تسعير عقود الإقراض اللامركزي والتحوط منها كخيارات

الملخص

تنمذج هذه الدراسة عقود بروتوكولات الإقراض اللامركزي كخيارات: فالمقترضون مشترون للخيارات والمقرضون بائعون لها، بينما تساعد نسبة القرض إلى القيمة في تحديد العلاوة. وتستخدم نظرية التسعير الخالي من المراجحة لتحليل قيمة العقد، وتفيد بأن الخيار الأمثل، في غياب احتكاكات السوق أو هامش بين معدلي الإقراض والاقتراض، هو عدم الدخول في العقد مطلقًا. ثم يدرج التحليل هوامش المعدلات وتكاليف المعاملات، وهي ظروف تغير مسألة التسعير والتحوط العملية.

يطور المؤلفون خوارزمية شبكة عصبية عميقة لتعلم استراتيجيات في أسواق خارجية تحاكي عوائد عقود الإقراض، بما فيها العقود التي لا يُمارس خيارها على النحو الأمثل. وقد يساعد هذا التماثل على التحوط من تعرض المقرضين، ويمكن أن يكمل آليات التصفية أو يحل محلها. وقد يحدد الإطار أيضًا فرص مراجحة إحصائية عندما تكون إعدادات القرض إلى القيمة غير معايرة جيدًا أو عندما تسعّر الأسواق المخاطر بصورة مختلفة. ويورد المؤلفون تجارب محاكاة باستخدام بيانات تاريخية وسيناريوهات محاكاة. وتدعم هذه النتائج النهج ضمن الإعدادات المختبرة، لكن الوصف لا يقدم أرقام أداء أو أدلة من بروتوكولات فعلية، وتظل التحوطات المتعلمة معتمدة على ظروف السوق والتكاليف وجودة النموذج.

الأفكار الرئيسية

• تتعامل الورقة مع عقود الإقراض اللامركزي كخيارات، حيث يشتري المقترضون التعرض الشبيه بالخيار ويبيعه المقرضون.
• تحدد نسبة القرض إلى القيمة عند البدء العلاوة التي يمكن تحليلها بنظرية التسعير الخالي من المراجحة.
• في غياب احتكاكات السوق أو هامش بين معدلي الإقراض والاقتراض، يجد النموذج أن الخيار الأمثل هو عدم الدخول في العقد مطلقًا.
• تتعلم شبكة عصبية عميقة استراتيجيات في الأسواق الخارجية لمحاكاة عوائد العقود والتحوط من مخاطر المقرضين.
• قد تنشأ فرص مراجحة إحصائية من إعدادات غير دقيقة للقرض إلى القيمة أو اختلافات تسعير مخاطر السوق.

الوسوم

# Pricing and hedging of decentralised lending contracts


# Pricing and hedging of decentralised lending contracts









We study the loan contracts offered by decentralised loan protocols (DLPs) through the lens of financial derivatives. DLPs, which effectively are clearinghouses, facilitate transactions between option buyers (i.e. borrowers) and option sellers (i.e. lenders). The loan-to-value at which the contract is initiated determines the option premium borrowers pay for entering the contract, and this can be deduced from the non-arbitrage pricing theory. We show that when there are no market frictions, and there is no spread between lending and borrowing rates, it is optimal to never enter the lending contract. Next, by accounting for the spread between rates and transactional costs, we develop a deep neural network-based algorithm for learning trading strategies on the external markets that allow us to replicate the payoff of the lending contracts that are not necessarily optimally exercised. This allows hedge the risk lenders carry by issuing options sold to the borrowers, which can complement (or even replace) the liquidations mechanism used to protect lenders' capital. Our approach can also be used to exploit (statistical) arbitrage opportunities that may arise when DLP allow users to enter lending contracts with loan-to-value, which is not appropriately calibrated to market conditions or/and when different markets price risk differently. We present thorough simulation experiments using historical data and simulations to validate our approach.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.