リスクから救出へ：清算（Liquidation）防止のためのエージェント型サバイバル分析フレームワーク

要旨: Aave v3 のような分散型金融（DeFi）貸付プロトコルは、担保過剰によって貸付を確実にすることに依存していますが、ユーザはしばしば市場の変動によって清算（リキディエーション）に直面します。既存のリスク管理ツールは静的なヘルスファクター（健全性指標）の閾値を利用しており、これは受動的であり、管理者による「ダスト（少額残骸）」の後始末と、真の支払不能（インソルベンシー）とを区別できません。本研究では、イベントまでの時間（生存）分析を活用し、予測を超えて実行へ踏み出す自律エージェントを提案します。このエージェントは、受動的なリスクシグナルとは異なり、リスクを認識し、反実仮想的な未来をシミュレートし、プロトコルに忠実な介入を実行することで、清算を事前に防止します。数値的に安定した XGBoost のコックス比例ハザードモデルから導出した、取引タイプ間でリスクを正規化する「リターン期間」指標を導入し、さらに変動性で調整したトレンドスコアを併用して、一時的な市場ノイズを除外します。最適な介入を選択するために、反実仮想最適化ループを実装し、潜在的なユーザの行動をシミュレートして、リスクを軽減するのに必要な最小の資本を見つけます。我々は、高忠実でプロトコルに忠実な Aave v3 シミュレータを用い、4,882 件の高リスクなユーザープロファイルのコホートでアプローチを検証しました。その結果、静的ルールが機能しない差し迫ったリスク状況において、エージェントが清算を防ぐ能力を示しました。これは、「救えないはずのものを救う」ことを効果的に実現し、悪化率ゼロを維持しつつ、しばしば自律型金融エージェントでは欠けがちな重要な安全性保証を提供します。さらに本システムは、実行可能な財務リスクと、取るに足らないダスト事象とをうまく区別し、静的ルールが失敗する領域で資本効率を最適化します。