【摘要】： 利率期限結構,是描述在某一時點上,在相同風險水平下,零息票債券的利率(即到期收益率)與到期期限之間的關系,或者說是無風險零息債券的利率曲線,也叫做收益率曲線。它是金融市場上最基本也是最重要的經濟變量之一。經濟學家和投資者認為,收益率曲線的形態(tài)反映了市場上對未來利率水平的期望和對貨幣政策預期。因此,可以說利率期限結構在整個金融體系中占有舉足輕重的地位。隨著我國利率市場化程度的不斷提高,市場資金的供求關系逐漸成為影響利率的主要因素,而利率的波動也更加的頻繁。因此,如何對利率期限結構進行建模,擬合出一條可靠、完整的收益率曲線變得越來越重要。 本文首先簡單介紹了比較流行的四種利率期限結構形成的理論。它們分別是:市場預期假設理論(expectation hypothesis)、市場分割假設(market segmentation hypothesis )、流動性偏好假設( liquidity preference hypothesis)和優(yōu)先置產假設(preferred habitat hypothesis)。接著,回顧了我國利率市場的發(fā)展,分析了我國拆借市場、回購市場和國債市場的現(xiàn)狀,并介紹了國際金融市場上最著名的兩種基準利率:倫敦銀行同業(yè)拆借利率和美國聯(lián)邦儲備利率。之后,對利率期限結構靜態(tài)擬合技術的文獻進行了綜述,并詳細介紹了主要的靜態(tài)擬合模型。 第二部分(第五章到第八章)為本文的研究重點,主要探討了如何對利率進行建模,以及在建模后如何用統(tǒng)計方法對模型的參數進行估計。在第五章中,我們將Fan和Yao(2003)的變量選擇方法應用到樣條函數里,來確定節(jié)點的個數和位置,以彌補傳統(tǒng)模型中節(jié)點人為給定的不足。本文的第六章用最小一乘來代替最小二乘準則來估計模型參數,以增加模型的穩(wěn)健性,排除個別異常值的干擾。在接下來的第七章中將最小一乘準則和變量選擇方法相結合,通過最小一乘下的參數檢驗方法和BIC準則來選擇節(jié)點,建立樣條模型,擬合利率期限結構。LAD-LASSO方法是最新的變量選擇方法,它的最大優(yōu)勢是可以在估計參數的同時選擇變量,在本文的第八章中我們應用這種方法來擬合我國上海證券交易所交易的國債利率期限結構。實證分析顯示,上述的模型可以有效地彌補傳統(tǒng)模型的不足,提高預測的準確性。 最后,對本文的主要內容和成果進行了總結,并提出了值得近一步研究的問題。
【圖文】：

-3 中可以看出，我們仍然選擇 4 節(jié)點的模型作為最佳模型，此、5 年、8 年、11 年）。同樣將選出的最佳模型與傳統(tǒng)的人為給預測效果比較，結果如表 5-5 和圖 5-4。實價節(jié)點逐點刪除模型 給定節(jié)點（5、8）年 給定節(jié)點（年元） 估計值 殘差 估計值 殘差 估計值 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

圖 8-1從以上結果可以明顯看出，使用 LAD-lasso 模型的預測效果明顯優(yōu)于傳統(tǒng)方這主要是由于：一方面，我國國債市場發(fā)展不十分完善，國債市場被人為分易所市場和銀行間市場，不同的國債投資主體被限制在不同的國債流通市場交易，因此，流動性差，債券的價格并不能完全充分的體現(xiàn)市場的供求關系定價的情況時有發(fā)生。而傳統(tǒng)的最小二乘方法易受這種異常值得影響，產生擬合想象，導致預測的偏差。LAD-lasso 方法采用穩(wěn)健的最小一乘代替最小，可以大大降低異常值的干擾，提高預測的精度。另一方面，LAD-lasso 方以有效地選擇合適的節(jié)點，通過數據來確定節(jié)點的位置和個數，避免人為給點的不利影響，很大程度上提高了定價的準確度。而且，使用這種方法，參計和節(jié)點選擇可以一步同時完成，與傳統(tǒng)的變量選擇方法（如 AIC、BIC 準相比，新方法大大簡化了計算的步驟，提高了效率。
【學位授予單位】：中國科學技術大學
【學位級別】：博士
【學位授予年份】：2009
【分類號】：F224;F822.0

【引證文獻】

相關碩士學位論文 前1條

1 呂達勁;國債利率期限結構靜態(tài)擬合及應用研究[D];西南財經大學;2012年

，

本文編號：2653392