Évaluer et couvrir les contrats de prêt décentralisés comme des options

Résumé

Cette étude modélise les contrats de protocoles de prêt décentralisés comme des options : les emprunteurs jouent le rôle d’acheteurs et les prêteurs celui de vendeurs, tandis que le ratio prêt-valeur contribue à déterminer la prime. Elle utilise la théorie de l’évaluation sans arbitrage pour analyser la valeur des contrats et conclut que, sans frictions de marché ni écart entre les taux de prêt et d’emprunt, le choix optimal est de ne jamais conclure le contrat. L’analyse intègre ensuite les écarts de taux et les coûts de transaction, qui modifient les problèmes pratiques d’évaluation et de couverture.

Les auteurs développent un algorithme à réseau neuronal profond qui apprend des stratégies sur des marchés externes afin de reproduire les paiements des contrats de prêt, y compris lorsque ceux-ci ne sont pas exercés de manière optimale. Cette réplication pourrait couvrir l’exposition des prêteurs et compléter ou remplacer les mécanismes de liquidation. Le cadre pourrait également détecter des arbitrages statistiques lorsque les ratios prêt-valeur sont mal calibrés ou que les marchés évaluent le risque différemment. Les auteurs rapportent des simulations utilisant des données historiques et des scénarios simulés. Ces résultats étayent l’approche dans les situations testées, mais la description ne donne ni chiffres de performance ni éléments provenant de protocoles en activité ; les couvertures apprises restent dépendantes des conditions de marché, des coûts et de la qualité du modèle.

Idées clés

• L’article traite les contrats de prêt décentralisés comme des options : les emprunteurs achètent une exposition assimilable à une option et les prêteurs la vendent.
• Le ratio prêt-valeur à l’ouverture détermine une prime qui peut être analysée avec la théorie de l’évaluation sans arbitrage.
• Sans frictions de marché ni écart entre les taux de prêt et d’emprunt, le modèle conclut qu’il n’est pas optimal de conclure le contrat.
• Un réseau neuronal profond apprend des stratégies sur des marchés externes pour reproduire les paiements des contrats et couvrir le risque des prêteurs.
• Des ratios prêt-valeur mal évalués ou des différences dans l’évaluation du risque de marché peuvent créer des possibilités d’arbitrage statistique.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.