Py学习  »  Python

Python 进阶视频课 - 13. 外汇交易组合保证金制定系统

王的机器 • 2 年前 • 348 次点击  

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:


  1. NumPy 上

  2. NumPy 下

  3. Pandas 上

  4. Pandas 下

  5. SciPy 上

  6. SciPy 下

  7. Pandas 时间序列

  8. Pandas 高频数据采样

  9. 默顿模型计量经济资本

  10. LSMC 定价美式和百慕大期权

  11. 负油价和负利率模型

  12. Nelson-Siegel 构建债券收益率曲线


之前基础版的 11 节的目录如下:


  1. 编程概览

  2. 元素型数据

  3. 容器型数据

  4. 流程控制:条件-循环-异常处理

  5. 函数上:低阶函数

  6. 函数下:高阶函数

  7. 类和对象:封装-继承-多态-组合

  8. 字符串专场:格式化和正则化

  9. 解析表达式:简约也简单

  10. 生成器和迭代器:简约不简单

  11. 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


  • 伦巴第信贷

  • 完整流程


2. 非期权产品


  • 外汇即期

  • 外汇远期


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


  • 问题描述

  • 结果展示


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:


  • 观看课程视频 (93 分钟)

  • Python 代码 (Jupyter Notebook)





Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/111844
 
348 次点击