Financial - 多因子shock, 路径依赖

回到顶部(go to top)

一、结论

现有情景分析相关模型里面:

  • 实际pnl(actualPnL)都是非路径依赖的
  • 但一旦drilldown,分步骤的pnl还是路径依赖的,表现为不同的path shock出来的中间结果不同,但是最后的actualPnL还可以保持一致

 

回到顶部(go to top)

二、详细说明

假设这里我们要shock两类因子:

x - 利率因子,利率因子会从x0 shock 到 x1

y - 价格因子,价格因子会从y0 shock 到 y1

 

 

2.1 实际pnl(actualPnL)是非路径依赖的

 

在我们情景分析的程序内部,实际PnL(actualPnL)无论先shock x因子,还是先shock y因子,都是一样的。即,actualPnL结果是非路径依赖的。

actualPnL = PV(x1, y1) - PV(x0, y0)

 

2.2 不同路径下的分步pnl,依然是路径依赖的 (分步骤看pnl是不同)

这里提前算一下单独只shock一个因子的pnl, xPnl 和 yPnl:

 

如果只shock x因子,那么只对 x因子shock后的pnl(xPnL)为:(y因子保持不动)

xPnl = PV(x1, y0) - PV(x0, y0)

 

如果只shock y因子,那么只对 y因子shock后的pnl(yPnL)为:(x因子保持不动)

yPnl = PV(x0, y1) - PV(x0, y0)

 

1) 路径一: 先shock y, 再shock x

PV(x0, y0) -> PV(x0, y1) -> PV(x1, y1) = 

第一步pnl(单独shock y,即 yPnl)+ 第二步pnl (在y shock结束的基础上,shock x) = 

yPnlPV(x1, y1) - PV(x0, y1) =

actualPnL

 

2) 路径二: 先shock x, 再shock y

PV(x0, y0) -> PV(x1, y0) -> PV(x1, y1) = 

第一步pnl (单独shock x,即 xPnl)+ 第二步pnl  (在x shock结束的基础上,shock y)  = 

xPnlPV(x1, y1) - PV(x1, y0) =

actualPnL

 

可以看到,虽然不同的路径最后的pnl都是一致的,

但是分步骤看,两种路径的第一、二步对比起来也是不同的。

 

回到顶部(go to top)

三、原稿图

 

posted on   frank_cui  阅读(155)  评论(0编辑  收藏  举报

相关博文:
阅读排行:
· DeepSeek 开源周回顾「GitHub 热点速览」
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· AI与.NET技术实操系列(二):开始使用ML.NET
· 单线程的Redis速度为什么快?
历史上的今天:
2020-11-02 Spring - AOP两种实现 (AspectJ + Spring AOP)
< 2025年3月 >
23 24 25 26 27 28 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 31 1 2 3 4 5

导航

统计

levels of contents
点击右上角即可分享
微信分享提示