Optimal strategy and deep hedging for share repurchase programs

In recent decades, companies have frequently adopted share repurchase programs to return capital to shareholders or for other strategic purposes, instructing investment banks to rapidly buy back shares on their behalf. When the executing institution is allowed to hedge its exposure, it encounters several challenges due to the intrinsic features of the product. Moreover, contractual clauses or market regulations on trading activity may make it infeasible to rely on Greeks. In this work, we address the hedging of these products by developing a machine-learning framework that determines the optimal execution of the buyback while explicitly accounting for the bank’s actual trading capabilities. This unified treatment of execution and hedging yields substantial performance improvements, resulting in an optimized policy that provides a feasible and realistic hedging approach. The pricing of these programs can be framed in terms of the discount that banks offer to the client on the price at which the shares are delivered. Since, in our framework, risk measures serve as objective functions, we exploit the concept of indifference pricing to compute this discount, thus capturing the actual execution performance.

Negli ultimi decenni, al fine di restituire valore agli azionisti o perseguire altri obiettivi strategici, le imprese hanno frequentemente utilizzato programmi di riacquisto delle proprie azioni, affidandone l’esecuzione a una banca d’investimento. Tuttavia, qualora alla banca sia consentito coprire la propria esposizione ai rischi di mercato, emergono diverse criticità legate alle caratteristiche intrinseche del contratto. Inoltre, clausole contrattuali o vincoli regolamentari sull’attività di trading possono rendere impraticabile l’adozione di strategie di copertura basate sulle greche. Questo lavoro si propone di determinare l’esecuzione ottimale di tali programmi e della relativa copertura, tenendo esplicitamente conto delle effettive possibilità operative della banca. Il problema di controllo che ne deriva viene affrontato mediante tecniche di machine learning. L’esecuzione del programma e la gestione del rischio associato sono trattate in modo congiunto, ottenendo miglioramenti significativi in termini di performance. La valutazione di tali programmi può essere formulata in termini dello sconto applicato al prezzo di consegna offerto dalla banca offre al cliente. Il concetto di indifference pricing, naturalmente supportato dall'uso di misure di rischio come funzione obiettivo, viene utilizzato al fine di avere un valore realistico e sostenibile di tale quantità.