Batas Risiko Ilmiah _ untuk pertukaran masa depan Kripto

Artikel ini juga tersedia dalam bahasa Spanyol.

Penulis: Michael Gan; Ken Tian

Inst: KuCoin

1. Pengenalan

Banyak bursa kripto mengadopsi langkah-langkah pengelolaan risiko yang kompleks untuk mencegah risiko likuidasi. Ini termasuk menetapkan batas risiko multi-level dan membatasi penggunaan leverage tinggi. Selain itu, bursa secara dinamis menyesuaikan parameter seperti batas risiko dan tingkat margin berdasarkan harga aset yang mendasarinya dan likuiditas pasar. Namun, proses-proses ini tidak hanya kompleks tetapi juga kurang memiliki standar manajemen yang jelas, memerlukan sumber daya yang signifikan untuk menjaga konsistensi internal—misalnya, peningkatan modal mungkin tidak memungkinkan posisi yang lebih besar karena perubahan tiba-tiba dalam tingkat leverage.

Pada beberapa platform perdagangan (lihat Gambar 1), terdapat hampir seratus tingkat batas risiko. Perubahan tingkat pasif ini meningkatkan kompleksitas manajemen dan dapat mengakibatkan likuidasi paksa parsial, yang merugikan kepentingan pengguna.

Kami bertujuan untuk mengembangkan model nonlinear untuk mensimulasikan ukuran posisi yang wajar untuk modal yang diberikan, memungkinkan manajemen risiko yang lebih fleksibel dan efisien. Pendekatan ini melibatkan membangun kembali formula internal untuk mencapai konsistensi diri, memberikan alternatif yang layak untuk templat batas risiko yang kompleks yang ada.

Paper ini mengusulkan kerangka manajemen risiko baru sebagai pengganti model batas saat ini. Pendekatan baru ini telah diimplementasikan di KuCoin’s cross-margin, menunjukkan beberapa keunggulan yang jelas:

1. Ini lebih dekat dengan pengaturan manajemen posisi yang digunakan oleh bursa tradisional, sehingga lebih mudah bagi modal institusi untuk beradaptasi.
2. Ini menghilangkan kebutuhan untuk menyesuaikan batas risiko berdasarkan ukuran posisi atau penggunaan leverage.
3. Ini menyederhanakan proses operasional, mengurangi beban pada pertukaran sambil memitigasi risiko merugikan kepentingan pengguna untuk melindungi manfaat pertukaran sendiri.

Model ini memberikan pendekatan yang lebih transparan dan efisien terhadap manajemen risiko, menyelaraskan baik operasi pertukaran maupun kepentingan pengguna.

2. Model

2.1. Ukuran Posisi Maksimum

Kami mengasumsikan bahwa akun pengguna memegang modal C, dan harga kontrak berjangka aset yang mendasarinya adalah p. Tingkat margin awal r sesuai dengan kebalikan leverage yang dipilih oleh pengguna. Mengabaikan biaya transaksi, jumlah kontrak yang dapat dibuka oleh pengguna diberikan oleh:

N = C/(p ∗ r)

Namun, jika modal C terlalu besar atau tingkat margin r terlalu rendah, risiko terkait untuk pertukaran menjadi signifikan. Oleh karena itu, ketika baik C maupun rrr tetap dan C besar, posisi maksimum yang diizinkan akan dibatasi oleh tingkat risiko pertukaran menjadi jauh lebih sedikit dari C/(p*r). Sebaliknya, dengan modal C yang lebih kecil, ukuran posisi dapat mendekati C/(p*r).

Banyak pertukaran menerapkan puluhan hingga ratusan tingkat risiko untuk mengelola hubungan ini. Sebagai hasilnya, pengguna sering perlu menyesuaikan tingkat tier mereka saat modal mereka bertumbuh. Tujuan di balik pembatasan ini dapat dinyatakan secara kasar menggunakan fungsi logaritmik:

N = ln(C/(p ∗ r) + 1)

Jelas, ketika C besar, turunan pertama dari fungsi logaritmik menurun, yang berarti ukuran posisi yang dapat dicapai akan lebih kecil dari yang dihitung oleh rumus linear. Namun, ini menimbulkan tantangan: untuk perkiraan ln(x+1)≈x berlaku, C harus cukup kecil, dan p harus besar. Jika tidak, bahkan dengan C kecil, pengguna mungkin tetap tidak dapat mencapai ukuran posisi maksimum teoritis dari C/(p*r).

Untuk mengatasi hal ini, kita perlu memperkenalkan parameter penskalaan yang lebih besar k berdasarkan karakteristik dari berbagai jenis kontrak. Persamaan asli kemudian dimodifikasi sebagai berikut:

N = k ∗ ln(C/(p ∗ r ∗ k) + 1)）

Penyesuaian ini memenuhi kebutuhan pengguna dengan modal kecil sambil memenuhi persyaratan pengendalian risiko untuk pengguna dengan modal besar.

Untuk memperhitungkan posisi terbuka dan persyaratan margin lainnya di margin lintas KuCoin, mari tentukan hal berikut: 01928374656574839201

• F: Margin ditempati oleh kontrak lain dan pesanan terbuka.
• E: Total ekuitas dalam akun futures pengguna.
• Q: Ukuran posisi dari pesanan tertunda selaras dengan arah yang sama dengan pesanan baru.
• O: Ukuran posisi terbuka saat ini (positif jika sejajar dengan pesanan baru, negatif jika berlawanan arah).

Persamaan untuk menghitung posisi maksimum yang diizinkan adalah kemudian:

N = max(0, k ∗ ln((E − F )/(k ∗ p ∗ r) + 1) − Q − O)

Oleh karena itu, dalam model ini di KuCoin, untuk modal ukuran khas, hubungan antara leverage dan posisi maksimum yang diizinkan dapat divisualisasikan sebagai berikut:

Grafik ini mencerminkan bagaimana model ini memastikan skalabilitas dan stabilitas, seimbang antara kebutuhan pengguna yang lebih kecil (untuk memaksimalkan ukuran posisi) dan kontrol risiko untuk pengguna yang lebih besar melalui penyesuaian margin nonlinear.

Namun, pada kebanyakan bursa (seperti OKX dan Binance), hubungan antara leverage dan ukuran posisi sering mengikuti kurva yang terdistorsi:

Faktanya, bahkan MMR (Maintenance Margin Rate) mengikuti pola yang serupa. Ini bisa menjadi tantangan tersendiri bagi pengguna dengan modal besar. Misalnya, ketika IMR (Initial Margin Rate) ditetapkan pada 50%, MMR bisa mencapai 48%. Dalam kasus seperti itu, pengguna yang mencoba membuka posisi besar dibatasi untuk menggunakan leverage rendah, tetapi MMR ditingkatkan dengan cara yang tidak wajar.

Pengaturan ini membatasi kemampuan pengguna untuk secara efektif memanfaatkan modal mereka, karena tingkat leverage berubah secara tiba-tiba dan membutuhkan penyesuaian yang sering, mengurangi fleksibilitas. Ini menciptakan ketidakseimbangan antara manajemen risiko dan pengalaman pengguna, membuat sulit bagi investor besar untuk beroperasi secara efisien dalam batasan ini.

2.2. MMR dan IMR

MMR (Maintenance Margin Rate) pada dasarnya berfungsi sebagai mekanisme kompensasi bagi pertukaran untuk mengelola risiko likuidasi. Pada intinya, MMR mencerminkan tekanan pada ekstraksi likuiditas dan perlu disesuaikan secara dinamis dengan perubahan posisi terbuka. Di bawah ini, kami derivasikan nilai teoretis MMR berdasarkan metrik terkait likuiditas yang tersedia untuk pertukaran.

2.2.1. Variabel-Variabel Terkait Likuiditas

Untuk menilai likuiditas dengan baik, ditemukan variabel-variabel berikut, yang biasanya dapat diakses oleh bursa:

• μ: Kecepatan pesanan ution pasar
• T: Persyaratan waktu untuk likuidasi atau perdagangan
• i: Jarak harga/level dari tawaran terbaik atau permintaan
• j: Unit waktu ticker
• Qi: Jumlah rata-rata pesanan pada jarak iii dari buku pesanan
• S: Ukuran rata-rata dari sebuah pesanan (dengan SmS_mSm untuk pesanan pasar, SlS_lSl untuk pesanan limit)
• N: Jumlah pesanan (dengan Nm untuk pesanan pasar, Nc untuk pembatalan, dan Ni untuk pesanan limit)

Nilai-nilai ini mewakili kondisi rata-rata di pasar yang stabil.

2.2.2. Mendefinisikan Metrik Posisi Pengguna

• posisi: Rata-rata ukuran posisi seketika dari semua pengguna, yang dapat berasal dari nilai-nilai empiris pertukaran.
• pos: ukuran posisi yang dipegang oleh pengguna mana pun
• X: Jumlah volume perdagangan dalam level MMR selama periode perdagangan
• MMRup: Batas atas untuk MMR
• rMMR: Nilai akhir MMR
• R: jarak aktual dari tawaran terbaik atau permintaan, bukan sama dengan r, sering tergantung pada i, j

2.2.3. Penyesuaian MMR dengan Aliran Pesanan

Kecepatan entri pesanan batas dan pembatalan termasuk sebagai bagian dari rata-rata di beberapa level. Mengingat bahwa pesanan pasar lebih mungkin untuk dieksekusi secara instan, kita perlu memperhitungkan peningkatan atau penurunan relatif ini. Hubungan berikut menentukan dinamika: 01928374656574839201

Sebagai contoh, mengambil posisi long, likuiditas likuidasi yang kuat yang sesuai dapat menjadi jumlah pesanan beli (Q):

Untuk keamanan pertukaran, kami mendapatkan:

X(R) = posisi R = f (posisi)

Di sini, tidak jauh untuk mencapai posisi tersebut dan R memiliki hubungan yang hampir terbalik. Dan untuk jumlah pesanan minimum:

R = p × MMR

Posisi tersebut diketahui, diberikan hubungan pembatasan variabel. MMR independen terhadap p, jadi:

MMR = g(position) = z(Q, S, T , μ^, i, j) = f (position)/p

Oleh karena itu, nilai akhir rMMR dapat diungkapkan sebagai:

rMMR = min(MMRup, MMR)

Dari persamaan di atas, dapat dilihat bahwa, selain R, variabel lain seperti posisi, Q, S, dan T semuanya ditentukan. Dengan demikian, R dapat diturunkan dari variabel-variabel ini, dan selanjutnya, MMR dan rMMR dapat dihitung.

Selain itu, batas MMRup diperlukan karena model cenderung diestimasi secara konservatif, sering kali mengabaikan dampak positif dari titik harga kunci dan level penawaran atau permintaan kunci pada buku pesanan. Beberapa studi dari CME (lihat Gambar 2) menggambarkan efek ini dengan lebih akurat.

IMR (Tingkat Margin Awal) biasanya terkait dengan leverage dan likuiditas aset yang mendasarinya. Oleh karena itu, seringkali membutuhkan penyesuaian dinamis berdasarkan faktor-faktor seperti ukuran posisi. Ini dapat didefinisikan sebagai:

IMR = max(r, w(rMMR))

Di sini, IMR sesuai dengan tingkat margin awal r yang disebutkan di Bagian 2.1. Fungsi w (rMMR) menawarkan lebih banyak fleksibilitas. Misalnya, jika pertukaran menganggap likuiditasnya stabil, dapat menerapkan penyesuaian sederhana seperti: w (rMMR) = 1,3 × rMMR.

Pendekatan ini memberikan cara pragmatis untuk menyesuaikan tingkat margin secara dinamis, memastikan bahwa IMR mencerminkan kondisi pasar dan tingkat likuiditas saat ini. Hal ini membuat sistem lebih adaptif dibandingkan dengan aturan margin tetap, menguntungkan baik pengguna maupun pertukaran melalui manajemen risiko yang efektif.

3. Sebuah solusi perkiraan untuk k

Parameter k berfungsi sebagai pengaturan global untuk setiap aset tertentu (simbol) dan tidak perlu akun untuk pesanan yang ada atau posisi terbuka. Pada dasarnya, semakin besar nilai k, semakin banyak posisi yang dapat dibuka oleh pengguna. Namun, ada batasan kritis: margin yang diperlukan untuk posisi yang diizinkan maksimum tidak boleh melebihi modal total dikalikan dengan IMR.

Untuk menyederhanakan, mari tetapkan rumus posisi maksimum yang diizinkan ke variabel v:

v = k ∗ ln(C/(p ∗ r ∗ k) + 1)

Leverage sebenarnya harus kurang dari atau sama dengan re reciprocal dari margin yang digunakan:

v/(C/p) <= 1/max(r, f (v, rMMR))

Mari kita memperkenalkan variabel baru y untuk menggantikan C (modal) dan p (harga) untuk mempermudah:

y = C/p

kami mendapatkan:

v <= y/max(r, f (v, rMMR))

Kecuali posisi yang sangat kecil, 1.3 × rMMR (penyesuaian yang disederhanakan dengan menggunakan f(pos,rMMR) umumnya lebih kecil dari r. Untuk posisi yang lebih kecil, margin yang dibutuhkan menjadi tidak signifikan, jadi skenario seperti itu tidak menjadi perhatian bagi model risiko kami. Demikian pula, karena MMRup menetapkan batas atas, hal ini juga dapat diabaikan dalam konteks ini.

Oleh karena itu, kita hanya perlu mempertimbangkan nilai paling kecil yang mungkin untuk 1/IMR. Oleh karena itu, ketidaksetaraan dapat disederhanakan sebagai:

v <= y/(1.3 ∗ f (position)/p)

Ketimpangan ini menunjukkan hubungan antara posisi maksimum yang diizinkan dan leverage aktual.

Tidak seperti variabel lain, posisi dan R memiliki hubungan terbalik yang jelas. Oleh karena itu, MMR yang berasal dari R juga dapat memiliki hubungan berbanding terbalik dengan posisi, dan MMR dapat diungkapkan sebagai berikut:

MMR = para1 + para2/position

Pada titik ini, untuk mengasumsikan bahwa MMR di bawah posisi rendah sejajar dengan bentuk tradisional (setengah dari kebalikan leverage), rumus dapat ditulis sebagai:

MMR = 1/(2 ∗ maxleverage) ∗(1+ pos/position)

Sekarang kita mencoba untuk menemukan batas dari k, maka r dalam rumus (3) menjadi 1/maxleverage.

Dan, dengan mengganti variabel, ketidaksetaraan (18) dapat menjadi:

Kami mengamati bahwa y (ditentukan oleh modal pengguna) secara teoritis seharusnya tidak memengaruhi nilai k. Oleh karena itu, k terutama bergantung pada posisi. Meskipun nilai minimum k bervariasi dengan perubahan y, tujuannya adalah untuk mengidentifikasi nilai minimum terkecil yang mungkin di semua kondisi. Hal ini memastikan bahwa pembukaan posisi tetap aman dalam setiap skenario.

Di sini, y/(k*r) masih bisa digantikan oleh variabel, tetapi persamaannya tetap kompleks dan sulit untuk dipecahkan secara analitis. Beberapa eksperimen pendekatan yang mendalam dan simulasi iteratif mengungkapkan bahwa k konvergen ke ekspresi yang sangat sederhana(tetapi perhitungan k merupakan usaha yang signifikan, jadi tidak akan dielaborasi secara detail di sini):

k <= e ∗ position

Dengan menyesuaikan nilai k atau posisi, kita dapat mencapai efek bahwa ketika jumlah dana atau jumlah posisi terbuka tidak besar, pengguna dapat membuka hingga C / (p ∗ r). Jika tidak, mereka akan dibatasi. Ukuran jumlah dan tingkat pembatasan keduanya dikontrol oleh k dan posisi. Oleh karena itu, mata uang kripto yang berbeda seringkali sesuai dengan nilai k yang berbeda.

4. Kesimpulan

Di atas adalah pengenalan singkat tentang batas risiko margin lintas KuCoin. Keuntungan dari desain ini dan kemudahannya bagi pengguna sudah jelas.

Dalam margin lintas KuCoin, selain batas risiko, elemen lain seperti rasio risiko dan penggunaan margin pesanan juga dikelola secara dinamis menggunakan harga mark. Manajemen dinamis ini tidak hanya memaksimalkan pelepasan margin pengguna tetapi juga terintegrasi dengan sempurna dengan kerangka batas risiko baru, meningkatkan efisiensi dan pengalaman pengguna.

5. lampiran

Gambar 1:

Gambar 2:

6. Referensi

1. “A Stochastic Model for Dinamika Buku Pesanan” oleh Rama Cont, Sasha Stoikov, dan Rishi Talreja, Operations Research, Volume 58, Issue 3, pada tahun 2010, pada halaman 549-563.
2. “Mengantisipasi Persyaratan Margin Awal - Penilaian Model”, Journal of Financial Markets (Volume 40, 2018)
3. Alfonsi, A., A. Schied, A. Schulz. 2010. Strategi eksekusi optimal dalam buku pesanan limit dengan fungsi bentuk umum. Quant. Keuangan 10(2), di halaman 143-157

Gambar oleh Oleksandr Pidvalnyi dari Pixabay