このキャパシティ自己侵食のプロセスは、本シリーズで前述したRoninブリッジやMEVボットの事件と、教訓の面でどんな共通点がありますか？
表面上、この3種類の事件の原因は全く異なる——一つは検証メカニズムが破られたもの、一つはリスク管理への投資不足により逆に狩られたもの、一つは純粋に数学的なキャパシティの制約である。しかし視点を高くすると、共通する抽象パターンが見えてくる：この3種類の事件は全て、「システムのある部分の複雑さやエクスポージャーの度合いが向上したが、それに対応する防御や監視メカニズムが追いついていなかった」というものだ。Roninブリッジは安全プロセスが一時的な権限調整に追いついておらず、MEVボットはリスク管理メカニズムが戦略の複雑さに追いついておらず、この記事で扱うキャパシティの逓減は、資金の管理規模の成長に、対応するキャパシティ上限の監視と対応メカニズムが伴っていなかったというものだ。
これは本シリーズで前述した事故前警告シグナルパターンの概念も裏付けている——異なる技術的詳細を持つ事件が、しばしば類似の抽象的な原因を共有しており、この種の事例横断的な共通パターンを識別できることは、各事件の具体的な技術詳細を記憶することよりも移行価値が高い。
あるプラットフォームが新規資金の流入を積極的に制限している場合、それはこのプラットフォームが100%信頼できることを意味しますか？
新規資金の流入を積極的に制限することはポジティブなシグナルだが、このプラットフォームが他の全ての環節でも同様に信頼できることを意味するわけではない。本シリーズで繰り返し強調してきた信頼最小化フレームワークはここにも適用される——キャパシティ管理は数ある評価環節の一つにすぎない。キャパシティ管理において責任ある姿勢を示すプラットフォームでも、資金権限付与の設計、クロスチェーンブリッジの選択、リスク管理メカニズムに他の問題がある可能性は依然としてある。これらの環節は個別に評価する必要があり、一つの項目がうまくいっているからといって他の項目も必ず問題ないと想定すべきではない。
より現実的な姿勢は、「積極的にキャパシティを管理しているか」を、信頼スペクトラム上の数ある評価環節の一つの加点要素として扱うことであり、唯一の判断根拠とすることではない。責任あるプラットフォームであれば、理論上複数の環節で同時に同様の慎重さを示すべきであり、一つの環節だけをうまくやって他の環節は全く気にしないというのではない。もしあるプラットフォームがキャパシティ管理でだけ特に慎重で、他の明らかなリスク管理の環節（緊急停止メカニズムなど）については全く触れていないことに気づいた場合、この不均衡自体にも注目する価値がある。
一般ユーザーはあるDeFAIプラットフォームの現在の管理規模をどう確認でき、この数字は通常どこで見つけられますか？
ほとんどのDeFAI製品の公式インターフェースやドキュメントには、通常「総管理資産」（Total Value LockedまたはAssets Under Management）といった数字があり、これは業界で比較的標準的な開示項目である。公式ダッシュボードや統計ページをまず確認する価値がある。公式インターフェースに直接表示されていない場合は、オンチェーン分析ツールやサードパーティの追跡サイトを通じて、そのプラットフォームに対応するスマートコントラクトアドレスにロックされている資産の総量を確認することもできる。この種の情報は通常公開検証可能なオンチェーンデータである。
現在の管理規模を確認した後、次のステップは「宣伝されているリターン率」がどの時点、どの規模で測定されたかを見つけることである——この部分の情報はマーケティング資料やホワイトペーパーに直接書かれていることがある。明確に表示されているものが見つからない場合は、サポートに直接尋ねることができ、「このプラットフォームがこの質問に正直に答える意欲があるか」自体も、プラットフォームの透明性を評価する間接的な指標として扱うことができる。
既にある戦略に資金を投入していて、後になってその管理規模がキャパシティの上限を超えている可能性があることに気づいた場合、撤退すべきかどうかをどう判断すればいいですか？
最初のステップは、本シリーズで前述したアルファ逓減の検出方法を振り返って適用することである——この期間の自分の実際のリターン率が既に持続的な低下傾向を示しているかを確認し、単に「管理規模が大きくなった」という事実自体から直接必ず問題があると想定するのではない（規模の成長は必ずしもキャパシティの上限を超えたことを意味せず、実際のパフォーマンスデータと合わせて判断する必要がある）。実際のリターン率が確かに連続して低下しており、その低下幅がこの戦略のリスク調整後リターンを当初あなたを投入させた水準よりも明らかに悪化させている場合、それは撤退やポジションの縮小を真剣に検討する価値がある具体的なシグナルである。
評価した結果撤退することを決めた場合、撤退後にこのプラットフォームが対応する措置を取ったか（新規資金の流入を積極的に制限する、キャパシティの問題を公に説明するなど）を同時に観察する価値もある。この種の事後観察はあなたが既に下した決定を変えるものではないが、このプラットフォームが構造的な問題に直面した際の対処姿勢を判断するのに役立ち、将来再びそこに資金を投入することを検討するかどうか、あるいは他の類似製品を評価する際の参考根拠となる。
本シリーズでこれまで分析してきた事件の多くは、明確な攻撃やコードの脆弱性を伴っていた——Roninブリッジの検証メカニズムが破られる、MEVボットがリスク管理を欠いていたために逆に狩られる、などである。この記事では全く異なるタイプの失敗パターンを分解する：ハッキング攻撃も、コードの脆弱性も一切なく、戦略が単に人気になりすぎ、管理規模が急速に成長しすぎたために元の利益ロジックが余地を失うというものだ。これは本シリーズで前述した戦略キャパシティの逓減という概念の実際の状況における再現である。
この種の事件の典型的なパターンは次の通りである：ある戦略が、管理規模がまだ小さい初期段階で、バックテストと実運用のリターン率が確かに見事なものとして測定される。この見事な数値がマーケティング資料の核心的なセールスポイントとなり、ますます多くのユーザーが資金を投入するよう引き付ける。それに伴い管理規模は急速に成長するが、この戦略が利益を得ている市場機会（特定の資産間の価格差、特定のプロトコルの裁定余地）自体のキャパシティは限られている。管理規模がこのキャパシティを超えると、各取引が引き起こす価格インパクトが元の利益余地を明らかに侵食し始める。リターン率はそれに伴い徐々に低下するが、この低下プロセスが漸進的であるため（本シリーズで前述したアルファ逓減の検出で触れた漸進的な特性と一致する）、初期段階ではユーザーに気づかれにくく、リターン率が同種の製品と明らかな差がなくなる、あるいは損失に転じるまで、大々的に注目されない。
ユーザーがリターン率の低下に直面すると、直感的な反応は通常「戦略のロジックが壊れたのではないか」や「チームが何か悪さをしているのではないか」を疑うことだが、この種の事件の根本原因はしばしばそのどちらでもなく、純粋な数学的制約である——戦略の利益余地自体には上限があり、うまく引き付けた資金がこの上限を超えると、リターン率の低下は構造上ほぼ必然的な結果であり、戦略ロジックの質やチームの誠実性とは直接関係がない。これが、本シリーズで繰り返し強調してきた、リターン率の低下を評価する際には、「戦略ロジックに問題があるかどうか」という単一の角度からだけ解釈するのではなく、管理規模の急速な成長を伴っているかどうかも同時に確認する必要がある理由である。
業界の類似事例を観察すると、プラットフォーム側がこの状況に直面した際の対処方法はおおよそ2つに分かれる：一つは新規資金の流入を積極的に制限し、既存の資金の一部を返還さえして、単位資金あたりのリターン率が過度に希薄化されないように維持するもの——このやり方は従来のクオンツファンド業界では投資家に対する責任ある姿勢と見なされている。もう一つは継続的により多くの資金流入を引き付け（手数料収入は通常管理規模に比例するため）、キャパシティが既に上限に近づいている事実を積極的に開示せず、新しく参加したユーザーに情報の非対称性の下で初期のユーザーよりも悪い実際のリターン率を負わせるものである。
見事な過去のリターン率を示すどのDeFAI製品に対しても、このプラットフォームが現在管理している規模を直接確認し、宣伝されているリターン率が測定された時点の規模と比較する価値がある。またこのプラットフォームの管理規模が過去に急速に成長した時期に、実際のリターン率が確かに低下していないかを観察する価値もある。あるプラットフォームがキャパシティの上限という概念を積極的に開示する意欲があり、新規資金の流入を積極的に制限さえしていれば、この透明性自体が信頼に値するポジティブなシグナルである。プラットフォームがこの問題を完全に避けて語らず、過去のリターン率の数字だけを強調し続けている場合、この沈黙自体があなたのリスク評価リストに加える価値がある。
次にどのDeFAI製品が見事な過去のリターン率を示していても、一言尋ねることを忘れないでほしい：このリターン率はどれくらいの管理規模で測定されたのか、そして現在の管理規模はどれくらいか。両者の差が大きければ、「将来のリターン率も過去の数字と同じくらい良いだろう」という前提に対して適度な懐疑心を持つべきである——これは製品に問題があると推測しているのではなく、ほぼ全ての戦略が最終的に直面する数学的現実を尊重しているだけである。