Neural Networks for Portfolio-Level Risk Management: Portfolio Compression, Static Hedging, Counterparty Credit Risk Exposures and Impact on Capital Requirement
本文提出一种可解释的神经网络框架,将大规模欧式期权投资组合压缩为更小且可自复制静态对冲的组合,并验证其在风险敞口、Greeks 和监管资本要求方面与目标组合高度一致且资本要求显著降低。
2024-02-27 q-fin.CP q-fin.PM q-fin.RM
Efficient Exponential Tilting for Portfolio Credit Risk
本文研究了在多因子模型下,贷款、债券和其他可能违约的金融工具组合中的信用风险的度量问题。由于组合规模、债务人异质效应以及违约事件的罕见性和相互依赖性,在这类模型下,无论是直接分析法还是粗糙的蒙特卡罗法都难以计算组合信用风险。为了刻画债务人之间的极端依赖性,针对多因子模型的非对称分布,本文提出了一种基于正态混合copula的有效模拟方法.为此,我们首先提出了一个一般帐户的重要性抽样算法的基础上,一个非常规的指数嵌入,这是与经典的充分统计。注意,这种创新的倾斜装置比传统的单参数倾斜方法更适合于多元正态混合模型,并且是独立的。其次,利用一种罕见事件发生的快速计算方法和所提出的重要性抽样方法,我们给出了一种有效的模拟算法来估计正态混合copula下投资组合发生大损失的概率。在这里,所提出的模拟装置是基于重要性抽样的联合概率,而不是在以前的研究中使用的条件概率。理论研究和仿真研究,其中包括一个实证例子来说明该方法。
2019-04-09 q-fin.CP stat.ME
Implied Multi-Factor Model for Bespoke CDO Tranches and other Portfolio Credit Derivatives
本文介绍了一种新的半参数方法的定价和风险管理的定制CDO份额,特别注意定制,需要映射到一个以上的参考组合。在我们的框架中,唯一的用户输入是指数投资组合的多因子模型(以下称为“先验”模型),如CDX.NA.IG或iTraxx Europe,它们被选为给定定制CDO定价的基准证券。先前模型的参数是固定的,并且不调整以匹配基准指数份额的价格。相反,我们的校准过程相当于使用最小交叉熵方法对先前测量进行适当的重新加权。由于后者的问题减少到凸优化在一个低维空间,我们的模型是计算效率。这两个静态(一个时期)和动态版本的模型。后者可用于定价和风险管理更奇特的工具参考定制的投资组合,如前瞻性启动份额或份额期权,并用于计算定制份额的信用估值调整(CVA)。
2009-10-14 q-fin.CP q-fin.PM q-fin.PR
Climbing Down from the Top: Single Name Dynamics in Credit Top Down Models
在自上而下的多名称信用建模方法中,在所谓的随机细化(RT)过程中,将投资组合风险分解为个人贡献,至少在原则上可以计算单个名称的敏感性。我们试图构建一个实用的RT框架,使单一名称的敏感性在一个自上而下的框架,有效的计算,并可以扩展到定制份额的估值和风险管理。此外,我们提出了一个动态扩展的RT方法,使建模的特质和违约或然的个人传播动态内的蒙特卡罗设置的方式,保持投资组合的“顶”级动态。这导致一个模型,不仅是校准的份额和单一名称的价差,但也可以调整,以近似匹配给定水平的价差波动率和相关性的名称在投资组合。
2009-01-22 q-fin.CP q-fin.PR
An extendable, integrated, and dynamic approach to forecasting and stress-testing credit risk
University of Pretoria(比勒陀利亚大学);National Institute for Theoretical and Computational Sciences (NITheCS)(国家理论与计算科学研究所)
提出一种集成贷款生成与信用风险的可扩展压力测试方法,通过蒙特卡洛模拟生成贷款组合并计算风险指标,支持动态调整参数以评估多种压力情景。
2026-06-18 q-fin.CP stat.CO
Estimating VaR in credit risk: Aggregate vs single loss distribution
使用蒙特卡罗模拟计算风险价值(VaR)作为一种可能的风险度量需要足够的技术。这些技术之一是在投资组合中应用复合分布。本文考虑了Gamma分布严重度下的总损失,并通过引入一种新的方法来计算Gamma分布在高置信水平下的分位数函数来估计VaR。然后,我们比较从聚合过程中获得的风险值与从单一损失分布获得的风险值,其中严重程度首先从指数分布,然后从截断指数分布。我们观察到,截断指数分布作为模型的严重程度产生的结果更接近那些从聚集过程中获得的。偏差强烈地依赖于组合中债务人的数量,但也依赖于截断指数分布的总损失的量。
2017-02-14 q-fin.CP
A Computational Approach to Hedging Credit Valuation Adjustment in a Jump-Diffusion Setting
本研究通过关注信用评估调整(CVA)、相应的损益(P&L)和损益解释的动态对冲,有助于理解评估调整(xVA)。这是在蒙特卡罗模拟环境中完成的,基于现有文献中讨论的理论对冲框架。我们研究了一个股票欧式期权投资组合的CVA市场风险对冲,首先在布莱克-斯科尔斯设置,然后在默顿跳跃扩散设置。此外,我们分析了交易业务的银行后,包括xVA的定价。我们通过从交易台结构的角度分析和可视化投资组合的现金流,为衍生品及其xVA的对冲提供见解。案例研究表明,在交易开始时不收取CVA会导致预期损失。此外,对冲CVA市场风险对于最终获得稳定的交易策略至关重要。在布莱克-斯科尔斯模型中,这可以通过标的股票来实现,而在默顿跳跃扩散模型中,我们需要在对冲投资组合中增加额外的期权来适当对冲跳跃风险。除了模拟,我们得到的分析结果,解释我们的观察数值实验。理解CVA的套期保值有助于在实际环境中处理xVA。
2020-09-14 q-fin.CP q-fin.MF
Mod-Poisson approximation schemes: Applications to credit risk
基于mod- $ϕ$收敛性理论和mod- $ϕ$逼近格式,给出了因子信用组合模型泛函的一种新的数值逼近方法.该方法可以被理解为提供校正项的经典泊松近似,其中高阶校正导致渐近更好的近似的债务人的数量增加。我们在两个任务上对模型进行了实证测试:风险度量($\mathrm{VaR}$和$\mathrm{ES}$)的估计和CDO份额价格的计算。我们比较它与其他常用的方法-如递归方法,大偏差近似,陈-斯坦方法和蒙特卡罗模拟技术(有和没有重要性抽样)-我们表明,它会导致更准确的估计,同时需要更少的计算时间。
2022-10-26 math.PR q-fin.CP q-fin.MF
Gaussian Process Regression for Derivative Portfolio Modeling and Application to CVA Computations
对交易对手风险建模在计算上具有挑战性,因为它需要同时评估在市场风险和信用风险下与每个交易对手的所有交易。本文提出了一种多高斯过程回归方法,该方法非常适合于CVA计算中涉及的场外衍生品投资组合估值。我们的方法避免了嵌套的模拟或模拟和回归的现金流,通过学习高斯元模型的衍生品投资组合的市值立方体。我们将衍生工具的联合后验建模为函数空间上的高斯过程,并将空间协方差结构强加于风险因子。Monte-Carlo模拟,然后使用模拟的风险因素的动态。在投资组合估值的不确定性所产生的高斯过程近似数值量化。数值实验证明了我们的方法的CVA计算的准确性和收敛性,包括对手方组合的利率互换。
2019-10-17 q-fin.CP
Pricing Financial Derivatives Subject to Counterparty Risk and Credit Value Adjustment
本文提出了一个具有交易对手信用风险的金融衍生产品定价的一般模型。考虑了单边和双边类型的信用风险。我们的研究表明,在大多数情况下,信用风险应建模为美式期权,这需要一个逆向归纳估值。为了纠正文献中的一个常见错误,我们强调,违约衍生品的市场价值实际上是一个风险价值,而不是一个无风险价值。信用价值调整(CVA)也进行了阐述。一个实用的框架开发的定价违约衍生品和计算其CVAs在投资组合的水平。
2018-04-05 q-fin.CP q-fin.GN q-fin.PR
Deep xVA solver -- A neural network based counterparty credit risk management framework
在本文中,我们提出了一个新的计算框架投资组合范围的风险管理问题,其中存在的潜在大量的风险因素,使传统的数值技术无效。新方法利用一个耦合系统的BSDES的估值调整(xVA),并解决了这些递归应用的神经网络的BSDES求解器。这不仅使计算xVA的高维问题可行,而且还产生对冲比率和动态风险措施的xVA,并允许模拟的抵押品帐户。
2022-12-23 q-fin.CP q-fin.MF q-fin.PR
Multi-Layer Deep xVA: Structural Credit Models, Measure Changes and Convergence Analysis
本研究提出四层结构化xVA违约模型,采用迭代深度BSDE、深度分位数回归及测度变换方法解决嵌套模拟难题,扩展了有界域BSDE误差分析,实验验证其可高效处理高维多交易对手xVA计算。
2025-02-21 q-fin.CP
Arbitrage-free Pricing of Credit Index Options: The no-armageddon pricing measure and the role of correlation after the subprime crisis
在这项工作中,我们考虑了三个问题的标准市场方法来定价的信用指数期权:指数价差的定义是无效的,通常认为的回报导致定价并不总是定义,和候选numeraire一个将用于定义一个定价措施不是严格的积极的,这将导致一个不等价的定价措施。我们给出了一个一般的数学解决方案的三个问题,基于一种新的方式建模的信息流,通过定义一个新的子过滤。使用这种细分,我们一致地考虑投资组合中所有名称违约的可能性,这在标准市场方法中被忽视。我们发现,虽然相关的错误定价可以忽略不计的标准选项在正常的市场条件下,它可以成为高度相关的不同的选项或在强调市场条件。特别是,我们表明,在2007年的市场数据后,次贷危机的市场公式相比,我们提出的无套利公式的错误定价已成为金融相关的流动性交叉指数期权。
2008-12-22 q-fin.CP q-fin.PR
Bayesian Estimation of Corporate Default Spreads
本文提出一种利用每日债券价格数据估计企业违约价差的高频信用风险代理方法,通过结合贝叶斯估计提升小样本下的模型稳定性并直接建模预测不确定性。
2025-03-04 q-fin.CP
A procedure for loss-optimising default definitions across simulated credit risk scenarios
本文提出了一种新的方法,用于对缺省定义进行客观的比较和评价。这使贷款人能够根据《巴塞尔协议二》找到一个使贷款组合的财务损失最小化的违约阈值。除了简单地测量拖欠付款外,还可以使用此优化程序评估其他拖欠措施。此外,还进行了一项模拟研究,从各种信用风险情景的“首要原则”测试程序。具体而言,三种概率技术被用来产生现金流,而每个参数是不同的,作为模拟研究的一部分。结果表明,损失最小值可以存在于一个选定的范围内的信用风险档案,这表明,损失优化的违约阈值可以成为一个可行的做法。因此,违约决策被重新定义为一个优化问题,即选择一个在贷款期限内既不太早也不太晚的违约阈值。这些结果也挑战了目前的做法,其中违约被务实地定义为“逾期90天”,几乎没有客观证据表明其整体适用性或财务影响,至少超出了有缺陷的滚动率分析或监管机构的法令。
2021-02-26 q-fin.CP q-fin.RM
Dimension-Reduced Cosine Expansions via Tensor Decomposition: Methodology and Applications to Credit Exposure Quantification
Delft Institute of Applied Mathematics, Delft University of Technology(代尔夫特应用数学研究所,代尔夫特理工大学);FF Quant Advisory B.V.(FF量化咨询有限公司)
本文提出基于张量分解的降维余弦展开方法,用于高效计算信用暴露,显著提升训练速度和精度。
2026-02-20 q-fin.CP
Quantum Advantage for Multi-option Portfolio Pricing and Valuation Adjustments
针对衍生品投资组合的信用估值调整(CVAs)和多期权定价问题,提出基于无偏量子幅度估计增强的量子蒙特卡洛算法,加速统计采样过程,在已知方差界限时实现CVA近似并展现量子优势。
2025-04-02 q-fin.CP q-fin.MF quant-ph
CVA Hedging by Risk-Averse Stochastic-Horizon Reinforcement Learning
本研究针对衍生品组合信用估值调整(CVA)的动态风险管理,提出一种风险厌恶随机期限强化学习方法,通过实务对齐的目标函数处理路径波动率,并在外汇远期合约组合上验证了其有效性。
2023-12-21 q-fin.CP q-fin.RM q-fin.TR
Dependent Defaults and Losses with Factor Copula Models
本文提出了一类灵活、易处理的关于联合违约概率期限结构的静态因子模型-因子copula模型。这些高维模型仍然与配对copula结构吝啬,嵌套许多标准模型作为特殊情况。当单个损失离散地支撑在有限网格上时,或有索赔组合的损失分布可以被精确而有效地计算。数值算例研究了影响损失分布和多名称信用衍生品价格的关键特征。一个实证的练习说明了我们的方法的灵活性,通过拟合信用指数份额的价格。
2018-01-17 q-fin.CP q-fin.MF q-fin.PR
Robust and Consistent Estimation of Generators in Credit Risk
债券评级转移概率矩阵(TPM)是在一年的时间框架内构建的,对于许多实际目的,如评估投资组合中的风险或计算银行资本要求(例如新的IFRS 9法规),需要计算TPM和更短时间间隔内的违约概率。在连续时间马尔可夫链(CTMC)的背景下,已经提出了几种确定性和统计算法来估计生成矩阵。我们专注于Bladt和Sorensen(2005)的期望最大化(EM)算法,用于具有吸收状态的CTMC进行这种估计。这项工作的贡献是三方面的。首先,我们提供直接可计算的封闭形式的表达式中出现的EM算法和相关的信息矩阵的数量,允许很容易地近似置信区间。以前,这些数量估计数值和相当大的计算加速已经获得。其次,我们证明了收敛到一个单一的参数集在非常弱的条件下(TPM问题)。最后,我们提供了一个数值基准,我们的结果对其他已知的算法,特别是在几个问题有关的信用风险。我们提出的EM算法,填充新的公式(和错误标准),优于其他已知的算法在几个指标,特别是,与其他统计算法相比,在更高的评级的违约概率少得多的高估。
2017-10-15 q-fin.CP q-fin.RM