Aproximación de forwards aritméticos con forwards overnight ponderados

Resumen

Esta nota examina por qué los forwards aritméticos pueden aproximarse mediante medias ponderadas de forwards overnight. Presenta una expresión en la que cada forward overnight se ajusta con un factor aritmético dependiente del modelo. Como esos factores pueden ser numéricamente estables y cercanos a uno en algunas condiciones de mercado, las aproximaciones más simples pueden reducir el coste computacional sin perder una precisión útil.

El análisis explora cotas teóricas y expresiones cerradas para los factores en modelos gaussianos de Heath-Jarrow-Morton. También compara una forma derivada con una aproximación propuesta en un trabajo anterior sobre la valoración de medias aritméticas de tipos de los Fed Funds. El fragmento ofrece justificación teórica y basada en modelos, pero no presenta una validación empírica amplia ni especifica cómo varía la precisión de la aproximación según las condiciones del mercado; por tanto, el uso práctico depende de los supuestos y escenarios en los que los factores se mantienen bien comportados.

Ideas clave

• Un forward aritmético puede representarse mediante forwards overnight ponderados y factores de ajuste.
• En ciertos escenarios, los factores simplificados cercanos a uno permiten aproximaciones computacionales menos costosas.
• La nota deriva cotas teóricas y expresiones cerradas en modelos gaussianos HJM.
• Una de las aproximaciones resultantes se compara con un método propuesto anteriormente para los tipos de Fed Funds.
• El fragmento describe una justificación teórica, pero no ofrece un estudio empírico amplio de precisión.

Etiquetas

# Note on a Theoretical Justification for Approximations of Arithmetic Forwards


# Note on a Theoretical Justification for Approximations of Arithmetic Forwards









This note explores the theoretical justification for some approximations of arithmetic forwards ($F_a$) with weighted averages of overnight (ON) forwards ($F_k$). The central equation presented in this analysis is: \begin{equation*} F_a(0;T_s,T_e)=\frac{1}{τ(T_s,T_e)}\sum_{k=1}^K τ_k \mathcal{A}_k F_k\,, \end{equation*} with $\mathcal{A}_k$ being explicit model-dependent quantities, numerically stable and close to one under certain market scenarios. We will present computationally cheaper methods that approximate $F_a$, i.e., we will define some $\{\tilde{\mathcal{A}}_k\}_{k=1}^K$ such that \begin{equation*} F_a(0;T_s,T_e)\approx \frac{1}{τ(T_s,T_e)}\sum_{k=1}^K τ_k \tilde{\mathcal{A}}_k F_k\,, \end{equation*} thereby gaining some intuition about the arithmetic factors $\mathcal{A}_k$. Additionally, theoretical bounds and closed-form expressions for the arithmetic factors $\mathcal{A}_k$ in the context of Gaussian HJM models are explored. Finally, we demonstrate that one of these forms can be closely aligned with an approximation suggested by Katsumi Takada in his work on the valuation of arithmetic averages of Fed Funds rates.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.