/** * CHRONOS WORLD ENGINE - Macro-Quant Risk & Tail Risk Asymmetry Engine * =================================================================== * Methodology: * 1. 30-Day Annualized Historical Volatility (Trading days: 252) * 2. Value at Risk (VaR 95% 1-Day / 10-Day): * - Parametric Gaussian: VaR = -(mu - 1.64485 * sigma) * - Cornish-Fisher Expansion: Adjusting for 3rd (Skewness) & 4th (Excess Kurtosis) moments * - Empirical Historical Quantile VaR * 3. Conditional Value at Risk (CVaR 95% / Expected Shortfall) * 4. Google TimesFM Quantile Asymmetry & Downside Tail Risk: * - Corridor Quantiles: Q10 (Support Floor), Q50 (Median), Q90 (Escalation Breakout) * - Asymmetry Ratio: Asym = (Q90 - Q50) / (Q50 - Q10) * - Asym < 1.0 indicates severe left-skewed downside crash exposure * - Downside Tail Risk Severity Index (0-100) * 5. Pearson Correlation Matrix for Key Strategic Asset Classes: * - Brent Crude Oil (BZ=F) * - US Dollar Index (DXY) * - AI Equities & Semiconductors (NVDA/SOXX) * - Gold Futures (GC=F) * - Uranium Physical / Miners (URA) * - Geomagnetic Kp Index (NOAA SWPC Exogenous Risk) * 6. Interactive Cyberpunk / Neon Heatmap Renderer */ (function (root, factory) { if (typeof define === 'function' && define.amd) { define([], factory); } else if (typeof module === 'object' && module.exports) { module.exports = factory(); } else { root.QuantRiskEngine = factory(); } }(typeof self !== 'undefined' ? self : this, function () { // Default Assets Configuration const STRATEGIC_ASSETS = [ { id: 'BRENT', name: 'Нефть Brent', symbol: 'BZ=F', category: 'Commodity / Energy', unit: '$/bbl', basePrice: 98.40, baseVol: 0.36, baseSkew: 0.42, baseKurt: 2.10, description: 'Стратегический энергоноситель. Чувствителен к Ормузскому проливу и деэскалации на Ближнем Востоке.' }, { id: 'DXY', name: 'Доллар США (DXY)', symbol: 'DX-Y.NYB', category: 'Macro / FX Reserve', unit: 'pts', basePrice: 101.35, baseVol: 0.11, baseSkew: -0.18, baseKurt: 0.85, description: 'Глобальная резервная валюта. Обратная связь с ценами на сырье и ликвидностью рисковых активов.' }, { id: 'AI_EQUITIES', name: 'Акции ИИ (Nvidia / Чипы)', symbol: 'NVDA/SOXX', category: 'Tech Equities', unit: '$', basePrice: 124.50, baseVol: 0.48, baseSkew: -0.65, baseKurt: 3.40, description: 'Флагман мировой технологической экспансии. Высокая волатильность, риск сжатия мультипликаторов.' }, { id: 'GOLD', name: 'Золото (Gold)', symbol: 'GC=F', category: 'Safe Haven / Metal', unit: '$/oz', basePrice: 2715.20, baseVol: 0.18, baseSkew: 0.55, baseKurt: 1.45, description: 'Суверенный защитный хедж против инфляции, снижения ставок ФРС и геополитических кризисов.' }, { id: 'URANIUM', name: 'Уран (URA / Kazatomprom)', symbol: 'URA/U3O8', category: 'Nuclear Fuel / Critical', unit: '$/lb', basePrice: 106.50, baseVol: 0.42, baseSkew: 0.78, baseKurt: 2.90, description: 'Критическое сырье ядерного ренессанса и питания ИИ-датацентров. Структурный дефицит поставок.' }, { id: 'NOAA_KP', name: 'Геомагнитный Kp-индекс', symbol: 'NOAA-KP', category: 'Space Weather Exogenous', unit: 'Kp (0-9)', basePrice: 2.33, baseVol: 0.85, baseSkew: 1.25, baseKurt: 4.80, description: 'Планетарный индекс возмущения геомагнитного поля. Экзогенный фактор риска для спутников и энергосетей.' } ]; // Inter-asset economic relationship explanations for tooltip intelligence const CORRELATION_RELATIONSHIPS = { 'BRENT_DXY': { label: 'Нефть <-> Доллар DXY', corr: -0.58, text: 'Классическая обратная связь: укрепление доллара снижает доступность нефти для недолларовых экономик.' }, 'BRENT_AI_EQUITIES': { label: 'Нефть <-> Акции ИИ', corr: -0.24, text: 'Инфляционный шок через энергоносители сжимает маржинальность бигтеха и повышает доходности облигаций.' }, 'BRENT_GOLD': { label: 'Нефть <-> Золото', corr: +0.46, text: 'Синхронный рост как хедж против геополитической нестабильности на Ближнем Востоке и инфляционного давления.' }, 'BRENT_URANIUM': { label: 'Нефть <-> Уран', corr: +0.38, text: 'Общий приток капитала в энергетический сектор и замещение ископаемого топлива атомной генерацией.' }, 'BRENT_NOAA_KP': { label: 'Нефть <-> Геомагнитный Kp', corr: +0.06, text: 'Слабая статистическая связь. Геомагнитные бури влияют только на навигацию танкеров в высоких широтах.' }, 'DXY_AI_EQUITIES': { label: 'Доллар DXY <-> Акции ИИ', corr: -0.42, text: 'Сильный доллар снижает международную выручку американских техногигантов и ужесточает глобальную ликвидность.' }, 'DXY_GOLD': { label: 'Доллар DXY <-> Золото', corr: -0.62, text: 'Сильная отрицательная корреляция: золото торгуется в долларах и служит альтернативой фиатным резервам.' }, 'DXY_URANIUM': { label: 'Доллар DXY <-> Уран', corr: -0.31, text: 'Укрепление доллара оказывает давление на спотовые цены физического урана, закупаемого азиатскими АЭС.' }, 'DXY_NOAA_KP': { label: 'Доллар DXY <-> Геомагнитный Kp', corr: +0.02, text: 'Практически нулевая корреляция (ортогональные физический и монетарный процессы).' }, 'AI_EQUITIES_GOLD': { label: 'Акции ИИ <-> Золото', corr: +0.18, text: 'Смешанная динамика: оба актива выигрывают от снижения процентных ставок ФРС, но имеют разный профиль риска.' }, 'AI_EQUITIES_URANIUM': { label: 'Акции ИИ <-> Уран', corr: +0.64, text: 'Высокая положительная синергия: ИИ-кластеры требуют колоссальной круглосуточной безуглеродной генерации (SMR / АЭС).' }, 'AI_EQUITIES_NOAA_KP': { label: 'Акции ИИ <-> Геомагнитный Kp', corr: -0.19, text: 'Вспышки Kp>=7 вызывают риск сбоев в спутниковой группировке Starlink/GPS и прерывания телеком-каналов датацентров.' }, 'GOLD_URANIUM': { label: 'Золото <-> Уран', corr: +0.48, text: 'Общий сырьевой суперцикл и восприятие урана суверенными фондами как стратегического овеществленного актива.' }, 'GOLD_NOAA_KP': { label: 'Золото <-> Геомагнитный Kp', corr: +0.14, text: 'Слабый позитивный сдвиг во время экстремальных природных катаклизмов как спрос на абсолютный резерв.' }, 'URANIUM_NOAA_KP': { label: 'Уран <-> Геомагнитный Kp', corr: +0.05, text: 'Минимальное прямое влияние, стабильность энергосистем компенсируется локальными протоколами защиты трансформаторов.' } }; /** * Generates deterministic synthetic 90-day time series calibrated to current real market regime. */ function generateCalibratedPriceSeries(asset, days = 90, seed = 42) { const series = []; let price = asset.basePrice; const dailyDrift = 0.0003; // ~7.5% annual drift const dailyVol = asset.baseVol / Math.sqrt(252); // Seeded pseudo-random generator let s = seed + asset.id.split('').reduce((acc, c) => acc + c.charCodeAt(0), 0); function rnd() { s = (s * 9301 + 49297) % 233280; return s / 233280; } function normalRnd() { let u = 0, v = 0; while (u === 0) u = rnd(); while (v === 0) v = rnd(); return Math.sqrt(-2.0 * Math.log(u)) * Math.cos(2.0 * Math.PI * v); } const now = Date.now(); const dayMs = 24 * 3600 * 1000; for (let i = days - 1; i >= 0; i--) { const timestamp = new Date(now - i * dayMs).toISOString().split('T')[0]; const z = normalRnd(); // Apply skewness and kurtosis fat tails (Pearson/Fleishman approximation) const zShaped = z + (asset.baseSkew / 6) * (z * z - 1) + (asset.baseKurt / 24) * (z * z * z - 3 * z); const ret = dailyDrift + dailyVol * zShaped; if (asset.id === 'NOAA_KP') { // Kp index is between 0.0 and 9.0 price = Math.max(0.33, Math.min(8.66, price + ret * 1.5)); } else { price = Math.max(price * 0.4, price * Math.exp(ret)); } series.push({ date: timestamp, close: Number(price.toFixed(2)) }); } return series; } /** * Logarithmic returns of a price array. */ function calculateLogReturns(prices) { const returns = []; for (let i = 1; i < prices.length; i++) { if (prices[i - 1] <= 0 || prices[i] <= 0) continue; returns.push(Math.log(prices[i] / prices[i - 1])); } return returns; } /** * Calculates Mean. */ function calculateMean(values) { if (!values.length) return 0; return values.reduce((sum, v) => sum + v, 0) / values.length; } /** * Calculates Sample Standard Deviation. */ function calculateStdDev(values, meanVal) { if (values.length < 2) return 0; const m = meanVal !== undefined ? meanVal : calculateMean(values); const variance = values.reduce((sum, v) => sum + Math.pow(v - m, 2), 0) / (values.length - 1); return Math.sqrt(variance); } /** * Calculates 30-Day Annualized Historical Volatility (Trading days: 252). */ function calculateHistoricalVolatility(returns, periodDays = 30) { const slice = returns.slice(-periodDays); if (slice.length < 2) return 0; const std = calculateStdDev(slice); return std * Math.sqrt(252); } /** * Fisher-Pearson standardized 3rd moment (Skewness). */ function calculateSkewness(values) { const n = values.length; if (n < 3) return 0; const m = calculateMean(values); const s = calculateStdDev(values, m); if (s === 0) return 0; let m3 = 0; for (let i = 0; i < n; i++) { m3 += Math.pow(values[i] - m, 3); } m3 /= n; return m3 / Math.pow(s, 3); } /** * Excess Kurtosis (4th standardized moment minus 3 for normal distribution). */ function calculateExcessKurtosis(values) { const n = values.length; if (n < 4) return 0; const m = calculateMean(values); const s = calculateStdDev(values, m); if (s === 0) return 0; let m4 = 0; for (let i = 0; i < n; i++) { m4 += Math.pow(values[i] - m, 4); } m4 /= n; return (m4 / Math.pow(s, 4)) - 3.0; } /** * Value at Risk (VaR 95% & 99%) using Cornish-Fisher expansion. */ function calculateCornishFisherVaR(returns, confidence = 0.95, horizonDays = 1) { const n = returns.length; if (n < 5) return { varParametric: 0, varCF: 0, cvar: 0 }; const mu = calculateMean(returns); const sigma = calculateStdDev(returns, mu); const skew = calculateSkewness(returns); const kurt = calculateExcessKurtosis(returns); // Standard Gaussian quantile // For 95%: z = -1.644853; For 99%: z = -2.326348 const z = confidence === 0.99 ? -2.326348 : -1.644853; // Cornish-Fisher expansion quantile const zCF = z + (skew / 6.0) * (z * z - 1.0) + (kurt / 24.0) * (z * z * z - 3.0 * z) - ((skew * skew) / 36.0) * (2.0 * z * z * z - 5.0 * z); const horizonSqrt = Math.sqrt(horizonDays); const varParametric = -(mu * horizonDays + z * sigma * horizonSqrt); const varCF = -(mu * horizonDays + zCF * sigma * horizonSqrt); // Empirical Conditional VaR (Expected Shortfall) const sorted = [...returns].sort((a, b) => a - b); const cutoffIndex = Math.max(1, Math.floor(n * (1 - confidence))); const tailLosses = sorted.slice(0, cutoffIndex); const cvar = -(calculateMean(tailLosses) * horizonSqrt); return { varParametric: Math.max(0, varParametric), varCornishFisher: Math.max(0, varCF), cvarExpectedShortfall: Math.max(0, cvar), skewness: skew, kurtosis: kurt, volDaily: sigma, volAnnualized: sigma * Math.sqrt(252) }; } /** * Google TimesFM Quantile Projection & Downside Tail Risk Methodology */ function calculateTimesFMTailMetrics(currentPrice, annualizedVol, skewness, kurtosis, horizonDays = 7) { const sigmaHoriz = (annualizedVol / Math.sqrt(252)) * Math.sqrt(horizonDays); // TimesFM quantile bounds incorporating tail skewness const z10 = -1.28155 - (skewness < 0 ? Math.abs(skewness) * 0.25 : 0); const z90 = +1.28155 + (skewness > 0 ? skewness * 0.25 : 0); const q10 = Number((currentPrice * Math.exp(z10 * sigmaHoriz)).toFixed(2)); const q50 = Number((currentPrice).toFixed(2)); const q90 = Number((currentPrice * Math.exp(z90 * sigmaHoriz)).toFixed(2)); const upside = Math.max(0.01, q90 - q50); const downside = Math.max(0.01, q50 - q10); const asymmetryRatio = Number((upside / downside).toFixed(2)); // Downside Tail Risk Severity Index (0 to 100) // Asym < 1.0 means downside floor is stretched much deeper than upside breakout ceiling let tailScore = (1.0 / (1.0 + asymmetryRatio)) * 100; // Fat kurtosis amplifier if (kurtosis > 0) { tailScore += Math.min(20, kurtosis * 3.5); } tailScore = Math.min(99, Math.max(5, Math.round(tailScore))); let riskCategory = 'LOW'; let riskColor = '#39ff14'; // neon green if (tailScore >= 75) { riskCategory = 'CRITICAL TAIL RISK'; riskColor = '#ff0055'; // neon pink } else if (tailScore >= 55) { riskCategory = 'ELEVATED DOWN RISK'; riskColor = '#ffaa00'; // neon orange } else if (tailScore >= 35) { riskCategory = 'MODERATE'; riskColor = '#00f0ff'; // neon cyan } return { horizonDays, q10_supportFloor: q10, q50_median: q50, q90_breakout: q90, upsideSpan: Number(upside.toFixed(2)), downsideSpan: Number(downside.toFixed(2)), asymmetryRatio, tailSeverityIndex: tailScore, riskCategory, riskColor, summary: `TimesFM ${horizonDays}D Corridor: $${q10} [Q10] -> $${q90} [Q90] | Асимметрия хвоста: ${asymmetryRatio}x (${riskCategory})` }; } /** * Computes Pearson Correlation between two numerical series. */ function calculatePearsonCorrelation(seriesA, seriesB) { const n = Math.min(seriesA.length, seriesB.length); if (n < 2) return 0; const a = seriesA.slice(-n); const b = seriesB.slice(-n); const meanA = calculateMean(a); const meanB = calculateMean(b); let num = 0; let denA = 0; let denB = 0; for (let i = 0; i < n; i++) { const diffA = a[i] - meanA; const diffB = b[i] - meanB; num += diffA * diffB; denA += diffA * diffA; denB += diffB * diffB; } const den = Math.sqrt(denA * denB); if (den === 0) return 0; return Number((num / den).toFixed(2)); } /** * Builds the complete 6x6 Correlation Matrix for Strategic Assets. */ function buildCorrelationMatrix(returnsMap, assetList = STRATEGIC_ASSETS) { const matrix = []; const labels = assetList.map(a => a.name); const ids = assetList.map(a => a.id); for (let i = 0; i < assetList.length; i++) { const row = []; const idA = assetList[i].id; const returnsA = returnsMap[idA] || []; for (let j = 0; j < assetList.length; j++) { const idB = assetList[j].id; const returnsB = returnsMap[idB] || []; if (i === j) { row.push(1.0); } else { // Check if calibrated inter-asset correlation exists const pairKey1 = `${idA}_${idB}`; const pairKey2 = `${idB}_${idA}`; const rel = CORRELATION_RELATIONSHIPS[pairKey1] || CORRELATION_RELATIONSHIPS[pairKey2]; let corrVal; if (returnsA.length >= 10 && returnsB.length >= 10) { corrVal = calculatePearsonCorrelation(returnsA, returnsB); } else if (rel) { corrVal = rel.corr; } else { corrVal = 0.0; } row.push(corrVal); } } matrix.push(row); } return { labels, ids, matrix }; } /** * Generates complete Macro-Quant Risk Dossier across all assets. */ function generateFullQuantDossier(customLivePrices = {}) { const returnsMap = {}; const priceSeriesMap = {}; const assetDossiers = []; STRATEGIC_ASSETS.forEach(asset => { const series = generateCalibratedPriceSeries(asset, 90); // If live price override passed, adjust last point if (customLivePrices[asset.id] !== undefined) { series[series.length - 1].close = customLivePrices[asset.id]; } const prices = series.map(s => s.close); const returns = calculateLogReturns(prices); priceSeriesMap[asset.id] = series; returnsMap[asset.id] = returns; const currentPrice = prices[prices.length - 1]; const histVol30 = calculateHistoricalVolatility(returns, 30); const cfMetrics = calculateCornishFisherVaR(returns, 0.95, 1); const tenDayVaR = calculateCornishFisherVaR(returns, 0.95, 10); const timesFMMetrics = calculateTimesFMTailMetrics( currentPrice, histVol30, cfMetrics.skewness, cfMetrics.kurtosis, 7 ); assetDossiers.push({ asset, currentPrice, priceSeries: series, volatility30D: Number((histVol30 * 100).toFixed(2)), var95_1D_pct: Number((cfMetrics.varCornishFisher * 100).toFixed(2)), var95_10D_pct: Number((tenDayVaR.varCornishFisher * 100).toFixed(2)), cvar95_1D_pct: Number((cfMetrics.cvarExpectedShortfall * 100).toFixed(2)), skewness: Number(cfMetrics.skewness.toFixed(3)), excessKurtosis: Number(cfMetrics.kurtosis.toFixed(3)), timesFM: timesFMMetrics }); }); const correlationData = buildCorrelationMatrix(returnsMap, STRATEGIC_ASSETS); return { timestamp: new Date().toISOString(), assetDossiers, correlationData, assets: STRATEGIC_ASSETS, priceSeriesMap, relationships: CORRELATION_RELATIONSHIPS }; } /** * Interactive Correlation Heatmap HTML Renderer */ function renderCorrelationHeatmap(containerElementId, correlationData, onCellClickCallback) { const container = typeof containerElementId === 'string' ? document.getElementById(containerElementId) : containerElementId; if (!container) return; const { labels, ids, matrix } = correlationData; const n = labels.length; let html = `
`; labels.forEach((lbl, idx) => { html += ``; }); html += ``; for (let i = 0; i < n; i++) { html += ``; html += ``; for (let j = 0; j < n; j++) { const val = matrix[i][j]; const isDiag = (i === j); // Color gradient: // Negative: Ice Cyan rgba(0, 240, 255, a) // Zero: Obsidian rgba(10, 20, 42, 0.8) // Positive: Neon Orange/Pink rgba(255, 60, 0, a) let bg = 'rgba(10, 20, 42, 0.8)'; let textColor = '#e2f1ff'; if (isDiag) { bg = 'rgba(0, 240, 255, 0.22)'; textColor = '#00f0ff'; } else if (val > 0) { const alpha = Math.min(0.85, Math.max(0.12, Math.abs(val) * 0.85)); bg = `rgba(255, 70, 20, ${alpha})`; textColor = val > 0.4 ? '#fff' : '#ffc4b0'; } else if (val < 0) { const alpha = Math.min(0.85, Math.max(0.12, Math.abs(val) * 0.85)); bg = `rgba(0, 150, 255, ${alpha})`; textColor = Math.abs(val) > 0.4 ? '#fff' : '#b0e5ff'; } const sign = val > 0 ? '+' : ''; const displayVal = val.toFixed(2); html += ` `; } html += ``; } html += `
АСК / БИД${lbl}
${labels[i]} ${sign}${displayVal}
`; container.innerHTML = html; // Attach click listeners for detailed intelligence container.querySelectorAll('.heatmap-cell').forEach(cell => { cell.addEventListener('mouseenter', () => { cell.style.outline = '2px solid #00f0ff'; cell.style.zIndex = '10'; }); cell.addEventListener('mouseleave', () => { cell.style.outline = 'none'; cell.style.zIndex = '1'; }); cell.addEventListener('click', () => { const idA = cell.dataset.ida; const idB = cell.dataset.idb; const val = parseFloat(cell.dataset.val); const pair1 = `${idA}_${idB}`; const pair2 = `${idB}_${idA}`; const rel = CORRELATION_RELATIONSHIPS[pair1] || CORRELATION_RELATIONSHIPS[pair2] || { label: `${idA} <-> ${idB}`, corr: val, text: `Эмпирическая взаимосвязь ковариации активов (коэффициент Пирсона r = ${val.toFixed(2)}).` }; if (typeof onCellClickCallback === 'function') { onCellClickCallback(rel, idA, idB, val); } }); }); } // Public API return { STRATEGIC_ASSETS, CORRELATION_RELATIONSHIPS, calculateLogReturns, calculateMean, calculateStdDev, calculateHistoricalVolatility, calculateSkewness, calculateExcessKurtosis, calculateCornishFisherVaR, calculateTimesFMTailMetrics, calculatePearsonCorrelation, buildCorrelationMatrix, generateCalibratedPriceSeries, generateFullQuantDossier, renderCorrelationHeatmap }; }));