个人简介Bio
Guillermo Angeris 是一位活跃于去中心化金融（DeFi）领域的杰出数学研究者。他在斯坦福大学完成了电气工程学士、硕士和博士学位，学术功底深厚，尤其擅长随机数学与最优化理论。他大部分工作时间都在研究室中攻克复杂的数学难题，并以解决随机数学问题为乐趣。Guillermo 在 DeFi 协议设计与建模方面做出了突出贡献，他的研究涵盖了自动化做市商（AMM）机制、流动性激励设计、协议安全性等核心议题。他尤其擅长与团队合作，对 DeFi 及其他领域的许多奇怪且令人着迷的激励措施进行数学建模，将严谨的学术方法论带入加密货币与去中心化金融生态。他的论文和研究成果被广泛引用，被认为是 DeFi 数学理论化的先驱之一。工作之余，吉列尔莫喜欢煮披萨、徒步旅行，以及与朋友一边喝酒一边进行长时间而愚蠢的交谈。
主要成就Achievement
- 在斯坦福大学获得电气工程学士、硕士、博士学位，学术基础扎实
- 参与撰写多篇关于自动化做市商（AMM）的开创性研究论文，提出常数乘积做市商的数学框架分析
- 研究提出对 DeFi 协议激励机制的系统性数学建模方法，为协议安全性分析提供理论支撑
- 在 Gauntlet 担任首席研究科学家期间，主导构建了 DeFi 协议风险评估与压力测试的数学模型体系
- 与 Tarun Chitra 等知名研究者合作，发表了多篇被 DeFi 社区广泛引用的重要学术论文
- 将随机数学和最优化理论成功引入加密货币经济学（Tokenomics）研究领域，推动 DeFi 学术化发展
- 通过个人博客和 Twitter/X 广泛传播 DeFi 数学理论知识，成为该领域知名思想领袖
- 研究成果为 Uniswap 等主流 DEX 协议的机制优化提供了重要的理论依据
成长历程Journey
本科阶段斯坦福大学电气工程学士学位Guillermo 在斯坦福大学攻读电气工程学士学位，打下了坚实的数学与工程学基础，期间展现出对随机数学问题的浓厚兴趣。
硕士阶段斯坦福大学电气工程硕士学位继续在斯坦福大学深造，获得电气工程硕士学位，深入学习最优化理论、信号处理和随机过程等核心课程。
博士阶段斯坦福大学电气工程博士学位获得斯坦福大学电气工程博士学位，博士研究聚焦于随机数学与优化算法，为日后在 DeFi 领域的应用研究奠定了深厚的理论基础。
约2019年加入 Gauntlet，投身 DeFi 研究Guillermo 加入 Gauntlet（一家专注于加密货币协议风险分析的公司），担任首席研究科学家，开始将数学建模方法应用于 DeFi 协议的安全性与激励机制分析。
2020年发布 AMM 数学框架研究论文发表了关于自动化做市商（AMM）数学分析的重要论文，系统性地建立了常数乘积做市商的数学模型，成为 DeFi 领域被广泛引用的学术文献之一。
2021年深入 DeFi 协议激励机制研究持续开展对流动性挖矿、治理代币分配、借贷协议清算机制等 DeFi 核心激励措施的数学建模研究，与团队合作发布多篇深度分析报告。
2022年成为 DeFi 数学研究领域权威声音通过 Twitter/X 和个人博客持续输出高质量的 DeFi 数学分析内容，被加密货币社区广泛认可为该领域的权威研究者之一。
2023年至今独立研究与学术影响持续扩大以独立研究者身份继续在 DeFi 协议设计、随机数学问题和激励机制建模等方向深耕，其研究成果持续影响 DeFi 协议的设计与演进方向。
经典观点Quotes
DeFi 协议中的激励机制本质上是一个数学优化问题，只有通过严谨的数学建模才能真正理解协议的行为和潜在风险。
—— DeFi 研究论文与 Twitter/X
自动化做市商（AMM）看似简单，但其背后蕴含着深刻的数学结构，理解这些结构对于设计更高效的交易协议至关重要。
—— 关于 AMM 的学术研究论文
大多数 DeFi 协议的安全漏洞并非来自代码错误，而是来自未被充分分析的经济激励机制——这需要数学工具来揭示。
—— Gauntlet 风险评估研究
我大部分工作时间都在房间的黑暗角落里度过，以解决随机数学问题为乐——真正的乐趣在于问题本身。
—— 个人简介/学术访谈
协议设计者应该像数学家一样思考，像工程师一样执行，才能构建真正稳健的去中心化金融系统。
—— Twitter/X
