Рубрика «опцион»

Представьте, что вы вместе со своим коллегой, ведущим программистом, с которым работали последние 4 года в банке, придумали нечто невообразимое, так нужное рынку. Вы выбрали хорошую бизнес-модель и к вам присоединились сильные ребята в команду. Ваша идея приобрела вполне осязаемые черты и бизнес практически начал приносить деньги.

Если вообще не соблюдать правила гигиены, быть токсичным, не последовательным, корыстным, обманывать других, то до первых денег вообще не добраться. Представим, что все хорошо, вы все молодцы и не за горами время, когда пойдет первая серьезная прибыль. Тут рушатся воздушные замки, которые были так скрупулезно выстроены каждым членом команды. Первый думал, что он главный и он заберет 80% прибыли, так как именно он продал машину и на его деньги жила первое время вся команда. Второй думал, что два основателя получат по 50%, так как он программист и создал то самое приложение, на котором все сейчас зарабатывают. Третий и четвертый думали, что они получат долю в бизнесе, как только пойдут деньги, ведь они работали почти круглосуточно и получали значительно меньше, чем могли бы в том же банке.

В итоге бизнес под угрозой развала. А ведь всего бы этого можно было бы избежать, правильно договорившись на берегу. Как? Читать полностью »

Проблематика вопроса сформулирована в предыдущей статье.

А именно: как оценить влияние определенного допущения модели Блэка-Шоулза на расчетную величину премии по европейскому опциону? Допущения о том, что цена торгуемого актива имеет логнормальное распределение. Как альтернативу расчета по формуле Блэка-Шоулза я использовал подход — прогнозирование выплат покупателю опциона методом Монте-Карло. На вход программе я подавал:

  • “эталонные данные” (моделирование логнормального распределения”),
  • случайный ряд, характеризующийся распределением с “толстыми хвостами”,
  • и, наконец, цены нескольких биржевых активов — валютных пар и криптовалют.

В каждом случае я рассчитал премию опциона по формуле Б-Ш и методом Монте-Карло. Сравнил результаты и сделал(?) выводы:
Расчет премии по опциону методом Монте-Карло vs формула Блэка-Шоулза - 1

Читать полностью »

Введение

На волне хайпа криптовалют проскакивают новости о торговле биткойном на мировых биржах CME и NASDAQ. Для меня это знаковое событие: руки корпораций, надувавших пузыри доткомов и ипотек, дотянулись и до золота шифропанков — криптовалют. А в арсенале этих самых корпораций мощный рычаг — производные финансовые инструменты, или деривативы.

Находясь под впечатлением прочитанных не так давно историй взлетов и метаморфоз рынков деривативов — прежде всего, фьючерсных и опционных контрактов, я заинтересовался нетривиальным ценообразованием опционов. Мне открылось, что, хотя интернет полон рерайтов статей, толкующих знаменитую формулу Блэка-Шоулза, практических инструментов — web-сайтов, технологических программ или банальных руководств для программиста — не математика, по данному вопросу в интернете недостает. Пришлось вспомнить азы тервера и адаптировать строгие математические описания в популярном, понятном, прежде всего, мне самому, формате.
Читать полностью »

С 30 марта онлайн-площадка для биржевой торговли Liquid.pro начала фиксировать заявки на опционы, отправляемые на Московскую биржу в публичном блокчейне нашей платформы Waves. В этом материале мы расскажем, зачем Liquid.pro блокчейн и как этот сервис использовал технологию распределенного реестра в своей работе.

image

Предпосылки и суть работы сервиса Liquid.pro

После событий 2014 года сравнительно небольшой российский биржевой рынок обмелел еще сильнее. Этому во многом способствовал уход с рынка зарубежных инвесторов. В результате объем сделок уменьшился и с тех пор так и не показал заметного роста. Сокращение чистой прибыли Московской биржи по итогам 2016 года на 9,6% — лишнее тому подтверждение. Рынок сфокусировался на наиболее ликвидных инструментах.
Читать полностью »

Ограничение ответственности: настоящая статья написана анонимно. Упомянуто несколько конкретных компаний, но лишь в качестве общего примера.

Данный пост коротко рассказывает о том, что я хотел бы знать и продумать до поступления на работу в какую-либо закрытую акционерную (частную) компанию (она же стартап, она же «единорог» в некоторых случаях — при оценке стоимости выше $1 млрд).

Я не пытаюсь показать, что не следует присоединяться к такой компании, но неравенство сил (возможностей) учредителя и наёмного работника в ней является экстремальным, а потенциальным кандидатам не мешало бы рассмотреть альтернативы.

Представленная здесь информация не является новой или оригинальной, но целью данной статьи является представить все основные положения в одном месте.
Читать полностью »

Источники РБК в компании «Яндекс» сообщают о 10% снижении компанией расходов на персонал в 2015 году.

В первую очередь речь идет о заморозке вакансий и увольнении части сотрудников. Новых специалистов в текущем году будут нанимать только на наиболее перспективные направления, такие как «Яндекс.Такси». За прошлый год количество разработчиков в «Яндексе» выросло на 14% и составило 2924 человека, при общем штате в 5616.

Последние 2 года «Яндекс» тратит на штат от 16% до 22% общей выручки, в прошлом году расходы на персонал превысили 10 млрд рублей. Гендиректор российского офиса «Яндекса» Александр Шульгин говорил, что планка затрат на персонал в 20% является оптимальной для компании и в будущем.
Читать полностью »


https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js