多的项目试图通证化各种资产,包括现金、大宗商品、房地产等等。

在本文中,我们将解释什么是通证化的RWAs,它们是如何创建的,以及Chainlink是唯一可以提供满足通证化资产要求的综合解决方案的平台。

什么是现实世界资产(RWAs)?

通证化的现实世界资产(RWAs)是基于区块链的数字通证,代表着实际和传统金融资产,如现金、大宗商品、股票、债券、信用、艺术品和知识产权。RWAs的通证化标志着这些资产被访问、交换和管理的形式发生了重大变革,为区块链驱动的金融服务以及由密码学和去中心化共识支持的各种非金融用例提供了一系列新机会。

资产通证化是区块链技术最有前景的用例之一,其潜在市场规模几乎涵盖了人类所有经济活动。未来的金融将在链上进行,可能会在一个由区块链和分布式账本技术网络组成的通用互操作性标准连接的共同基础上,支持数万亿美元的通证化RWAs的数百个区块链上运行。

rwa-2.webp
Chainlink CCIP为各种链上环境提供了互操作性。

通证化现实世界资产

通证化现实世界资产涉及将资产的所有权权益表示为链上通证。在这个过程中,会创建基础资产的数字表示,使资产的所有权权益能够在链上进行管理,并有助于弥合实物资产和数字资产之间的差距。

通证化资产比传统资产具有更高的流动性、更广泛的访问、透明的链上管理和减少的交易摩擦。在金融资产的情况下,RWAs的通证化还将分发、交易、结算和保管等过程整合到一个单一层中,实现了更加流畅的链上金融体系,减少了交易对手风险,资本可以更有效地动员。

如何通证化现实世界资产

通证化现实世界资产的高级过程涉及以下几个步骤:

  • 资产选择:确定要通证化的现实世界资产。
  • 通证规格:确定通证的类型(可互换或不可互换)、要使用的通证标准(如ERC20或ERC721)以及通证的其他基本方面。
  • 区块链选择:选择发行通证的公共或私有区块链网络。集成Chainlink跨链互操作性协议(CCIP)有助于使通证化的RWA在任何区块链上可用。
  • 链下连接:大多数通证化资产需要来自安全可靠的Chainlink预言机的高质量链下数据。使用验证服务,如行业标准的Chainlink储备证明(PoR),来验证支持RWA通证的资产对于维护用户的透明度至关重要。
  • 发行:在选择的网络上部署智能合约,铸造通证,并使其可供使用。

DeFi中的现实世界资产

通证化的现实世界资产有潜力从根本上改变去中心化金融的格局。从许多方面来看,DeFi充当了一个概念验证,证明了在链上金融作为促进金融和经济活动的卓越技术层面方面的优越性。然而,绝大多数资产都在区块链生态系统之外,但它们可以从这项技术的优势中受益。这就是为什么通证化的现实世界资产对于通过让当前不在区块链生态系统中的绝大多数资产与区块链联系起来,使数字资产行业增长数倍具有关键作用。

使当前不在数字资产生态系统之外的资产能够与区块链联系起来,将创建一个具有更好流动性条件、更加透明、降低系统性风险的金融体系,并提供不受利益冲突干扰的基础设施,使更加公平的环境成为可能,少数人不能操控系统以谋取自己的利益。

根据DefiLlama的数据,通证化的现实世界资产一直是DeFi生态系统的增长部分,截至2023年12月,RWA的总锁定价值约为50亿美元。

现实世界资产还可以帮助启用新型金融产品。例如,MakerDAO是根据总锁定价值而言最大的DeFi协议之一,它使用各种现实世界资产作为抵押品,以抵押稳定币DAI,这代表了一种使用传统资产和基于区块链的资产和技术来创建新金融资产的新方式。

通证化现实世界资产的优势

通证化的现实世界资产提供了许多优势,包括:

  • 流动性:通过在一个统一的底层结构上启用全球可访问的流动性条件——由Chainlink CCIP支持的跨链活动的区块链生态系统,通证化的现实世界资产为传统上流动性不足的资产提供了增加的市场流动性。
  • 透明度:由于通证化资产在链上表示,因此可以确保透明度和可审计的资产管理,从而降低了整体系统风险,因为可以更准确地确定整个系统中的杠杆和风险程度。
  • 可访问性:通证化的现实世界资产可以通过基于区块链的应用程序提供更容易的访问,并允许更广泛的用户群体通过分数所有权来利用他们在其他情况下无法获得的资产。

应对RWA通证化的风险

通证化的现实世界资产也存在一些风险,主要涉及到实物资产的托管,必须可靠地进行,以及与外部世界的连接。此外,智能合约存在漏洞和弱点的可能性。最后,仅仅发行资产是不够的,还必须有良好的市场流动性或需求,才能使其蓬勃发展。

Chainlink平台在通证化的现实世界资产中的角色

作为一个去中心化的的计算平台,已经为交易价值数万亿美元提供了支持,Chainlink是唯一一个可以解决通证化的现实世界资产的所有要求的完整功能平台,同时保持了金融机构和资本市场所需的高级别安全性。

要实现区块链金融的全部好处,通证化的现实世界资产需要具备三个关键能力。它们必须能够:

  1. 与现实世界的信息相结合。
  2. 安全地在不同区块链之间传输。
  3. 无论被移动到哪个区块链,都能连接到链下数据。

rwa-1.png
Chainlink为通证化的现实世界资产提供了关于该资产的数据点,无论该资产被转移到哪个区块链上。

通过将数十亿的数据点引入区块链,Chainlink服务已成为丰富现实世界资产的链下数据的行业标准。其中一些服务包括:

  • Proof of Reserve(PoR)——PoR是一种自主、可靠和及时的验证方法,使用户、资产发行者和区块链上的应用程序能够监控支持通证化的现实世界资产的跨链或链下储备。这为他们提供了增强的透明度,并使得可以实施断路器,以保护用户,如果链下资产的价值与链上通证化的资产相背离。
  • 身份验证——建立安全的区块链身份系统对于银行、资产管理公司及其客户能够相互交易至关重要。DECO是一种隐私保护的预言机协议,正在开发中,它利用零知识技术,使机构和个人能够证明资产的来历并验证通证化的现实世界资产的所有权,而不需要向第三方披露个人信息。
  • 数据流(data feed)和数据源(data stream)——用户可以为基于区块链的市场提供安全且去中心化的金融市场数据,包括商品、股票、外汇、指数、经济数据、企业财务、加密货币等等。
  • Functions——任何链下事件或数据都可以在链上同步或发布,例如持仓交收说明、公司行动、代理投票、ESG数据、股息和利息以及资产净值。

一旦通证化的现实世界资产得到了丰富的现实世界数据,它们需要能够在不同区块链之间移动,并随着移动保持所有相关信息的更新,如价格、身份和储备价值。因此,需要一个安全的解决方案,提供了既能够与链下数据连接,又能够实现不同区块链之间的互操作性的解决方案,适用于各种公共和私有区块链。Chainlink是解决这个问题的平台,提供了涵盖链下数据连接和跨链互操作性的互补服务,同时保持了机构和资本市场所需的高度安全保障。

这就是为什么一些全球最大的银行和金融市场基础设施正在探索Chainlink平台在各种区块链和通证化用例中的能力:

  • Swift,连接11,000多家银行的标准消息网络,与Chainlink以及10多家大型金融机构合作,包括Euroclear、Clearstream、BNP Paribas、BNY Mellon和花旗银行,演示了使用Chainlink CCIP连接多个区块链的安全可扩展方式。
  • DTCC,每年处理2+千万亿美元的全球最大证券结算系统,正在与Chainlink合作将资本市场引入区块链。
  • 澳大利亚领先的银行ANZ Bank,资产管理规模超过1万亿美元,利用Chainlink CCIP演示了跨货币、跨链购买通证化资产。
  • 总部位于香港的金融机构ARTA TechFin正在使用Chainlink的分布式计算平台为公司的通证化基金解锁关键功能。
    Chainlink还是Web3生态系统中通证化现实世界资产的领先平台,支持Backed、Brickken、Matrixport、Poundtoken和TUSD等项目。

现实世界资产的通证化为金融重新平台化提供了巨大的机会,使其成为一个更加安全、透明和高效的后端基础设施堆栈,解决了传统金融基础设施所涉及的关键利益冲突和风险管理挑战。支持这一转变的是Chainlink平台,它提供了安全、可靠和高性能的服务,从而释放了资产的未来。

要了解更多信息,请访问chain.link,订阅Chainlink通讯,关注Chainlink的Twitter、YouTube和Reddit。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1332729.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【Pytorch】学习记录分享7——PyTorch数据增强/经典网络架构训练图像分类模型

【Pytorch】学习记录分享7——PyTorch 1. 数据增强、transform 模块数据预处理部分:网络模块设置:网络模型保存与测试 2. 迁移学习3. 参考pytorch官网例子 1. 数据增强、transform 模块 数据预处理部分: 数据增强:torchvision中…

MySQL高级应用-2

MySQL高级应用-2 1事务应用场景:以上三个场景的共同点是什么?事务的概念:事务特性ACIDMySQL事务控制实例演示示例 1示例 2 拓展:事务的隔离级别作用JAVA处理事务-模拟转账 2 自定义变量用户变量示例:局部变量示例 3 流程控制结构分…

JavaWeb笔记之WEB项目

一. 版本控制 版本控制是指对软件开发过程中各种程序代码、配置文件及说明文档等文件变更的管理,是软件配置管理的核心思想之一。 版本控制最主要的功能就是追踪文件的变更。它将什么时候、什么人更改了文件的什么内容等信息忠实地了记录下来。每一次文件的改变&a…

C# SqlSugar 数据库 T4模板

生成效果 模板代码 <# template debug"false" hostspecific"true" language"C#" #> <# output extension".cs" #> <# assembly name"System.Core" #> <# assembly name"System.Data" #>…

Ubuntu 22.04.3 Server通过修改yaml配置文件方法设置静态IP

目录 1.查看网卡信息 2.修改yaml配置文件 3.应用新的网络配置 4.重新启动网络服务 文章内容 本文介绍Ubuntu 22.04.3 Server系统通过修改yaml配置文件配置静态 ip 的方法。 1.查看网卡信息 使用ifconfig命令查看网卡信息获取网卡名称​ 如果出现Command ifconfig not fo…

41 sysfs 文件系统

前言 在 linux 中常见的文件系统 有很多, 如下 基于磁盘的文件系统, ext2, ext3, ext4, xfs, btrfs, jfs, ntfs 内存文件系统, procfs, sysfs, tmpfs, squashfs, debugfs 闪存文件系统, ubifs, jffs2, yaffs 文件系统这一套体系在 linux 有一层 vfs 抽象, 用户程序不用…

【眼镜】相关知识

眼镜相关 配眼镜可以事先了解的事情&#xff1a; 折射率&#xff1a;先说结论&#xff0c;高度数可以考虑选高折射率&#xff0c;低度数没必要。 折射率&#xff1a;1.50折射率 1.56折射率 1.60折射率 1.67折射率 1.71折射率 1.74折射率. 折射率越高&#xff0c;镜片越薄&a…

C语言--if...else语句【语法讲解】

一.if...else语句的介绍 if…else 语句是编程中常用的一种分支语句&#xff0c;用于根据条件执行不同的操作。 它的基本语法如下&#xff1a; if (条件表达式) {// 当条件表达式为真时执行的代码块 } else {// 当条件表达式为假时执行的代码块 } 当条件表达式为真时&#xff…

PWM/PFM 自动切换升压型转换器系统(一)

通过对芯片整体设计要求的考虑&#xff0c;搭建全负载高效率升压型 DC-DC 转换器的整体系 统框架&#xff0c;对系统的工作过程和模块电路的功能进行简要阐述&#xff0c;对外围电路的选取进行准确计 算&#xff0c;分析系统的损耗来源&#xff0c;实现高效率的设计目标。 芯片…

电商数仓项目----笔记七(数仓DIM层)

所谓的维度层其实就是分析数据的角度&#xff0c;维度层保存的表其实是分析数据的角度&#xff0c;比如&#xff1a; --性别&#xff0c;年龄&#xff0c;品牌&#xff0c;品类 这层的表主要用于统计分析&#xff0c;因此DIM层的数据存储格式为orc列式存储snappy压缩&#xff…

细粒度语义对齐

抽象 大规模的视觉语言预训练在广泛的下游任务中显示出令人印象深刻的进展。现有方法主要通过图像和文本的全局表示的相似性或对图像和文本特征的高级跨模态关注来模拟跨模态对齐。然而&#xff0c;他们未能明确学习视觉区域和文本短语之间的细粒度语义对齐&#xff0c;因为只有…

Spring系列学习一、Spring框架的概论

Spring框架的概论 一、 Spring框架的起源与历史二、 Spring框架的核心理念与特点三、 Spring与其他框架的对比1、首先介绍下Spring与其平替的EJB的对比&#xff1a;2、接下来介绍下Spring与基于Java EE原生技术的对比3、Spring与Hibernate的对比4、Spring与Struts的对比 四、Sp…

docker的基本管理和相关概念

docker的基本管理和概念 docker&#xff1a;开源的应用容器引擎。基于go语言开发的。运行在linux系统当中的开源的&#xff0c;轻量级的“虚拟机” docker的容器技术可以在一台主机上轻松的为任何应用创建一个轻量级的&#xff0c;可移植的&#xff0c;自给自足的容器 docke…

计算机网络——数据链路层(三)

前言: 前面我们已经对计算机网络的物理层有了一个大概的了解&#xff0c;今天我们学习的是物理层服务的上一层数据链路层&#xff0c;位于物理层和网络层之间。数据链路层在物理层提供的服务的基础上向网络层提供服务&#xff0c;其最基本的服务是将源自物理层来的数据可靠地传…

RabbmitMQ基础

RabbmitMQ基础 1.1 什么是MQ MQ(Message Queue)&#xff0c;从字面意思看&#xff0c;本质是个队列&#xff0c;FIFO先入先出&#xff0c;队列中存放的是message。是一种跨进程的通信机制&#xff0c;用于上下游传递消息。在互联网架构中&#xff0c;MQ是一种非常常见的上下游…

DDS深度揭秘:数字音乐的心灵密码

嗨&#xff0c;音乐奇迹的探索者们&#xff01;今天&#xff0c;我们将揭开音乐数字化的神秘面纱&#xff0c;深入探讨Direct Digital Synthesis&#xff08;DDS&#xff09;这项数字音乐技术。别担心&#xff0c;我们将用通俗易懂的语言为你解析DDS是什么、它是如何工作的&…

零基础学人工智能:TensorFlow 入门例子

识别手写图片 因为这个例子是 TensorFlow 官方的例子&#xff0c;不会说的太详细&#xff0c;会加入了一点个人的理解&#xff0c;因为TensorFlow提供了各种工具和库&#xff0c;帮助开发人员构建和训练基于神经网络的模型。TensorFlow 中最重要的概念是张量&#xff08;Tenso…

【论文解读】3D视觉标定的显式文本解耦和密集对齐(CVPR 2023)

来源&#xff1a;投稿 作者&#xff1a;橡皮 编辑&#xff1a;学姐 论文链接&#xff1a;https://arxiv.org/abs/2209.14941 开源代码&#xff1a;https://github.com/yanmin-wu/EDA 图1所示。文本解耦&#xff0c;密集对齐的3D视觉标定。文本中的不同颜色对应不同的解耦分量。…

Pinely Round 3 (Div. 1 + Div. 2) E. Multiple Lamps(思维题 暴力 补写法)

题目 n(n<2e5)盏灯&#xff0c;编号1到n&#xff0c;一开始全是熄灭的 n个开关&#xff0c;第i个控制着所有i的倍数&#xff0c;按下i的时候&#xff0c;i、2i、...这些灯的状态会被翻转&#xff0c; m(m<2e5)个限制&#xff0c;第j条限制形如uj,vj&#xff0c;表示uj…

智能优化算法应用:基于向量加权平均算法3D无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用&#xff1a;基于向量加权平均算法3D无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用&#xff1a;基于向量加权平均算法3D无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.向量加权平均算法4.实验参数设定…