DeFi 市場總覽

追蹤 15 個主流協議、30 個收益池的 APY、TVL 與風險訊號
收益率走勢
各類別代表性收益池近一年 APY（%）
風險 × 收益地圖
X：風險分數 · Y：30 日預測 APY
AI 機會雷達
依「風險調整後預測收益」排序，點擊查看詳細分析

AI 投資 Agent

用自然語言描述你的需求，Agent 會自動感知市場 → 評估風險 → 預測收益 → 最佳化配置 → 壓力測試 → 解釋策略
對話
規則引擎
投資參數
對話會自動帶入
Agent 執行軌跡

    協議風險分析

    多因子風險模型：合約、收益波動、流動性、TVL 流失、無常損失、獎勵依賴、價格波動、脫鉤

    風險分數 0–100（越高越危險），A ＜18 ≤ B ＜28 ≤ C ＜40 ≤ D ＜55 ≤ E。預測 APY 採阻尼 Holt 線性趨勢模型，再依殘差標準差做保守折減。「ML 趨勢」欄位來自 DefiLlama 的分類模型。

    策略回測

    Walk-forward 回測：每次再平衡只使用當下以前的資料（無未來函數），含交易成本與滑價
    淨值曲線（USD 計價）
    起始 = 1.00；含收益、幣價波動與無常損失
    績效比較
    Agent 配置演變
    各再平衡時點的權重

    強化學習策略層

    Q-Learning 依市場狀態（ETH 動能 × 波動度 × 收益利差）學習何時該防守、何時該進攻
    訓練曲線
    每回合累積獎勵（ε-greedy 探索逐步衰減）
    樣本外測試
    最後 35% 的週數，Agent 從未見過
    學到的策略（Q-Table）
    每列是一種市場狀態；外框 = 該狀態下 Agent 選擇的動作；n = 訓練中造訪次數

    即時監控與自動再平衡

    Agent 持續檢查持倉的 APY、TVL、風險分數與權重偏離，觸發條件時提出（或自動執行）調整
    持倉健康度
    尚未建立投資組合，將以平衡型示範組合開始
    市場衝擊模擬器
    注入事件，觀察 Agent 如何反應
    再平衡建議
    目前沒有觸發條件 ✓
    Agent 事件日誌

    專題說明與系統架構

    2026 生成式 AI／AI Agent 於企業實務之應用：題目十四 DeFi 智能投資 AI Agent（Yield + Risk Optimization）
    商業情境與痛點

    DeFi 收益高，但風險結構複雜（流動性池、清算、智能合約、穩定幣脫鉤、獎勵代幣通膨），一般投資人很難比較「Aave 的 3%」和「Uniswap LP 的 20%」哪個划算。

    YieldPilot 的解法

    • 分析不同 DeFi 協議：15 個協議、30 個池子，8 個風險因子的評分模型
    • 預測收益與風險：阻尼 Holt 時序預測 APY，加上歷史模擬法 VaR／CVaR 與壓力測試
    • 自動配置資產：均值-變異數最佳化，加入風險懲罰、集中度上限與穩定幣下限
    • 即時調整組合：監控觸發條件 → 再平衡建議／自動執行，並可模擬市場衝擊
    • LLM 策略解釋：可接 Claude API，用白話說明配置理由；未設定時改用規則式模板生成
    • 可回測：walk-forward 回測，與 5 種基準比較；RL 策略層另做樣本外驗證
    技術建議 → 實作對照
    題目建議本 POC 實作
    Reinforcement Learning表格式 Q-Learning（12 狀態 × 3 動作）
    Time-series forecasting阻尼 Holt 線性趨勢 + 30 日中位數混合
    Risk modeling (VaR)歷史模擬 VaR／CVaR 95%、參數 VaR、5 種壓力情境
    LLM 策略解釋Claude Messages API（自備 key）／模板生成
    自動投資模擬器即時監控 + 衝擊模擬 + 自動再平衡
    BacktestingWalk-forward，含成本，與 5 種基準比較
    Agent 架構（Perceive → Reason → Act → Explain）
    ① 感知 PerceiveDefiLlama Yields API：APY、TVL、ML 趨勢；ETH/BTC 價格。GitHub Actions 每日更新快照，瀏覽器也可即時同步
    →
    ② 風險評估8 因子加權風險分數 A–E；IL 以恆定乘積公式並放大 2.5×（V3 集中流動性）
    →
    ③ 收益預測Holt 時序模型，信賴區間，不確定性折減
    →
    ④ 組合最佳化max μᵀw − λ/2·wᵀΣw − γ·風險ᵀw，帶上限的單純形投影梯度法
    →
    ⑤ 驗證VaR／CVaR、壓力測試、回測、RL 策略選擇
    →
    ⑥ 解釋與行動LLM 生成白話報告；監控觸發再平衡
    限制與後續發展
    • 本系統為學術 POC，不會連接錢包或執行任何真實交易
    • LP 報酬以 50/50 恆定乘積模型近似，未模擬 V3 區間外的情況
    • 歷史約一年，RL 樣本有限，結果僅供方法展示
    • 後續：鏈上清算監控、Gas 最佳化路由、多鏈橋接風險、Deep RL（PPO）
    資料來源與致謝
    • 收益與價格資料：DefiLlama（公開 API）
    • 介面設計改編自 TemplateMo 609 Crypto Vault
    • 圖表：Chart.js；LLM：Anthropic Claude（選用）
    • 部署：GitHub Pages 靜態網站 + GitHub Actions 每日更新資料
    ⚠️ 免責聲明：本網站為課程作業的概念驗證（POC），所有配置、預測與回測結果僅供教學與研究展示，不構成任何投資建議。DeFi 存在智能合約漏洞、脫鉤、清算等可能導致本金全損的風險。