Metody segmentování výnosových křivek s důrazem na strojové učení a shlukovou analýzu

Předkládaný projekt si klade za cíl vytvořit metodologii segmentace a kategorizace výnosových křivek. V rámci projektu se zaměříme na minimálně 2000 různých typů a druhů výnosových křivek. Kategorizace bude založena na metodách machine-learningu (strojové učení) a jiných statistických metodách a rozdělí tyto zkoumané výnosové křivky na základě jejich empirické podobnosti (tvaru, úrovně, vývoje v posledních 20 letech), dostupnosti dat, berouc v potaz taky makroekonomické atributy zemí, kde je možné tyto výnosové křivky lokalizovat). Metodologie kategorizace identifikuje nejdůležitější inherentní faktory, které pomůžou k pochopení a interpretaci nových segmentů/kategorií křivek. Machine-learning nám umožní analyzovat velké objemy dat a křivek. Součástí projektu je i detailnější analýza 40 nejvíce používaných (zejména bezrizikových křivek zemí G-8 jako USA, Japonsko, Spojené království, Francie, Německo a další) výnosových křivek světa.

Předkládaný projekt má praktické a empirické zaměření na vysoce aktuální téma, kterým je vývoj výnosových křivek a s ním úzce propojené fenomény jako kvantitativní uvolňování, zadlužování států, existence negativních částí výnosových křivek nebo obecně nejakutnější současný problém životních pojišťoven, kterým je prostředí extrémně nízkých úrokových sazeb a výnosů. Projekt nám taky umožní analyzovat dopad Covid-19 na navrženou segmentaci křivek a taky celkový dopad Covid-19 na 80 světových výnosových křivek.

Dalším přínosem projektu je využití jeho výsledků v řízení úrokového rizika bank a pojišťoven a při optimalizaci zátěžových testů (stress-testing). Úrokové riziko představuje jedno z nejdůležitějších (z pohledu výše kapitálových požadavků) tržních rizik tuzemských bank a pojišťoven. Segmentace výnosových křivek spolu s připravovaným detailním přehledem křivek můžou být použity při tvorbě „proxy“ náhradních hodnot, nekompletních křivek nebo v případě absence likvidních tenorů (vrcholů) výnosové křivky. Tedy v situacích, které jsou častým problémem souvisejícím s výnosovými křivkami a jejich použitím v interních modelech bank a pojišťoven.