Chaire FBF Marchés en Mutation

Transcription

1 Chaire FBF Marchés en Mutation Vers une refondation des risques en nance Ecole Polytechnique & Université d'evry Co-titulaires: N. El Karoui, M. Jeanblanc, N. Touzi Chaire présentée par Stéphane Crépey, Université d'evry Journée des Chaires, ILB, 29 avril / 15

2 Chaire Marchés en Mutation Fruit de la reconduction/fusion à l'automne 2014 des ex-chaires Risque de Crédit (Evry) et Dérivés du Futur (X) Exploiter les compétences complémentaires X-Evry, au sein du futur ensemble UpSay (Paris-Saclay) Thématiques générales: Mutations des marchés nanciers Nouveaux dés réglementaires Focus sur Trading haute-fréquence (X) Risque de contrepartie (Evry) 2 / 15

3 Actions Co-nancement de personnel de recherche sur les thèmes de la chaire: Sophie Laruelle (MCf UPEC) et Iacopo Mastromateo (post-doctorant) (X, trading haute-fréquence), Yannick Armenti (Evry/LCH, doctorant chambres de compensation) Co-organisation/nancement de conférences Bachelier colloquium (janvier 2014) Achat de données nancières haute-fréquence Ateliers de la chaire (cahier ILB prévu): Petit-déjeuners: Charles-Albert Lehalle (trading haute-fréquence), Jean-Pierre Laurent (trading centralisé), Matinée-workshop du vendredi 13 juin 2014 Groupe de travail commun mensuel X-Evry 3 / 15

4 Risque de contrepartie, funding, collatéral, CCPs Ajustements de valorisation et couverture pour tenir compte: du risque de défaut des parties dans des contrats de produits dérivés de gré à gré (CVA et DVA) du coût opérationnel de ces contrats (coût de funding FVA) Tendance actuelle de la régulation: Pousser les participants à garantir leur défaut par mécanismes d'appels de marge négocier de manière centralisée (par opposition à bilatérale ci-dessus) via des chambres de compensation Transfert d'un risque de contrepartie en risque de liquidité et/ou systémique Répondre aux nouvelles exigences par l'étude de solutions réglementaires et/ou nouveaux services ou produits 4 / 15

5 Risque de contrepartie, funding, collatéral, CCPs Ajustements de valorisation et couverture pour tenir compte: du risque de défaut des parties dans des contrats de produits dérivés de gré à gré (CVA et DVA) du coût opérationnel de ces contrats (coût de funding FVA) Tendance actuelle de la régulation: Pousser les participants à garantir leur défaut par mécanismes d'appels de marge négocier de manière centralisée (par opposition à bilatérale ci-dessus) via des chambres de compensation Transfert d'un risque de contrepartie en risque de liquidité et/ou systémique Répondre aux nouvelles exigences par l'étude de solutions réglementaires et/ou nouveaux services ou produits 5 / 15

6 Risque de contrepartie, funding, collatéral, CCPs Ajustements de valorisation et couverture pour tenir compte: du risque de défaut des parties dans des contrats de produits dérivés de gré à gré (CVA et DVA) du coût opérationnel de ces contrats (coût de funding FVA) Tendance actuelle de la régulation: Pousser les participants à garantir leur défaut par mécanismes d'appels de marge négocier de manière centralisée (par opposition à bilatérale ci-dessus) via des chambres de compensation Transfert d'un risque de contrepartie en risque de liquidité et/ou systémique Répondre aux nouvelles exigences par l'étude de solutions réglementaires et/ou nouveaux services ou produits 6 / 15

7 Interest-rate swap example. (a) DVA benet at default, (b) collateralized, (c) DVA and funding benets at default, (d) no benet at default. t = 0 TVA CVA DVA LVA a b c d a b The CVA and DVA vanish. The dominant eect is the cancellation of the previously highly positive CVA, resulting in a lower TVA, whence a higher (buying) price for the bank. a c A funding benet at own default is acknowledged by the bank, resulting in less LVA and TVA, whence a higher price. a d The benecial DVA at own default is ignored by the bank as fake benet, resulting in a higher TVA, whence a lower price. 7 / 15

8 Previous table derived on an interest-rate swap under a basic immersion hypothesis between the market and the credit ltrations Versus dynamized copulas used for counterparty risk on credit derivatives Crépey, S., Jeanblanc, M. and Wu, D. L.: Informationally Dynamized Gaussian Copula, IJTAF, March Bielecki, T.R., Cousin, A., Crépey, S. and Herbertsson, A.: Dynamic Hedging of Portfolio Credit Risk in a Markov Copula Model, Journal of Optimization Theory and Applications Need of a unied perspective Crépey, S. and S. Song: Counterparty Risk Modeling: Beyond immersion. Working paper. Playing with the probability measure and/or the ltration Modeling a default time τ with a mark for wrong-way and gap risk applications 8 / 15

9 Previous table derived on an interest-rate swap under a basic immersion hypothesis between the market and the credit ltrations Versus dynamized copulas used for counterparty risk on credit derivatives Crépey, S., Jeanblanc, M. and Wu, D. L.: Informationally Dynamized Gaussian Copula, IJTAF, March Bielecki, T.R., Cousin, A., Crépey, S. and Herbertsson, A.: Dynamic Hedging of Portfolio Credit Risk in a Markov Copula Model, Journal of Optimization Theory and Applications Need of a unied perspective Crépey, S. and S. Song: Counterparty Risk Modeling: Beyond immersion. Working paper. Playing with the probability measure and/or the ltration Modeling a default time τ with a mark for wrong-way and gap risk applications 9 / 15

10 TVA computed by Monte Carlo linearizations (Fujii & Takahashi FT FT schemes) of order 1 to 3. Left: TVA on a netted portfolio of ten CDS on ten dierent names in a DGC model with 10 5 paths (at time 0 the protection legs of the CDS have a cumulative mark-to-market of 45.12). Right: TVA on a junior Mezzanine CDO tranche in a DMO model with 120 names and paths (at time 0 the protection leg of the tranche has a mark-to-market of ). 10 / 15

11 HFT: Analyse très haute fréquence des inuences entre PB/PA: mouvement du mid-price vers le bas/haut TB/TA: arrivée d'un trade order au bid/ask 11 / 15

12 E. Bacry and J.F.Muzy: Hawkes model for price and trades high-frequency dynamics. Quantitative Finance En abscisse: le temps en échelle log en seconde (de 0.1ms à 1000s) En ordonnée: la primitive du noyau de régression quand la primitive d'un noyau monte cela veut dire qu'il y a inuence PA PB mean réversion du prix TA TA split des ordres quand la primitive d'un noyau descend cela veut dire qu'il y a inuence inhibitoire PA TA : lorsque le prix monte il y a moins d'achat quand la primitive d'un noyau est constante positive il y a une inuence instantanée TA PA : ask saut de prix ask 12 / 15

13 Trading haute fréquence : risque et régulation Inuence du trading haute fréquence: Quantication de cette inuence aussi bien d'un point de vue systémique que du point de vue d'un intervenant. Quelle est sa dynamique? Dépend-elle du type d'activité? Est-elle source d'instabilité? Pas sur les données précédentes, qui convergent à basse fréquence vers un modèle Brownien (variance nie limite) Régulation : Contenir les risques systémiques tout en veillant à l'ecience du processus de formation des prix. Quelles sont les règles les plus adéquates? Taxe sur les transactions nancières, Introduction d'une latence articielle,... Faut-il une régulation adaptée aux diérents types d'intervenants? 13 / 15

14 Trading haute fréquence : risque et régulation Inuence du trading haute fréquence: Quantication de cette inuence aussi bien d'un point de vue systémique que du point de vue d'un intervenant. Quelle est sa dynamique? Dépend-elle du type d'activité? Est-elle source d'instabilité? Pas sur les données précédentes, qui convergent à basse fréquence vers un modèle Brownien (variance nie limite) Régulation : Contenir les risques systémiques tout en veillant à l'ecience du processus de formation des prix. Quelles sont les règles les plus adéquates? Taxe sur les transactions nancières, Introduction d'une latence articielle,... Faut-il une régulation adaptée aux diérents types d'intervenants? 14 / 15

15 Prochain rendez-vous: matinée-workshop du vendredi 13 juin 2014 Jim Gatheral, Professor Baruch College, Dept. of Mathematics, New York: Optimal execution and high-frequency signals Albina Danilova, Professor at London School of Economics, Dept. of Mathematics: Understanding Stochastic Volatility in Financial Markets (and the Tobin Tax) Andrea Pallavicini, Visiting Professor at Imperial College, Dept. of Mathematics, London and Head of Equity, FX and Commodity Models at Banca IMI, Milan: A Unied Framework for Bilateral and CCP Cleared Trades including Counterparty Risk and Funding Costs 15 / 15