Tecnologías avanzadas en XVA y Modelización del Riesgo de Contraparte
OBJETIVO
Curso sobre la modelización del riesgo de contraparte en una entidad financiera que cubre los siguientes objetivos:
-
Explicar las recientes directivas de Basilea III sobre cargo de capital por default del riesgo de contraparte, enfoques IMM y estándar
-
Así como las recientes directivas de Basilea III por cargo capital del riesgo de Credit Value Adjustment CVA bajo los enfoque básico y estándar.
-
Se exponen metodologías recientes para calcular el XVA y los ajustes necesarios en el pricing de derivados Over The Counter OTC relacionados con el riesgo de contraparte, financiación, colateral y capital.
-
Se explican modelos para calcular el Debit Value Adjusment DVA, y otros ajustes como los son el LVA, FVA, CollVA, KVA y el XVA.
-
Se muestran metodologías para estimar los parámetros empleados en el CVA tales como la probabilidad de default PD, severidad de la pérdida LGD y Credit Spread utilizando modelos estructurales y modelos de forma reducida.
-
Explicar la modelización de la exposición actual y las principales métricas empleadas como exposición potencial futura y exposición esperada.
-
Exponer metodologías para el cálculo del Wrong Way Risk WWR
-
Valorar algunos de los derivados más utilizados en la banca.
-
Exponer técnicas de validación de riesgo de contraparte para CVA y Exposición Esperada.
-
Explicar modelos de stress testing de riesgo de contraparte de CVA y XVA
-
INTELIGENCIA ARTIFICIAL
-
Mostrar metodologías tradicionales e innovadoras de inteligencia artificial tales como el Deep Learning y machine learning para valorar derivados, estimar exposiciones, calcular el CVA y el XVA.
-
-
ALGORITMOS y MACHINE LEARNING CUÁNTICOS
-
La mecánica cuántica es bien conocida por acelerar los procesos de muestreo estadístico sobre las técnicas clásicas. En las finanzas cuantitativas, los muestreos estadísticos surgen en muchos casos de uso.
-
Se explican algoritmos cuantitativos para el cálculo del Credit Value Adjustment (CVA), y exponemos oportunidades y desafíos de la ventaja cuántica .
-
Abordamos como obtener una ventaja cuántica sobre la simulación de Monte Carlo en el pricing de los derivados.
-
Explicamos análisis numéricos para mostrar la aceleración cuántica, respecto al capital económico, sobre simulaciones clásicas de Monte Carlo.
-
Se explica el machine learning cuántico
-
Uso de redes tensoriales para mejorar la velocidad de las redes neuronales.
-
¿QUIÉNES DEBEN ASISTIR?
Este programa está dirigido a directores, gerentes, consultores, reguladores, auditores y analistas de riesgo de crédito de contraparte así como aquellos profesionales que se encuentren implantando los acuerdos regulatorios de Basilea III. Profesionistas que trabajen en entidades bancarias, cajas de ahorro y todas aquellas empresas que se encuentren expuestas al riesgo de crédito. Es importante disponer de conocimientos de Estadística y Probabilidad así como de Excel.
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 José: L a V 19-22 h
Precio: 6 900 €
Nivel: Avanzado
Duración: 30 h
Material:
-
Presentaciones PDF
-
Ejercicios en Excel, R , Python, Jupyterlab y Tensorflow
AGENDA
Tecnologías avanzadas en XVA y Modelización del
Riesgo de Contraparte
Computación Cuántica e Inteligencia Artificial
Módulo -1: Computación Cuántica y algoritmos (Opcional)
-
Futuro de la computación cuántica en la banca
-
¿Es necesario saber mecánica cuántica ?
-
Aplicaciones y hardware de QIS
-
Operaciones cuánticas
-
Representación de Qubit
-
Medición
-
Superposición
-
Multiplicación de matrices
-
Operaciones de Qubits
-
Múltiples Circuitos cuánticos
-
Entanglement
-
Algoritmo de Deutsch
-
Transformada cuántica de Fourier y algoritmos de búsqueda
-
Algoritmos híbridos cuánticos-clásicos
-
Quantum annealing, simulación y optimización de algoritmos
-
Algoritmos cuánticos de machine learning
-
Ejercicio 1: Operaciones cuánticas
Módulo 0: Deep Learning para Exposición (Opcional)
-
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
-
Tipología de Redes Neuronales
-
Feedforward network
-
Redes neuronales convolucionales CNN
-
Redes neuronales recurrentes RNN
-
-
Uso del deep learning en la banca
-
Función de costes
-
Optimización con Gradiente descendiente
-
Uso del deep learning para el IRRBB y ALM
-
Software Deep Learning
-
Software de implementación: Nvidia y Cuda
-
Harware, CPU, GPU y entornos cloud
-
Deep Learning para valoración de derivados
-
Ecuaciones diferenciales estocásticas
-
Modelos de optimización
-
Ventajas e inconvenientes del deep learning
-
Ejercicio 2: Deep learning en la banca
Riesgo de Contraparte
Módulo 1: Requerimientos de riesgo de contraparte en
Basilea III
-
Riesgo de crédito de contraparte
-
Transacciones financieras
-
CCR: the risk of counterparty default
-
CVA: credit valuation adjustment
-
Regulaciones de Basilea I, II y III
-
Cargos de capital por riesgo de CVA
-
Enfoques Credit Value Adjustment (CVA)
-
The basic approach (BA-CVA)
-
The standardised approach (SA-CVA)
-
-
Capital por riesgo de contraparte (CCR)
-
Medición de la exposición para derivados: SA-CCR
-
Medición de la exposición para derivados: IMM-CCR
-
Módulo 2: Gestión del Riesgo de Contraparte
-
Definición y Conceptos
-
Riesgo de contraparte en OTC
-
Riesgo de contraparte en Repos y Securities
-
Participantes del riesgo contraparte
-
Credit Exposure
-
PD, LGD, Migración de matrices y Credit Spread
-
MtM y Coste de remplazamiento
-
Mitigación del Riesgo Contraparte
-
Medición y ajustes
-
Límites de crédito
-
Definición y concepto CVA
-
Coberturas de riesgo contraparte
-
Portfolio de riesgo contraparte
Principales Derivados usados en Banca
Módulo 3: Opciones y Futuros de tipo de interés
-
Derivados OTC y mercados organizados
-
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
-
-
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 3: Valoración IRS en Excel
-
Ejercicio 4: Pricing de caps y floors Black`s model en Python
-
Ejercicio 5: Pricing de Swaption en Excel
-
Ejercicio 6: Caplet y Swaption Libor Market Model en Python
-
Ejercicio 7: Árbol trinomial de Bond Options en Excel
Módulo 4: Otros 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 8: Pricing Cross Currency Swap
-
Ejercicio 9: Pricing de opción de renta variable en Python
-
Ejercicio 10: Pricing de CDS en R
Exposición Crediticia del Riesgo de Contraparte
Módulo 5: 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 11: Simulación de MtM de valores de IRS
-
Ejercicio 12: Simulación del tipo de interés usando modelo CIR y Vacicek para determinar MtM de IRS. Estimación del PFE y EE
-
Ejercicio 14: Estimación EE y EPE Swaptions en Excel con VBA
-
Ejercicio 15: Estimación del PE y EPE colateralizado y no colateralizado
Deep Learning Tradicional y Cuántico para
Pricing Derivados y Exposición por Riesgo de Contraparte
Módulo 6: Redes Neuronales para pricing de derivados
-
Deep Learning para valorar derivados
-
Deep Learning para estimar la exposión
-
Monte Carlo vs Deep Learning
-
Redes Neuronales (Neural Networks NN)
-
Valoración de derivados
-
Entrenamiento de Perceptron
-
Algoritmo de backpropagation
-
Procedimientos de entrenamiento
-
Tuning NN
-
Visualización de NN
-
Ventajas e inconvenientes
-
Ejercicio 16: Deep Learning para valoración de modelo Black-Sholes
-
Ejercicio 17: Deep Learning para valoración de Opción Bermuda
-
Ejercicio 18: Deep Learning para estimación de Expected Exposure
Módulo 7: Machine Learning avanzado para medición de volatilidad y opciones exóticas
-
Deep Learning en la volatilidad
-
Pricing y calibración
-
Volatilidad Local
-
Superficies de volatilidad implicita
-
Valoración de opciones exóticas
-
Pricing de derivados
-
Estimación de griegas
-
Ejercicio 19: Deep Learning Volatility
Módulo 8: Machine Learning Cuántico
-
¿Qué es el machine learning cuántico?
-
Qubit y Quantum States
-
Algoritmos de Machine automático cuántico
-
Circuitos cuánticos
-
Support Vector Machine
-
Support Vector Machine cuánticos
-
Clasificador cuántico variacional
-
Entrenamiento de modelos de machine learning cuántico
-
Redes Neuronales Cuánticas
-
Quantum GAN
-
Máquinas Quantum Boltzmann
-
Ejercicio 20: Machine learning tradicional y Machine Learning cuántico para valorar un derivado
Módulo 9: Redes Tensoriales para Machine Learning
-
¿Que son las redes tensoriales ?
-
Entrelazamiento Cuántico
-
Redes tensoriales en machine learning
-
Redes tensoriales en modelos no supervisados
-
Redes tensoriales en SVM
-
Redes tensoriales en NN
-
Tensorización de NN
-
Aplicación de redes tensoriales en modelos de credit scoring
-
Ejercicio 21: Modelo de valoración de derivados usando Redes Neuronales frente a tensorización de redes neuronales
Finanzas computacionales Cuánticas
Módulo 10: Finanzas computacionales cuánticas
-
Pricing de derivados
-
Monte Carlo para valorar derivados
-
Algoritmos Cuánticos para derivados
-
Pricing de opción Europea usando algoritmos cuánticos
-
Pricing de Basket Options usando algoritmos cuánticos
-
Redes antagónicas generativas cuánticas
-
Ejercicio 22: Pricing de derivados usando Monte Carlo frente a algoritmos cuánticos
-
Ejercicio 23: Pricing de Basket Options usando deep learning clasico y deep learning cuántico
Credit Value Adjustment
Módulo 11: Modelos Estructurales de Default
Probabilidad de Default
-
Modelo de Merton
-
Probabilidad de Default física
-
Modelo Black-Scholes-Merton
-
Modelo Black-Cox
-
Modelo Vasicek-Kealhofer
-
CDS Pricing
-
Curvas en condiciones de liquidez y no liquidez
-
CDS Implied EDF
-
CDS Spreads
-
Fair Value Spread
-
CDS Spread en soberanos
-
Ejercicio 24: Ejercicio CDS Spread y PD
Módulo 12: Modelos de Forma Reducida
Probabilidad de Default
-
Modelización de Credit Spread
-
Suavizamiento de Credit Spread
-
Ajustando credit spread con splines cúbicos
-
-
Modelos de forma reducida
-
Jarrow-Turnbull Model
-
Duffie y Singleton Model
-
Probabilidades neutrales de default
-
Conversión de intensidades de default en PDs discretas
-
Ajuste de modelos de forma reducida a BBDD históricas
-
Construcción de curvas de probabilidad de default
-
Validación con Falkenstein y Boral Test
-
-
Jump to default
-
Bonos cupón cero
-
Bono con cupones
-
Bonos convertibles
-
CDS
-
-
Spread Risk
-
Probabilidad de default para empresas sin información de mercado
-
Ejercicio 25: Construcción de curvas de probabilidad de default y hazard rate
Módulo 14: Loss Given Default Avanzada (LGD)
-
Definición: LGD, RR y CRR
-
Tratamiento de colaterales
-
Enfoque lineal para estimar LGD
-
Enfoque con Opciones Black-Sholes para estimar LGD
-
LGD Implícita en CDS Spread
-
Calibración y optimización de LGD Implícita usando árboles binomiales
-
Modelos expertos de LGD usando árboles de decisión
-
Ejercicio 26: Estimación LGD usando enfoque líneal y Black-Sholes
-
Ejercicio 27: Estimación LGD implicita a través de árboles binomiales y optimización
Módulo 15: CVA en Basilea III
-
Requerimientos mínimos de capital por riesgo CVA
-
The basic approach (BA-CVA)
-
Versión reducida del método BA-CVA (sin reconocimiento de coberturas)
-
Versión íntegra del método BA-CVA (con reconocimiento de coberturas)
-
Coberturas admisibles
-
K-Integro
-
K-Admisible
-
K-Cubierto
-
-
The standardised approach (SA-CVA)
-
Cálculos del CVA a efectos reguladores
-
Coberturas admisibles
-
Multiplicador por riesgo de modelo
-
requerimientos de capital para los riesgos delta y vega
-
Categorías, factores de riesgo, sensibilidades, ponderaciones por riesgo y correlaciones
-
-
Ejercicio 28: Cálculo del BA-CVA y SA-CVA
Módulo 16: 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 29: Estimación CVA, EE, PFE
-
Ejercicio 30: Estimación CVA de portfolios de IRSs usando simulación de Monte Carlo
Módulo 17: CVA con Deep Learning
-
Velocidad en los cálculos
-
Gradientes y Jacobianos
-
Ecuaciones diferenciales parciales PDE
-
SDE para la estimación del CVA
-
Discretización de las ecuaciones diferenciales estocásticas SDE
-
Black-Sholes usando deep learning
-
Arquitecturas de Deep Learning
-
Estimación del CVA usando Deep Learning
-
Ejercicio 31: Modelo de CVA usando deep learning
Módulo 18: CVA con GPR
-
Gaussian Process Regression
-
Pricing y estimación de griegas usando GPR
-
Estimación del valor de la cartera y del riesgo de mercado
-
GPR para la estimación del CVA
-
Simulación del CVA
-
Incertidumbre de la cuantificación
-
Ejercicio 32: Estimación del CVA y VAR CVA usando GPR
Módulo 19: CVA y Capital Económico Cuántico
-
CVA usando algoritmos cuánticos
-
Generación de circuitos cuánticos
-
Quantum Circuit Born Machine
-
Simulación de Monte Carlo
-
Próximos pasos
-
Análisis de desarrollos recientes
-
Estimación del parámetro alfa usando capital económico cuántico
-
Ejercicio 33: Estimación parámetro alfa con modelo de capital económico tradicional y cuántico
Módulo 20: Wrong-way risk (WWR)
-
Que es el WWR
-
Right Way Risk
-
Relación entre WWR y CVA
-
Metodologías del WWR
-
Enfoque de correlaciones
-
Enfoque paramétrico
-
Calibración
-
Ejercicio 34: Estimación WWR y CVA
XVA
Módulo 21: ¿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 22: 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 35: Estimación CVA Bilateral
Módulo 23: Funding Value Adjustment (FVA) y Deep Learning para 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 y MVA
-
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
-
Deep Learning para XVA
-
Ejercicio 36: Cálculo de XVA en Python
-
Ejercicio 37: Estimación del CVA, DVA, FVA, CollVA, HVA, KVA, LVA y XVA en Excel
-
Ejercicio 38: Deep Learning para XVA
VALIDACIÓN DE MODELOS
Módulo 24: Validación del Riesgo de Contraparte
-
Validación del RFE
-
Modelos de evolución de factores de riesgo (RFE)
-
Ecuaciones estocásticas
-
Calibración histórica
-
Análisis de distribuciones empíricas frente a distribuciones estimadas
-
Análisis de estadísticos
-
Anderson-Darling
-
Kolmogorov Smirnov
-
Cramer-von Mises
-
Análisis semafórico
-
-
Problemas en la validación de modelos de riesgo contraparte
-
Efecto de la autocorrelación
-
Sound practices for backtesting CCR models de Basilea
-
Backtesting del PFE
-
Distribución binomial
-
-
CVA Backtesting
-
Análisis semafórico
-
Berkowitz backtesting strategy
-
-
Ejercicio 39: Backtesting del PFE usando AD, KS y CV test
STRESS TESTING
Módulo 25: Stress testing del Riesgo de Contraparte
-
Stress testing exposición esperada
-
Stress testing PFE
-
Stress testing en la PD de la contraparte
-
Stress testing usando VAR y MVAR
-
Variables macroeconómicas
-
-
Stress testing del CVA y DVA
-
Shock de liquidez sobre el FVA
-
Stress Testing en el KVA y el CET1
-
General Wrong Way Risk
-
Stress testing del XVA
-
Modelo Quantum para stress testing
-
Ejercicio 40: Stress testing del CVA y EE
-
Ejercicio 41: Stress testing de la PD usando VAR y MVAR