Сравнение моделей для установления маржинальных требований для портфелей фьючерсов и опционов

Расчет маржинальных требований является одной из ключевых задач любой биржи, на которой проводятся торги производными финансовыми инструментами. Размер гарантийного обеспечения представляет собой залог, обеспечивающий надежность сделок на бирже путем покрытия потерь биржи от необходимости выполнения обязательств, возникающих в случае дефолта одного из агентов. При слишком малом размере назначаемой маржи биржа терпит убытки при дефолте агентов, так как она обязана возместить все потери, связанные с невыполнением обязательств. При слишком большом значении маржи биржа теряет заработок на комиссии по сделкам, клирингу и прочих аспектах своей деятельности в этой сфере, так как рынок становится менее ликвидным. Результаты оценки маржи зависят от системы оценки риск-параметров, по которым рассчитываются потенциальные потери по открытым позициям. Качество методологии также является актуальной темой, так как биржевые производные финансовые инструменты – опционы и фьючерсы, в отличие от акций и облигаций, обладают конечным и заранее определенным сроком жизни. Поэтому в литературе по анализу систем оценки маржинальных требований часто происходит сравнительный анализ нескольких систем или теоретической оценки надежности одной из них, как риск-меры. Однако исследования того, является ли назначаемый уровень маржи достаточным и как именно можно скорректировать методологию оценки риск-параметров в ситуации нехватки данных для снижения маржинальных требований или повышения надежности, не проводилось. Целью данной работы является оценка надежности методологии расчета вариационной маржи системы маржирования SPAN на российском рынке и построение альтернативной модели, использующей больший набор случайных сценариев. В случае, если существующая методология отвечает заданным требованиям к надежности, то анализ будет проводиться в области поиска метода оценки риск-параметров, который позволит снизить уровень требований, не снизив качество модели.