金融专题 | 对复杂的金融工具进行设计、定价和对冲分析

金融行业使用 Financial Instruments Toolbox™ 执行现金流建模和收益率曲线拟合分析、计算价格和敏感度、查看价格演变,并使用普通股权和固定收益建模方法执行对冲分析。

借助该工具箱,您可以创建新的金融工具类型,使用参数拟合模型和息票剥离法根据市场数据拟合收益率曲线,并构建基于双曲线的定价模型。

您可以对固定收益和股权工具进行定价和分析。

对于固定收益建模,您可以计算几种类型的证券和衍生品的价格、收益率、价差和敏感度值,包括可转换债券、抵押贷款支持证券、国库券、债券、掉期交易、利率顶、利率底和浮动利率票据。

对于股权,您可以计算普通期权和几种奇异衍生品的价格、隐含波动率和敏感度值。

Financial Instruments Toolbox™ 提供用于对固定收益、信用和股权工具投资组合进行定价、建模和分析的函数。该工具箱包含用于对交易对手信用风险和 CVA 风险敞口建模的函数。

对于信用衍生品,此工具箱提供信用违约掉期定价和违约概率曲线建模函数。对于能源衍生品,您可以为奇异期权和普通期权建模。你还可以借助此工具箱连接到 Numerix® CrossAsset Integration Layer。

下面我们就来看一下具体的应用。

基于对象的定价框架

使用模块化对象,对多个金融工具分别定价,或作为投资组合进行总体定价。

基于可重用对象的定价工作流

创建工具、模型和定价器对象以用于金融工具定价。

轻松重用这些对象来比较不同模型和定价引擎下的工具定价。

金融工具投资组合定价

定义多级投资组合(如根据标的资产、交易方、策略和团队),然后计算该组合中所有工具的总体价格和敏感度。

单个金融工具定价工作流。

金融工具投资组合定价工作流。

利率工具

期限结构建模和利率工具定价。

收益率曲线和利率期限结构

使用几种方法根据市场数据拟合收益率曲线,这些方法包括息票剥离法、参数模型(例如 Nelson-Siegel、Svensson 和平滑样条)以及自定义函数。

工具

使用各种定价方法和模型,计算固定收益证券、掉期、远期掉期以及基于期权/嵌入式期权和共同利率期权(包括债券期权、浮动利率票据期权、利率顶、利率底和掉期期权)的固定收益工具的价格和敏感度。

模型和方法

支持的模型包括 Black、Normal (Bachelier)、SABR 和 Shifted SABR、Hull-White、Black-Derman-Toy、Black-Karasinski、CIR、HJM、Linear Gaussian Two Factor 和 LIBOR 市场模型。支持的方法包括闭式解、二叉树、三叉树和 Monte Carlo 模拟。

瞬时远期曲线。

树状结构图。

Shifted Black 波动率。

股权和能源工具

使用各种方法计算普通和奇异期权的价格和敏感度。

工具

对普通期权进行定价,包括欧式、美式和百慕大期权。对奇异期权进行定价,包括亚式、障碍、一篮子、指状、远期/期货、彩虹和价差期权。

模型

支持的模型包括几何布朗运动 (Geometric Brownian Motion)、Merton76 跳跃扩散 (Merton76 jump diffusion)、贝茨和赫斯顿 (Bates and Heston) 随机波动率模型以及局部波动率模型。

方法

支持的方法包括闭式解、树模型、Monte Carlo 模拟和有限差分。

看涨期权价格敏感度。

基于不同定价模型的欧式看涨期权价格。

使用 Longstaff-Schwartz 方法对摆动期权定价。

信用和抵押贷款工具

计算信用和抵押贷款工具(例如信用违约掉期 (CDS)、抵押贷款支持证券 (MBS) 和抵押担保债券 (CMO))的价格和敏感度。

CDS 和 CDS 期权

执行普通 CDS 和 CDS 期权估值,计算盈亏平衡点差,以及计算新 CDS 合同和现有 CDS 合同的公允价值。

抵押支持证券 (MBS)、抵押贷款池和抵押担保债券 (CMO)

计算 MBS、抵押贷款池投资组合和 CMO 的价格和风险因素。对于计划摊还 (PAC) 或目标摊还 (TAC) 债券,支持的 CMO 提前偿还分级方案包括顺序偿还分级和计划债券分级。

CDS 期权定价。

两种条件偿还率下抵押贷款池的每月现金流和抵押贷款余额。

金融工具的交易对手信用风险

使用 MATLAB 示例计算信用价值调整 (CVA) 和错向风险。

信用价值调整 (CVA)

计算场外交易 (OTC) 合约中每个交易对手的信用风险敞口和 CVA。

错向风险

使用 copula 函数生成敞口与违约场景的相关性对组,然后根据这些场景估计信用敞口。

贴现的预期交易对手信用风险敞口。

敞口与信用场景的相关性对组。

相关推荐
浊酒南街35 分钟前
决策树(理论知识1)
算法·决策树·机器学习
B站计算机毕业设计超人43 分钟前
计算机毕业设计PySpark+Hadoop中国城市交通分析与预测 Python交通预测 Python交通可视化 客流量预测 交通大数据 机器学习 深度学习
大数据·人工智能·爬虫·python·机器学习·课程设计·数据可视化
学术头条1 小时前
清华、智谱团队:探索 RLHF 的 scaling laws
人工智能·深度学习·算法·机器学习·语言模型·计算语言学
18号房客1 小时前
一个简单的机器学习实战例程,使用Scikit-Learn库来完成一个常见的分类任务——**鸢尾花数据集(Iris Dataset)**的分类
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理·sklearn
feifeikon1 小时前
机器学习DAY3 : 线性回归与最小二乘法与sklearn实现 (线性回归完)
人工智能·机器学习·线性回归
游客5201 小时前
opencv中的常用的100个API
图像处理·人工智能·python·opencv·计算机视觉
古希腊掌管学习的神1 小时前
[机器学习]sklearn入门指南(2)
人工智能·机器学习·sklearn
Ven%1 小时前
如何在防火墙上指定ip访问服务器上任何端口呢
linux·服务器·网络·深度学习·tcp/ip
凡人的AI工具箱1 小时前
每天40分玩转Django:Django国际化
数据库·人工智能·后端·python·django·sqlite
IT猿手2 小时前
最新高性能多目标优化算法:多目标麋鹿优化算法(MOEHO)求解TP1-TP10及工程应用---盘式制动器设计,提供完整MATLAB代码
开发语言·深度学习·算法·机器学习·matlab·多目标算法