Приближенный расчет параметров ликвидационной стоимости портфеля с учетом асимметрии ее распределения
Приближенный расчет параметров ликвидационной стоимости портфеля с учетом асимметрии ее распределения
Аннотация
Код статьи
S042473880024878-4-1
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Балабушкин Александр Николаевич 
Аффилиация: Компания БКС
Адрес: Москва, Россия
Выпуск
Страницы
105-118
Аннотация

Рассматривается граничная задача для однородного диффузионного процесса в предположении малости случайных возмущений. Показывается, что среднее, вторые и третьи центральные моменты вектора состояния в момент достижения заданной плоскости в фазовом пространстве могут быть приближенно получены как решение системы обыкновенных дифференциальных уравнений с дополнительным преобразованием (проецированием на границу). Для квантиля линейной комбинации координат процесса дается разложение второго порядка по степеням малого параметра, характеризующего уровень случайных возмущений. В первом приближении это разложение соответствует гауссовскому распределению, следующий член учитывает асимметрию. Результат распространяется на процесс с несколькими границами, при достижении каждой из которых уравнение процесса изменяется. Такая модель описывает ликвидацию портфеля финансовых инструментов в предположении, что скорость закрытия каждой позиции является случайным процессом. Приводятся два примера. В первом — портфель состоит из линейных инструментов (таких как акции, фьючерсы), цены описываются коррелированными геометрическими броуновскими движениями, скорости закрытия позиций постоянны, но со случайными флуктуациями из-за ежедневных колебаний биржевых оборотов. В этом случае приближенные выражения для среднего, дисперсии, коэффициента асимметрии, VaR и CVaR финансового результата ликвидации портфеля даются в явном виде. Во втором примере рассматривается ликвидация биржевой опционной позиции в предположении, что скорость закрытия изменяется в зависимости от отношения цены базового актива к страйковой цене опциона. Результаты численных расчетов показывают, что учет асимметрии распределения финансового результата существенно повышает точность оценок.

Ключевые слова
диффузионный процесс, граничная задача, геометрическое броуновское движение, ликвидационная стоимость портфеля, опцион, Value-at-Risk, разложение Корниша–Фишера.
Классификатор
Получено
24.06.2022
Дата публикации
29.03.2023
Всего подписок
15
Всего просмотров
170
Оценка читателей
0.0 (0 голосов)
Цитировать Скачать pdf
Доступ к дополнительным сервисам
Дополнительные сервисы только на эту статью
Дополнительные сервисы на весь выпуск”
Дополнительные сервисы на все выпуски за 2023 год
1 1. Введение
2 Клиринговые организации с определенной периодичностью проводят контроль обеспеченности портфелей участников клиринга, а те, в свою очередь, проверяют портфели своих клиентов. При использовании меры риска Value-at-Risk (Jorion, 2007) возможные потери оцениваются величиной VaRτ,α=m0-qτ,α , а условием обеспеченности портфеля является qτ,α0, где m0  — текущая стоимость портфеля, qτ,α  — квантиль заданного порядка α0,1 распределения стоимости портфеля в момент τ>0 . Временнόй горизонт τ складывается из:
3
  1. продолжительности периода между проверками условия обеспеченности;
  2. срока, предоставляемого участнику клиринга для самостоятельных операций по устранению дефицита обеспечения, если таковой выявлен (довнесением активов и/или проведением соответствующих сделок);
  3. интервала, в течение которого клиринговая организация считает возможным ликвидировать портфель в принудительном порядке, т.е. совершить закрывающие сделки и, в случае необходимости, распродать активы портфеля.
4 До недавнего времени общепринятым был стандартизованный подход, в котором все компоненты τ устанавливались едиными для всех участников клиринга вне зависимости от состава портфеля. Типично срок τ составлял 1 или 2 дня. Данный способ не учитывал особенностей больших позиций, закрытие которых происходит частями и не укладывается в стандартный период. В настоящее время рискам такого рода (рискам концентрации) уделяется значительное внимание в регулировании клиринговой деятельности. Дополнительным фактором, потребовавшим изменения стандартизованного подхода, стало включение в сферу деятельности клиринговых организаций внебиржевых рынков (ОТС), для которых характерны более длительные сроки и специфические процедуры закрытия позиций.
5 В большинстве случаев учет рисков больших позиций сводится к модификации стандартных алгоритмом оценки риска портфеля для фиксированного временного горизонта. Так, Chicago Mercantile Exchange включила в свою методологию Standard Portfolio Analysis of Risk надбавку за концентрацию (concentration charge), которая возникает в случае превышения размером позиции порога, зависящего от среднедневного объема торгов соответствующим инструментом1. В методологии SIMM2 (Standard Initial Margin Model), разработанной International Swaps and Derivatives Association для ОТС рынка, при превышении позицией i определенного порога вводится множитель (concentration risk factor) CRi=max1, τi/τ , где τi во столько раз превышает стандартный срок τ , во сколько раз размер позиции превышает порог. Далее риск по портфелю рассчитывается с помощью  VaRiτi,α= VaRiτ,αCRi по обычной формуле для дисперсии суммы коррелированных случайных величин (variance-covariance), но с заменой коэффициента корреляции ρij между ценами инструментов i, j на λijρij , где λij=minτi,τj/maxτi,τj .
1. >>>>

2. www.isda.org
6 Наиболее основательно к проблеме больших позиций подошла бразильская биржа B33, разработав новый подход CORE4 (Closeout Risk Evaluation). Процесс ликвидации каждой позиции представляется в виде последовательности uk , kuk=1 , элементы которой обозначают доли позиции, закрываемые в дни k=1, 2, … (стратегия ликвидации). Одновременно с оценкой риска определяется наилучшая в некотором смысле стратегия ликвидации портфеля. Данный подход можно назвать минимаксным: каждой стратегии ликвидации сопоставляются потери в наихудшем сценарии поведения риск-факторов (цен, процентных ставок, волатильностей и др.) из заранее определенного множества сценариев, а оптимальная стратегия характеризуется наименьшими такими потерями. При этом возникают особые требования к формированию множества сценариев во избежание чрезмерно больших уклонений риск-факторов.
3. Некоторые указания на способ, применяемый B3, содержатся в (De Genaro, 2016) и B3 Clearinghouse Risk Management Manual (https://www.b3.com.br/data/files/1A/D2/8A/FC/0974D710EEBC50D7AC094EA8/B3%20Clearinghouse%20Risk%20Management%20Manual%20-%2020211122.pdf).

4. Описание базовых принципов методологии CORE содержится в работах (Avellaneda, Cont, 2013; Vicente et al., 2015).
7 Оптимальная ликвидация портфеля линейных инструментов с более традиционным вероятностным критерием рассмотрена в (Kim, 2014; Avellaneda et al., 2015), где при определенных условиях показано, что оптимальные стратегии являются кусочно-постоянными и могут быть получены как решение задачи квадратичного программирования.
8 Алгоритм CORE вычислительно затратен, так как анализируется большое число сценариев (как правило, не менее 10 тыс.) и решаются соответствующие задачи оптимизации. В настоящее время применение торговых роботов требует непрерывного контроля обеспеченности портфелей. Относительно простые модификации стандартизованных алгоритмов, упомянутые ранее, позволяют получать неоптимизированную оценку риска портфеля (т.е. оценку сверху), что приемлемо с практической точки зрения.
9 В данной работе задача оптимизации не ставится, стратегия ликвидации считается заданной, в частности, это может быть закрытие каждой позиции с постоянной скоростью. Акцент делается на оценке риска портфеля с учетом коэффициента асимметрии распределения финансового результата. Наряду с VaR рассматривается мера риска Expected Shortfall или CVaR , равная
10 CVaRα=m0-Qα,    Qα=1α-qαzfzdz,
11 где fz  — плотность функции распределения финансового результата (в предположении ее существования), при этом условием обеспеченности является Qα0 .
12 2. Ликвидация линейных позиций с приблизительно постоянными скоростями
13 Примем следующую модель процесса ликвидации: размер закрываемой позиции в день k равен uk=uΔt+νuηkΔt, где u, ν  — константы, ηk  — независимые нормально распределенные случайные величины со средним 0 и дисперсией 1, Δt=1/252 (исходя из 252 торговых дней в году). Первое слагаемое предполагается таким, что ликвидация позиции данного объема не оказывает существенного влияния на цены. Значение устанавливается экспертно, например, это может быть 10% квантиля порядка αvolume=0,25 дневных оборотов торгов за последние 3 месяца. Второе слагаемое описывает случайные флуктуации, вызванные колебаниями оборота торгов день ото дня. Отрицательные значения соответствуют обороту ниже квантиля, а в случае повышенного оборота производится компенсация имеющегося отставания от плана (поэтому для ηk принято симметричное распределение). Строго говоря, в этой модели имеется вероятность получить отрицательную величину uk, т.е. в некоторые дни вместо закрытия нарастить позицию, однако типично значения параметра ν не превышают 0,01–0,02 и эта вероятность пренебрежимо мала.
14 Пусть портфель состоит из n компонент, цены которых в момент t=0 равны Si>0 , количества равны Xi , i=1,  ...,  n . Количества могут быть как положительными, так и отрицательными. Задается время t00 , в течение которого никаких действий с портфелем не совершается. Для t>t0 каждая из компонент портфеля изменяется в соответствии с уравнением
15 dXiεt=-uidt+ενiuidWit,     Xiεt0=Xi,    i=1,  ...,  n, (1)
16 где ui  — постоянные величины того же знака, что и начальные количества Xi , νi>0  — постоянные величины, Wit  — винеровские процессы, 0ε1  — вспомогательный параметр. Для применения приведенных далее результатов следует положить ε=1 . Уравнение (1) является непрерывным аналогом приведенной выше модели ликвидации.
17 Изменение цен для t>0 описывается многомерным геометрическим броуновским движением с нулевым сносом
18 dSiεt=εSiεtj=1kBijdWn+jt,    Siε0=Si,     i=1,  ...,  n,  (2)
19 где B — матрица размера n×k с постоянными элементами; δi=Dii>0 , D=BBT; T — знак транспонирования. Все винеровские процессы Wit,   i=1,  ...,  n+k, предполагаются независимыми. Вводя винеровские процессы Wi'(t=1δij=1kBijWn+jt, уравнение (2) можно представить в виде
20 dSiεt=εδiSiεtdW'it. (3)
21 Величины δi являются волатильностями цен Siεt , ρij=Dij/δiδj  — корреляциями относительных изменений цен. Эти параметры определяются по истории цен статистическими методами, и в этих же терминах формулируется результат.
22 Каждое из уравнений (1) описывает процесс ликвидации соответствующей компоненты портфеля до момента t0+τiε , где
23 τiε=infs0:Xiεt0+s=0=infs>0Wit0+s-Wit0=s-τi/ενi,
24 τi=Xi/ui  — период ликвидации позиции i при отсутствии случайных возмущений. Как известно, Pτiε<=1 (Липцер, Ширяев, 1974). Обозначим Yiεt денежную сумму, которая образуется в процессе ликвидации компоненты i к моменту t в интервале t0tt0+τiε . Будем предполагать, что компоненты портфеля могут быть двух типов:
25
  1. акция — в этом случае Yiε(t) определяется уравнением
26 dYiε(t)=-Siε(t)dXiε(t),    Yiε(t0)=0; (4)
27
  1. фьючерс — тогда финансовый результат образуется в результате накопления вариационной маржи
28 dYiε(t)=Xiε(t)dSiε(t),    Yiεt0= XiSiεt0-Si. (5)
29 Начальное условие в (5) описывает вариационную маржу до начала процесса ликвидации. С учетом предположения о независимости винеровских процессов Wi't , Wit
30 Xiεt0+τiεSiεt0+τiε-XiSiεt0=t0t0+τiεXiεtdSiεt+t0t0+τiεSiεtdXiεt, Xiεt0+τiε=0 ,
31 поэтому результат ликвидации для акции Yiεt0+τiε можно представить в виде решения уравнения (5) с начальным условием Yiε(t0)=XiSiε(t0) , а результат для фьючерса — в виде решения уравнения (4) с начальным условием Yiεt0= -XiSiεt0 .
32 Необходимо найти: среднее mε , дисперсию Vε , третий центральный момент Mε , квантиль qε(α) и ожидаемые потери Qε(α) распределения случайной величины Yε=i=1nYiεt0+τiε .
33 Введем обозначения. Пусть:
34 m0=акцииXiSi,    V=i,j=1nρijλijωiωj,      ωi=XiSiδit0+τi/3,
35 λij=  2τijmax-1  6t0τijmax+τijmin3τijmax-τijmin/ 3t0+τi3t0+τj,    τijmax=maxτi,τj,  τijmin=minτi,τj,
36 M  — величина, определенная в Приложении, п. 1; σ=V , χ=Mσ-3 ; Φ(r) , φ(r) , βα=Φ-1(α)  — функция стандартного нормального распределения, ее плотность и квантиль порядка α ;
37 q~εα=m0+εσβα+εχσβα2-1/6, (6)
38 Q~εα=m0-εσϕβα/α-εχσβαϕβα/6α. (7)
39 Утверждение 1.
40 I. mε=m0 .
41 II. Если все моменты τi различны, то Vε=εV+ε2Δ1ε , Mε=ε2M+ε3Δ2ε , где Δ1ε , Δ2ε ограничены для 0<εε1 при некотором 0<ε11 ; при условии V>0 для любого α<0,5 найдется 0<ε1(α)1 такое, что
42 qε(α)=q~ε(α)+ε3/2Δ3ε(α) ,(8)
43 Qε(α)=Q~ε(α)+ε3/2Δ4ε(α), (9)
44 где Δ3ε(α) , Δ4ε(α) ограничены для 0<εε1(α) .
45 Выражения (6), (7) без последних слагаемых соответствуют нормальному распределению. В этом приближении случайная величина Yε характеризуется средним m0 и дисперсией εV . Ликвидационные стоимости отдельных компонент Yiε(t0+τiε) имеют средние miε=XiSi для акций и miε=0 для фьючерсов, дисперсии приблизительно равны ε ωi2 , а корреляции — ρijλij. Коэффициенты λij обладают свойствами: λij=1 для любых t00 , τj=τi ; если увеличивать τj , начиная со значения τi , то λij убывает. При t0=0
46 λij=32-τijmin2τijmax τijminτijmax   τijminτijmax,
47 где справа указан упомянутый в разд. 1 аналогичный коэффициент методологии SIMM.
48 Последние слагаемые в (6), (7) являются поправками к гауссовской аппроксимации, обусловленными наличием у рассматриваемого распределения асимметрии χε=MεVε-3/2εχ . В (Boudt, Peterson, Croux, 2008) посредством комбинирования отрезков разложений Эджворта для распределений и Корниша–Фишера для квантилей получены уточнения гауссовских аппроксимаций VaR и CVaR, содержащие коэффициенты асимметрии и эксцесса. Здесь критерием обрыва разложений является не количество учитываемых моментов распределения, а малость поправки по ε .
49 Величины νi не входят в приближенные выражения, т.е. случайная неравномерность процесса ликвидации вносит эффект более высокого порядка малости по ε .
50 Вклад коэффициента асимметрии в результат становится существенным только для больших сроков закрытия позиций и высоких ценовых волатильностей. Более всего это соответствует депрессивному состоянию рынка с пониженными оборотами в условиях кризиса.
51 Пример 1. Пусть портфель состоит из четырех позиций (табл. 1).
52 Таблица 1
53
Xi 48 –65 –84 –30
Si 33 30 10 50
ui/252 4 –5 –6 –2
δi 0,3 0,35 0,4 0,45
54 Первые три являются позициями в акциях, четвертая — во фьючерсе. В третьей строке указаны размеры позиций, которые можно закрыть за 1 день. Корреляционная матрица имеет вид
55 10,560,5610,810,690,860,800,810,860,690,8010,940,941
56 Период t0 принят равным 1/252 (т.е. 1 дню), νi0,02 для всех инструментов.
57 В табл. 2 приведены результаты, полученные методом Монте-Карло для 106 испытаний с шагом Δt=0,1/252, и относительные погрешности аппроксимаций. Величины VaRεα и CVaRεα рассчитаны для α=0,003. Точность оценок VaR~εα=m0-q~εα и CVaR~εα=m0-Q~εα указана в двух вариантах: в гауссовском приближении (значение слева) и по полным формулам (6), (7) с учетом асимметрии (значение справа).
58 Таблица 2
59
Метод mε σε=Vε χε VaRεα CVaRεα
Монте-Карло -1205,7 201,44 –0,2069 600,54 678,28
Аппроксимация 2,4×10-4 3,8 ×10-3 1,1% 8,9% 0,5% 10,8% 1,1%
60 В данном примере учет асимметрии приводит к снижению относительной погрешности оценок VaR~εα , CVaR~εα приблизительно в 10 раз.
61 Условие различия моментов τi используется при доказательстве более общего утверждения 3, приведенного в следующем разделе, а утверждение 1 выводится как следствие. По-видимому, в частном случае задачи данного раздела это условие не является необходимым, однако доказательство получено только для первого соотношения утверждения 1, п. I.
62 Утверждение 2. Vε=εV+ε2Δ1ε , где Δ1ε ограничена для 0<εε1 при некотором 0<ε11 .
63 С практической точки зрения данный вопрос представляется второстепенным, поскольку расчеты различных модельных примеров не выявляют каких-либо особенностей при совпадении некоторых или всех моментов τi .
64 Пример 2. Заменим в примере 1 первую строку таблицы.
65
Xi 48 –60 –90 –30
66 Тогда τ1=τ2=12/252 и τ3=τ4=15/252 . Результаты расчетов по формулам утверждения 1 показывают, что погрешности остаются приблизительно на прежних уровнях (табл. 3).
67 Таблица 3
68
Метод mε σε χε VaRεα CVaRεα
Монте-Карло -1116,0 196,00 –0,2097 584,40 660,64
Аппроксимация 3,8×10-5 5,1 ×10-3 0,2% 9,0% 0,7% 11,9% 1,3%
69 3. Процессы с переключениями на границах
70 Сформулируем задачу разд. 2 следующим образом. Имеется процесс Xiεt,Siεt,Yiεti=1,n¯ , описываемый уравнениями (1), (3), (4), (5). В случайные моменты достижения процессом границ в фазовом пространстве Xiε(t)=0 уравнения для соответствующих координат процесса изменяются на dXiε(t)=0 , dSiε(t)=0 , dYiε(t)=0 , что приводит к остановке этих координат. Требуется найти распределение линейной комбинации координат вектора состояния процесса в момент достижения процессом последней из границ.
71 В качестве обобщения предположим, что n -мерный случайный процесс, описывается однородным стохастическим уравнением
72 dζε(t)=f1ζε(t)ds+εδ1ζε(t)dW(t) , ζε(0)=x , (10)
73 где x  — известное начальное состояние, W(t)  — l-мерный винеровский процесс с независимыми компонентами, элементы вектора f1ζ и матрицы δ1ζ удовлетворяют следующим условиям.
74 Условие А. f1 iζ, δ1 ijζCRn, i=1,  ...,  n;     j=1,  ...,  l.
75 Условие Б. При некотором K>0 для любых ζ,ηRn
76 i=1nf 1  i2ζ+i=1nj=1lδ 1  ij2ζK1+i=1nζi2,
77 i=1nf1   iζ-f 1  iη2+i=1nj=1lδ1  ijζ-δ 1  ijη2Ki=1nζi-ηi2.
78 Условие Б обеспечивает существование и единственность решения уравнения (10), траектории процесса ζε(t) непрерывны (Липцер, Ширяев, 1974).
79 Невозмущенный процесс ζ(t) задается уравнением ζ˙(t)=f1ζ(t) , ζ(0)=x .
80 Определим случайный процесс с переключениями ξε(t) следующим образом. Пусть векторы πθRn и константы rθ задают плоскости Пθ=ζRn:πθ*ζ=rθ, θ=1,  ...,  Θ. До случайного момента τ1ε=inft0:ζε(t)θ=1ΘΠθ   (inf=T) включительно процесс ξε(t) совпадает с ζε(t) . После этого состояние ξε(τ1ε) становится начальным для уравнения вида (10), но с другими парами функций f*ξ,δ*ξ , которые зависят от того, какая именно граница была достигнута (или несколько границ одновременно). Достигнутые границы исключаются из определения последующих моментов остановки. После каждого момента остановки функции f*ξ,δ*ξ изменяются в зависимости от того, какие границы и в какой последовательности достигались ранее.
81 Предполагается, что все пары f*ξ,δ*ξ удовлетворяют условиям, аналогичным А и Б. Если некоторая траектория процесса ξε(t) до наступления момента T достигает всех Θ плоскостей, то обозначим через τΘε — момент достижения последней границы (номер этой границы не обязательно Θ ), иначе положим τΘε=T ; Yε=Hξε(τΘε), где H  — заданная строка размерности n . Задача, как и в разд. 2, заключается в нахождении среднего mε, дисперсии Vε, третьего центрального момента Mε , квантиля qε(α) и ожидаемых потерь Qε(α) распределения случайной величины Yε . Положим τ0=τ0ε=0 , τΘ+1=τΘ+1ε=T и добавим еще одно условие.
82 Условие В. Предположим, что невозмущенный процесс ξ(t) , определяемый последовательностью уравнений
83 ξ˙(t)=fθξ(t) , tτθ-1,τθ , θ=1,  ...,  Θ+1 ,(11)
84 достигает границ Π1 , …, Πθ в указанной последовательности в моменты 0<τ1<...<τΘ<T , причем каждое достижение происходит нетангенциально: bθ=πθ*ξ˙θ0 , где ξ˙θ=fθξ(τθ) , θ=1,  ...,  Θ .
85 Пусть функции δθξ образуют пары с функциями fθξ , т.е. отрезки случайного процесса ξε(t) при условии последовательного достижения плоскостей Π1 , …, ΠΘ в моменты 0<τ1ε<τ2ε<...<τΘε<T описываются уравнениями:
86 dξε(t)=fθξε(t)ds+εδθξε(t)dW(t) , tτθ-1ε,τθε , θ=1,  ...,  Θ+1. (12)
87 Как следует из Приложения, п. 2, лемма 1 (Fleming, 1974, лемма 2.1), при малых ε траектории ξε(t) в окрестности невозмущенной траектории ξ(t) дают основной вклад в распределение случайной величины Yε , поэтому для формулировки приближенного результата из всех пар fξ,δξ достаточно задать fθξ,δθξ,    θ=1,  ...,  Θ. 
88 Условие Г. Предположим, что распределение случайной величины Yε , определяемой уравнением (12) для θ=  Θ при начальном условии ξε(τΘ-1ε)=ξ(τΘ-1) , имеет плотность.
89 Введем следующие обозначения:
90 Aθ(ξ)=Aθ  j     i(ξ)i,j=1n , Aθ  j     i(ξ)=fθ   i(ξ)ξj ( i  — номер строки),
91 aθ(ξ)=aθ   ij(ξ)i,j=1n=δθ(ξ)δθ*(ξ) , cθ  k     ij(ξ)=aθ  ij(ξ)/ξk, Fθ  ijk(ξ)=2fθ  k(ξ)/ξiξj. Сначала рассмотрим процесс без переключений ζε(t). Определим функции γ(t)=γi(t)i=1n , Γ(t)=Γij(t)i,j=1n , Μ(t)=Μijk(t)i,j,k=1n как решения обыкновенных дифференциальных уравнений на отрезке 0,T , где пока полагаем θ=1 :
92 γ˙i(t)=p=1nAθ piζ(t)γp(t)+0,5p,q=1nFθ  pqiζ(t)Γpq(t),    γ(0)=0, (13)
93 Γ˙ij(t)=p=1nAθ  piζ(t)Γpj(t)+Aθ   pjζ(t)Γpi(t)+aθ  ijζ(t),    Γ(0)=0, (14)
94 Μ˙ijk(t)=p=1nAθ  piζ(t)Μpjk(t)+Aθ  pjζ(t)Μipk(t)+Aθ  pkζ(t)Μijp(t)++p,q=1n Fθ pq iζtΓpjtΓqkt+Fθ pq jζtΓpitΓqkt+Fθ pq kζtΓpitΓqjt++p=1n cθ p ijζtΓpkt+cθ p ikζtΓpjt+cθ p jkζtΓpit,    Μ0=0. (15)
95 Поскольку Γijt, Μijkt не меняются при перестановке индексов, имеется 0,5nn+1 уравнений (14) и nn+1n+2/6 уравнений (15). Как показано в Приложении, п. 2, для любого t0,T среднее, ковариационная матрица и третьи центральные моменты случайного вектора ζε(t) могут быть представлены соответственно как
96 ζ(t)+εγ(t)+ε2Δ5ε(t) , εΓ(t)+ε2Δ6ε(t) , ε2Μ(t)+ε3Δ7ε(t) , (16)
97 где для каждого t найдется ε1>0 такое, что функции Δ5ε(t) , Δ6ε(t) , Δ7ε(t) ограничены для 0<εε1 .
98 Переходя к процессу ξε(t) , сохраним данное определение функций γ(t) , Γ(t) , Μ(t) на полуотрезке t0,τ1 , переопределив для момента τ1 . Смысл этого преобразования в том, чтобы от распределения сечения процесса ζε(t) в фиксированный момент времени t=τ1 перейти к распределению на границе Π1 (проецирование на границу). Пусть по-прежнему θ=1, In×n — единичная матрица, Γτθ- — предел Γt слева в точке τθ , Aθ=Aξ(τθ) , ξ¨=Aθξ˙ , Γ˙θ=AθΓτθ-+Γτθ-AθT+aθξ(τθ) , Lθ=In×n-ξ˙θπθT/bθ , μ=Lξ¨/b2 , Zθ=LθΓ˙θLθT , zθ=LθΓτθ-πθ .
99 Преобразование имеет вид:
100 γτθ=-1bθLθAθΓτθ-πθ+0,5πθTΓτθ-πθμθ+Lθγτθ-, (17)
101 Γτθ=LθΓτθ-LθT ,(18)
102 Μijk τθ=μθizθ  jzθ  k+μθjzθ  izθ  k+μθkzθ  izθ  j-zθ   i Zθ  jk+zθ  j Zθ  ik +zθ  k Zθ  ij /bθ++p,q,r=1nLθ  piLθ  qjLθ  rkΜpqr τθ-,    i,j,k=1,  ...,  n. (19)
103 Далее γ(τ1) , Γ(τ1) , Μ(τ1) становятся начальными для уравнений (13)–(15) на полуотрезке τ1,τ2 с заменой θ=1 на θ=2 и невозмущенного процесса ζ(t) на ξ(t) . Затем по формулам (17)–(19) делается преобразование для θ=2 :
104 γ(τθ-),Γ(τθ-),Μ(τθ-)γ(τθ),Γ(τθ),Μ(τθ). (20)
105 Эта процедура повторяется для последующих отрезков τθ-1,τθ до получения финальных значений γ(τΘ) , Γ(τΘ) , Μ(τΘ) .
106 Определим q~ε(α) , Q~ε(α) выражениями:
107 q~εα=m+εσβα+εΔm+χσβα2-1/6 , (21)
108 Q~εα=m-εσϕβα/α+εΔm-χσβαϕβα/6α, (22)
109 где m=Hξτθ , Δm=HγτΘ , V=HΓτΘHT , M=i,j,k=1nHiHjHkΜijk τΘ , σ=V , χ=Mσ-3.
110 Утверждение 3.
111
  1. При условиях А–В для некоторого 0<ε11 : mε=m+εΔm+ε2Δ8ε , Vε=εV+ε2Δ9ε, Mε=ε2M+ε3Δ10ε , где Δ8ε , Δ9ε , Δ10ε ограничены для 0<εε1 ;
112 2. При дополнительных условиях Г и V>0 для любого α<0,5 найдется 0<ε1(α)1 такое, что
113 qε(α)=q~ε(α)+ε3/2Δ11ε(α) , (23)
114 Qε(α)=Q~ε(α)+ε3/2Δ12ε(α) , (24)
115 где Δ11ε(α) , Δ12ε(α) ограничены для 0<εε1(α) .
116 Пример 3. Пусть портфель состоит из короткой позиции по опциону колл, количество X0=-90 , страйк E=100 , срок до экспирации Texp=12/252 . Базовым активом опциона является фьючерсный контракт, цена опциона определяется формулой Блэка CF,Ω,t , в которой процентную ставку положим равной нулю. Цена базового фьючерса Ft и подразумеваемая волатильность Ωt описываются геометрическими броуновскими движениями:
117 dFt=δFtdW1t,    F0=100,    dΩt=νΩtdW2t,    Ω0=0,4,   δ=0,4 , ν=2,0 . Винеровские процессы W1t , W2t являются независимыми. Ликвидация позиции начинается в момент t0=0 и происходит в соответствии с
118 dXt=-uFtdt,     uF=u00,7exp-qF/E-12+0,3,     q=100ln2,    u0/252=30.
119 Минимальная скорость закрытия 0,3u0 гарантирует ликвидацию позиции за 10 дней, т.е. в пределах срока действия опциона. Если бы цена базового актива сохранялась на уровне страйка, закрытие заняло бы 3 дня. Коэффициент q выбран так, что при смещении F от начального значения на 10% экспонента снижается до 0,5. Данная формула для скорости закрытия выбрана произвольно, но качественно соответствует наблюдаемому на торгах снижению ликвидности серии опционов при удалении цены базового актива от страйка.
120 Рассмотрим опцион в двух вариантах: а) традиционный (up front); б) маржируемый (futures-style). В первом случае финансовый результат дается уравнением вида (4), во втором — вида (5), с заменой цены акции на цену опциона. Как и в разд. 2, применение формулы Ито к процессу XtCt показывает, что распределение финансового результата в вариантах а) и б) отличается только сдвигом на начальную стоимость опционов m0=X0C0=-313,30 .
121 Предположим, что закрытие опционной позиции осуществляется владельцем портфеля, который в процессе ликвидации непрерывно поддерживает дельта-нейтральную позицию для уменьшения неопределенности финансового результат (базовый фьючерс считаем значительно более ликвидным, чем опцион). Поскольку в вариантах а) и б) фьючерсная позиция изменяется одинаково, вывод о сдвиге распределений на величину m0 сохраняется.
122 В уравнении (10) вектор состояния имеет размерность 5. Функция f1ζ и матрица δ1ζ в вариантах а) и б) имеют вид (опуская индекс 1):
123
  • традиционный вариант — f=-uF,0,0,CF,Ω,t,1T ; δ  — нулевая матрица размера 5×2 , за исключением δ2,1= δF,     δ3,2= νΩ,     δ4,1= -XΔδF;
  • маржируемый вариант — f=-uF, 0, 0, Xθ+0,5Γδ2F2+0,5Volga ν2Ω2,1T; δ — нулевая матрица размера 5×2 , за исключением δ2,1= δF,    δ3,2= νΩ,    δ4,2= X Vega νΩ.
124 В данном примере θ, Δ,Γ,Vega, Volga — частные производные стоимости опциона («греки»).
125 Частные производные в уравнениях (13)–(15) определялись численным методом. Параметры финансового результата получены методом Монте-Карло по 106 испытаний с шагом Δt=0,01/252 . Для сопоставимости результатов в первой колонке для Монте-Карло (вариант а) указана величина mε-m0 , а для аппроксимация (вариант а) — величина m+Δm-m0 (табл. 4).
126 Таблица 4
127
Метод mε σε χε VaRεα CVaRεα
Монте-Карло Вариант а –0,47 33,73 –0,52 113,40 130,42
Вариант б -0,52 33,71 –0,52 113,48 130,41
Аппроксимация Вариант а –1,38 35,26 –0,40 98,25 113,74 108,90 128,71
Вариант б –0,66 34,34 –0,50 95,03 113,73 105,40 129,32
128 В данном примере аппроксимация при варианте б) оказывается несколько более точной. В обоих вариантах гауссовские приближения VaRεα , CVaRεα получаются заниженными (значения слева), учет асимметрии значительно улучшает оценки.
129 Закрытие крупной биржевой позиции может быть осуществлено одномоментно, если на рынке присутствуют участники, готовые по запросу дать котировки на большие объемы (в частности, список таких участников предоставляет Московская биржа). Приведенные выше соотношения позволяют выразить котировку в вероятностных терминах. Текущая цена опциона составляет C0=3,48. Предположим, что имеется возможность закрыть позицию по цене C=3,65, потери по всему портфелю составят 15,20. Такое значение VaR~εα получается при α=0,307 (метод Монте-Карло дает 0,305), т.е. при растянутом во времени закрытии на биржевом рынке можно ожидать худшего результата, чем при одномоментном, с вероятностью около 30%.
130 Вместо формулы Блэка можно использовать какую-либо модель стохастической волатильности, например SABR. Для опционов вне денег аппроксимации становятся все менее удовлетворительными по мере отклонения F0 от страйка, поскольку зависимость цены опциона от F в окрестности F0 все заметнее отличается от параболы, а приближения используют частные производные до второго порядка. В этом случае можно в некоторой окрестности F0 заменить цену опциона на верхнюю параболическую границу (для короткой позиции) или на нижнюю границу (для длинной позиции) и получить оценки сверху для VaRεα , CVaRεα .
131 Приложение
132 1. Пусть компоненты портфеля пронумерованы в порядке неубывания τi , т.е. τ1τn . Для совпадающих τi порядок следования значения не имеет. Обозначим
133 M=t02i,j,k=1nXiXjXkSiSjSkδiδjδkδiρijρik+δjρjiρjk+δkρkiρkj+i=1nj=ink=jnt0M'ijk+M''ijk,
134 где M'ijk , M''ijk равны:
135 – если i=j=k, то Miii'=2τiSi3Xi3δi4, Miii"=25τi2Si3Xi3δi4;
136 – если i=j<k, то Miik'=τiSi2Skδi2δkρik2Xi2Xkδi+3τk-τiXi2ukδi+δkρik,
137 Miik"=120Si2SkXi2ukδi2δkρikτi225τk-9τiδi+15τk-7τiδkρik;
138 – если i<j=k, то M'ikk=SiSk2δiδk2ρik2Xi2Xkδkτk+3τk-τiτiukXkXiδk+δiρik,
139 M''ikk=0,5SiSk2Xiuk2δiδk2ρikτi20τk3-5τkτi2+τi3δk+τi20τk2-15τiτk+3τi2δiρik;
140 – если i<j<k,  то
141 M'ijk=SiSjSkδiδjδk3τj-τiτiXkXiujρijδiρik+δjρjk+3τk-τjτjXiXjukρjkδjρij+δkρki,
142 M''ijk=0,05τi2SiuiSjujSkukδiδjδkpδiρijρik+qδjρjiρjk+rδkρkiρkj ,
143 p=40τiτjτk-15τkτi2-15τjτi2+6τi3 , q=30τj2τk-10τj3-5τi2τk+τi3 ,
144 r=30τj2τk-10τj3-5τi2τj+τi3.
145 2. В случае Θ=1 имеем обычную граничную задачу при малых возмущениях. Введем следующие обозначения: mx=Hζxτx, где τx является моментом достижения невозмущенной траекторией поверхности Π1 при начальном условии ζx0=x ,
146 Δmx=0,50τxi,j=1n2mζζiζjaijζζ=ζxtdt,    Vx=0τxi,j=1nmζζimζζjaijζζ=ζxtdt,
147 Mx=30τxi,j=1nmζζiVζζjaijζζ=ζxtdt.
148 Эти функции могут быть представлены как решение задачи Коши (13)–(15) с преобразованием (17)–(19). Соответствующие выкладки содержатся в (Балабушкин, 1991), где доказан п. 1 из утверждения 3. Ниже приведено доказательство п. 2.
149 Введем трубку радиуса ρ>0 вокруг невозмущенной траектории ζx(t) : Uρ(x)=0tTζRn:ζ-ζx(t)<ρ , где     — евклидова норма в Rn .
150 Лемма 1 (Fleming, 1974, lemma 2.1). Для любых ρ>0 и компактного множества KRn найдутся λ>0 и ε1>0 такие, что
151 Pt[0,T]:    ζxε(t)Uρ(x)2nexp-ρλ/ε
152 для всех xK , 0<εε1 .
153 При Θ=1 τ1ε=inft0:  ζε(t)Π1(inf=T) . Обозначим U1ρ часть трубки Uρ , которая содержит точку x и лежит по одну сторону от плоскости Π1 . Пусть τ~1ε=inft0:ζε(t)U1ρ , тогда по определению τ~1ετ1ε . По условию В можно выбрать достаточно малое ρ>0 так, что τ~1ε<T . Разобьем границу U1ρ на U11ρ=U1ρΠ1 и U12ρ=U1ρ\U11ρ . Из леммы 1 следует, что pε=Pτ~1ε<τ1ε0 при ε0 быстрее любой степени ε .
154 Рассмотрим в качестве аппроксимации характеристической функции ψλε(x)=EexpiλYxε выражение
155 ψ~λε(x)=1+(i λ)3ε2M(x)/6expi λm(x)+εΔm(x)-0,5ελ2V(x).
156 Применяя к ψ~λεζxε(t) формулу Ито, получаем
157 ψλε(x)=ψ~λε(x)+Δψ2+Δψ3 ,(П1)
158 где
159 Δψ2=E expiλYε-ψ~λεζετ~1ε  , Δψ3=E0τ~1εL1εψ~λεζε(t)dt , L1εψ(ζ)=defi=1nψ(ζ)ζif1  i(ζ)+0,5εi,j=1n2ψ(ζ)ζiζja1  ij(ζ) .
160 Обозначим Fε(r) функцию распределения случайной величины ε-0,5Yε-m-εΔm , Fε,ϑ(r)  — функцию распределения суммы этой случайной величины и гауссовской случайной величины η с нулевым средним и дисперсией ϑ2>0 , не зависящей от Yε . По условию Г функция Fε(r) абсолютно непрерывна. Для любых a<b
161 Fε,ϑ(b)-Fε,ϑ(a)=2π-1-e-iλa-e-iλbiλψλ/εεexp-iλεm+εΔm-0,5λ2ϑ2dλ. (П2)
162 Наличие вспомогательного множителя exp-0,5λ2ϑ2 позволяет в дальнейшем применять теорему Фубини о замене порядка интегрирования в повторных интегралах. Подставляя (П1) в (П2), рассмотрим отдельно каждое слагаемое:
163 1) подстановка ψ~λ/εε , замена e-iλa-e-iλb/iλ=abe-iλrdr и изменение порядка интегрирования приводят к выражению F1ε,ϑ(b)-F1ε,ϑ(a) , где
164 F1ε,ϑ(r)=ΦrV+ϑ2-εM6V+ϑ23/2r2V+ϑ2-1φrV+ϑ2; (П3)
165 2) выражение под знаком математического ожидания в Δψ2 равно нулю на множестве τ~1ε=τ1ε , поэтому
166 Δψ2=EexpiλYεIτ~1ε<τ1ε-Eψ~λεζετ~1εIτ~1ε<τ1ε, (П4)
167 где I()  — индикатор множества. Подставляя в (П2) первое слагаемое из (П4) и меняя местами интегрирование по λ и математическое ожидание, получаем
168 EIτ~1ε<τ1εIaε-1/2Yε-m-εΔm+ηb,
169 что не превышает pε . Подстановка второго слагаемого приводит по аналогии с (П3) к выражению F2ε,ϑ(b)-F2ε,ϑ(a) , где
170 F2ε,ϑ(r)=EIτ~1ε<τ1ε Φr~Vη-εMζετ~1ε6Vη3/2r~2Vη-1φr~Vη, (П5)
171 и для краткости обозначено Vη=Vζετ~1ε+ϑ2 ,
172 r~=r~εr,ζετ~1ε=r-mζετ~1ε+m-εΔmζετ~1ε+εΔm. (П6)
173 Вдоль траектории невозмущенного движения mζ(t)m , t0,τ1 , и по условиям А, Б mζ имеет ограниченные частные производные в U1ρ , поэтому в U-1ρ (замыкании U1ρ ) mζ-mC1 , где C1 сколь угодно мало при выборе соответствующего ρ . Функция Δmζ непрерывна и ограничена в U-1ρ . Пусть r0>0 , тогда выбором достаточно малых ρ>0 и ε1>0 можно обеспечить отделенность r~εr,ζ от нуля: r~εr,ζC 3 (r0)>0 для всех rr0 , ζU-1ρ, 0<εε1 . Поскольку при этом функция M(ζ) ограничена в U-1ρ , выражение в квадратных скобках в (П5) ограничено по модулю некоторой константой C 4 (r0)>0 , не зависящей от ϑ>0. Суммарно подстановка Δψ2 в (П2) дает вклад, не превышающий (2C4+1)pε;
174 3) из определения функций mx, Δmx, Vx, Mx следует, что в области U1ρ имеют место уравнения:
175 i=1nmζζif1 iζ=0,    i=1nΔmζζif1 iζ+0,5i,j=1n2mζζiζjaijζ=0,
176 i=1nVζζif1 iζ+i,j=1nmζζimζζjaijζ=0,    i=1nMζζif1 iζ+3i,j=1nmζζiVζζjaijζ=0.
177 С использованием этих соотношений проверяется, что L1εψ~λε(ζ) равно сумме конечного числа слагаемых вида εp(iλ)qh(ζ)expiλm(ζ)+iλεΔm(ζ)-0,5ελ2V(ζ) , где hζ  — ограниченные в U-1ρ функции, q1 , p-0,5q1 . Подставляя в (П2), получаем сумму конечного числа слагаемых
178 εp-q/2/2π-e-iλa-e-iλbiλ-1(iλ)qGε(λ)dλ ,
179 Где
180 Gε(λ)=E0τ~1εh(ζε(t))expiλm(ζε(t))-m+εΔm(ζε(t))-εΔm/ε-0,5λ2Vηζε(t)dt.
181 Каждое из этих слагаемых равно F3ε,ϑ(b)-F3ε,ϑ(a) , где
182 F3ε,ϑ(r)=εp-q/2E0τ~1εhζε(t)Vηq/2gr~Vηφr~Vηdt,
183 g  — полином, r~=r~εr,ζεt определяется выражением (П6) при замене τ~1ε на t . Аналогично (П5) F3ε,ϑ(r)εC5 для 0<εε1 при некоторой константе C5(r0)>0 .
184 Суммируя результаты подстановки (П2) в (П3): для любого r0>0 найдутся ρ>0 , ε1>0 такие, что для всех 0<εε1 , a<b , a, br0 и произвольного ϑ>0 :
185 Fε,ϑ(b)-Fε,ϑ(a)-F1ε,ϑ(b)-F1ε,ϑ(a)(2C4+1)pε+ε C5.
186 Полагая a- , ϑ0 и учитывая непрерывность Fε(r) , получаем для rr0 :
187 Fε(r)-F1ε(r)ε C6. (П7)
188 Пусть α<0,5 , βα<0 , r0=-0,5βα . Можно найти достаточно малое ε1 такое, что для всех 0<εε1 , rr0 выполнено (П7) и при этом уравнения F1ε(r)±εC6=α имеют единственные решения, не превышающие r0 . В этом случае квантиль порядка α распределения Fε(r) лежит между этими решениями. Отсюда следует, что для случайной величины ε-1/2Yε-m-εΔm квантиль порядка α представляется в виде
189 σβα+εχσβα2-1/6+εΔ11ε(α), (П8)
190 что эквивалентно (23).
191 Для доказательства (24) в случае Θ=1 по аналогии с (П2) рассмотрим при произвольном q выражение
192 1α-qr12π-e-iλrψλ/εεexp-iλm+εΔm/ε-0,5λ2ϑ2dλdr, (П9)
193 где функция в квадратных скобках является плотностью распределения Fε,ϑ(r) . Подстановка в (П9) первого слагаемого из (П2) приводит к
194 -V+ϑ2α2π1+εMq36V+ϑ25/2exp-q22V+ϑ2.
195 Полагая ϑ=0 и подставляя в качестве q выражение (П8), получаем первые члены разложения по степеням ε ожидаемых потерь случайной величины ε-1/2Yε-m-εΔm в виде -1+εβαχ/6σφβα/α . Аналогично доказательству (23), подстановка двух других слагаемых из (П3) в (П9) дает выражения порядка εΔ12ε(α) .
196 В случае Θ=2 предварительно заметим, что для процесса без переключений ζε(t) имеет место свойство: если остановить данный процесс в фиксированный момент s0,T и взять решения уравнений (13)–(15) как начальные для тех же уравнений на отрезке s,t , то получим аппроксимацию параметров распределения процесса для момента t . Необходимо доказать, что это свойство сохраняется при дополнительном преобразовании (20). Повторное применение леммы 1 с K=U11ρ показывает, что достаточно рассмотреть траектории процесса ξ(t) в окрестности невозмущенной траектории, когда вначале достигается Π1 и затем Π2 . Для доказательства части а) определяем условное распределение Yε=Hξε(τ2ε) при условии известного состояния ξε(τ1ε)U11ρ на основании уже установленных аппроксимаций для случая одной границы, затем осуществляем усреднение по распределению ξε(τ1ε) , первые три момента которого также приближенно известны из случая одной границы. При этом учитываем однородность процесса ξε(t) . Для доказательства (23), (24) дополнительно используется условие Г. Доказательство для Θ>2 проводится по индукции.
197 Доказательство утверждения 1.
198 А. Решение уравнения (4) имеет вид
199 Yiε(t0+τiε)=Sit0t0+τiεexp-0,5εδi2t+εδiW'ituidt-ενiuidWit. (П10)
200 Поскольку ESiεt=Si для любого t , то
201 mi=EYiε(t0+τiε)=EEYiε(t0+τiε)|FW=SiEt0t0+τiεuidt-ενiuidWit=SiXi.
202 Для фьючерса в (П10) имеется дополнительное слагаемое  -XiSiεt0 , поэтому в этом случае mi=0 .
203 Б. Эта часть является следствием более общего утверждения 3. Уравнение (13) в данном случае вырождено: γ(t)0 , а решения уравнений (14), (15) являются однородными многочленами относительно Siui степени 2 и 3 соответственно. Преобразование (20) сохраняет эти свойства, поэтому достаточно найти решение уравнений (14), (15) для трехкомпонентного портфеля и экстраполировать его на общий случай.
204 Доказательство утверждения 2 дано схематично.
205 Обозначим τminε=minτiε,τjε .
206 Лемма 2. Пусть τi=τj=τ , Тогда
207 Eτminεk=τk-kτk-0,50,5ενi2+νj2/π +εΔkε,     k=1,  ...,   4,  (П11)
208 где Δkε ограничены для 0<εε1 при некотором 0<ε11 (Е — символ математического ожидания).
209 Доказательство. Известно (Липцер, Ширяев, 1974), что плотность распределения момента первого достижения винеровским процессом прямой a-bt , где a,t>0 , равна
210 pt=a t-3/2ϕbt-a/t  (П12)
211 и выполнены соотношения:
212 0tpsds=Φbt-at-1/2+e2abΦ-bt+at-1/2 , (П13)
213 0tsk+1psds=ab-1bb0tskpsds,     k0. (П14)
214 Обозначим pit плотность распределения τiε , тогда в (П12) a= τ/ενi,     b= 1/ενi , и аналогично для pjt . В выражении
215 Eτminεk=00tskpjsdspitdt+00tskpisdspjtdt,     k=1,  ...,  4,
216 внутренние интегралы записываются в явном виде с помощью (П13), (П14). Далее отдельно рассматривается каждое слагаемое. Для exp2τ/ενi2Φ-t+τ/εtνi применим известное неравенство
217 1x-1x3 ϕxΦ-x1x ϕx,     x>0.
218 С использованием этих соотношений (П11) может быть проверено непосредственно для каждого k=1,  ...,  4 .
219 Поскольку при различающихся τi утверждение 2 является частью утверждения 1, достаточно проверить, что при τi=τj=τ ковариация случайных величин Yiε(t0+τiε), Yjε(t0+τjε) имеет вид
220 covYiε(t0+τiε) ,Yjε(t0+τjε) =ερijXiXjSiSjδiδjt0+τ/3+ε2Δε.
221 В данном случае удобно представить Yiε(t0+τiε) как решение уравнения (5):
222 Yiε(t0+τiε)=XiSiεt0-XiSi+εδiSiuit0t0+τiεgit,Wit,W'itdW'it,
223 где gi=τi-t-t0+ενiWit)-Wi(t0exp-0,5εδi2t+εδiWi't . Отсюда
224 EYiε(t0+τiε) Yjε(t0+τjε)= XiXjESiεt0-Si Sjεt0-Sj++εδiδjSiSjρij Et0t0+τminεgit,Wit,W'itgjt,Wjt,W'jtdt.
225 Первое слагаемое равно XiXjSiSjeερijδiδjt0-1 . Второе после представления в виде EE|FW упрощается до εδiδjSiSjuiujρijEt0t0+τminεfeερijδiδjtdt , где
226 f=τ-t-t02+ενiWit)-Wi(t0τ-t-t0+ +ενjWjt)-Wj(t0τ-t-t0+ενiνjWit)-Wi(t0Wjt)-Wj(t0 . (П15)
227 Представляя
228 τ-t-t02eερijδiδjt=τ-t-t02+τ-t-t02eερijδiδjt-1, для вклада первого слагаемого получаем Et0t0+τminετ-t-t02dt= τ2Eτminε-τEτminε2+Eτminε3/3=τ3/3+εΔε,
229 где последнее равенство следует из леммы 2.
230 Рассмотрим далее второе и третье слагаемые (П15). Требуется определить скорость убывания по ε выражения E0τminεexpερijδiδjsWisτ-sds . Вычитая E0τeερijδiδjsWisτ-sds=0 , получаем
231 EττminεIτminετexpερijδiδjsWisτ-sds+EτminετIτminε<τexpερijδiδjsWisτ-sds.
232 Первое слагаемое по абсолютной величине не превышает
233 Eτminε-τ2IτminετeεδiδjτiεmaxsτiεWisEτminε-τ4Ee4εδiδjτiεmaxsτiεWis2.
234 Аналогично для второго слагаемого:
235 Eτminε-τ2Iτminε<τeεδiδjτmaxsτWiseεδiδjτEτminε-τ4EmaxsτWis2.
236 Из леммы 2 следует, что Eτminε-τ4=εΔε.

Библиография

1. Балабушкин А.Н. (1991). Прогнозирование состояния динамического объекта в мо-мент достижения границы при малых возмущениях // Автоматика и телемеханика. № 11. С. 64–70.

2. Липцер Р.Ш., Ширяев А.Н. (1974). Статистика случайных процессов. М.: Наука.

3. Avellaneda M., Dong Y., Valkai B. (2015). Optimal portfolio liquidation and macro hedging. Bloomberg quant seminar. Available at: https://math.nyu.edu/~avellane/

4. Avellaneda M., Cont R. (2013). Close-out risk evaluation (CORE): A new risk management approach for central counterparties. Working Paper. Available at: http://ssrn.com/abstract=2247493

5. Boudt K., Peterson B., Croux C. (2008). Estimation and decomposition of downside risk for portfolios with non-normal returns. J. Risk, 11, 79–103.

6. De Genaro A. (2016). Systematic multi-period stress scenarios with an application to CCP risk management. Journal of Banking & Finance, Elsevier, 67 (C), 119–134.

7. Fleming W.H. (1974). Stochastically perturbed dynamical systems. Rocky Mountain J. Math, 4, 3, 407–433.

8. Kim H. (2014). Optimal execution under liquidity constraints. PhD Thesis. Courant Institute of Mathematical Sciences. New York University. Available at: https://www.math.nyu.edu/~avellane/HSK_Thesis.pdf

9. Jorion P. (2007). Value at risk: The new benchmark for managing financial risk. N.Y.: McGraw Hill.

10. Vicente L.A.B.G., Cerezetti F.V., Faria S.R. de, Iwashita T., Pereira O.R. (2015). Manag-ing risk in multi-asset class, multimarket central counterparties: The CORE approach. J. Banking & Finance, 51, 119–130.

Комментарии

Сообщения не найдены

Написать отзыв
Перевести