انتظارات بازده سهام در بازار اعتباری

Stock Return Expectations in the Credit Market

چکیده
1- شاخص های CSVIX و بازده مورد انتظار سهام
2- نوسانات بازار سهام بر طبق بازار مشتقات اعتباری
3- داده ها و نتایج تجربی
3-1- نتایج همبستگی
3-2- نتایج رگرسیون
3-3- طرح های انتخاب پرتفوی و تجارت ساده
4- آزمون های استحکام
5- نتیجه گیری

چکیده

در مقاله حاضر ما به محاسبه انتظارات بلندمدت بازده سهام (در چرخه کسب و کار) برای هر یک از شرکت ها با استفاده از اطلاعات حاصل از بازار مشتقات اعتباری پرداختیم. روش ما مبتنی بر نتایج نظری پیشین ادبیات انتظارات بازده سهام بوده و ما رابطه تنگاتنگ بین انتظارات بازده سهام اعتباری ضمنی و بازده سهام تحقق یافته آتی را به صورت تجربی نشان دادیم. هم چنین ما دریافتیم پرتفوی سهام انتخاب شده بر اساس پیش بینی بازده سهام اعتباری ضمنی بر پرتفوی با وزن برابر و پرتفوی موزون ارزش سهام یکسان خارج از نمونه تفوق دارد. برخلاف بسیاری از مطالعات دیگر، انتظارات / پیش بینی ما به جای آنکه در سطح پرتفوی صورت پذیرد در سطح هر یک از سهام انجام پذیرفت و به هیچ برآورد پارامتری با استفاده از قیمت سهام گذشته و یا مشاهدات دامنه اعتباری نیاز نمی باشد.

5- نتیجه گیری

در مقاله حاضر ما نحوه محاسبه انتظارات بازده سهام را با استفاده از اطلاعات بازار مشتقات اعتباری نشان دادیم. روش ما بر مبنای کار مارتین و واگنر (2016) است اما به جای استفاده از اختیار معامله خرید و فروش عادی برای نسبت دادن واریانس ریسک خنثی سهام ما از مبادله نکول اعتباری بهره بردیم. یکی از مزایای این رویکرد آن است که پیش بینی درازمدت بازده سهام را می توان انجام داد (در کل چرخه کسب و کار در صورت نیاز). مزیت دیگر آن است که انتظارات مزبور تحت بازار اعتباری هستند نه بازار سهام. بر طبق معلومات ما، مقاله حاضر نخستین تحقیقی است که به شکل گیری انتظارات دارایی های متقابل می پردازد. مانند مارتین و واگنر (2016)، انتظارات ما در سطح سهام فردی انجام می وشد نه در سطح پرتفوی و به هیچ برآورد پارامتری با استفاده از قیمت سهام گذشته و یا مشاهدات دامنه اعتباری نیاز نیست.

Abstract

In this paper we compute long-term stock return expectations (across the business cycle) for individual firms using information backed out from the credit derivatives market. Our methodology builds on previous theoretical results in the literature on stock return expectations and, empirically, we demonstrate a close relationship between credit-implied stock return expectations and future realized stock returns. We also find stock portfolios selected based on credit-implied stock return forecasts to beat equally- and value-weighted portfolios of the same stocks out-of-sample. Contrary to many other studies, our expectations/predictions are made at the individual stock level rather than at the portfolio level, and no parameter estimations using historical stock price- or credit spread observations are needed.

5- Conclusions

In this paper we have demonstrated how one can compute stock return expectations using information from the credit derivatives market. Our methodology builds on work by Martin and Wagner (2016) but instead of using ordinary call- and put options to impute risk-neutral stock variances we use credit default swaps. One advantage of this approach is that very long-term forecasts of stock returns can be made (across the entire business cycle if needed). Another advantage is that the expectations are those held by the credit market, not the equity market. As far as we know, this is the first paper that looks into such cross-asset expectation formation. Like in Martin and Wagner (2016), our expectations are made at the individual stock level rather than at the portfolio level and no parameter estimations using historical stock price- or credit spread observations are needed.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

انتظارات بازده سهام در بازار اعتباری

Stock Return Expectations in the Credit Market

قیمت گذاری مبتنی بر مدل برای مشتقات مالی

Model-based pricing for financial derivatives

چکیده

1. مقدمه

2. معیار بی تفاوت نسبت به ریسک Esscher

3. فرایندهای بازده دارایی برطبق Q

1. 3. نوآوری نرمال

2. 3. نوآوری SNG

3. 3 نوآوری SNIG

4. روش قیمت گذاری مبتنی بر مدل

1. 4. مدلهای قیمت گذاری از نوع GIM

2. 4. مدلهای قیمت گذاری از نوع ARMA

5. مطالعه شبیه سازی

6. کاربرد

7. ملاحظات پایانی

چکیده

فرض کنید St فرایند قیمت سهام و Bt فرایند قیمت اوراق قرضه با نرخ بهره بدون ریسک دائماًترکیب شده ثابت است، که هر دو برروی یک فضای احتمال مناسب P تعریف شده اند. فرض کنیدyt = log(St/St−1). به طور کلی yt را می توان به میانگین شرطی به علاوه نویزبا مولفه های فراریت تجزیه نمود، اما St تنزیل شده، تحت فضای P، یک مارتینگل (افسار) محسوب نمی شود. طبق چارچوب عمومی، معیار بی تفاوت نسبت به ریسک Q را بدست می آوریم که طبق آن St تنزیل شده در این مقاله، یک مارتینگل محسوب می شود. با استفاده از این معیار، نشان می دهیم چگونه قیمت بی تفاوت نسبت به ریسک برای مشتقات را بدست می آوریم. در اینجا مثالهای ساده ای نظیرمدلهای قیمت گذاری NGARCH، EGARCH و GJR، مطرح شده است. مطالعه شبیه سازی نشان می دهد که این مدلهای قیمت گذاری می توانند چولگی فراریت فراریت های ضمنی در اختیار معامله اروپایی را بدست بیاورند. یک کاربرد کوچک، اهمیت روش قیمت گذاری مبتنی بر مدل پیشنهادی را روشن می کند.

1. مقدمه 

پس از کار اصلی Black و Scholes (1973)، و Merton (973) فعالیتهای تجاری در مورد مشتقات در بازارهای مالی سرتاسرجهان، رشد افنجاری داشته است. یکی از سئوالات بنیادی در مالیه، نحوه ارائه یک قیمت منصفانه برای مشتق است، که پرداختش، تکامل یک قیمت دارایی است که براساس آن مشتق نوشته شده است. Black و Scholes (1973) ابتدا اختیار معامله را مطابق اصل عدم وجود آربیتراژ به طور منصفانه ارزشگذاری کردند. روش ارزشگذاری آنها متکی بر فرضیه بازار کارا است، که طبق آن یک معیار احتمال بی تفاوت نسبت به ریسک وجود دارد به گونه ای که قیمت دارایی تنزیل شده، یک مارتینگل است و سپس قیمت منصفانه مشتق، ارزش تنزیل شده مورد انتظارپرداخت آتی اش طبق این معیار می باشد. به ویژه، زمانی که بازار ناقص است، آنگاه معیار بی تفاوت نسبت به ریسک منحصر به فرد نیست. برای بحث های بیشتر راجع به اصل عدم وجود آربیتراژ، به Harrison و Kreps (1979) و Harrison و Pliska (1981) رجوع می کنیم. 

7. ملاحظات پایانی 

در این مقاله، یک معیار Esscher بی تفاوت نسبت به ریسک برای بازده دارایی می سازیم که می تواند به میانگین شرطی به علاوه نویزبا مولفه های فراریت متغیر بر حسب زمان بر طبق معیار احتمال فیزیکی P تجزیه شود. 

با استفاده از این معیار بی تفاوت نسبت به ریسک، 6 روش قیمت گذاری مبتنی بر مدل از نوع ARCH برای ارزشگذاری مشتقات پیشنهاد شده است. مطالعات شبیه سازی نشان می دهد که مدلهای قیمت گذاری پیشنهادی می توانند به چولگی فراریت فراریت های ضمنی در اختیار معامله اروپایی دست یابند. یک کاربرد کوچک در مورد اختیار معامله S&P500، اهمیت روش قیمت گذاری مبتنی بر مدل پیشنهادی با نوآوریهای غیر نرمال را روشن می کند.

Abstract

Assume that St is a stock price process and Bt is a bond price process with a constant continuously compounded risk-free interest rate, where both are defined on an appropriate probability space P. Let yt = log(St/St−1). yt can be generally decomposed into a conditional mean plus a noise with volatility components, but the discounted St is not a martingale under P. Under a general framework, we obtain a risk-neutralized measure Q under which the discounted St is a martingale in this paper. Using this measure, we show how to derive the risk neutralized price for the derivatives. Special examples, such as NGARCH, EGARCH and GJR pricing models, are given. Simulation study reveals that these pricing models can capture the ‘‘volatility skew’’ of implied volatilities in the European option. A small application highlights the importance of our model-based pricing procedure.

1. Introduction

After the seminal work of Black and Scholes (1973) and Merton (1973), there has been explosive growth in the trading activities on derivatives in the worldwide financial markets. A fundamental question in finance is how we give a fair price for the derivative, whose payoff is on the evolution of an asset price upon which the derivative is written. Black and Scholes (1973) first fairly valued the option according to the principle of ‘‘the absence of arbitrage’’. Their valuation method relies on ‘‘efficient market hypothesis’’, under which there exists a risk-neutralized probability measure such that the discounted asset price is a martingale, and then a fair price of the derivative is the expected discounted value of its future payoff under this measure. Particularly, the risk-neutralized measure is not unique when the market is incomplete. For more discussions on the principle of ‘‘the absence of arbitrage’’, we refer to Harrison and Kreps (1979) and Harrison and Pliska (1981).

7. Concluding

remarks In this paper, we construct a risk-neutralized Esscher measure for the asset return which can be decomposed into the conditional mean plus a noise with time-varying volatility components under a physical probability measure P. Using this risk-neutralized measure, six ARCH-type model-based pricing procedures are proposed to value the derivatives. Simulation studies show that our pricing models can capture the ‘‘volatility skew’’ of implied volatilities in the European option. A small application to the S&P 500 option highlights the importance of our model-based pricing procedure with non-normal innovations. As the empirical studies suggested, the performance of our pricing procedure varies in terms of IV, TM, and the distribution of innovation. Hence, two promising directions for future study are (i) choosing an ‘‘optimal’’ IV by the range of TM in some sense, and (ii) estimating the distribution of innovation non-parametrically.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

قیمت گذاری مبتنی بر مدل برای مشتقات مالی

Model-based pricing for financial derivatives

مدیریت ریسک و مشتقات مالی: مرور کلی

Risk management and financial derivatives: An overview

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

مدیریت ریسک و مشتقات مالی: مرور کلی

Risk management and financial derivatives: An overview

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.