CDP-Datenbank

Was ist eine CDP-Datenbank?

Eine CDP-Datenbank (Collateralized Debt Position) ist ein strukturiertes Verzeichnis, das sämtliche On-Chain-Daten zu besicherten Schuldenpositionen systematisch erfasst. CDPs lassen sich mit Hypothekendarlehen vergleichen: Sie hinterlegen Vermögenswerte als Sicherheit, um Stablecoins zu leihen oder Kredite aufzunehmen. Fällt der Wert Ihrer Sicherheiten unter eine bestimmte Schwelle, kann Ihre Position liquidiert werden.

Auf der Blockchain fasst eine CDP-Datenbank verstreute Vertragsereignisse wie Sicherheitenhinterlegungen, Kreditaufnahmen, Rückzahlungen, Preisaktualisierungen und Liquidationen in übersichtlichen Tabellen und Ansichten zusammen. Diese Bündelung ermöglicht effektives Risikomanagement und fundierte Analysen. In der Anfangszeit nannte MakerDAO solche Positionen CDPs, bevor sie in Vaults umbenannt wurden (Quelle: MakerDAO Docs, 2026-01).

Warum ist eine CDP-Datenbank wichtig?

Der wesentliche Nutzen einer CDP-Datenbank liegt in der transparenten und leicht zugänglichen Darstellung von Risiko- und Positionsinformationen. Entwickler nutzen sie für Backtests von Strategien, Forschende analysieren Liquidationszyklen und Investoren bewerten Sicherheitsmargen der Besicherung, um gezielt Warnmeldungen einzurichten.

Gerade in volatilen Marktphasen ist es entscheidend, präzise und aktuelle Daten zu Positionen und Preisen zu erhalten, um Liquidationsrisiken und gefährdete Positionen zu identifizieren. Die CDP-Datenbank bündelt diese kritischen Informationen in einer einheitlichen, abfragbaren Ebene, sodass alle Beteiligten auf einer verlässlichen Datenbasis agieren können.

Wie funktioniert eine CDP-Datenbank?

Typischerweise integriert eine CDP-Datenbank Daten aus drei Quellen: Blockchain-Nodes, Oracle-Preisfeeds und Governance-Parameter des Protokolls. Sie abonniert Vertragsereignisse und protokolliert jede Instanz von „Positionseröffnung“, „Sicherheitenaufstockung“, „Stablecoin-Emittierung“, „Rückzahlung“ und „Liquidation“, jeweils nach Blockzeit geordnet.

Anschließend berechnet die Datenbank abgeleitete Kennzahlen wie das Besicherungsverhältnis (Sicherheitenwert/Schulden), die Sicherheitsmarge (aktuelle Besicherung abzüglich Liquidationsschwelle) und archiviert Preissnapshots sowie Governance-Parameter für historische Analysen und Audits.

Was sind die zentralen Felder einer CDP-Datenbank?

Typische Kernfelder einer CDP-Datenbank sind:

• Positions-ID: Eindeutige Kennung einer Position per Adresse oder Vault-Nummer zur präzisen Nachverfolgung.
• Sicherheiten-Asset & Menge: Beispielsweise die ETH-Menge zur Bestimmung des Sicherheitenwerts.
• Schuldenstand: Die Menge der emittierten Stablecoins oder geliehenen Vermögenswerte.
• Besicherungsverhältnis & Liquidationsschwelle: Verhältnis von Sicherheitenwert zu Schulden; die Schwelle gibt das Mindestverhältnis an, bevor eine Liquidation ausgelöst wird.
• Preisquelle & Zeitstempel: Dokumentiert, welches Oracle den Preis geliefert hat und wann dieser erfasst wurde.
• Gebührenparameter: Enthält Stabilitätsgebühren und Liquidationsstrafen aus der Protokoll-Governance.
• Ereignisprotokoll: Blocknummer und Transaktionshash für Aktionen wie Eröffnung, Aufstockung, Rückzahlung oder Liquidation von Positionen.

Diese Felder ermöglichen umfassende Risikoberechnungen und fundierte historische Analysen und gehen über punktuelle Einzelabfragen hinaus.

Wie bewertet eine CDP-Datenbank das Liquidationsrisiko?

Die Einschätzung des Liquidationsrisikos basiert auf der Berechnung von Besicherungsverhältnissen und Sicherheitsmargen sowie der Prognose von Preisschwankungen. Das Besicherungsverhältnis wird als (Sicherheitenmenge × Preis) / Schuldenstand berechnet. Sinkt dieses Verhältnis unter die Liquidationsschwelle des Protokolls, wird die Liquidation ausgelöst.

Beispielsweise liegt das minimale Besicherungsverhältnis bei Liquity bei 150 % (Quelle: Liquity Docs, 2026-01). Nach jeder Preisaktualisierung berechnet die CDP-Datenbank das Verhältnis jeder Position neu und ermittelt die verbleibende Sicherheitsmarge. Ist die Marge zu gering, können Alarme ausgelöst oder Strategien automatisch angepasst werden, etwa durch Nachschießen von Sicherheiten oder Rückzahlung von Schulden.

Wie integriert eine CDP-Datenbank Oracles und Protokollparameter?

Die CDP-Datenbank verknüpft Oracle-Preisaktualisierungen direkt mit den Positionsdaten, indem sie relevante Oracle-Ereignisse abonniert. Oracles dienen als externe Datenquellen für marktgerechte Preise, beispielsweise ETH/USD-Kurse, die On-Chain geschrieben werden.

Protokollparameter wie Stabilitätsgebühren, Liquidationsstrafen und Sicherheitenabschläge stammen aus Governance-Verträgen oder Konfigurationsdateien. Bei Änderungen dieser Parameter erstellt die Datenbank Snapshots der neuen Werte, um sicherzustellen, dass Backtests mit historisch korrekten Regeln für Risiko- und Renditeberechnungen erfolgen (Quelle: MakerDAO Governance Portal, 2026-01).

Wie nutzen MakerDAO und Liquity CDP-Datenbanken unterschiedlich?

Struktur und Logik von CDP-Datenbanken variieren je nach Protokoll. MakerDAO (heute als „Vault“ bezeichnet) unterstützt mehrere Sicherheitenarten und unterschiedliche Liquidationsmechanismen; die Gebührenparameter werden durch Governance gesteuert, was zu einer komplexeren Datenstruktur führt. Liquity setzt auf governance-minimierte Abläufe mit einem festen Mindestbesicherungsverhältnis (150 %) und verarbeitet Liquidationen über den Stability Pool – die Felder sind einfacher, erfordern jedoch eine exakte Nachverfolgung zeitlich sequenzierter Preis- und Positionssnapshots (Quelle: Liquity Docs, 2026-01).

Dementsprechend liegt bei der Integration mit MakerDAO der Schwerpunkt auf Multi-Collateral-Support und Snapshots der Gebührenparameter. Bei der Integration mit Liquity stehen das Management von Liquidationswarteschlangen, Trove-Statusübergängen und die Flüsse im Stability Pool im Fokus.

Wie wird eine CDP-Datenbank in Forschung und Handel eingesetzt?

In der Forschung ermöglicht die CDP-Datenbank Analysen wie die Abbildung von Verteilungen des Besicherungsverhältnisses, die Identifikation von Hochrisiko-Clustern, die Analyse von Liquidationsbereichen sowie das Backtesting von Strategien wie dynamischer Sicherheitenanpassung oder Diversifikation.

Im Handelsalltag können Risikosignale aus der CDP-Datenbank mit Marktbeobachtungen kombiniert werden. Beispielsweise lassen sich durch die Verfolgung von Preisbewegungen von Stablecoins und Sicherheiten-Assets in den Gate-Märkten und -Ankündigungen sicherheitsmargenbasierte Alarme über die CDP-Datenbank einrichten, um das Risiko einer Zwangsliquidation bei starken Kursschwankungen zu minimieren. Alle Maßnahmen müssen die Sicherheit des Kapitals und Smart-Contract-Risiken berücksichtigen; dies stellt keine Anlageberatung dar.

Welche Schritte sind für den Aufbau einer CDP-Datenbank erforderlich?

Schritt 1: Protokolle und Netzwerke auswählen. Bestimmen Sie, welche Protokolle (z. B. MakerDAO, Liquity) und Blockchains (z. B. Ethereum Mainnet) überwacht werden sollen; erfassen Sie relevante Vertragsadressen und Ereignistypen.

Schritt 2: Nodes anbinden und Ereignisse erfassen. Betreiben oder mieten Sie Blockchain-Nodes; abonnieren Sie Vertragsereignisse; speichern Sie Rohdaten aus Aktivitäten wie Positionsöffnung, Sicherheitenaufstockung, Kreditrückzahlung oder Liquidation.

Schritt 3: Oracles und Parameter integrieren. Binden Sie Oracle-Preisupdates ein; erfassen Sie regelmäßig Governance-Parameter; versionieren Sie Snapshots, um reproduzierbares Backtesting zu gewährleisten.

Schritt 4: Kennzahlen und Modellierung berechnen. Generieren Sie abgeleitete Felder wie Besicherungsverhältnis, Sicherheitsmarge und potenzielle Liquidationsbereiche; ordnen Sie die Daten nach Blockzeit für Visualisierung und Alarmierung.

Schritt 5: Risikosteuerung und Alarme. Definieren Sie Schwellenwerte und Regeln (z. B. „Alarm, wenn das Besicherungsverhältnis nahe der Liquidationslinie liegt“); protokollieren Sie die Auslösebedingungen jedes Alarms zur Nachvollziehbarkeit und Optimierung.

Wichtige Erkenntnisse zu CDP-Datenbanken

CDP-Datenbanken verwandeln fragmentierte On-Chain-Positions- und Preisdaten in umsetzbare Erkenntnisse für Risikomanagement und Forschung. Basis sind die präzise Erfassung von Ereignissen, Snapshots von Preisen und Parametern sowie die kontinuierliche Berechnung zentraler Kennzahlen wie Besicherungsverhältnis und Sicherheitsmarge. Feldstrukturen und Geschäftslogik unterscheiden sich je nach Protokoll – maßgeschneiderte Modellierung ist unerlässlich. Durch die Kombination der CDP-Datenbank mit Handelsbeobachtungen (z. B. Verfolgung relevanter Asset-Preise oder Ankündigungen auf Gate) können Liquidationsrisiken proaktiv erkannt werden. Allerdings kann keine Strategie oder Alarmfunktion die inhärenten Markt- oder Kontraktrisiken vollständig eliminieren – Nutzer müssen die Sicherheit ihres Kapitals eigenverantwortlich bewerten und diversifizieren.

FAQ

Wie wird der Liquidationspreis in einer CDP-Datenbank berechnet?

Der Liquidationspreis ergibt sich aus drei Faktoren: dem Wert des Sicherheiten-Assets, der Gesamtschuld und dem erforderlichen Liquidationsverhältnis. Fallen die Asset-Preise und sinkt das Besicherungsverhältnis unter die Mindestschwelle, wird die Liquidation automatisch ausgelöst. Die CDP-Datenbank ermöglicht die Echtzeitüberwachung dieses kritischen Punktes, sodass Sie Ihr Risiko frühzeitig erkennen und plötzliche Liquidationen vermeiden können.

Wie kann ich große Sicherheitenpositionen mit einer CDP-Datenbank verfolgen?

Die CDP-Datenbank protokolliert Echtzeitdaten zu allen aktiven Positionen – einschließlich Sicherheitenarten, -mengen und Schuldenhöhe. Durch das Filtern nach hochvolumigen Positionen und die Überwachung ihrer Schwankungen können Sie Whale-Bewegungen und potenzielle Risikosignale im Markt erkennen. Dies ist besonders hilfreich, um die Marktstimmung einzuschätzen und mögliche Liquidationswellen frühzeitig zu identifizieren.

Welche Arten von Sicherheiten können in einer CDP-Datenbank abgefragt werden?

Die unterstützten Sicherheitenarten unterscheiden sich je nach DeFi-Protokoll – MakerDAO akzeptiert vor allem ETH und Stablecoins, während Liquity sich ausschließlich auf ETH konzentriert. Die CDP-Datenbank dokumentiert alle akzeptierten Sicherheiten pro Protokoll sowie die zugehörigen Risikoparameter. Über Plattformen wie Gate können Sie je nach Protokoll gezielt nach Sicherheiten suchen.

Wie beeinflussen Änderungen der Stabilitätsgebühren die Kreditkosten in einer CDP-Datenbank?

Die Stabilitätsgebühr wirkt wie ein Zinssatz – sie erhöht direkt die Kosten für das Halten einer CDP. Die Datenbank dokumentiert sowohl historische Änderungen als auch den aktuellen Stand der Stabilitätsgebühren, sodass Sie die Rentabilität Ihrer Kreditaufnahme im Zeitverlauf bewerten können. Steigende Gebühren führen zu schnellerem Schuldenwachstum in Ihrer Position und erfordern häufigere Überwachung oder Anpassung.

Wie erkenne ich Hochrisiko-Sicherheitenpositionen in einer CDP-Datenbank?

Hochrisikopositionen zeichnen sich in der Regel durch niedrige Besicherungsverhältnisse, volatile Basiswerte oder einen geringen Abstand zur Liquidationsschwelle aus. Mit den Filterfunktionen der CDP-Datenbank können Sie gezielt nach Besicherungsverhältnis oder Asset-Typ sortieren und diese Risiken schnell identifizieren. Solche Positionen werden bei Kursschwankungen meist zuerst liquidiert – sie dienen als Frühindikatoren für größere Marktbewegungen.