Precificação e proteção de contratos de empréstimo DeFi como opções

Resumo

Este estudo modela contratos de protocolos de empréstimo descentralizados como opções: tomadores atuam como compradores de opções e credores como vendedores, enquanto a relação entre empréstimo e valor da garantia ajuda a determinar o prêmio. Usa a teoria de precificação sem arbitragem para analisar o valor dos contratos e relata que, sem fricções de mercado ou diferença entre as taxas de empréstimo e captação, a escolha ótima é nunca firmar o contrato. A análise então incorpora diferenças entre taxas e custos de transação, condições que alteram o problema prático de precificação e proteção.

Os autores desenvolvem um algoritmo de rede neural profunda para aprender estratégias em mercados externos que replicam os pagamentos dos contratos de empréstimo, inclusive os de contratos que não são exercidos de forma ótima. Essa replicação pode proteger a exposição dos credores e complementar ou substituir mecanismos de liquidação. A estrutura também pode identificar arbitragem estatística quando os parâmetros da relação entre empréstimo e garantia são mal calibrados ou os mercados precificam o risco de forma diferente. Os autores relatam experimentos de simulação com dados históricos e cenários simulados. Esses resultados sustentam a abordagem nos cenários testados, mas a descrição não apresenta números de desempenho nem evidências de protocolos ao vivo; as proteções aprendidas continuam dependentes das condições de mercado, dos custos e da qualidade do modelo.

Ideias principais

• O artigo trata contratos de empréstimo descentralizados como opções, com tomadores comprando e credores vendendo a exposição semelhante a opções.
• A relação entre empréstimo e valor da garantia no início determina um prêmio que pode ser analisado pela teoria de precificação sem arbitragem.
• Sem fricções de mercado ou diferença entre as taxas de empréstimo e captação, o modelo conclui que firmar o contrato não é ótimo.
• Uma rede neural profunda aprende estratégias em mercados externos para replicar pagamentos de contratos e proteger o risco dos credores.
• Parâmetros mal precificados da relação entre empréstimo e garantia ou diferenças na precificação do risco podem criar oportunidades de arbitragem estatística.

Tags

# 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.

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.