Калибровочный движок для оценки деривативов
Создана основа для точной оценки облигаций с возможностью расширения на опционы и свопы.
Обзор
Проектная работа на 2 курсе МИЭФ по разработке методики калибровки дисконтных кривых.
Проблема
Необходимо было построить кривые доходности на основе рыночных данных ОФЗ и корпоративных облигаций для последующей оценки деривативов.
Ограничения
- Ограниченный объём рыночных данных
- Требовалась высокая точность калибровки
Подход к решению
Реализовал многобондовую калибровку с помощью методов оптимизации (scipy).
Ключевые решения
Использовать сплайн-интерполяцию для дисконтных кривых
Почему?
Обеспечивает гладкость и устойчивость
Рассмотренные альтернативы:
- Линейная интерполяция
Оценивать премию за риск через спред к ОФЗ
Почему?
Простота и понятность для корпоративных облигаций
Рассмотренные альтернативы:
- Модель Мертона
Использованные инструменты
- Python (Pandas, NumPy, SciPy)
- Jupyter
Достигнутый результат
- Ошибка <0.1 б.п.Точность калибровки
Создана база для оценки широкого спектра долговых инструментов.
Чему я научился?
- Глубокое понимание кривых доходности и их калибровки
- Навыки финансового программирования на Python