[论文解读] Capital allocation under the Fundamental Review of Trading Book

Luting Li, Hao Xing|arXiv (Cornell University)|Jan 23, 2018

Game Theory and Voting Systems参考文献 6被引用 3

一句话总结

本文提出两种在市场风险内部模型法（FRTB）框架下计算高效的资本配置方法，通过按流动性期限加权分配，显著减少对冲带来的负向资本配置，并在稳定性方面优于标准预期短缺（ES）方法。这些方法结合了欧拉（Euler）与阿umann-夏普利（Aumann-Shapley）原则，针对FRTB的风险因子分组、流动性期限调整及压力期缩放机制进行了适配，从而产生更稳健、更集中的资本要求。

ABSTRACT

Facing the FRTB, banks need to allocate their capital to each business units or risk positions to evaluate the capital efficiency of their strategies. This paper proposes two computationally efficient allocation methods which are weighted according to liquidity horizon. Both methods provide more stable and less negative allocations under the FRTB than under the current regulatory framework.

研究动机与目标

• 为解决FRTB框架下稳定且计算高效的资本配置挑战，该框架以预期短缺（ES）替代VaR，并引入新的风险与流动性约束。
• 减少负向资本配置的普遍性——这在标准ES欧拉分配中常见，尤其在不同风险因子与流动性期限之间对冲时。
• 通过重用标准情景提取技术，避免重新计算资本要求，从而保持计算效率。
• 通过整合FRTB特有特征（如风险因子与流动性期限分组、流动性期限调整、压力期缩放）确保分配的稳定性和一致性。

提出的方法

• 在FRTB框架下应用欧拉分配原则，将分配额按单个分组的独立ES与同一风险因子类别总ES的比率进行缩放。
• 引入一种受限的阿umann-夏普利分配，通过单个分组的独立ES与该分组引起的增量FRTB ES的比率，对标准欧拉分配进行缩放。
• 将两种方法扩展以考虑新风险头寸对压力期缩放因子的影响，确保与FRTB压力情景要求的一致性。
• 采用两阶段分配流程：首先向流动性期限与风险因子分组分配，然后在分组间分解并重新聚合分配结果。
• 利用预期短缺的齐次性与次可加性，推导出边际贡献的解析表达式。
• 通过重用现有基于情景的方法实现计算效率，避免资本要求的重新估值。

实验结果

研究问题

• RQ1 在FRTB的新预期短缺（ES）框架下，如何在保持计算可行性的同时，高效地在业务单元与风险头寸之间分配资本？
• RQ2 FRTB的流动性期限分组与压力期缩放在多大程度上减少了因对冲导致的负向资本配置？
• RQ3 与标准欧拉分配相比，所提出的分配方法在稳定性、分散性及对风险因子选择的敏感性方面表现如何？
• RQ4 阿umann-夏普利与基于欧拉的分配框架能否在不牺牲计算效率的前提下，适配FRTB的独特特征——特别是流动性期限调整与压力缩放？
• RQ5 减少风险因子集合对FRTB框架下最终资本配置结果有何影响？

主要发现

• 流动性期限较长的风险因子被分配了更大比例的总FRTB资本要求，反映出该框架对长期风险与 illiquidity 的重视。
• 在标准ES欧拉分配中常见的负向分配问题在FRTB框架下显著减少或逆转，尤其在不同风险因子与流动性期限分组之间。
• 在相同流动性期限分组内对冲仍可能导致负向分配，但其规模在FRTB框架下远小于标准ES框架下的水平。
• 与标准欧拉分配相比，两种所提方法在流动性期限与风险因子分组之间产生的分配更不分散，表明其稳定性更高。
• 分配结果对所选减少风险因子集合具有敏感性，凸显了在FRTB实施中谨慎选择风险因子的重要性。
• 通过重用标准情景提取技术，方法保持了计算效率，避免了资本要求的重新估值，支持在大规模投资组合中可扩展地部署。