学位论文 > 优秀研究生学位论文题录展示

中国利率期限结构预测方法比较研究

作　者: 王预柯
导　师: 王安兴
学　校: 上海财经大学
专　业: 证券投资学
关键词: 利率期限结构预测 Nelson-Siegel模型 kalman滤波 Markov机制转换模型 Kim滤波
分类号: F224
类　型: 硕士论文
年　份: 2006年
下　载: 557次
引　用: 2次
阅　读: 论文下载

内容摘要

无论对于经济和金融理论,还是对于固定收益产品的定价,利率期限结构都是一个核心概念。它不仅是积极债券组合管理的基准,也可以对监管部门制定宏观经济政策提供帮助。其中针对利率期限结构的预测研究近几年才刚刚起步,无论对于理论研究还是实务工作都是人们关心的热点问题。而国内这方面的研究基本上还是空白,本文就试图在总结国外最新研究结果的基础上,采用基于Nelson-Siegel模型的一类方法,对中国利率期限结构预测进行一系统的研究。本文先采用基于NS曲线的三个参数的线性模型对利率期限结构进行预测。针对我国国债发行期限不对称,短期国债较少的情况,通过多方对比,本文采用银行间回购利率作为短期端的替代,在我国现实数据条件的约束下,这是解决问题的一个较优选择。在使用NS模型得到状态变量的时间序列时,各期拟合需要使用相同的λ,因此一个适当的λ取值就变得十分关键。本文将模型写成状态空间形式,使用Kalman滤波得到了对λ的最大似然估计,这不同于国内已有文献的估计方法,避免了选取参数不当对后文结论的影响,而且事后证明预测效果的确得到了提升。通过样本外预测效果比较发现,AR(1)模型在预测步长增加的情况下,逐渐开始显著地优于UVAR、RVAR和随机游走模型,而且对短期利率比对中长期利率的预测优势更为明显。为了发现加入宏观变量是否能够提升预测效果,本文选取了6个宏观经济变量,分别加入三个状态变量方程中,形成了343种组合,发现其中部分方程的样本外预测误差的均值和方差的确明显小于基于纯状态变量的AR(1)模型,但是通过计量检验发现,这种优势在10%的显著性水平上无法明显区别于0,上述结果可能只是在小样本下的偶然发现。基于模型稳健性考虑,建议仍然使用AR(1)模型。但通过个例分析,本文接着发现这种优势只是在平均意义上优于其他模型,在经济环境发生较大变化时,AR(1)这种线性模型表现出了预测误差增大的缺点。为了弥补线性模型的这一缺点,本文进一步探讨了在机制转换背景下的利率期限结构预测。本文首次将Markov机制转换模型应用到中国的利率期限结构预测上,估计结果发现Markov机制转换模型的

全文目录

摘要  2-4
ABSTRACT  4-8
第一章引言  8-11
  1.1 问题的提出  8
  1.2 基本概念和符号说明  8-11
第二章国内外研究文献综述  11-14
  2.1 利率期限结构静态模型  11-12
  2.2 利率期限结构的预测  12-14
第三章基本模型描述与实现方法  14-21
  3.1 NELSON-SIEGEL 模型  14-15
  3.2 DIEBOLD 模型  15-17
  3.3 BERNADELL、COCHE、NYHOLM 模型  17-19
  3.4 预测效果比较的假设检验  19-21
第四章基于NS 方法的线性预测模型  21-41
  4.1 样本的选取  21-23
  4.2 将价格数据转换为即期利率数据  23-25
  4.3 λ的估计问题  25
  4.4 估计状态变量，拟合利率期限结构  25-28
  4.5 具体模型说明和比较方法设计  28-31
  4.6 模型估计和比较结果  31-37
  4.7 引入宏观变量是否能改善预测效果？  37-41
第五章利率期限结构的机制转换特性  41-54
  5.1 问题的提出  41-43
  5.2 经济周期、货币政策和利率期限结构  43-47
  5.3 转移概率不变的MARKOV 机制转换模型的估计  47-49
  5.4 BCN 模型的估计  49-51
  5.5 模型样本内预测效果比较  51-52
  5.6 预测效果原因分析及可能的用途、模型风险  52-54
第六章总结  54-56
  6.1 研究结论与建议  54-55
  6.2 本文创新之处与可能的改进方向  55-56
致谢  56-57
参考文献  57-58

中国利率期限结构预测方法比较研究

内容摘要

全文目录

相似论文