短期利率模型在上交所债券市场上的实证分析

以中国上海证券交易所从债券价格导出的0.5年期利率的周度数据为分析对象,使用SNP法,估计出短期利率的条件密度函数,发现其条件分布具有明显的异方差性和非正态性.然后利用EMM法实证分析了常用的连续时间的单因子和两因子短期利率模型.单因子短期利率模型包括Vasicek模型,CIR模型,CKLS模型等,两因子利率模型包括Gallant,Tanchen给出的随机波动率模型和Balduzzi等人的随机均值回复模型.实证结果表明所有的单因子短期利率模型都不能很好地描述中国上海证券交易所债券市场上的短期利率变化,CKLS模型是它们中表现最好的单因子利率模型.随机均值回复模型也不能描述短期利率的变化,只有随机波动率模型可以描述上海证券交易所的短期利率的变化.     

中国银行间债券市场国债回购利率随机行为的实证研究

遵循CKLS的思路,采用广义距方法,选用我国国债月度回购利率数据估计和比较了不同的短期无风险利率的连续时间模型,结果显示,根据所研究的数据样本,允许利率的波动性依赖于利率水平的模型可以更好地描述短期利率的动态变化,对于不同利率模型的研究对利率风险的套期保值也具有重要的启示.     

利率期限结构模型非线性建模

应用门限模型对利率期限结构模型中漂移项的非线性性进行建模,提出门限(threshold)CKLS模型。用基于自助法(bootstrap)的广义拟似然比检验方法对门限CKLS模型进行了检验。检验结论表明:门限CKLS模型能较好的刻画利率期限结构模型中漂移项的非线性,在0.1的显著水平下优于CKLS模型。     

精确极大似然法估计单因子利率模型——对中国利率市场的实证分析

文章介绍了一种精确估计非线性短期利率模型的方法——Yu和Phillips方法。在文中详细阐述了Yu和Philliphs方法的运算过程。然后以中国银行间债券市场七日质押回购利率(R007)作为分析对象,分别用Vasicek模型,CIR模型和CKLS模型进行了实证分析。实证结果表明,Yu和Phillips方法的确能提高参数的估计精度。同时发现1999-2007年间我国长期利率均值为2.2627%。     

基于时变跳跃次数的基准利率风险测算研究

各国央行包括美联储的利率调整和变动就是基准利率风险.基准利率的变化势必要导致金融资产定价的变动和风险溢价.本文通过自回归模型AR测算随时间变化的利率跳跃次数,确定基准利率跳跃的概率,利用伽马分布和正态分布分别测算基准利率跳跃的时间与幅度,根据利率跳跃的概率、时间和幅度确定基准利率跳跃风险溢价,建立基于时变跳跃次数的基准利率跳跃风险溢价测算模型,并利用中国上海证券交易所国债7天回购利率数据进行实证研究.本文创新与特色:1)通过自回归模型AR测算时变的利率跳跃次数,测算利率发生跳跃的概率,确定基准利率跳跃风险溢价,揭示跳跃次数的动态变化规律,反映历史利率跳跃行为对未来利率跳跃行为的影响,改变现有研究以常数跳跃次数测算利率跳跃概率、无法真实反映利率跳跃的频繁程度,导致利率跳跃概率及利率跳跃风险溢价测算不准的弊端.2)研究表明,现有研究的常数跳跃次数仅仅是本文跳跃次数测算模型在参数ρ、γ等于0时的特例.3)通过利率跳跃的概率、时间和幅度确定基准利率的跳跃风险溢价,解决基准利率跳跃风险补偿的测算问题.     

中国A、B、H股市间尾部相依性的趋势研究——基于多机制平滑转换混合Copula模型的实证分析

尾部相依性与金融市场间的风险紧密相联系,鉴于传统研究方法存在低估或高估市场间相依性的可能,提出了多机制平滑转换混合Copula模型,从极值风险视角出发考察了中国A、B、H股票市场间尾部相依性的长期变化趋势,发现不同股市的尾部相依性呈现不同运动趋势,而且左右尾部相依性存在明显的非对称性和结构性变化,其非对称程度、相依性强度以及结构变化的时间、位置和速度都存在一定差异.几次重大事件如1997年亚洲金融危机、2001年B股对境内开放、2002年引入QFII、2005年的股权分置改革、2006年引入QDII以及2007年的次贷危机对股市间尾部相依性产生的影响程度是不一样的.     

无风险利率变化时的实物期权定价方法研究

在现有的实物期权定价模型中,作为折现率的无风险利率被视为常数不发生变化,但实际上由于实物期权的到期时间较长而且不一定固定不变,作为折现率的无风险利率也并不总是固定的,而有可能发生变化.因此,研究无风险利率变化时的实物期权定价方法具有重要的理论意义和现实意义.本文正是考虑到这一点,首先假设无风险利率的变化服从Ornstein-Uhlenbeck随机过程,得到无风险利率变化时的实物期权定价公式,然后放松假设条件用Cox的利率均衡模型重新描述无风险利率的运动形式后,又对上述定价公式进行了修正,在此基础上本文给出一个数字实例对传统实物期权定价方法和考虑无风险利率变化时的实物期权定价方法进行比较.     

上交所利率期限结构的三因子广义高斯仿射模型

本文以上交所债券价格隐含的利率期限结构数据作为分析对象,首先利用主成份分析法对利率期限结构的变化进行分析,发现需要两个至三个状态变量,利率模型才可能反映利率期限结构的变化。同时在以前的研究里,发现利率期限结构具有一定的可预测性,因此本文选择三因子广义高斯仿射模型描述上交所的利率期限结构。利用卡尔曼滤波法以及极大似然估计法,估计了连续时间的三因子广义高斯仿射模型,模型可以描述上交所利率期限结构的相对变化。     

利率跳跃扩散模型的理论估计与蒙特卡罗模拟检验

我国货币政策调控已基本实现由直接调控向间接调控的转变,对利率的形成机制产生重大的影响,因此传统的假设利率服从扩散过程的模型日益受到挑战。本文在将跳跃因子加入到CIR模型的基础上,提出了一种服从跳跃扩散过程的利率变化模型,并用最大似然估计法对模型中的参数进行了估计;在此基础上,对我国存贷款利率的变化过程进行了蒙特卡罗模拟检验。研究发现,加入跳跃扩散过程后,模型不但能更好地拟合实际数据,而且揭示了利率回复和水平效应的部分原因,从而增加了模型的解释能力。     

具有隐含期权的商业银行利率风险测量与管理:凸度缺口模型

研究基于凸度缺口模型的具有隐含期权的商业银行利率风险管理问题 .提出隐含期权型金融工具利率风险测量的杂合低偏差序列 Monte Carlo方法 (HPL- MC) ,构建利率风险管理的目标规划模型 .计算实例表明 ,与久期缺口模型相比 ,凸度缺口模型在鲁棒性和减少利率风险方面效果更好     

Forecasting short-term electricity consumption using the adaptive grey-based approach—An Asian case

The overall electricity consumption, treated as a primary guideline for electricity system planning, is a major measurement to indicate the degree of a nation's development. The electricity consumption forecast is especially important with regard to policy making in developing countries (Asian countries in this work). However, since the economic growth rates in these countries are usually high and unstable, it is difficult to obtain accurate predictions using long-term data, and thus forecasting with limited (short-term) data is more effective and of considerable interest. Grey theory is one approach that can be used to construct a model with limited samples to provide better forecasting advantage for short-term problems. The forecasting performance of AGM(1,1), based on grey theory, has been confirmed using the Asia-Pacific economic cooperation energy database, and the results, compared with those obtained from back propagation neural networks (BPN) and support vector regression (SVR), show that the proposed approach can effectively deal with the problem of forecasting electricity consumption when the sample size is limited.     

“马钢”可分离转债定价实证分析

以国内首支认股权和债券分离交易的可转换公司债券——马钢可分离转债为样本,从实证角度对其进行了定价分析。考虑了这次可分离转债的特点,采用历史波动率、GARCH(1,1)模型波动率和隐含波动率3种不同估计方法来计算波动率,利用修正的B-S权证定价模型进行转债权证部分定价,并和市场真实价格进行比较,详细分析比较3种波动率的定价效果。在运用修正的B-S权证定价模型时,考虑了公司总股本价值因可分离债券发行的增加,同时采用公司股权波动率进行计算,检验了修正B-S权证定价模型对马钢认股权证定价的有效性,实证证明采用隐含波动率或GARCH模型具有较好的定价效果。     

TEI@I方法论及其在外汇汇率预测中的应用

基于TE I@I方法论的理论框架,构建了一个基于TE I@I方法论的外汇汇率预测模型。在此模型中,传统的经济计量模型用于处理外汇汇率的主要趋势,人工神经网络技术用于分析外汇汇率的非线性,而文本挖掘和专家系统用于处理外汇市场中的突现性和不稳定性。最后,基于集成的思想,利用支持向量回归技术对上述3个部分进行非线性集成,从而获得一个更为精确的预测结果。通过实证方法验证了基于TE I@I方法论的外汇汇率预测模型的有效性。     

寿险定价的线性优化模型

实际的金融市场中存在多种不同期限的利率。在定义最大累积函数的基础上建立了一个称为“收支问题”的线性规划模型,这个模型的最优值刻画了合理安排保费资金的投资期限所能够达到的最大保险支付水平,从而给出了多利率条件下寿险费率的计算依据。使用局部优化方法证明了收支问题最优解的两个性质,这些性质说明在满足保险支出的条件下,保险收入资金应该优先考虑期限较长（即利率较大）的投资。对于典型的寿险产品模型,给出了最优解的结构,针对两个具体实例列出了计算结果。结果表明,在保险费率的计算中,起主要作用的是最大期限的利率,其次是不同利率的一个综合水平。     

条件异方差动态Nelson-Siegel利率期限结构模型及其应用

动态Nelson-Siegel(DNS)利率期限结构模型将方差设定为常数,不能刻画收益率序列的条件异方差,降低了数据拟合和预测能力。本文用GARCH模型设定DNS模型观测方程条件异方差,基于适应状态空间模型用广义自回归得分(GAS)设定转移方程条件异方差矩阵,提出具有时变方差的GAS-DNS模型,将Rapisarda等的矩阵分解方法应用于协方差矩阵分解及再参数化保证协方差矩阵的正定性。采用中国银行间市场13种期限国债收益率数据进行实证分析,极大似然比检验表明,将DNS模型误差项方差矩阵时变化能够显著提高模型的对数似然值;以MAE、RMSE、MAPE和TIC为标准进行比较,显示GAS-DNS模型的收益率曲线样本内拟合效果和样本外预测能力均比DNS模型有显著提高。本文提出的GAS-DNS模型是对DNS模型的实质改进,鉴于利率期限结构模型和利率预测在实际应用中的重要性,本文的模型改进具有应用价值。     

双斜率因子动态Nelson-Siegel利率期限结构模型及其应用

利率期限结构是利率产品定价的基础和核心,对利率市场化具有重要意义。根据我国债券市场的特点,本文对动态Nelson-Siegel模型进行扩展,引入第二个斜率因子,构造双斜率因子动态利率期限结构模型,增强收益率曲线近端的静态拟合和动态预测能力。本文提出的模型嵌套了动态Nelson-Siegel模型,是对动态Nelson-Siegel模型的实质性推广,极大似然比检验证明了第二个斜率因子引入的必要性。本文以状态空间模型的卡尔曼滤波构造样本似然函数,采用双折线优化算法计算模型参数的极大似然估计。基于我国银行间市场债券交易收益率数据的实证分析表明,双斜率因子模型能够显著改善动态Nelson-Siegel模型对收益率曲线近端的拟合能力,同时对短期预测能力也有改善。此外,第二个斜率因子反映出宏观经济活动对利率期限结构的滞后影响,扩展后的模型能捕捉我国利率期限结构更多的动态变化特征,给相关主体提供更具价值的参考信息。     

基于EEMD-LSTM的农产品价格短期预测模型研究

本文将集成经验模态分解(EEMD)方法与长短期记忆网络(LSTM)相结合，构建了一个端到端的农产品价格短期预测模型。首先，对原始价格信号进行EEMD分解，得到若干IMF子序列和一个残差序列；然后，运用Fine-to-coarse高低频重构方法对IMF子序列进行高频—低频重构；最后将原始价格序列、高频项、低频项和残差趋势项作为特征，输入到LSTM网络进行训练得到预测模型。本文以广州市江南农副产品市场的富士苹果日价格为例进行实证分析，结果表明，本文提出的EEMD-LSTM模型在农产品价格短期预测问题上具有一定的性能优势。     

The Accuracy of Cross-Validation Results in Forecasting

The widespread use of regression analysis as a business forecasting tool and renewed interest in the use of cross-validation to aid in regression model selection make it essential that decision makers fully understand methods of cross-validation in forecasting, along with the advantages and limitations of such analysis. Only by fully understanding the process can managers accurately interpret the important implications of statistical cross-validation results in their determination of the robustness of regression forecasting models. Through a multiple regression analysis of a large insurance company's customer database, the Herzberg equation for determining the criterion of validity [11] and analysis of samples of different size from the two regions covered by the database, we illustrate the use of statistical cross-validation and test a set of factors hypothesized to be related to the statistical accuracy of validation. We find that increasing sample size will increase reliability. When the magnitude of population model differences is small, validation results are found to be unreliable, and increasing sample size has little or no effect on reliability. In addition, the relative fit of the model for the derivative sample and the validation sample has an impact on validation accuracy, and should be used as an indicator of when further analysis should be undertaken. Furthermore, we find that the probability distribution of the population independent variables has no effect on validation accuracy.