top of page
concepto-codificacion-programacion-inteligencia-artificial-esfera-digital-circuito-signo-i

Pricing de Opciones Financieras con

Inteligencia Artificial 

 

OBJETIVO

 

Curso Intensivo y avanzado de productos derivados y estructurados de renta variable, renta fija, tipo de cambio y crédito usando para la valoración modelos tradicionales e inteligencia artificial, particularmente el deep learning.

 

En el curso se muestran estrategias y coberturas con opciones, modelos avanzados de pricing para opciones de tipo de interés, modelos de volatilidad implícita, local, estocástica y Jump Difussion Model.

 

Para la valoración de las opciones de tipo de interés, hay un módulo que aborda la construcción de la Yield Curve porque es sumamente importante para la valoración de modelos de derivados de tipo de interés. Se ha actualizado la transición de Libor y la creación del SOFR yield curve que impactará el pricing de derivados y los XVA.  

Innovadoramente, se expone el uso de potentes herramientas de machine learning, particularmente las redes neuronales y el deep learning, para la valoración de derivados, calibración de ecuaciones diferenciales estocásticas, estimación de la volatilidad implícita y creación de la curva yield.

Se explica la valoración de opciones exóticas de primera y segunda generación, empleando modelos de machine learning.

 

Se abordan metodologías alternativas para determinar el pricing de las opciones mediante transformaciones de Fourier y extensiones en la Simulación de Monte Carlo. Para la modelización de las griegas se ha incluido el algoritmo Adjoint of Automatic Differentiation.

 

El curso tiene un número importante de ejercicios en Julia, Python y R así como casos de estudio que mejoran el aprendizaje. Se abordan las ventajas e inconvenientes de cada lenguaje para la valoración de derivados. Hemos introducido un reciente lenguaje, llamado Julia, que es potente, sencillo y muy rápido. Todos los ejercicios en el entorno JupyterLab.

 

Se explican estrategias y pricing de productos estructurados de renta variable, fija, divisas y crédito. En estructura de crédito se aborda el pricing de CDS y de forma especial de CDOs.

Se exponen metodologías de medición de riesgo de contraparte de derivados, desde la estimación de la exposición crediticia al cálculo del Credit Value Adjustment CVA, empleando metodologías tradicionales y modelos de deep learning.

Curso didáctico, claro en exposición, con la experiencia y calidad de Fermac Risk, buscando que el aprendizaje del participante sea lo más importante. El curso es práctico para aplicar lo aprendido inmediatamente en el trabajo.

 

¿QUIÉNES DEBEN ASISTIR?

 

Personas que trabajen en los siguientes departamentos: Investment Management, Tesorería, Analisis de Riesgos de Crédito, Modelización de Portfolios, Validación de Modelos, Quantitative Research, Estructuración, Pricing, Riesgo de Mercado, metodologías, dirección financiera, controller financieros y Portfolios managers. De bancos, sociedades de valores, corporativos, seguros, agentes de bolsa, casa de bolsa y corredor de bolsa.

 

El curso no aborda matemáticas abstractas ni teoría compleja. No obstante, se explican con seriedad los modelos matemáticos. El alumno conocerá no solo la teoría sino ejercicios prácticos. Es recomendable dominar algún lenguaje de programación.

 

fondo-azul-degradado-lujo-abstracto-azul-oscuro-liso-banner-estudio-vineta-negra.jpg
Time.png

Horarios:

  • Santiago de Chile, Sao Paulo, Buenos Aires, Santo Domingo: L a V: 18-21h

  • España, Portugal: L a V 19-22 h

 

  • Ciudad de México, Quito, Bogotá, San JoséL a V 19-22 h

Price.png

Precio: 5.900 € *

* Clientes 4.900 €

Level.png

Nivel: Avanzado

Duration.png

Duración: 30 h

Material.png

Material: 

Presentaciones PDF, Ejercicios: Python, R, Julia, Excel y JupyterLab.

fondo-azul-degradado-lujo-abstracto-azul-oscuro-liso-banner-estudio-vineta-negra.jpg

AGENDA

Pricing de Opciones Financieras con

Inteligencia Artificial 

Anchor 2

Inteligencia Artificial en Finanzas

Módulo 1: AI en Finanzas

 

  • Inteligencia artificial AI en finanzas

  • Definición del Machine Learning 

  • Metodología del Machine Learning

    • Almacenamiento de la Data

    • Abstracción

    • Generalización

    • Evaluación

  • Aprendizaje Supervisado

  • Aprendizaje No Supervisado

  • Aprendizaje por Refuerzo

  • Deep Learning

  • Tipología de algoritmos de Machine Learning

  • Pasos para implementar un algoritmo

    • Recogida de información

    • Análisis Exploratorio

    • Entrenamiento del modelo

    • Evaluación del Modelo

    • Mejoras al modelo

  • Machine Learning en Finanzas

  • Aplicaciones en la valoración de opciones, proyecciones, asset management y trading

Aprendizaje No Supervisado

Módulo 2: Modelos no supervisados

  • Clusters Jerárquicos

  • K-Means

  • Algoritmo estándar

  • Distancia Euclidiana

  • Análisis de Componentes principales (PCA)

  • Visualización avanzada de PCA

  • Eigenvectores e Eigenvalores

  • Ejercicio 1: Componentes principales para yield curve

  • Ejercicio 2: Segmentación de la data financiera con K-Means

Aprendizaje Supervisado​

Módulo 3: Support Vector Machine SVM

  • SVM con variables dummy

  • SVM

  • Hiperplano óptimo

  • Support Vectors

  • Añadir costes

  • Ventajas e Inconvenientes

  • Visualiización del SVM

  • Tuning SVM

  • Truco de Kernel

  • Ejercicio 3: Support Vector Machine en Python data financiera

Módulo 4: Redes Neuronales (Neural Networks NN)

  • Neurona artifical

  • Entrenamiento de Perceptron

  • Perceptrón 

  • Algoritmo de backpropagation

  • Procedimientos de entrenamiento

  • Tuning NN 

  • Visualización de NN

  • Ventajas e inconvenientes

  • Ejercicio 4: Redes Neuronales en Python data financiera

 

Módulo 5: Ensemble Learning

 

  • Modelos de conjuntos

  • Bagging

  • Bagging trees

  • Random Forest

  • Boosting

  • Adaboost

  • Gradient Boosting Trees

  • Ventajas e inconvenientes

  • Ejercicio 5: Bagging en R

  • Ejercicio 6: Random Forest, R y Python, data 1 y 2

  • Ejercicio 7: Gradient Boosting Trees

Módulo 6: Deep Learning 

  • Definición y concepto del deep learning

  • ¿Porque ahora el uso del deep learning?

  • Arquitecturas de redes neuronales

  • Función de activación

    • Sigmoidal

    • Rectified linear unit

    • Hipertangente

    • Softmax

  • Feedforward network

  • Perceptrón Multicapa

  • Uso de Tensorflow

  • Uso de Tensorboard

  • R deep Learning

  • Python deep Learning

  • Redes neuronales convolucionales

  • Uso del deep learning en la clasificación de imágenes

  • Función de costes

  • Optimización con Gradiente descendiente

  • Uso del deep learning para el credit scoring

    • ¿Cuantas capas ocultas?

    • ¿Cuantas neuronas, 100, 1000?

    • ¿Cuantas épocas y tamñao del batch size?

    • ¿Cual es la mejor función de activación?

  • Software Deep Learning: Caffe, H20, Keras, Microsoft, Matlab, etc.

  • Software de implementación: Nvidia y Cuda

  • Harware, CPU, GPU y entornos cloud

  • Ventajas e inconvenientes del deep learning

  • Feedforward neural network

  • Perceptrón Multicapa

  • Redes neuronales convolucionales

  • Uso del deep learning en la clasificación de imágenes

  • Redes neuronales recurrentes

  • Series temporales

  • Long Short Term Memory

  • Ejercicio 8: Deep Learning feedforward perceptron neural network

 

Futuros y Opciones

Módulo 7: Futuros y Opciones

 

  • Mercado de derivados en España

  • Mercado de Derivados en Latinoamérica

  • Futuros

  • Forwards

    • Fx Forwards

    • FRAs

  • Swaps

    • Interest Rate Swaps IRS

    • Equity Swaps

    • Fx Swaps

    • Credit Default Swap CDS

  • ​Características Opciones

  • Tipología de opciones

  • Call y Put Europea y Americana

  • Modelos de Valoración

    • Black-Scholes

    • Árbol binomial

  • Opciones sobre índices de Acciones y Divisas

  • Ejercicio 9: Pricing  de Fx Swap en Excel 

  • Ejercicio 10: Pricing CDS en Excel y R

  • Ejercicio 11: Valoración Call Option en Python

  • Ejercicio 12: Valoración binomial de opción americana en Python

  • Ejercicio 13: Valoración de opción por Simulación de Montecarlo en R y Phyton

  • Ejercicio 14: Valoración Black y Scholes en R

 

Módulo 8: Estrategias con Opciones

 

  • Estrategia Alcista, Bajista, de movimiento y estabilidad

  • Bull y Bear Spread

  • Ratio Call-Put Back Spread

  • Compra y Venta de Túnel

  • Straddle y Strangle

  • Estrategias Butterfly

    • Butterfly spread con calls

    • Butterfly spread con puts

  • Estrategias Condor

    • Puts

    • Calls

  • Como usan los traders el precio de las opciones

 

 

Módulo 9: Tratamiento de volatilidad

  • Modelo Garch

  • Volatilidad Implícita

  • Volatilidad Local

  • Superficies de volatilidad

  • Smiles de volatilidad

  • Modelos de volatilidad estocástica

  • Jump Diffusion model

  • Tratamiento de volatilidad usando redes neuronales

  • Ejercicio 15: Volatilidad implícita dinámica para cobertura en Excel

  • Ejercicio 16: Volatilidad Local e Implícita en R, gráficos de superficie de volatilidad en R

  • Ejercicio 17: Modelización volatilidad GARCH en Python

  • Ejercicio 18: Simulación jump diffusion model en R

  • Ejercicio 19: Redes Neuronales para volatilidad implicita

 

Módulo 10: Gestión de Portfolios de Opciones

 

  • Parámetros de cobertura

  • Griegas: Delta, Gamma, Vega, Theta, Rho

  • Seguimiento y ajuste de posiciones de opciones en tiempo real

  • Simulaciones y análisis de sensibilidades de precios de ocpiones

  • Modelos de Barone-Adesi y Whaley model

  • Monitorización y gestión real de:

    • delta

    • gamma

    • theta

    • vega

    • elasticidad

  • Ajustes ante cambio de volatilidades

  • Relación entre parámetros de cobertura

  • Enfoques de estimación de griegas:

    • Diferenciación

    • Árbol binomial

    • Estimación de diferencias finitas

    • Estimación de Máxima Verosimilitud (EMV)

  • Adjoint of Automatic Differentiation​

  • Ejercicio 20: Estimación de griegas delta, gamma, theta y vega en Julia y Python

  • Ejercicio 21: Estimación de griegas usando R

  • Ejercicio 22: Adjoint of Automatic Differentiation en Python

Módulo 11: Derivados usados en Banca

 

  • Derivados de Renta Variable

    • Opciones Renta Variable

    • Swaps Renta Variable

    • Opciones de mercados organizados

  • Derivados de Renta Fija

    • Forwards de renta fija

  • Derivados de tipo de cambio

    • Cross Currency Swap

    • Opciones de tipo de cambio

  • Derivados de Crédito

    • Credit Default Swap CDS

  • Ejercicio 23: Pricing Cross Currency Swap

  • Ejercicio 24: Pricing de opción de renta variable en Python

Opciones de Tipo de Interés

Módulo 12: Estructura temporal de tipo de interés (Yield Curve)

  • Construcción de ETTI

  • Instrumentos disponibles

    • Bonos y Depósitos

    • FRAs

    • Interest Rate Swap

    • Basis Swap

    • Cross Currency Swap

  • Usando múltiples instrumentos

  • ETTI en la práctica y principales Issues

  • Curva colateralizada

    • Overnight Index Swaps (OIS)/EONIA

  • Enfoque Bootstrapping

    • Componentes principales PCA

    • Curva Euribor

    • Curva Eonia

  • Enfoque Interpolación

    • Cubic Splines

    • Basis Splines

  • Enfoque Extrapolación

    • Smith-Wilson

  • Enfoque Modelo Nelson Siegel

    • Calibración

  • Modelización estocástica

    • Modelo de Vasicek

    • Modelo Cox-Ingersoll-Ross

    • Modelo Ornstein-Uhlenbeck

    • Modelo Hull-White

  • Redes neuronales para calibrar modelos estocásticos

    • Modelo de Vasicek

    • Modelo de Hull-White

  • Libor Market Model

  • Martingalas y Numerario

  • Calibración de caps y swaptions

  • Modelos de Multicurvas 

  • Modelos SABR para tasas negativas

  • Ejercicio 25: Construcción de Curva de Estructura temporal de tipo de interés Euribor y Eonia en Python

  • Ejercicio 26: Construcción de Curva de Estructura temporal de tipo de interés. Caso práctico con depósitos, FRAs e Interest Rates Swaps y componentes principales PCA

  • Ejercicio 27: Caso Real Banco de España Nelson Siegel ejercicio en R y Excel

  • Ejercicio 28: Estructura temporal de Splines cúbicos y basis splines en Excel

  • Ejercicio 29: Simulación SABR para tasas negativas en Python y Excel

  • Ejercicio 30: Calibración y simulación CIR y Vasicek en R

  • Ejercicio 31: Calibración Ornstein-Uhlenbeck en R

  • Ejercicio 32: Calibración Hull-White usando deep learning

 

Módulo 14: Estructura temporal de tipo de interés para 

SOFR (Yield Curve)

  • Dual Bootsrapping

  • Multi curvas yield curve

  • Calibración y optimización 

  • Nuevos instrumentos para SOFR USD

  • Libor vs ARR Rates

  • Nuevos riesgos para gestionar

  • Curva de calibración singular

  • Calibración global Interpolación

  • Modelo de Optimización

  • Multi-dimensional Newton-Raphson solver

  • Uso de Jacobianos para recalibración

  • Selección de instrumentos para la calibración Instrumentos ARR

  • Pasos para la calibración del Yield Curve

  • Requerimientos para lograr una adecuada calibración

  • Ejercicio 33: Estimación multicurva y optimización con matrices de jacobianos en Python

  • Ejercicio 34: Estimación multicurva con matrices de jacobianos

  • Ejercicio 35: Estimación curva SOFR 

Módulo 15: Futuros, Swaps y Opciones de Tipo de Interés

 

  • Futuros y Swaps

  • Forward Rate Agreements (FRAs)

  • Estrategias de Coberturas con Futuros de tipo de interés

  • Interest Rate Swaps (IRS)

  • Overnight Index Swaps (OIS)

    • Tipo libre de riesgo vs OIS

    • Curva cero OIS

    • OIS vs Libor

    • Funding Risk

    • CVA y DVA

  • Opciones sobre tipo de interés

    • Bond Options

    • Caplet/Caps

    • Floorlets/Floors

    • Swaptions

    • Collar

    • Reverse Collar

  • Opciones y Futuros sobre tipo de interés sobre SOFR

    • SOFR Options

    • SOFR Swaps

    • SOFR Futures

    • SOFR Trading Resources

  • Modelos de valoración

    • Pricing caps y floores usando Black`s Model

    • Pricing con árboles trinomiales

    • Pricing de Caps y Floors usando Libor Market Model

  • Ejercicio 36: Pricing de caps y floors Black`s model en Excel

  • Ejercicio 37: Pricing de Swaption encPython

  • Ejercicio 38: Caplet y Swaption Libor Market Model en Excel y VBA

 

 

 

 

Opciones Exóticas

Módulo 16: Opciones Exóticas 1º y 2º generación

 

  • Primera Generación

    • Opciones Asiáticas

    • Opciones Cliquet

    • Gap Options

    • Perpetual American call/put option

    • Chooser Options

    • Opciones Lookback

    • Opciones Barrera

    • Opciones Digitales/Binarias

    • Opciones Multi-Asset/Rainbow

  • Segunda Generación

    • Power Options 

    • Corridors

    • Faders Fx Option

    • Digital Barrier Options 

    • Pay-Later Options 

    • Step Up and Step Down Options 

    • Forward Volatility Agreements (FVAs)

    • Spread and Exchange Options 

    • Baskets 

    • Outside Barrier Options 

    • Best-of and Worst-of Options 

  • Ejercicio 39: Pricing opción Lookback en Excel con VB

  • Ejercicio 40: Pricing de opción asiática en Python

  • Ejercicio 41: Pricing de opción Barrera en Python

 

Módulo 17: Técnicas avanzadas de Pricing de opciones

 

  • Pricing Simulación de Monte Carlo

    • Pricing de Opción Europea

    • Pricing de Opción Americana

    • Reducción de varianza

    • Antithetic Variable

    • Muestreo Estratificado

    • Secuencia de Sobol

  • Pricing de opciones basados en Fast Fourier (FFT)

    • Enfoque Carr-Madan

    • Enfoque Lewis

    • Enfoque Convolución

    • Estimación de griegas

  • Ejercicio 42: Pricing usando simulación de Monte Carlo opción Europea y Americana en Python

  • Ejercicio 43: Estimación call con enfoque FFT Carr-Madan, Lewis y Convolución con Python

Deep Learning para valoración de derivados

Módulo 18: Deep Learning

  • Definición y concepto del deep learning

  • ¿Porque ahora el uso del deep learning?

  • Arquitecturas de redes neuronales

  • Función de activación

    • Sigmoidal

    • Rectified linear unit

    • Hipertangente

    • Softmax

  • Perceptrón Multicapa

  • Uso de Tensorflow

  • Uso de Tensorboard

  • R deep Learning

  • Python deep Learning

  • Arquitecturas de Redes Neuronales

    • Feedforward network

    • Redes neuronales convolucionales CNN

    • Redes neuronales recurrentes RNN

  • Uso del deep learning en la clasificación de imágenes

  • Función de costes

  • Optimización con Gradiente descendiente

  • Software Deep Learning:

    • Caffe

    • H20

    • Keras

    • Matlab

    • Otros

  • Software de implementación: Nvidia y Cuda

  • Harware, CPU, GPU y entornos cloud

Módulo 19:  Deep Learning para valoración de derivados

  • Deep Learning en finanzas

  • Rapidez y precisión

  • Ventajes e inconvenientes del deep learning sobre técnicas tradicionales

  • Ecuaciones diferenciales parciales

  • Ecuaciones diferenciales estocásticas

  • Modelos de optimización

  • Modelos de Ecuaciones estocásticas diferenciales

  • Movimiento browniano

  • Modelo Black-Sholes 

  • Modelo de Libor Market Model

  • Pricing de un Swaption

  • Pricing en opciones exóticas

  • Ventajas e inconvenientes del deep learning

  • Ejercicio 44: Deep Learning para valoración de modelo Black-Sholes

  • Ejercicio 45: Deep Learning para valoración de modelo brownian motion

  • Ejercicio 46: Modelo de valoración de un Swaption usando Libor Market Model clásico frente a modelo LMM usando deep learning

  • Ejercicio 47: Deep Learning para pricing de Rainbow Option

Módulo 20:  Machine Learning para valoración de derivados

  • Proceso gaussiano

  • Multiproceso gaussiano

  • Regresión líneal y no líneal

  • Matriz de covarianza

  • Funciones de Kernel

  • Enfoque bayesiano

  • Análisis de Out of sample

  • Superficies de volatilidad

  • Pricing de derivados

  • Estimación de griegas

  • Ejercicio 48: Machine Learning para valoración de call-puts usando modelo Black-Sholes

  • Ejercicio 49: Griegas usando modelos de machine learning

 

Productos Estructurados

 

Módulo 21: Productos Estructurados (PE)

 

  • Proceso de Estructuración

  • Tipología de productos estructurados

  • Análisis de los diagramas

  • Comprensión del Pay off

  • Términos y condiciones

  • Análisis del comportamiento durante la vida del PE

    • Mejora del rendimiento

    • Capital garantizado

    • Análisis de la volatilidad

  • Opciones Quanto​

  • Opciones Barrera

  • Autocall y callable options

 

Módulo 22: Estructuras de Renta Variable

 

  • Equity Linked Notes (ELN)

  • Valoración:

    • Modelo Black-Sholes

    • Simulación

  • Range Accrual Notes

    • Estimación bajo Black-Sholes

    • Simulación

  • Callable ELN

  • Warrants

  • Equity Deposits

  • Asian Deposit

  • Depósito Straddle con Knock Out

  • Reverse Convertible

  • Bono Ladder

  • Bono cesta de acciones

  • Bono Spread

  • Bono best of

  • Ejercicio 50: Estrategia y Valoración Bono IBEX35 en Excel

  • Ejercicio 51: Estrategia y Valoración Reverse Eurostoxx50 en Excel

  • Ejercicio 52: Estrategia y Valoración Depósito ligado a Telefónica

  • Ejercicio 53: Valoración de Range Accrual Notes por Black-Sholes y Simulación

  • Caso Estudio 1: Depósito fijo más fondo referenciado a evolución media de un índice, opciones asiáticas. Banco Europeo.

  • Caso Estudio 2: Depósito fijo más combinación alternativa de acciones, opción worst of. Banco Europeo

  • Caso Estudio 3: Depósito fijo más opción digital. Banco Europeo.

 

Módulo 23: Estructuras de Renta Fija

 

  • Floating Rate Note

  • Reverse Floating Rate Note

  • Collared floating Rate Note

  • Rangos Digitales

  • Reset Notes

  • Participating Swap

  • Ejercicio 54: Estrategia y valoración de Estructura Step up en Excel

 

Módulo 24: Estructuras de Tipo de Cambio

  • Forwards

    • Participating Forward

    • Participating Collar

    • Fade-In Forward

    • Knock-Out Forward

    • Shark Forward

    • Butterfly Forward

    • Range Forward

  • Target Forwards​

  • Cross Currency Forwards

  • Productos híbridos Fx

  • Caso Estudio 4: Estrategia de coberturas estructuradas para cubrir el riesgo de divisas

  • Caso Estudio 5: Caso real producto estructurado para proteger tesorerías por riesgo de divisa 

 

Módulo 25: Estructuras de Crédito y Bonos Convertibles

 

  • Credit Default Swaps

  • Modelos de forma reducida

  • Valoración de Jarrow-Turnbull

  • Credit Link Note

  • First to Default Basket

  • Nth to Default Basket

  • Pricing Basket Default Swaps

  • Copula gaussiana y t-student

  • Credit Spread Option

  • Digital Default Swap

  • Bonos Convertibles

  • Collateralized Debt Obligations (CDO)

  • Pricing de CDOs

    • Copula gaussiana y t-student

  • Ejercicio 55: Valoración CDS en Python

  • Ejercicio 56: Valoración de bonos convertibles

  • Ejercicio 57: Estimación copula t-student y gaussiana en Excel

  • Ejercicio 58: Estimación copulas en R

  • Ejercicio 59: Valoración de CDOs en Excel y VBA

  • Ejercicio 60:Valoración de Basket Default Swaps con copulas.

 

Riesgo de Contraparte y CVA

Módulo 26: Modelo interno para medir la exposición del

riesgo de contraparte

 

  • Modelización de exposición de riesgo de contraparte

    • MtM+Add on

    • Simulación de Monte Carlo

  • Exposición potencial futura (PFE)

  • Exposición esperada (EE)

  • Máxima PFE

  • Expected positive exposure

  • Exposición Negativa

  • Effective expected positive exposure

  • Factores: vencimiento, frecuencias de pago, opcionalidades y default

  • PFE de Interest Rate Swaps, Swaptions y CDS 

  • Impacto del Neteo en la exposición

  • Modelización de la exposición colateralizada

  • Modelización del colateral

  • Acuerdo de margen Unilateral

  • Acuerdo de margen Bilateral

  • Perfiles de exposiciones colateralizadas

  • PFE colateralizado

  • EE colateralizado

  • Ejercicio 61: Simulación de MtM de valores de IRS

  • Ejercicio 62: Simulación del tipo de interés usando modelo CIR y Vacicek para determinar MtM de IRS. Estimación del  PFE y EE

  • Ejercicio 63: Estimación EE y EPE Swaptions en Excel con VBA

  • Ejercicio 64: Estimación del PE y EPE colateralizado y no colateralizado

Módulo 27: Modelización del Credit Value Adjustment (CVA)

 

  • Definición y concepto CVA

  • Fórmula y parámetros

  • Factores que afectan el CVA

  • Gestión del riesgo por CVA

  • Contrapartes con Colaterales

  • Cobertura sobre factores de mercado

  • Cobertura sobre spread

  • CVA visto como Spread

  • Riesgo de correlación adversa

  • Mecanismos de mitigación en el CVA

  • CVA marginal y CVA incremental

  • Modelización del CVA con modelo de forma reducida

  • CVA en IRS

  • CVA en portfolio de IRSs

  • Probabilidad neutra al riesgo

  • Simulación

  • Ejercicio 65: Estimación CVA, EE, PFE 

  • Ejercicio 66: Estimación CVA  de portfolios de IRSs usando simulación de Monte Carlo

Módulo 28 CVA y Deep Learning

 

  • Ecuaciones diferenciales parciales PDE

  • SDE para la estimación del CVA

  • Discretización de las ecuaciones diferenciales estocásticas SDE

  • Aproximación a través del deep learning

  • Movimiento browniano y Black-Sholes

  • Deep Learning SDE para Libor Market Model LMM

  • Pricing Swaption a través de deep learning

  • Estimación del CVA usando Deep Learning

  • Estimación del CVA usando machine learning

  • Ejercicio 67: Modelo de CVA usando deep learning de IRS's

  • Ejercicio 68: Modelo de CVA usando machine learning

XVA

 

Módulo 29: ¿Que es XVA?

 

  • Concepto de XVAs

  • CVA, DVA, LVA, FVA, CollVA, KVA

  • Rentabilidad en los derivados

  • Perspectiva regulatoria

  • XVA Trading

  • Nuevas Funciones del XVA Trader

  • La base CSA Precio

  • Colaterales y OIS como tasa de descuento

  • Pricing y Multicurva negativa en el marco XVA

 

​Módulo 30: Debt Value Adjustment (DVA)

 

 

  • Definición del Ajuste del valor de la deuda (DVA)

  • Norma contable IFRS

  • CVA Bilateral

  • Propiedades del DVA

  • Valor Ajustado al Riesgo

  • Monetización del DVA

  • Cobertura del DVA o Transferencia a la tesorería

  • LVA concepto

  • Ejercicio 69: Estimación CVA Bilateral 

 

 

Módulo 31: Funding Value Adjustment (FVA) y XVA

 

  • Concepto de los Ajustes de valor por costes de financiación

  • Overnight Indexed Swaps (OIS) frente a tipos de interés bancarios

  • Debate acerca del FVA

  • Fórmula del FVA: Negativo y Positivo

  • Interacción CVA, DVA y FVA

  • Coste de financiación

  • Impacto del Ratio de financiación estable neta

  • Prima de Liquidez

  • Valor Ajustado al Riesgo

  • Estimación alternativa del FVA

    • Fórmula del Ajuste por coste del colaterial CollCA

    • Fórmula del Ajuste por costes de Cobertura HVA

    • Estimación del FVA

  • Estimación del coste de capital KVA

  • Cálculo del XVA

  • Gestión de riesgos del XVA

  • Ejercicio 70: Estimación FVA y Valor Ajustado al Riesgo en Excel

  • Ejercicio 71: Estimación del CVA, DVA, FVA, CollVA, HVA, KVA, LVA y XVA en Excel

bottom of page