ڈی سینٹرلائزڈ قرض کے معاہدوں کی آپشن کے طور پر قیمت بندی اور ہیجنگ

خلاصہ

یہ مطالعہ ڈی سینٹرلائزڈ قرض پروٹوکول کے معاہدوں کو آپشنز کے طور پر ماڈل کرتا ہے: قرض لینے والے آپشن خریدار اور قرض دینے والے فروخت کنندہ ہیں، جبکہ قرض کی قدر کے مقابلے میں ضمانت کا تناسب پریمیم کے تعین میں مدد دیتا ہے۔ معاہدے کی قدر جانچنے کے لیے آربٹریج سے پاک قیمت بندی کا نظریہ استعمال کیا گیا ہے اور رپورٹ کے مطابق، اگر مارکیٹ کی رکاوٹیں یا قرض دینے اور لینے کی شرح میں فرق نہ ہو تو بہترین انتخاب کبھی بھی معاہدے میں داخل ہونا نہیں ہے۔ تجزیے میں پھر شرحوں کے فرق اور ٹرانزیکشن لاگت شامل کی جاتی ہیں، جو عملی قیمت بندی اور ہیجنگ کے مسئلے کو بدل دیتی ہیں۔

مصنفین بیرونی مارکیٹوں میں اسٹریٹیجیز سیکھنے کے لیے ڈیپ نیورل نیٹ ورک الگورتھم تیار کرتے ہیں، جو قرض کے معاہدوں کی ادائیگیوں کی نقل کرتی ہیں، بشمول ایسے معاہدوں کی جنہیں بہترین طور پر استعمال نہ کیا گیا ہو۔ ایسی نقل قرض دینے والوں کے ایکسپوژر کو ہیج کر سکتی ہے اور لیکویڈیشن کے طریقۂ کار کی تکمیل یا اس کی جگہ لے سکتی ہے۔ اگر قرض کی قدر کے مقابلے میں ضمانت کا تناسب غلط طے ہو یا مارکیٹیں خطرے کی قیمت مختلف لگائیں تو یہ فریم ورک شماریاتی آربٹریج بھی شناخت کر سکتا ہے۔ مصنفین تاریخی ڈیٹا اور نقلی منظرناموں سے تجربات رپورٹ کرتے ہیں۔ نتائج آزمائے گئے حالات میں اس طریقے کی تائید کرتے ہیں، مگر بیان میں کارکردگی کے اعداد یا لائیو پروٹوکولز کے شواہد نہیں؛ سیکھے گئے ہیج اب بھی مارکیٹ حالات، لاگت اور ماڈل کے معیار پر منحصر ہیں۔

اہم خیالات

• مقالہ ڈی سینٹرلائزڈ قرض کے معاہدوں کو آپشنز سمجھتا ہے، جہاں قرض لینے والے خریدتے اور قرض دینے والے آپشن جیسا ایکسپوژر فروخت کرتے ہیں۔
• ابتدا میں قرض کی قدر کے مقابلے میں ضمانت کا تناسب ایک پریمیم طے کرتا ہے، جسے آربٹریج سے پاک قیمت بندی کے نظریے سے جانچا جا سکتا ہے۔
• مارکیٹ کی رکاوٹوں یا قرض دینے اور لینے کی شرحوں کے فرق کے بغیر، ماڈل میں معاہدے میں داخل ہونا بہترین نہیں۔
• ڈیپ نیورل نیٹ ورک معاہدے کی ادائیگیوں کی نقل کرنے اور قرض دینے والوں کے خطرے کو ہیج کرنے کے لیے بیرونی مارکیٹ کی اسٹریٹیجیز سیکھتا ہے۔
• قرض کی قدر کے مقابلے میں ضمانت کی غلط ترتیب یا مارکیٹ میں خطرے کی مختلف قیمت بندی سے شماریاتی آربٹریج کے مواقع بن سکتے ہیں۔

ٹیگز

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔