高效的XVA管理：使用

首先请注意，我们已经计算了每个场景中的无条件投资组合值：VUnconditionedj，k（π）=Vj，kWe通过计算交易水平回归，对新交易和现有投资组合遵循相同的程序。现在，我们计算与现有投资组合相同的一组总体情景的值，并计算更新的条件情景j | Vj，k（原始）+变化））=j |{j | Vj，k（原始）+j | Vj，k（变化））}=j | Vj，k（更新）要计算上面的第一行，我们只需要原始投资组合的情景值和投资组合的变化。不需要重新计算原始投资组合。因此，我们可以在不重新计算原始投资组合的情况下重新计算CVA，我们只包括额外情况下的先前值。我们似乎再次计算了投资组合变化的回归，作为额外工作。然而，这些额外的工作使其他XVA元素及其管理（敏感性和分配）更快。对于增加的敏感性，前面几节的论点直接适用。增量贸易水平分配和增量贸易水平敏感性分配也是如此。3.2 MVA定价、敏感性和分配中央交易对手通常要求公布初始保证金（IM），该保证金可用于投资组合VAR或ES（Gregory 2014）。为该IM提供资金的终身成本称为保证金估值调整（MVA）。如示例部分所示，我们的技术也适用于融资初始保证金的终身成本，即保证金估值调整（MVA）。与中央交易对手交易的初始保证金通常基于VARand和/或Vares，因此我们接下来考虑这些因素。如示例所示，全局情景选择的使用使VAR和ES计算相加。ES是定义上的条件期望。

因此，上述CVA的推导完全适用。此外，由于我们已经计算了交易水平回归函数和分析导数，因此对于CVA，不需要计算它们。CVA和ES之间唯一的区别是不同的条件：j | PES（Vj，k）≤ α而不是j | Vj，kOnce确定了相同的计算。我们使用了DPES来分配投资组合价值，就像ES一样。这种分配通常是对Ohm 与风险中性测量所用的方法相同（但显然有不同的测量方法）。我们使用α作为感兴趣的百分比，通常为97.5%或类似。我们将VAR作为ES定义的一个极限，即j | PES（Vj，k）=α=limβ→α{j|β≤ PES（Vj，k）≤ α} 因此，上述CVA和ES的发展也适用于VAR。在实践中，使用模拟，VAR可以从非常少的场景（可能只有一个）计算出来。由于我们只更改了条件假设，上一节中的参数完全适用于所有管理案例，包括敏感性计算和分配。4结论我们已经展示了XVA管理如何结合三个技术要素从根本上提高效率：贸易水平回归；解析导数；以及全球条件反射。这三个要素都是计算效率和实现效率的根本提高所必需的。XVA指的是CVA、FVA、DVA和MVA的寿命成本。（Green和Kenyon 2014b）详细介绍了KVAI回归的使用。根据XVA管理层的规定，包括定价、套期保值以及价格和套期保值成本的分配。实施成本大幅降低，因为现在只需要对回归本身进行分析衍生工具的实施，而回归本身的计算非常简单——而不是对原始投资组合中的所有交易类型。

AD或AAD仅适用于基础交易本身，即totaltrade类型的一小部分。由于这种方法的许多部分固有的并行性，非常适合GPU实现。本文中技术的主要局限性在于，它本质上是一阶方法，因为它不处理由于XVA相互作用导致的期权行使边界的变化。这是一个有待进一步研究的课题（Green and Kenyon 2015）。一个限制似乎是在一天中重新计算回归。然而，我们不认为这是一个限制，因为回归函数在整个状态空间内都是有效的，因此应对日内变化或市场条件具有鲁棒性。这种方法使贸易价值的计算既便宜又快捷。它还将贸易价格的计算与标的物价值的计算分开。这意味着，下垫面的动力学可以是任意复杂的。因此，消除了全球定价的潜在限制。也就是说，XVA dynamics可以根据需要进行详细设计，以匹配时间零点定价。因此，实时交易定价和XVA都只需要一个系统。参考Antonov，A.，S.Issakov和S.Mechkov（2011）。异国衍生品的算法曝光和CVA。SSRN eLibrary。布罗迪，M.和P.格拉斯曼（1996年）。使用模拟来估计证券价格的导数。管理科学42（2），269-285。Burgard，C.和M.Kjaer（2013年）。资金策略，资金成本。风险26（12）。卡普里奥蒂，L.和J.李（2014）。伴随信用风险管理。风险27（7）。卡普里奥蒂，L.，J.李和M.皮科克（2011）。蒙特卡洛实时交易对手信用风险管理。风险24（6）。可获得的athttp://www.risk.net/digital资产/2966/卡普里奥蒂。pdf。塞萨里，G.，J.阿奎利纳，N.查皮隆，Z.菲利波维奇，G.李和I.曼达（2010）。

建模、定价和对冲交易对手信用风险：技术指南。伦敦：斯普林格金融。丹茅斯，J.（2014）。用GPU模拟美式期权。GPU技术会议。格霍尔德，S.（2011）。L’evy模型的Longsta ff-Schwartz算法：关于快速和慢速收敛的结果。应用概率年鉴21589–608。贾尔斯，M.和P.格拉斯曼（2006）。吸烟的形容词：快速的蒙特卡洛格里克斯。风险21（1），92-96。Glasserman，P.和B.Yu（2004）。美式期权定价中的路径数与基本函数数。《应用概率年鉴》142090–2119。格林，A.和C.肯扬（2014a）。计算基于初始保证金的风险价值（VAR）的融资估值调整（FVA）。http://ssrn。com/abstract=2432281。格林、A.和C.肯扬（2014b）。投资组合：我的理论。SSRN。http://ssrn.com/abstract=2519475.Green，A.和C.Kenyon（2015年）。XVA在演习边界。即将到来的格林，A.，C.肯扬和C.R.丹尼斯（2014）。KVA：资本估值调整。风险27（12）。格雷戈里，J.（2009）。在交易对手信用风险问题上持两面态度。风险22（2）。格雷戈里，J.（2014）。中央交易对手：场外衍生品的强制性中央清算和初始保证金要求。纽约：威利金融。肯扬，C.和A.格林（2014a）。CVA部分风险仓储和税务后果。http://ssrn。com/abstract=2465071。肯扬，C.和A.格林（2014b）。VAR和ES/CVAR依赖于数据清理和数据模型、分析和解析。http://ssrn。com/abstract=2443445。肯扬，C.和R.肯扬（2013）。资产的DVA。风险26（2）。朗斯塔夫，F.和E.施瓦茨（2001年）。通过模拟评估美式期权：一种简单的最小二乘法。金融研究综述14（1），113–147。Naumann，U.（2012）。区分计算机程序的艺术。暹罗。普雷斯，W.，S.特科尔斯基，W.维特林和B。

弗兰纳里（2007）。数字说明：科学计算的艺术（第3版）。剑桥大学出版社。Pykhtin，M.（2011）。交易对手风险资本和CVA。风险24（8）。Shreve，S.（2004）。金融随机演算，第二卷：连续时间模型。斯普林格·维拉格。String，G.（2009）。线性代数导论，第四版。韦尔斯利剑桥出版社。塔什·D.（2008）。业务单元和子投资组合的资本分配：欧拉原则。arXiv。Wang，Y.和R.Ca flish（2009年）。美式期权的定价和套期保值：一种基于模拟的简单方法。《计算金融杂志》13（4），95-125。

受教了。

点个赞加点人气
感谢分享