פיתוח מבחני לחץ לתיק נכסים דיגיטליים

פיתוח מערכת לבדיקת עמידות במתח לתיק השקעות קריפטו

דמיינו תיק השקעות של BTC, ETH ו-stablecoins שמאבד 40% בשבוע אחד, בעוד ש-VaR הבטיח לא יותר מ-5%. המתאמים מזנקים, והפיזור קורס. זו לא השערה — זה קורה בכל משבר. אנו בונים מערכות לבדיקת עמידות במתח שמדמות תרחישים כאלה וחושפות סיכונים אמיתיים. ספריית 30+ האירועים ההיסטוריים וההיפותטיים שלנו, ניתוח רגישות, ובדיקת עמידות הפוכה חושפים נקודות תורפה ש-VaR מפספס.

בעיות שאנו פותרים

מדדי סיכון סטנדרטיים מתעלמים מסיכוני זנב ומקפיצות מתאם. לדוגמה, במהלך קריסת LUNA, המתאם בין BTC ל-ETH זינק — התיק הפסיד פי שניים ממה שהמודלים חזו. בדיקת עמידות הפוכה מראה אילו נכסים גוררים את התיק למטה תחת זעזוע קל ביותר. ניתוח רגישות מזהה עד 30% סיכון נוסף שמודלים טיפוסיים מסתירים. אנו פותרים בעיות אלה על נתוני לקוחות אמיתיים — מעל 20 פרויקטים מוצלחים בניהול סיכונים. עם 5+ שנות ניסיון בבלוקצ'יין ו-20+ פרויקטים בניהול סיכונים, הצוות שלנו מביא מומחיות מוכחת.

סוגי בדיקות עמידות במתח

כיצד בדיקת עמידות הפוכה חושפת נקודות תורפה

בדיקת עמידות הפוכה עונה על השאלה: "באיזה תרחיש התיק מאבד, נניח, 20% מההון?" אנו משתמשים באופטימיזציה כדי למצוא את הזעזוע הכולל המינימלי על פני כל הנכסים. זה חושף נקודות תורפה נסתרות — אותם נכסים שמושכים את כל התיק למטה בירידה הקלה ביותר.

from scipy.optimize import minimize

def reverse_stress_test(positions, current_prices, target_loss, max_shock_per_asset=0.99):
    """ Минимальный суммарный шок, при котором потери = target_loss """
    symbols = list(positions.keys())
    current_values = [positions[s] * current_prices[s] for s in symbols]

    def portfolio_loss(shocks):
        return sum(v * s for v, s in zip(current_values, shocks))

    constraints = [
        {'type': 'eq', 'fun': lambda x: portfolio_loss(x) - (-target_loss)}
    ]
    bounds = [(-max_shock_per_asset, 0) for _ in symbols]

    # Минимизируем L2 норму шоков (ищем наименьший шок)
    result = minimize(
        lambda x: np.sum(x**2),
        x0=np.full(len(symbols), -0.1),
        constraints=constraints,
        bounds=bounds
    )
    return dict(zip(symbols, result.x))

למה בדיקת עמידות במתח חשובה יותר מ-VaR

VaR מראה הפסדים תחת התפלגות נורמלית אך מתעלם מסיכוני זנב — "הברבורים השחורים". בדיקת עמידות במתח יעילה פי 3 מ-VaR בזיהוי תרחישים קיצוניים, כפי שאושר במחקר של RiskMetrics. אנו כוללים גם משברים היסטוריים (קריסת stablecoin, פשיטת רגל של בורסה, קריסת COVID, חורף קריפטו) וגם היפותטיים — למשל, התקפת גשר בין-שרשרתי או ירידה פתאומית בנזילות בבריכה.

תרחישים היסטוריים לשוק הקריפטו

CRYPTO_STRESS_SCENARIOS = {
    'covid_crash': {
        'BTC': -0.50,
        'ETH': -0.60,
        'DEFAULT': -0.55,
        'USDT': 0.0,
        'duration_days': 7
    },
    'china_ban': {
        'BTC': -0.53,
        'ETH': -0.60,
        'DEFAULT': -0.65,
        'duration_days': 30
    },
    'stablecoin_collapse': {
        'LUNA': -0.99,
        'UST': -0.95,
        'BTC': -0.30,
        'ETH': -0.35,
        'DEFAULT': -0.45,
        'USDC': 0.0,
        'duration_days': 7
    },
    'exchange_collapse': {
        'FTT': -0.97,
        'SOL': -0.60,
        'BTC': -0.25,
        'ETH': -0.28,
        'DEFAULT': -0.35,
        'duration_days': 14
    },
    'full_crypto_winter': {
        'BTC': -0.80,
        'ETH': -0.82,
        'DEFAULT': -0.90,
        'duration_days': 365
    }
}

יישום בדיקת עמידות במתח

class StressTester:
    def __init__(self, scenarios):
        self.scenarios = scenarios

    def run_scenario(self, positions, current_prices, scenario_name):
        scenario = self.scenarios[scenario_name]
        total_pnl = 0
        position_results = {}
        for symbol, qty in positions.items():
            current_price = current_prices.get(symbol, 0)
            shock = scenario.get(symbol, scenario.get('DEFAULT', 0))
            stressed_price = current_price * (1 + shock)
            pnl = qty * (stressed_price - current_price)
            position_results[symbol] = {
                'shock': shock,
                'pnl': pnl,
                'current_value': qty * current_price,
                'stressed_value': qty * stressed_price
            }
            total_pnl += pnl
        return {
            'scenario': scenario_name,
            'total_pnl': total_pnl,
            'position_results': position_results
        }

    def run_all_scenarios(self, positions, current_prices):
        results = {}
        for scenario_name in self.scenarios:
            results[scenario_name] = self.run_scenario(
                positions, current_prices, scenario_name
            )
        # Сортируем по worst case
        return sorted(results.values(), key=lambda x: x['total_pnl'])

ניתוח רגישות

ניתוח רגישות מראה שינוי ב-P&L בעת שינוי גורם בודד. לדוגמה, כאשר מזיזים את כל המחירים ב-X%.

def sensitivity_analysis(positions, current_prices, factor='price', range_pct=(-0.50, 0.50), steps=20):
    """ Изменяем цены всех активов на X% и смотрим P&L """
    results = []
    for shock in np.linspace(range_pct[0], range_pct[1], steps):
        total_pnl = 0
        for symbol, qty in positions.items():
            price = current_prices[symbol]
            total_pnl += qty * price * shock
        results.append({'shock_pct': shock * 100, 'pnl': total_pnl})
    return results

מתאם במתח: במהלך משבר, המתאמים מזנקים באופן דרמטי. הפיזור קורס דווקא כשצריך אותו ביותר. אנו מחליפים את מטריצת השונות-שונות בגרסה מודגשת (למשל, 0.95) ומחשבים מחדש את VaR.

def correlation_stress_test(portfolio_returns_history, stressed_correlation=0.95):
    cov_matrix = portfolio_returns_history.cov()
    std_devs = np.sqrt(np.diag(cov_matrix))
    stressed_cov = np.outer(std_devs, std_devs) * stressed_correlation
    np.fill_diagonal(stressed_cov, np.diag(cov_matrix))
    return stressed_cov

מה כלול בעבודה

שלבי יישום

1. ביקורת תיק — איסוף נתונים, זיהוי נכסים, הגדרת מקור מחירים.
2. בחירת תרחישים — בחירת תרחישים היסטוריים והיפותטיים ספציפיים לתיק.
3. פיתוח מודולים — יישום מחלקות StressTester, ניתוח רגישות ובדיקת עמידות הפוכה.
4. אינטגרציה — חיבור למקורות נתונים (API של בורסות, אורקלים של בלוקצ'יין).
5. בדיקות וכיול — אימות על נתונים היסטוריים, כוונון פרמטרים.
6. הפקת דוחות — ייצוא אוטומטי של תוצאות כטבלאות, תרשימים ו-PDF.

דיווח

דוח בדיקת עמידות במתח מופק אוטומטית בכל ריצה או עם שינויים משמעותיים בתיק. הוא כולל:

• טבלת תוצאות לפי תרחיש (P&L במקרה הגרוע ב-% וב-$)
• פילוח לפי פוזיציה: אילו נכסים גרמו להפסדים הגדולים ביותר
• עקומת רגישות (P&L מול אחוז זעזוע)
• בדיקת עמידות הפוכה: זעזוע מינימלי להפסד נתון
• תרשים טורנדו ותרשים מפל הממחישים תרומת פוזיציה

המהנדסים שלנו מבטיחים דיוק חישוב — אנו משתמשים רק בספריות מאומתות (NumPy, SciPy) ואימות לוגי פורמלי. עם מעל 5 שנות ניסיון בבלוקצ'יין ו-20+ פרויקטים בניהול סיכונים, הצוות שלנו מבטיח תוצאות אמינות.

יישום מערכת לבדיקת עמידות במתח יכול להפחית הפסדי משבר ב-30–50% (למשל, חיסכון של $200k על תיק של $1M) ומחזיר את ההשקעה תוך 3–6 חודשים. צרו קשר להערכת תיק ל-2 ימים — נבדוק את המקרה הספציפי שלכם.