孟岩:简述 Web3 世界的资产负债表_MAKE:maker币终极计划

原文标题:Web3中的资产负债表

来源:孟岩的区块链思考

作者:孟岩,Solv创始人

在一个新领域中学习,一个非常大的难点是需要找到一套高效的思考框架和交流语言。Web3涉及到很多通证经济和金融相关的议题,在相关讨论中,资产负债表是非常有用的工具,不仅可以帮你厘清思路,看清楚事情的本质,还能提高交流效率,甚至可以帮助你发现新的创新机会。我本人就从中获益匪浅。不过在实践中,我感到了解这个工具并且能够主动使用它分析问题的同业人士并不多,颇感惋惜,因此撰文予以介绍和提倡。此外,在本公众号后续的Web3、通证经济和货币经济讨论文章中,也需要经常使用这个工具,所以本文也算是一篇参考文档,以后可以经常引用。

资产负债表的基础知识

资产负债表是企业财会的基本工具,也是“三大报表”或者“四大报表”之中最基础的那个。在传统商业中,初级管理者一般更关心利润表,而银行家、投资人和老练的高管则更关心资产负债表。而讨论货币经济的时候,读懂央行以及商业银行的资产负债表是一个基本功和起点。事实上,Web3学习者将逐渐发现,讨论Web3时使用的资产负债表,与企业资产负债表差别比较大,而与宏观经济会计中的资产负债表更加相似。而DeFi研究中使用的资产负债表,则与银行资产负债表颇为相通。因此,我认为解读和使用资产负债表应该成为Web3从业者的一项基本功。

早在2017年学习货币经济学的时候,我就意识到这个工具对于讨论通证经济非常有用。但因为我本人并非经济财会专业出身,从未系统深入学习过财会知识,因此只是把最基本资产负债表当成分析通证经济的一个工具。实际上,传统财会知识当中还有很多有价值的内容,包括一些估计、假设和调整的技巧,是值得被借鉴到通证经济中的。但我对于这些知识的了解是非常肤浅的,还需要根据实际需求不断补课。这里只是在我的理解范围内介绍一些最基本的知识点,目的是为了给后面的讨论打一个基础。

资产负债表反映的是在某一个特定时间,企业资产、负债和权益状态。它长成这个样子:

图1.传统企业的资产负债表示意图

观察这张图,我们可以得到有关资产负债表的几个要点:

1.资产负债表分为左右两个部分,左边是资产,右边是负债和权益,中间用一道竖线分隔开,因此也称为“T型表”;

2.存在恒等式:资产=负债+权益。也就是说,资产负债表左右侧累加起来数值应该完全相等,是平衡的。这是资产负债表最重要的特点,也是为什么在英文里它被称为balancesheet的原因;

3.正常情况下,一个企业的权益应该为正值,如果权益为负值,也就是说,资产<负债,企业资不抵债,那么就陷入了偿付性危机;

4.资产端大致可分为高流动性资产与低流动性资产,一般从上到下排列;

5.负债也分为短期债务和长期债务,也是从上到下排列。企业要格外关心短期债务,确保在资产端由足够的现金及现金等价物备付债务,否则将陷入流动性危机;

6.权益是企业的真正的财富净值,毫无疑问,根据第2点,权益=资产-负债。

其实资产负债表的基础知识就这么一点点,普通人几分钟就能学会。但在传统财务中,还要花很多时间来学习一些复杂概念,特别是如何将复杂的实际业务装进会计规则当中,比如说在资产端的无形资产如何分类、估值和处理,以及分辨“所有者权益”与“权益”的概念差异等等。这些内容对于Web3数字资产的研究,短期内没有多大价值。相反,真正应该花功夫探讨的是如何将不同种类的数字资产表达在资产负债表中。

数字资产主要出现在左端。由于其形态丰富,并且不断出现新的品类,很难完全列举。本着自上向下,流动性越来越低的原则,我们可以把当前主要的数字资产这样安排:

图2.数字资产的排列方式

图2可能是某一个以纯数字化DAO组织的资产负债表的样貌。我们后续的探讨可以以此为一个出发点。

此外,还有一些拓展性的工具非常重要。

增量平衡表

实践中常用的一个拓展工具是增量平衡表,它描述一笔交易对于资产负债表的影响。在增量平衡表中,我们只列出当前这笔交易影响到的那些项,而不影响的那些项则不列出。这种方式不但突出了问题,而且简化了图表绘制,随手就可以使用,更加便于交流。

举一个例子,一个用户把自己价值1万美元的BTC出售,兑换为1万美元USDC。这个交易只影响该用户BTC和USDC的数量,不影响其他资产和负债项,因此表达为增量平衡表,其他项目不列出,只需要把BTC和USDC的增减表达出来即可:

图3.出售BTC交易的增量平衡表

再举一个例子,假设在一个ETH价值2,000美元的时候,一个用户借入4万USDC和等值的20个ETH用于做市,增量平衡表显示如下:

图4.接入资金用于做市

假设过了一段时间,他做市获得收入1,000USDC和0.5个ETH,但同时累计的未支付利息达到700USDC和0.3个ETH,与此同时ETH价格上涨至$2,500,则增量平衡表显示如下:

图5.做市产生利润

通过以上几个例子可以看出,由于平衡表始终是平衡的,因此一笔交易所产生的影响,也是平衡的,一个交易在资产负债表里引发的数量变化也必须是左右平衡,要么是资产或负债端的增减抵消,要么是两侧同时增加或减少。

在实践当中,增量平衡表远比完整的资产负债表常用得多。

联合增量平衡表

交易是发生在多个主体之间的,在很多情况下,我们还要关心交易对其他相关主体资产负债表的影响。这个时候,我们将相关的两个甚至更多的主体的增量平衡表放在一起,可以对交易的性质和影响有着更加清晰的认识。

例如,在图3的例子中,如果我们把交易对手方的增量平衡表与该用户并列,则可以得到以下的联合增量平衡表:

图6.比特币交易的联合增量平衡表

实践当中经常将相对应的变动项连线,表明“它们是同一笔钱”。比如上面的例子可以连线如下:

图7.添加了连线的联合增量平衡表

很多时候,我们并不关心资产的数量,而是定性地研究交易涉及到各主体资产负债关系变化,这种时候,可以忽略数字。例如,假设张三将若干ETH抵押到Compound里那里,借出USDC,然后从李四那里购买了一个NFT。假设我们不关心此次交易的具体金额,只是定性分析,那么联合增量平衡表如下:

图8.抵押借贷购买NFT的联合增量平衡表

上面这个表展现了联合增量平衡表在描述交易方面的能力,将资金的出出、资产的去处描述得非常清楚。如果添加连线,能够看得更加清楚。

图9.添加部分连线的联合增量平衡表

在联合表里,每一项增量,都要有对应的项。例如,某一方的某项资产增加了,那么必然对应着另一方资产项的减少,或者负债项的增加。这是使用联合表的基本原则。

以上就是资产负债表的基本内容。当然这里只是举了一些最简单的例子。实际上,活用资产负债表可以描述很多复杂的场景,也帮助我们解决很多复杂的问题。

基于资产负债表研究问题的优势

很多人会质疑,一买一卖,或者抵押借贷,这些都是很简单的问题,何必要使用资产负债表来研究呢?有什么好处呢?

根据我长期的学习使用经历,好处至少有三个。

第一,帮助我们加深对金融交易和金融事件的理解。资产负债表提供了一个深度洞察金融行为的放大镜。同样一件事情,如果你只是粗略的理解为交易买卖,可能只能形成非常肤浅的看法。但是如果你把相应的资产负债表画出来,就能够看到事情的本质。

举一个例子,前不久MakerDAO社区投票支持用DAI购买美国国债。这件事情如果只是理解为稳定币的一个新用途,那就把事情矮化了。我们将购债行为放在MakerDAO资产负债表里一看,就会得出令人震撼的结论。

假设此时此刻,Maker的用户抵押超额的资产之后,通过借贷的方式产生了$10,000美元等值的DAI,则以下是MakerDAO在购债之前的资产负债表。

图10.假定的Maker资产负债表

读者可能会奇怪,抵押进Maker的ETH为什么不出现在Maker的资产负债表中呢?因为抵押并不是一种所有权转移,而是为贷款增信的合同行为。抵押之后,ETH的所有权并没有转移给Maker,不能算成Maker的资产。Maker创造$10,000DAI的依据是贷款,而不是抵押进去的ETH。

那么,如果此时Maker购买了$5,000的美国国债,这是一种什么行为呢?在这里,Maker作为算法央行,无论它购买国债所需要的5,000DAI是从财库里取出,还是增发的,在Maker资产负债表中的反映都是一致的:

图11.Maker购买美国国债的增量平衡表

那么这样一张简单的增量表反映了什么呢?熟悉央行资产负债表的人一眼就能看出,这实际上表明,Maker在基于美国国债来进行美元稳定币创造。也就是说,Maker在分享过去只有美联储垄断的“基于美国国债创造货币”的权利。这当然是意义深远的行动。

可见使用资产负债表工具,可以帮助我们获得更有深度的看法。

第二,便于思考和交流。在这方面,资产负债表就想我们小时候学习的竖式运算一样,可以帮助我们将思考变得更加有条理,更加标准化,也便于彼此之间交流观点。

第三,帮助发现创新机会和梳理业务战略。资产负债表所提供的资产洞察,有时可以帮我们发现市场的空白点和潜在机会。Solv就是这样一个例子。Solv作为支持用户自定义多维资产的平台,远期目标清晰,但业务切入点的选择十分不易。我们在进行战略思考的时候,制作了下面这样一张全行业资产负债表,看到了低流动性资产的空白机会,因此决定从这个领域切入,取得了良好的效果。

图12.启发Solv业务战略决策的资产负债表

总之,根据我的实践经验,资产负债表是学习研究Web3数字资产的一个好工具,因此乐于向大家推荐。我以后的文章也会主动使用这个工具来说明问题。

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。

金宝趣谈

[0:0ms0-3:889ms