Loading [MathJax]/jax/input/TeX/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >估值调整 - 时间调整

估值调整 - 时间调整

作者头像
用户5753894
发布于 2020-01-14 07:18:44
发布于 2020-01-14 07:18:44
1.6K0
举报
文章被收录于专栏:王的机器王的机器

时间调整(Timing Adjustment)在以下情况产生:当一个市场变量 Y 在时点 T 观察到并用 Y(T) 计算支付函数,但支付发生在观察时点 T 后的时点 M (M > T)。

那么从 T 远期测度下到 M 远期测度下的 RN 衍生物为

那么和变量 Y(T) 挂钩的金融产品的现值为

以上推导涉及到测度转化,详细介绍参考〖量化金融十大课题 (下)〗一贴。

接下来,我们通过非利率产品、和 LIBOR 挂钩的利率产品,和 CMS 挂钩的利率产品来讲解时间调整。

1

非利率产品

对于非利率产品,比如外汇、商品和权益产品,利率风险因子对产品估值的影响远不如其他风险因子对其估值影响大。因此为了简化问题,我们通常假设利率不是随机变量,上面估值公式中的 P(T, M) 也不是随机变量,可从期望符号中提出来。此外,远期测度也就是风险中性测度,我们可以把期望符号上标符号去掉。

假设利率是随机变量,用 F(t, T, M) 表示从 T 到 M 付息频率为 m 的远期利率,那么 P(T, M) = 1/(1+F/m)m(M-T)。这时我们需要推出风险因子 S(t) 在 M 远期测度下的 SDE 的漂移项 μ。构建 S(t)/P(t,M) 变量,它和远期利率 F 在 M 远期测度下是鞅,因此 d(S/P) 和 dF 的漂移项为零。S 和 F 在 M 远期测度下的的 SDE 可写成

我们目标是为了推导出 μ,根据伊藤定理展开 d(S/P),而关注点在 dt 项前面的系数。

因为 S/P 是鞅,那么漂移项为 0,解得

风险因子 S(T) 在 M 和 T 远期测度下的期望的关系如下,两者的差异就是时间调整。

2

和 LIBOR 挂钩的利率产品

LIBOR-in-Arrears

LIBOR 在 T 时点定盘,在 M 时点到期,

在普通利率到期(IRS)中,和 LIBOR 挂钩的现金流在 M 时点支付(先定盘后支付),而在 LIBOR-in-arrears (LIA) 中,和 LIBOR 挂钩的现金流在 T 时点支付(同时定盘和支付)。

用 L(T) 代表 L(T; T, M),用 τ 代表时点 M 和时点 T 之间的年限(通常用 act/360 惯例),我们得到

上式从第二行到第三行的推导理由如下图所示:

现在只需要求出在 M 测度下 L2(T) 的期望。首先 M 测度下 L(t) 是鞅(漂移项是零)并服从以下的 SDE

其中 σ 是 ATM caplet 波动率。

将 L(T) 带入 VLIA(0) 公式中得出

LIBOR-with-Delay

考虑完 LIA 的现金流之后,我们再看一个更通用的和 LIBOR 挂钩的现金流,它可以发生在定盘日 T 之后的任意时点 Tp。该类型的现金流叫做 LIBOR-with-delay (LD)。下图比较 IRS 现金流,LIA 现金流和 LD 现金流。

在 Tp 远期测度下,LD 现金流的现值为

在期望符号里面只有 P(T, Tp) 不能写成 L(T) 的函数,我们可以用 Terminal Swap Rate (TSR) 模型将两者建立一个函数关系。TSR 模型通常在支付函数中有额外的零息债表达式 P(T, ·) 时使用,基本建模思想就是把零息债用远期利率 L(T) 或掉期利率 S(T) 来表示,这样可将支付函数化简成只含 L(T) 或 S(T)。


方法一:用 Swap-Yield 类型的 TSR 模型来表示 P(T, Tp)

上述公式在 Tp = M 和 Tp = T 的两个特殊情况下是合理的。

将 P(T, Tp) 带入 VLD(0) 表达式得到

在不用带期限结构的利率模型下,求解该期望不是很容易,在业界中更常用的 Linear Swap Rate 模型。


方法二:用 Linear Swap Rate 类型的 TSR 模型来表示 P(T, Tp)/P(T, M)

参数 a 和 b(Tp) 的推导如下。

带入 VLD 表达式中做进一步的化简:

当 Tp = M 时(IRS)和当Tp = T 时(LIA),VLD(0) 确实化简成两个特殊情况

LIBOR Average Swap

在市场上一般没有 LIBOR-with-Delay 这样的金融产品,但是它们可以作为组成其他产品的基本元素,比如均值掉期(Average Swap, AS)。均值掉期的现金流是在 Tp 时点支付一段时间内的 LIBOR,其现值的公式如下

上面求和每一项都是一个 LIBOR-with-Delay 的现金流,可以用上面描述的 TSR 模型的方法来计算。

3

和 CMS 挂钩的利率产品

利率产品挂钩的指标主要有两个:LIBOR 和 CMS,前者是远期利率(forward rate),后者是掉期利率(swap rate)。前者也可以看成是后者的一种特殊情况,即 LIBOR 是只有一期的 CMS。

CMS 全称是 Constant Maturity Swap,注意该掉期利率 Sn,m(t) 的分母是年金 An,m(t),因此 Sn,m(t) 在年金测度 QA 是鞅,在任何的远期测度下都不是鞅。

用 S(t) 代表 Sn,m(t),A(t) 代表 An,m(t),求 S(T) 在 Tp 时点的期望有两个调整项:

  1. 凸性调整:从年金测度 QA 到 T 远期测度
  2. 时点调整:从 T 远期测度到 Tp 远期测度

在实际估值中,我们索性一步到位,从年金测度 QA 直接到 Tp 远期测度。

类比 LIBOR-with-Delay的现金流,我们来看看 CMS-with-Delay 的支付在 T­p 的现金流的计算方法。在 Tp 远期测度下,该现金流的现值为

我们可用 Linear Swap Rate类型的 TSR 模型来表示 P(T, Tp)/A(T)

参数 a 和 b(Tp) 的推导如下。

带入 VCMS 表达式中做进一步的化简:

式中 σ 是 ATM Swaption 波动率。

4

总结

到目前三种类型的估值调整已经全部讲完,我们总结一下:

  • 凸性调整:在风险中性测度和远期测度下变量的差异
  • Quanto 调整:在货币一测度和货币二测度下变量的差异
  • 时间调整:在 T1 远期测度和 T2 远期测度下变量的差异

之所以要做调整,本质上是因为变量在不同测度下的值不同,因此量化这些调整需要测度变换(change of measure),这是下帖的内容。

前方高能温馨小贴士:下帖的数学推导密度相当高。Be Prepared!

Stay Tuned!

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-01-06,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 王的机器 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
测度转换 (下) – 漂移项转换
先考虑一个在 P 测度下的标准正态随机变量 X1 ~ N(0, 1) 和 X2 ~ N(-μ, 1),令事件 A = {a ≤ X ≤ y},我们可写出 X1 和 X2 满足 A 的概率为
用户5753894
2020/02/17
2.2K0
测度转换 (下) – 漂移项转换
FMM 大战 LMM - SOFR 企稳 Part I
注:该系列基于 Lyashenko A. 和 Mercurio F. 的论文 Looking Forward to Backward-Looking Rates。他俩在论文中提出了更为通用的 Forward Market Model (FMM),它可以同时处理后顾型的 RFR 复合利率和前瞻型的 IBOR。两名作者也因此被评选了 Quant of the Year 2020,他们都认为 FMM 才是定价 RFR 期权的正确模型,而且只需在现有的 LMM 方法上改进一点,并不需要过多的额外开发人力。
用户5753894
2020/02/19
1.1K0
FMM 大战 LMM - SOFR 企稳 Part I
『曲线构建系列 2』多曲线方法 (基差)
基差就是两种相似利率的差(本章只讨论 IBOR 利率),因此了解基差之前首先要知道 IBOR。
用户5753894
2019/10/24
2K0
测度转换 (上) – 等价物转换
本篇讲第一个问题(测度转换之等价物转换),下篇讲第二个问题(测度转换之漂移项转换),我知道现在你听的一头雾水,希望看完这两篇后你能明白其含义。
用户5753894
2020/02/17
2.8K1
从估值角度看家电行业表现,家电龙头依然具备估值修复空间
家用电器属于可选消费行业,所谓”可选消费”,是指的除食品、日用品等生活必需品以外的消费。
庄帅
2020/07/01
5660
从估值角度看家电行业表现,家电龙头依然具备估值修复空间
估值调整 - Quanto 调整
Quanto 是 quantity-adjusting 的缩写,字面上是变量调整的意思。由于 Quanto 没有好的中文翻译,我们就直接用 Quanto。带有 Quanto 衍生品的特点是标的物以货币 A 计价,但是产品本身是以货币 B 结算。
用户5753894
2020/01/14
3.7K0
估值调整 - Quanto 调整
『曲线构建系列 1』单曲线方法
估值金融产品需要折现其包含的现金流,这是我们就需要折现曲线。构建折现曲线是产品估值的必要条件。构建出一套完整而一致的曲线环境不是件容易的事,我们分三贴来把整个流程说明白。先看点故事。
用户5753894
2019/08/20
3K0
『曲线构建系列 1』单曲线方法
金融工程高度概览
整个流程图分为 6 大模块,除了开始的“数据参数”模块,后 5 个模块都有相对应的函数。
用户5753894
2019/07/05
1.6K0
估值调整 - 凸性调整
本帖讲凸性调整,先介绍什么是凸性,再定性分析得到远期和期货之间的差异,最后定量分析计算各类期货的凸性调整项。
用户5753894
2019/12/25
3.1K0
估值调整 - 凸性调整
FMM 大战 LMM - SOFR 企稳 Part III
在上贴「FMM 大战 LMM 2」中,我们主要推导出了 Fn(t) 在风险中性测度、即期测度和 Tk-远期测度下的 SDE。在估值和 RFR 挂钩产品时
用户5753894
2020/02/28
1.4K0
FMM 大战 LMM - SOFR 企稳 Part III
利率掉期 (IRS) 中的超级细节
最近有读者问人民币 FR007 掉期的估值总是和系统上对不上,加上 RFR 代替 IBOR 后有新的 RFR 掉期出现,其估值方法中有很多细节。以上两种产品都可以叫做利率掉期。笔者想趁着写《金融工程》一书的利率掉期这章时,顺便给大家做一个估值利率掉期高度概览,并指出所有应该注意的细节,避免大家在复现结果或者验证模型时少走点坑。
用户5753894
2021/04/21
3.9K0
利率掉期 (IRS) 中的超级细节
SOFR, So Far ... So Good?
2012 年的 19 家银行串通起来操纵 LIBOR 的丑闻还历历在目。巴克莱支付了 4.5 亿美元罚款,瑞银用 15.3 亿美元终结操纵指控,苏格兰皇家银行用 6.12 亿美元终结操纵指控,花旗、美银、摩根大通、德意志、汇丰等都涉嫌其中。大家肯定说天哪这真是天价罚款,别闹,它们靠操纵 LIBOR 赚的更多!
用户5753894
2019/07/30
9.6K1
债券收益率曲线构建
在构建掉期曲线(swap curve)时,每个标准年限都对应着一个市场报价,这样我们通常可以完美拟合出市场上它们的价格,但在构建债券曲线(bond curve)时,市场报价的债券到期日各不相同,我们只能近似拟合出它们的价格。
用户5753894
2020/05/12
2.9K0
FMM 大战 LMM - SOFR 企稳 Part II
在上贴中「FMM 大战 LMM 1」中,我们主要解决了用 RFR 复合利率来替代 IBOR 的痛点,即两者的利率范式都不同
用户5753894
2020/02/26
7150
你的产品是如何估值的?
本文作者Steve Sloane,是Menlo Ventures的负责人。在本文中,他通过三个部分介绍了风投如何对企业进行估值的方法,下面我们就一一进行说明。 一、营收倍数溯源 随着一些股票自身股价的
人称T客
2018/06/06
9390
用R语言用Nelson Siegel和线性插值模型对债券价格和收益率建模
B(0,t)也可以称为零息债券的价格。大多数债券不是零息债券,但是有可能使用零息债券构造几乎所有支付结构。
拓端
2020/08/10
1.2K0
4.3债券估值
discount factor:就是用来把一个FV给折现的factor,d(t), 代表年份
rocket
2018/09/14
4.8K0
4.3债券估值
软考高项 - 计算公式汇总整理
  今年三月份通知5月27日的软考临时修改了考试教材,改成第四版。据我们估计,新版和旧版相比修改的内容达到20%-30%,一起备考的老哥们基本都是二月份开始学的,三月份刚学完一轮,然后被通知要重新学。。白学了,真香~
陈哈哈
2023/05/02
3.1K1
软考高项 - 计算公式汇总整理
金融常识生活的必备——跟着案例理解金融(python实现)
现实生活中金融一直在我们身边,钱多想理财和投资大生意,钱少想贷款,每个人的需求不同。理解金融常识,可以帮助我们更好的理财和信贷,同时也帮我们减少损失,提高风险意识。理解常用金融知识,帮助提升金融与社会生活的应用价值,指导理财、信贷、消费与生活。金融与社会各行业相关,通过实际的金融案例学以致用提升生活品质,快速掌握金融业务知识又能掌握python的实际应用价值。
机器思维研究院
2019/09/17
2.3K0
金融常识生活的必备——跟着案例理解金融(python实现)
4.2 期权估值
标准差越高,股票涨跌的离差(dispersion)就越高,因此在二叉树里评估each time period股票的价格时,就可以捕获波动率。
rocket
2018/09/14
3.1K0
4.2 期权估值
相关推荐
测度转换 (下) – 漂移项转换
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档