Macro-Tail-Hedge-Sim: 日元流动性挤兑下的尾部风险管理模拟器

Macro-Tail-Hedge-Sim: Quantitative Risk Management for JPY Carry Trade Shocks

website：randymelon-quant-risk.streamlit.app

📌 项目背景 | Project Abstract

中文： 在宏观波动剧烈的环境下，传统的正态分布模型往往低估了极端事件（Fat-tails）发生的概率。本项目通过模拟 日元流动性挤兑 (JPY Liquidity Squeeze) 场景，量化评估了高杠杆科技股组合在极端冲击下的脆弱性。

English: Standard risk models often fail during regime shifts due to Gaussian assumptions. This project simulates a JPY Liquidity Squeeze to test the resilience of tech-heavy portfolios.

---

🚀 核心技术特性 | Core Features

• Merton 跳跃扩散模型 (MJD)：引入泊松跳跃项，真实还原“闪崩”特征。
• 动态期权定价引擎 (B-S Model)：根据实时 $r$ 和 $\sigma$ 动态计算权利金。
• 极端风险度量 (Advanced Metrics)：使用 CVaR 专注于损失分布最差 1% 场景。

---

📊 数学框架 | Mathematical Framework

1. 资产价格路径 (Jump Diffusion Process)

$$dS_t = (r - \lambda \kappa) S_t dt + \sigma S_t dW_t + (Y-1) S_t dN_t$$

2. 考虑成本的对冲损益 (Hedged Payoff)

$$Net_Value = S_T + \max(K - S_T, 0) - Premium \cdot e^{rT}$$

---

📈 压力测试结论 | Simulation Results

指标 (Metrics)	裸头寸 (Naked)	对冲组合 (Hedged)
CVaR (99% Confidence)	~$36,000 (Loss)	~$12,000 (Loss)
策略评价 (Comment)	尾部风险暴露严重	凸性保护生效

---

🛠️ 快速开始 | Quick Start

1. 环境配置: pip install -r requirements.txt
2. 运行模拟: python main.py

---

💡 风险洞察 | Quantitative Insights

1. 波动率成本陷阱：当 $\sigma > 0.5$ 时，对冲成本将显著侵蚀长期收益。
2. 凸性价值：期权的非线性赔付是防止系统性风险中账户爆仓的唯一“安全带”。