利率期限结构的静态建模与参数估计

发布时间：2020-05-07 18:45

【摘要】： 利率期限结构,是描述在某一时点上,在相同风险水平下,零息票债券的利率(即到期收益率)与到期期限之间的关系,或者说是无风险零息债券的利率曲线,也叫做收益率曲线。它是金融市场上最基本也是最重要的经济变量之一。经济学家和投资者认为,收益率曲线的形态反映了市场上对未来利率水平的期望和对货币政策预期。因此,可以说利率期限结构在整个金融体系中占有举足轻重的地位。随着我国利率市场化程度的不断提高,市场资金的供求关系逐渐成为影响利率的主要因素,而利率的波动也更加的频繁。因此,如何对利率期限结构进行建模,拟合出一条可靠、完整的收益率曲线变得越来越重要。本文首先简单介绍了比较流行的四种利率期限结构形成的理论。它们分别是:市场预期假设理论(expectation hypothesis)、市场分割假设(market segmentation hypothesis )、流动性偏好假设( liquidity preference hypothesis)和优先置产假设(preferred habitat hypothesis)。接着,回顾了我国利率市场的发展,分析了我国拆借市场、回购市场和国债市场的现状,并介绍了国际金融市场上最著名的两种基准利率:伦敦银行同业拆借利率和美国联邦储备利率。之后,对利率期限结构静态拟合技术的文献进行了综述,并详细介绍了主要的静态拟合模型。第二部分(第五章到第八章)为本文的研究重点,主要探讨了如何对利率进行建模,以及在建模后如何用统计方法对模型的参数进行估计。在第五章中,我们将Fan和Yao(2003)的变量选择方法应用到样条函数里,来确定节点的个数和位置,以弥补传统模型中节点人为给定的不足。本文的第六章用最小一乘来代替最小二乘准则来估计模型参数,以增加模型的稳健性,排除个别异常值的干扰。在接下来的第七章中将最小一乘准则和变量选择方法相结合,通过最小一乘下的参数检验方法和BIC准则来选择节点,建立样条模型,拟合利率期限结构。LAD-LASSO方法是最新的变量选择方法,它的最大优势是可以在估计参数的同时选择变量,在本文的第八章中我们应用这种方法来拟合我国上海证券交易所交易的国债利率期限结构。实证分析显示,上述的模型可以有效地弥补传统模型的不足,提高预测的准确性。最后,对本文的主要内容和成果进行了总结,并提出了值得近一步研究的问题。
【图文】：

最佳模型,节点,估计值,残差

-3 中可以看出，我们仍然选择 4 节点的模型作为最佳模型，此、5 年、8 年、11 年）。同样将选出的最佳模型与传统的人为给预测效果比较，结果如表 5-5 和图 5-4。实价节点逐点删除模型给定节点（5、8）年给定节点（年元）估计值残差估计值残差估计值 00.17 100.1455 0.0256 100.6751 0.504 100.6573 01.81 102.1212 0.3096 102.815 1.0035 102.6202 08.56 108.3756 0.188 108.2207 0.3429 107.8378 02.33 103.0407 0.7123 102.7629 0.4345 102.2302 98.06 99.2132 1.1495 99.1476 1.0838 98.4575

预测效果

图 8-1从以上结果可以明显看出，使用 LAD-lasso 模型的预测效果明显优于传统方这主要是由于：一方面，我国国债市场发展不十分完善，国债市场被人为分易所市场和银行间市场，不同的国债投资主体被限制在不同的国债流通市场交易，因此，流动性差，债券的价格并不能完全充分的体现市场的供求关系定价的情况时有发生。而传统的最小二乘方法易受这种异常值得影响，产生拟合想象，导致预测的偏差。LAD-lasso 方法采用稳健的最小一乘代替最小，可以大大降低异常值的干扰，提高预测的精度。另一方面，LAD-lasso 方以有效地选择合适的节点，通过数据来确定节点的位置和个数，避免人为给点的不利影响，很大程度上提高了定价的准确度。而且，使用这种方法，参计和节点选择可以一步同时完成，与传统的变量选择方法（如 AIC、BIC 准相比，新方法大大简化了计算的步骤，提高了效率。
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2009
【分类号】：F224;F822.0

【引证文献】