[论文解读] MVA: Initial Margin Valuation Adjustment by Replication and Regression

Andrew R. Green, Chris Kenyon|arXiv (Cornell University)|May 2, 2014

Fuzzy Logic and Control SystemsComputer Science被引用 19

一句话总结

本文引入了初始保证金估值调整（MVA），以反映衍生品定价中初始保证金的融资成本，扩展了Burgard和Kjaer（2013）以及Green等人（2014）的半复制框架。提出了一种计算高效的LSAC（Longstaff-Schwartz增强压缩）方法，通过回归估计预期初始保证金曲线，从而降低蒙特卡罗模拟的计算负担；结果显示，对于无担保投资组合，MVA约为FVA的50%。

ABSTRACT

Initial margin requirements are becoming an increasingly common feature of derivative markets. However, while the valuation of derivatives under collateralisation (Piterbarg 2010, Piterbarg2012), under counterparty risk with unsecured funding costs (FVA) (Burgard2011, Burgard2011, Burgard2013) and in the presence of regulatory capital (KVA) (Green2014) are established through valuation adjustments, hitherto initial margin has not been considered. This paper further extends the semi-replication framework of (Burgard2013a), itself later extended by (Green2014), to cover the cost of initial margin, leading to Margin Valuation Adjustment (MVA). Initial margin requirements are typically generated through the use of VAR or CVAR models. Given the form of MVA as an integral over the expected initial margin profile this would lead to excessive computational costs if a brute force calculation were to be used. Hence we also propose a computationally efficient approach to the calculation of MVA through the use of regression techniques, Longstaff-Schwartz Augmented Compression (LSAC).

研究动机与目标

• 正式将初始保证金的融资成本纳入衍生品估值，完善估值调整的完整体系（FVA、KVA、MVA）。
• 解决在风险中性定价框架下，使用蛮力蒙特卡罗模拟计算预期初始保证金曲线所带来的高计算成本问题。
• 开发一种可扩展、高效的MVA计算方法，确保在VAR/CVAR模型中固有的大市场冲击下仍保持准确性。
• 量化在典型利率互换投资组合中，MVA相对于FVA的相对规模。
• 展示LSAC作为投资组合压缩技术在初始保证金估计中的可行性与性能表现。

提出的方法

• 将Burgard和Kjaer（2013）以及Green等人（2014）的半复制框架扩展，纳入初始保证金融资作为新的估值调整（MVA）。
• 采用历史VAR或CVAR（期望损失）方法对初始保证金建模，需估计随时间变化的预期初始保证金曲线。
• 应用Longstaff-Schwartz回归，通过互换和年金的线性组合基函数，近似投资组合价值与初始保证金风险敞口。
• 通过在状态空间中引入额外冲击，提出LSAC（Longstaff-Schwartz增强压缩）方法，以提升在大市场波动下的回归精度。
• 采用GPU加速的C++/CUDA实现，以支持快速的蛮力对比测试，用于验证与性能基准测试。
• 在整个时间点上使用固定的一组基函数，以保持一致性并减少计算开销。

实验结果

研究问题

• RQ1 如何在半复制框架内一致地将初始保证金的融资成本纳入衍生品估值？
• RQ2 使用标准蒙特卡罗方法计算预期初始保证金曲线的计算成本是多少？是否可以降低？
• RQ3 像Longstaff-Schwartz这样的基于回归的方法能否被适配，以在VAR/CVAR模型下大波动情形中准确估计初始保证金？
• RQ4 在典型利率互换投资组合中，MVA的规模与FVA相比如何？
• RQ5 在MVA计算中，LSAC相较于蛮力蒙特卡罗方法在速度和准确性方面有何性能提升？

主要发现

• MVA是一项重要的估值调整，对于无担保利率互换投资组合，其规模约为FVA的50%。
• 对于包含10,000笔互换的投资组合，LSAC方法相比蛮力蒙特卡罗模拟实现了高达100倍的计算速度提升。
• 即使使用较少的基函数，投资组合估值的回归精度依然较高，且随着投资组合持有时间的延长而进一步改善。
• LSAC方法在估计VAR和IM融资成本方面保持了高精度，且随着基函数数量的增加，误差持续减小。
• 预期正敞口（EPE）和负敞口（ENE）曲线表明，MVA在名义本金较大且久期较长的投资组合中最为显著。
• 该方法在线性衍生品中尤为有效，通过‘提前启动’蒙特卡罗方法的扩展，亦可适用于复杂金融工具。