Valoración y cobertura de préstamos DeFi como opciones

Resumen

Este estudio modela los contratos de protocolos de préstamo descentralizados como opciones: los prestatarios actúan como compradores de opciones y los prestamistas como vendedores, mientras que la relación préstamo-valor ayuda a determinar la prima. Utiliza la teoría de valoración sin arbitraje para analizar el valor del contrato y señala que, sin fricciones de mercado ni diferencial entre las tasas de préstamo y financiación, la decisión óptima es no suscribir nunca el contrato. Después incorpora diferenciales de tasas y costes de transacción, condiciones que modifican el problema práctico de valoración y cobertura.

Los autores desarrollan un algoritmo de red neuronal profunda para aprender estrategias en mercados externos que replican los pagos de contratos de préstamo, incluidos los contratos que no se ejercen de manera óptima. Esa replicación podría servir para cubrir la exposición de los prestamistas y complementar o sustituir los mecanismos de liquidación. El marco también podría identificar arbitraje estadístico cuando los parámetros de la relación préstamo-valor están mal calibrados o los mercados valoran el riesgo de forma distinta. Los autores describen experimentos de simulación con datos históricos y escenarios simulados. Estos resultados respaldan el enfoque en los contextos probados, pero la descripción no ofrece cifras de rendimiento ni evidencia de protocolos reales, y las coberturas aprendidas siguen dependiendo de las condiciones de mercado, los costes y la calidad del modelo.

Ideas clave

• El artículo trata los contratos de préstamo descentralizados como opciones: los prestatarios actúan como compradores y los prestamistas como vendedores de una exposición similar a una opción.
• La relación préstamo-valor al inicio determina una prima que puede analizarse mediante la teoría de valoración sin arbitraje.
• Sin fricciones de mercado ni diferencial entre las tasas de préstamo y financiación, el modelo concluye que no es óptimo suscribir el contrato.
• Una red neuronal profunda aprende estrategias en mercados externos para replicar los pagos de contratos y cubrir el riesgo de los prestamistas.
• Los parámetros de la relación préstamo-valor mal calibrados o las diferencias en la valoración del riesgo de mercado pueden crear oportunidades de arbitraje estadístico.

Etiquetas

# 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.

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.