การวิเคราะห์ความเสี่ยงตราสารหนี้ (Fixed Income Risk Analytics)

ผู้จัดการความเสี่ยงและ Quantitative Trader พึ่งพาตัวชี้วัดความไว (Sensitivity Measures) ในการป้องกันความเสี่ยงอัตราดอกเบี้ย (Hedge Interest Rate Risk) ตลอดแนวเส้นโค้งผลตอบแทน

ภาพรวมตัวชี้วัดความเสี่ยง (Risk Metrics Overview)

1. Macaulay Duration ( $D_{\text{mac}}$ )

ระยะเวลาเฉลี่ยถ่วงน้ำหนักของกระแสเงินสดที่คาดว่าจะได้รับ (วัดเป็นหน่วยปี):

$D_{\text{mac}} = \frac{\sum_{i=1}^n t_i \, A_i \, d(y, t_i)}{P_{\text{dirty}}}$

2. Modified Duration ( $D_{\text{mod}}$ )

วัดเปอร์เซ็นต์การเปลี่ยนแปลงของราคาพันธบัตรต่อการเปลี่ยนแปลงของอัตราผลตอบแทน $y$ :

$D_{\text{mod}} = -\frac{1}{P_{\text{dirty}}} \frac{dP}{dy} = \frac{D_{\text{mac}}}{1 + \frac{y}{m}}$

3. Convexity ( $C$ )

ความโค้งอันดับที่สองของความสัมพันธ์ระหว่างราคาและผลตอบแทน:

$C = \frac{1}{P_{\text{dirty}}} \frac{d^2P}{dy^2} = \frac{1}{P_{\text{dirty}}} \sum_{i=1}^n t_i \left(t_i + \frac{1}{m}\right) A_i \left(1 + \frac{y}{m}\right)^{-(m \cdot t_i + 2)}$

4. Dollar Value of a Basis Point (DV01)

มูลค่าเงินที่เปลี่ยนแปลงไปเมื่ออัตราผลตอบแทนขยับแบบขนาน 1 basis point ( $0.01\% = 10^{-4}$ ):

$\text{DV01} = -\frac{dP}{dy} \times 0.0001 = P_{\text{dirty}} \times D_{\text{mod}} \times 0.0001$

5. การประมาณการเปลี่ยนแปลงราคาอันดับที่สอง (Second-Order Price Shift Approximation)

กระจายด้วยอนุกรมเทย์เลอร์อันดับสอง:

$\frac{\Delta P}{P} \approx -D_{\text{mod}} \, \Delta y + \frac{1}{2} C \, (\Delta y)^2$

$\Delta P \approx -\text{DV01} \times 10^4 \, \Delta y + \frac{1}{2} P_{\text{dirty}} \, C \, (\Delta y)^2$

ตัวอย่างโค้ดในภาษา Rust

use sabiquant::bonds::BondPricingPlan;
use sabiquant::core::{Date, Frequency};
use sabiquant::core::calendars::TargetCalendar;
use sabiquant::core::daycount::ActualActualICMA;

fn main() -> Result<(), Box<dyn std::error::Error>> {
    let settlement = Date::from_ymd(2025, 1, 15)?;
    let maturity   = Date::from_ymd(2035, 1, 15)?;

    let plan = BondPricingPlan::builder()
        .settlement(settlement)
        .maturity(maturity)
        .coupon_rate(0.04) // 4.0%
        .frequency(Frequency::Annual)
        .calendar(TargetCalendar::default())
        .day_counter(ActualActualICMA::default())
        .face_value(100.0)
        .build()?;

    let base_yield = 0.045; // 4.5%
    let metrics = plan.price_from_yield(base_yield)?;

    println!("Base Dirty Price:    ${:.4}", metrics.dirty_price);
    println!("Modified Duration:   {:.4}", metrics.modified_duration);
    println!("Convexity:           {:.4}", metrics.convexity);

    // คำนวณ DV01 ต่อมูลค่าหน้าตั๋ว 100
    let dv01 = -metrics.dp_dy * 0.0001;
    println!("DV01:                ${:.5}", dv01);

    // ประมาณผลกระทบต่อราคาเมื่อดอกเบี้ยขยับขึ้น +50 bps (+0.005)
    let delta_y = 0.005;
    let duration_effect = -metrics.modified_duration * delta_y;
    let convexity_effect = 0.5 * metrics.convexity * delta_y.powi(2);
    let approx_pct_change = duration_effect + convexity_effect;

    println!("Duration Effect:     {:.3}%", duration_effect * 100.0);
    println!("Convexity Effect:    +{:.3}%", convexity_effect * 100.0);
    println!("Predicted Total ΔP%: {:.3}%", approx_pct_change * 100.0);

    // เปรียบเทียบกับการคำนวณราคาจริงแบบแน่นอน (Exact repricing)
    let shocked_metrics = plan.price_from_yield(base_yield + delta_y)?;
    let exact_pct_change = (shocked_metrics.dirty_price - metrics.dirty_price) / metrics.dirty_price;
    println!("Exact Repriced ΔP%:  {:.3}%", exact_pct_change * 100.0);

    Ok(())
}