قیمت‌گذاری و پوشش ریسک قراردادهای وام‌دهی غیرمتمرکز به‌مثابه اختیار
خلاصه
این پژوهش قراردادهای پروتکل وام‌دهی غیرمتمرکز را به‌صورت اختیار مدل می‌کند: وام‌گیرندگان مانند خریداران اختیار و وام‌دهندگان مانند فروشندگان عمل می‌کنند و نسبت وام به ارزش به تعیین پریمیوم کمک می‌کند. نظریه قیمت‌گذاری بدون آربیتراژ برای تحلیل ارزش قرارداد به‌کار می‌رود و گزارش می‌شود که بدون اصطکاک بازار یا فاصله میان نرخ وام‌دهی و وام‌گیری، انتخاب بهینه هرگز ورود به قرارداد نیست. سپس تحلیل، فاصله نرخ‌ها و هزینه‌های معامله را وارد می‌کند؛ شرایطی که مسئله عملی قیمت‌گذاری و پوشش ریسک را تغییر می‌دهند.
نویسندگان الگوریتم شبکه عصبی عمیقی توسعه می‌دهند تا استراتژی‌هایی را در بازارهای بیرونی بیاموزد که پرداخت‌های قراردادهای وام‌دهی را بازسازی کنند، از جمله قراردادهایی که به‌طور بهینه اعمال نمی‌شوند. چنین بازسازی‌ای ممکن است مواجهه وام‌دهندگان را پوشش دهد و سازوکارهای تصفیه اجباری موقعیت یا وثیقه را تکمیل یا جایگزین کند. این چارچوب همچنین ممکن است آربیتراژ آماری را شناسایی کند، زمانی که نسبت‌های وام به ارزش به‌خوبی کالیبره نشده باشند یا بازارها ریسک را متفاوت قیمت‌گذاری کنند. نویسندگان آزمایش‌های شبیه‌سازی با داده‌های تاریخی و سناریوهای شبیه‌سازی‌شده گزارش می‌کنند. این نتایج در وضعیت‌های آزموده‌شده از رویکرد پشتیبانی می‌کنند، اما توضیحات ارقام عملکرد یا شواهدی از پروتکل‌های فعال را ارائه نمی‌دهند؛ پوشش‌های ریسک آموخته‌شده نیز همچنان به شرایط بازار، هزینه‌ها و کیفیت مدل وابسته‌اند.
ایده‌های کلیدی
- مقاله قراردادهای وام‌دهی غیرمتمرکز را اختیار در نظر می‌گیرد؛ وام‌گیرندگان در معرضی شبیه خریدار و وام‌دهندگان در معرضی شبیه فروشنده قرار دارند.
- نسبت وام به ارزش در زمان آغاز، پریمیومی را تعیین می‌کند که با نظریه قیمت‌گذاری بدون آربیتراژ قابل تحلیل است.
- بدون اصطکاک بازار یا تفاوت میان نرخ‌های وام‌دهی و وام‌گیری، مدل نشان می‌دهد که ورود به قرارداد بهینه نیست.
- شبکه عصبی عمیق استراتژی‌هایی را در بازارهای بیرونی می‌آموزد تا بازده قرارداد را بازسازی و ریسک وام‌دهندگان را پوشش دهد.
- تنظیم نامناسب نسبت وام به ارزش یا تفاوت در قیمت‌گذاری ریسک بازارها می‌تواند فرصت آربیتراژ آماری ایجاد کند.
برچسب‌ها
متن کامل
# 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.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.