这是 Python 进阶课的第十三节 - 外汇交易组合保证金制定系统,进阶课的目录如下:
NumPy 上
NumPy 下
Pandas 上
Pandas 下
SciPy 上
SciPy 下
Pandas 时间序列
Pandas 高频数据采样
默顿模型计量经济资本
LSMC 定价美式和百慕大期权
负油价和负利率模型
Nelson-Siegel 构建债券收益率曲线
之前基础版的 11 节的目录如下:
编程概览
元素型数据
容器型数据
流程控制:条件-循环-异常处理
函数上:低阶函数
函数下:高阶函数
类和对象:封装-继承-多态-组合
字符串专场:格式化和正则化
解析表达式:简约也简单
生成器和迭代器:简约不简单
装饰器:高端不简单
私人银行 (private bank) 的伦巴第信贷措施 (Lombard Lending Facility),专门为私人客户融资。客户将其持有的流动资产 (股票、债券、基金等) 作为抵押,而快速从银行获取信贷。为了抓住市场机遇,客户可以拿借来的钱随时追加投资,但不必卖出已有的投资组合。
伦巴第信贷的示意图如下:
为了确保客户抵押品足够,银行会做保守的减记 (haircut),在发贷时要考虑的因素包括资产类型,信用等级,市值和剩余期限等。举个例子,如果银行愿意在客户抵押 100 元资产而借 70 元,那么
抵押品的可借价值 (Advance Value, AV) 为 70,而减计为 30,即为抵押品市值 (Market Value, MV) 和可借价值的差;
Haircut = MV − AV
AR = AV / MV
HR = 1 − AR
可借率 (Advance Ratio, AR) 为 70%,而减计率 (Haircut Ratio, HR) 为 30%。
一般客户可抵押的证券包括债券 (bonds)、股票 (equities)、结构票据 (structured notes) 和基金 (funds) 等,如下图所示:
不同资产风险情况不同,那么相对应的 AR 也不同,比如美国国债的 AR 高达 95%,但小市值股票的 AR 却只有 45%。
客户拿借来的钱做投资或交易,可买卖的资产包括外汇衍生品 (FX derivatives)、利率掉期 (Interest Rate Swap, Cross-Currency Swap)、结构权益掉期 (structured EQ swap) 和利率期权 (swaption) 等,如下图所示:
本次课程目录如下:
1. 业务背景
2. 非期权产品
3. 期权产品
外汇欧式期权
外汇障碍期权
Gamma Vega Add-On
4. 制定 Margin Rate
本贴一些亮点如下:
每个货币对下的 Gamma 和 Vega add-on:
用不同时段的 VaR 来设置 Margin Rate 的思路:
其中
要求 % (Required Margin Rate, RMR) 确定保证金要求的一个百分比水平
追缴 % (Margin Call Level, MCL) 保证金跌到的一个百分比水平而触发追加保证金通知
清算 % (Liquidation Level, LL) 保证金跌到的一个百分比水平而强制平仓头寸
本节内容绝对实用,就等你来学!
付费用户(付 1 赠 1)可以获得: