具有相关波动因子的广义随机波动HJM模型

基于Heath-Jarrow-Morton( HJM)模型框架,将远期利率波动率设定为服从广义均值回归平方根过程的随机变量,以刻画隐性随机波动因子的动态特性,并通过将漂移项限制条件推广至波动因子之间,以及利率波动率的变化与利率变动之间存在相关性情况,建立了广义的多因子HJM模型.在该模型框架下,基于一类特定波动率设定形...     

基于远期利率分解技术的三因子HJM模型研究

在HJM框架下远期利率期限结构可以分解成两个成分函数,其中一个表示观测到的初始远期利率曲线,另一个表示远期利率的动力学演变过程.由于两者具有相同的参数,因而采用这种分解技术可以简化HJM类模型中参数的估计过程.为有效拟合远期利率曲线的形状,在原两因子HJM模型的基础上又引入了另外一个价差因子,并利用该三因子HJM模型的泛函性,推导得到一个简单有效的参数估计程序.据此估计程序以上交所58个周截面数据为样本进行实证研究,结果表明所给出的三因子HJM模型设定形式具有相对平稳的指数衰减结构,可以准确一致地表示取样期间内的国债远期利率期限结构.     

利率期限结构的三因子高斯动态模型及应用

国内文献主要集中于仿射模型在我国利率期限结构中的应用,对高斯动态期限结构模型(Gaussian Dynamic Term Structure Model, 简称GDTSM)的研究几乎是空白。基于JSZ规范化形式,本文首次构建了三因子高斯动态期限结构模型,并基于极大似然估计法给出了模型参数的估计过程。利用该模型对2008年1月4日至2012年4月28日上海银行间同业拆放利率(Shanghai Inter Bank Offered Rate, 简称SHIBOR)的期限结构展开实证研究,同时对模型估计误差项进行多层次分解,重点探讨了利率期限结构的内在结构特征。研究结果显示:(1)三因子GDTSM模型能够很好地拟合和预测SHIBOR市场利率;(2)水平因子和斜率因子是短期利率期限结构的主要影响因素,曲度因子是长期利率期限结构的主要影响因素。作为利率期限结构实证研究的技术基础,三因子高斯动态期限结构模型为国债及其衍生品定价和风险管理提供一种新的技术支持。     

随机波动HJM框架下可违约债券市场波动结构的实证研究

波动结构对于可违约债券及其衍生品的定价和风险管理具有重要意义.利用AAA级企业债券价格数据,基于中国可违约债券市场构建三因子可违约随机波动HJM模型,并对其进行有限维马尔科夫仿射实现.在此基础上,从波动因子的随机波动特征、相关性结构和贡献度3个方面对中国可违约债券市场的波动结构进行系统分析.研究结果表明,样本期内中国可违约债券隐含的无风险利率和信用利差的波动率中含有显著的随机波动过程,且其数值呈现持续增大的趋势;无风险短期利率、短期信用利差和随机波动过程3个主要波动因子之间存在显著的相关关系;各波动因子的风险贡献度随时间推移而发生明显的波动.在经济向好时期,无风险短期利率的风险贡献较大;在经济趋冷时期,短期信用利差的风险贡献占优.     

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。     

HJM框架下基于CPI的期限结构模型及其应用

通过假设实际远期利率、名义远期利率及通货膨胀指数所服从的扩散过程的波动项分别为二维、二维和三维布朗运动,建立了基于CPI的无套利期限结构模型,探讨了无套利期限结构与等价鞅测度之间的关系,并得到三因子利率期限结构变化的微分方程.最后推导出了基于CPI指数的欧式期权价格的解析解.     

利率调整对我国股市不同状态波动性的影响

基于马尔可夫结构转换模型研究利率调整对我国股市在不同波动状态情况下波动性的影响,特别在2014年~2015年沪市波动为上涨和下跌状态下的影响.考虑股市波动存在结构转换及杠杆效应,选用马尔可夫结构转换EGARCH(RS-EGARCH)模型对上证综指进行收益和波动率建模.结果显示沪市在上涨状态利好消息与同等程度利空消息冲击具有相同影响;在下跌状态利空消息冲击比利好消息的影响更大,这异于通常的杠杆效应.通过在RS-EGARCH模型均值和波动率方程中引入虚拟变量研究自2012年时隔两年后首次利率调整对沪市波动性的影响,研究发现利率下调在沪市上涨状态显著增加了收益率和波动率;而在下跌状态收益率显著降低.但通过对比研究,在2006年的利率调整对于2006年~2008年期间沪市上涨和下跌状态的波动性没有显著影响.     

利率期限结构的动态机制:由实证检验到理论猜想

作为最成功的经验模型之一,Nelson-Siegel族模型被认为能够更好地拟合利率期限结构的动态特征,并成功地将利率期限结构与宏观经济因素联系起来。已有的实证结果表明,宏观经济变量能够较好地解释Nelson-Siegel族模型中水平和斜率因子的变化,却无法很好地解释曲度因子的变化特征。本文基于Nelson-Siegel族模型对中国国债收益率数据进行拟合,研究宏观经济变量对三类潜在因子的影响,实证判别曲度因子具有的"椭圆"形内生周期性特征,并给出其形成机理的经济学猜想,认为经济变量的时变特征是外生冲击和内生性逻辑两种成因共同作用的结果。本文认为Nelson-Siegel族模型之所以成功,是因为模型的潜在因子恰好能够刻画利率期限结构关于宏观经济变量变化的预期及其自身的内生周期性特征,其中水平和斜率因子刻画了影响利率期限结构的外部冲击,即人们基于宏观经济变量变化的预期成分,而曲度因子则反映了利率期限结构自身变化的内生性逻辑,即"椭圆"形的周期成分。     

利率期限结构研究述评

对目前利率期限结构的研究状况进行一个评述性的研究,从5个方面介绍和分析了国内外有关利率期限结构的研究.这5个方面包括:利率期限结构形成假设;利率期限结构静态估计;利率期限结构自身形态的微观分析;利率期限结构动态模型;利率期限结构动态模型的实证检验.在文献回顾的基础上,还对利率期限结构未来的研究方向进行了探讨.     

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。     

基于晶格场理论和动态规划的国债期货定价研究

通过用一个二维量子场取代传统金融上的布朗运动，构建了可有效纳入国债远期利率在到期时间和日历时间两个维度上的不完全相关性的量子场理论模型，并离散化二维量子场，得到国债远期利率的晶格场理论模型，同时结合动态规划方法，将国债期货的所有交易交割规则纳入一个模型进行建模，实现在统一的模型框架下对国债期货及其内嵌的择时期权和质量期权进行定价。研究结果亦表明，所构建的国债期货定价模型的定价效果均显著优于传统的主流两因子HJM模型，且与真实市场结算价的贴合性均很强，特别地，在临近交割月份，其定价误差均降至0.05%以内。而各国债期货合约的质量期权价值都在其对应的国债期货面值的2%至6%之间，其择时期权价值大部分时间都在0附近徘徊，但随交割月份临近，择时期权价值开始迅速上升，最大时约为期货合约面值的0.6%。     

我国管理学研究中的测量模型误设及仿真分析

在实证研究中,构念和观测变量之间的关系经常被忽视.本文详细区分了反映式测量模型和构成式测量模型,通过分析我国管理学领域的三本学术刊物2002年到2007年以结构方程模型(SEM)为数据分析工具的实证研究论文,发现我国管理学研究中测量模型误设的情况普遍存在.蒙特卡罗仿真分析表明,测量模型的误设将导致相关路径系数的被显著扩大或缩小,而且可能导致I型错误和Ⅱ型错误.由于现有的SEM软件不能处理构成式测量模型,本文提出了模型细化法和模型分解法,能够将构成式测量模型转换成反映式测量模型.     

考虑影响因素的隐马尔可夫模型在经济预测中的应用

定量预测方法分为因果预测法和时间序列预测法,因果预测法利用预测变量与其他变量之间的因果关系进行预测,时间序列预测法是根据预测变量历史数据的结构推断其未来值。由于因果预测法只利用某个变量与其他变量之间的因果关系,但缺少描述变量自身时间序列结构的功能;而时间序列预测法只能描述变量自身序列的结构,但没有考虑其他相关因素的影响,因此本文提出基于观测向量序列的隐马尔可夫模型(HMM)预测方法,该方法能同时考虑变量自身序列结构以及相关因素的影响。首先介绍HMM基本理论;其次,在模型训练、隐状态序列估计的基础上,提出基于观测向量序列HMM预测算法;最后分别进行仿真实验和实证研究,结果表明该方法的有效性。     

Comparative assessment of analytical approaches to quantify the risk for introduction of rare animal diseases: the example of avian influenza in Spain

Trade of animals and animal products imposes an uncertain and variable risk for exotic animal diseases introduction into importing countries. Risk analysis provides importing countries with an objective, transparent, and internationally accepted method for assessing that risk. Over the last decades, European Union countries have conducted probabilistic risk assessments quite frequently to quantify the risk for rare animal diseases introduction into their territories. Most probabilistic animal health risk assessments have been typically classified into one-level and multilevel binomial models. One-level models are more simple than multilevel models because they assume that animals or products originate from one single population. However, it is unknown whether such simplification may result in substantially different results compared to those obtained through the use of multilevel models. Here, data used on a probabilistic multilevel binomial model formulated to assess the risk for highly pathogenic avian influenza introduction into Spain were reanalyzed using a one-level binomial model and their outcomes were compared. An alternative ordinal model is also proposed here, which makes use of simpler assumptions and less information compared to those required by traditional one-level and multilevel approaches. Results suggest that, at least under certain circumstances, results of the one-level and ordinal approaches are similar to those obtained using multilevel models. Consequently, we argue that, when data are insufficient to run traditional probabilistic models, the ordinal approach presented here may be a suitable alternative to rank exporting countries in terms of the risk that they impose for the spread of rare animal diseases into disease-free countries.     

Structure and Parameterization of Pharmacokinetic Models: Their Impact on Model Predictions

There has been an increasing interest in physiologically based pharmacokinetic (PBPK)models in the area of risk assessment. The use of these models raises two important issues: (1)How good are PBPK models for predicting experimental kinetic data? (2)How is the variability in the model output affected by the number of parameters and the structure of the model? To examine these issues, we compared a five-compartment PBPK model, a three-compartment PBPK model, and nonphysiological compartmental models of benzene pharmacokinetics. Monte Carlo simulations were used to take into account the variability of the parameters. The models were fitted to three sets of experimental data and a hypothetical experiment was simulated with each model to provide a uniform basis for comparison. Two main results are presented: (1)the difference is larger between the predictions of the same model fitted to different data se1ts than between the predictions of different models fitted to the dame data; and (2)the type of data used to fit the model has a larger effect on the variability of the predictions than the type of model and the number of parameters.     

带学习效应的双渠道供应链库存策略研究

针对具有学习行为的双渠道供应链问题,本文研究了两种分销渠道并存下的最优库存策略。有限计划期内,分销商通过传统销售和在线销售来满足下游顾客的需求。两种分销渠道下的销售单价为时变不减线性函数,当系统中各周期的生产订购固定成本以一定的概率具有学习效应行为时,分别建立了非变质产品生产存贮问题的混合整数约束优化模型以及易变质产品存贮问题的无约束混合整数优化模型,所建立模型的目标为极大化分销商总利润函数。对于这两类模型,通过分析其最优解的性质,利用将生产订购次数松弛为连续变量的技巧证明了最优解存在的唯一性。给出了最优策略的求解方法并比较了两类模型最优利润函数值的大小。最后通过数值算例对上述模型进行了验证,数值结果表明当供应链系统中存在学习效应行为时,该系统能够获得更多的利润。     

基于可变权重的DEA效率评价模型

传统DEA模型将投入、产出权重视为固定变量。为了更合理地对决策单元的效率进行评价,本文研究了如何将有关投入、产出变量的权重的更多信息融入效率评价模型,提出了可变权重的概念,给出了一种基于可变权重的DEA效率评价模型。本文模型是CCR模型的推广。在有关权重信息可得的前提下,本文模型较之CCR模型中效率评价上更为合理。但是,如何准确度量投入、产出权重并将其函数化,是本文方法应用的难点。一个算例分析演示了本文模型。     

基于第一HJ距离的线性因子模型设定检验

模型设定检验是金融建模的重要环节,是减少模型风险的关键步骤.本文基于Hansen和Jagannathan[1]提出的第一HJ距离模型误设测度,以台湾市场丰富的股票和指数期权数据为基础,对8种常见的线性因子模型(包括基于金融资产价格的线性因子模型)进行模型误设检验,并探究模型设定对参数检验的影响.研究发现:在5%的显著性水平下,所有无条件信息模型均存在模型误设问题,仅FF3、LM、VanM、SkewM的条件信息模型成为可接受的正确模型;同时,是否考虑模型可能误设会影响SDF参数的检验,考虑模型可能误设能更有效地侦测因子的定价能力,而不考虑模型可能误设会高估模型SDF参数的t值绝对值,致使部分因子可能存在"伪"定价现象.     

面向电子商务的基本遗传算法的Agent 谈判模型

探讨Agent 技术和遗传算法在电子商务网上谈判中的应用,为网上谈判的开展提供定量 和优化模型. 首先对三种基于Agent 的主流谈判模型进行比较研究;其次,从三个角度对谈判 模型进行分类,并确定基于Agent 技术的谈判系统的目标和特征;进一步研究基于遗传算法的 Agent 谈判模型,并对模型进行仿真实验,以证明模型的有效性. 该模型的特点是Agent 能在谈 判过程中学习和发展新的谈判策略.     

Bayesian Treatment of Model Uncertainty for Partially Applicable Models

This article discusses how analyst's or expert's beliefs on the credibility and quality of models can be assessed and incorporated into the uncertainty assessment of an unknown of interest. The proposed methodology is a specialization of the Bayesian framework for the assessment of model uncertainty presented in an earlier paper. This formalism treats models as sources of information in assessing the uncertainty of an unknown, and it allows the use of predictions from multiple models as well as experimental validation data about the models’ performances. In this article, the methodology is extended to incorporate additional types of information about the model, namely, subjective information in terms of credibility of the model and its applicability when it is used outside its intended domain of application. An example in the context of fire risk modeling is also provided.