Aproximação de taxas a termo aritméticas com taxas overnight ponderadas

Resumo

Esta nota examina por que taxas a termo aritméticas podem ser aproximadas por médias ponderadas de taxas a termo overnight. Apresenta uma expressão em que cada taxa a termo overnight é ajustada por um fator aritmético dependente do modelo. Como esses fatores podem ser numericamente estáveis e próximos de um em algumas condições de mercado, aproximações mais simples podem reduzir o custo computacional e manter uma precisão útil.

A análise explora limites teóricos e expressões fechadas para os fatores em modelos gaussianos de Heath-Jarrow-Morton. Também compara uma forma derivada com uma aproximação proposta em trabalho anterior sobre a avaliação de médias aritméticas das taxas dos Fed Funds. O trecho oferece justificativa teórica e baseada em modelos, mas não relata uma validação empírica ampla nem especifica como a precisão da aproximação varia conforme as condições de mercado; portanto, o uso prático depende das premissas e dos cenários em que os fatores permanecem bem comportados.

Ideias principais

• Uma taxa a termo aritmética pode ser representada por taxas overnight ponderadas e fatores de ajuste.
• Fatores simplificados próximos de um podem viabilizar aproximações computacionais mais econômicas em certos cenários.
• A nota deriva limites teóricos e formas fechadas em modelos gaussianos HJM.
• Uma das aproximações resultantes é comparada com um método para taxas dos Fed Funds sugerido anteriormente.
• O trecho descreve uma justificativa teórica, mas não apresenta um estudo empírico amplo da precisão.

Tags

# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.