我國收益率曲線結(jié)構(gòu)研究
發(fā)布時間:2021-10-10 02:47
債券市場在金融市場中占有重要地位,債券的參與者日趨多元化,債券市場金融產(chǎn)品不斷豐富,同時債券市場對外開放的步伐也越走越快。構(gòu)建出準確的基準收益率曲線進而得到的準確的期限結(jié)構(gòu)有助于對債券以及利率衍生品做出更合理的定價,而研究收益率曲線與宏觀經(jīng)濟變量之間的動態(tài)聯(lián)動關(guān)系既能幫助我們更好的預測和解釋債券市場的行為,也能幫助我們更好的預測和理解宏觀經(jīng)濟,并為貨幣政策制定提供極大的幫助。利率期限結(jié)構(gòu)是利率和期限之間的函數(shù)關(guān)系,某個時點不同期限的利率就形成了一條曲線。而這個期限結(jié)構(gòu)或者說收益率曲線是金融資產(chǎn)定價、金融產(chǎn)品設(shè)計、套期保值、風險管理、套利與投機等活動的基礎(chǔ),不僅為各種固定收益證券定價提供了基準,也是衍生品定價的基礎(chǔ),因此對利率期限結(jié)構(gòu)的有效估計是一個十分重要的問題。此外,收益率曲線期限結(jié)構(gòu)在經(jīng)濟金融理論與實踐中均起到非常重要的作用,一直受到貨幣政策制定者、金融經(jīng)濟學家和金融實踐者的高度關(guān)注。本文基于Nelson-Siegel及其擴展模型構(gòu)建,該模型采用指數(shù)多項式來估計利率期限結(jié)構(gòu),利率曲線處處多階可導,滿足光滑性,同時模型參數(shù)具有較強的經(jīng)濟意義,模型擬合結(jié)果比較符合利率期限結(jié)構(gòu)的預期理論...
【文章來源】:首都經(jīng)濟貿(mào)易大學北京市
【文章頁數(shù)】:69 頁
【學位級別】:碩士
【部分圖文】:
主成分方差碎石圖
2 Nelson-Siegel 模型的靜態(tài)擬合與校準益率 ( ),它僅依賴于期限變量以及參數(shù) 。有些學者認為需要把 和曲線樣本中最長的期限聯(lián)系起來,即 不能超過最長期限。(Bolder S1999,Manousopoulos 和 Michalopoulos,2009,Wets 和 Bianchi ,2006下面以 NSS 模型為例,分別計算出了 和 在 0 到 20 間取值時,第歸自變量與第三列回歸自變量、第二列回歸自變量與第四列回歸自變量列回歸自變量與第四列回歸自變量的相關(guān)系數(shù)?梢园l(fā)現(xiàn)當觀測值接近回歸子之間的就變得高度相關(guān)了,這種高度相關(guān)性足以構(gòu)成識別問題,們很難準確的這些回歸子。但是回歸子矩陣的壞條件(bad condition意味著回歸有很大的殘差。換言之,我們可以很好的將模型擬合到市場使得模型的殘差很小,但是參數(shù)本身是并不可靠的。下圖中 x 軸和 y 軸分別代表了 和 的取值,z 軸以此展示的是不同量之間的相關(guān)系數(shù)。
圖 2.4 網(wǎng)格搜索尋找最優(yōu) 實的 NS 模型參數(shù),本節(jié)將三個參數(shù)的真實值設(shè)定為 c(4值設(shè)定為 1。有了參數(shù)的真實值,可以根據(jù) Nelson-Sie益率 。這時用最小二乘方法回歸可以反算出參數(shù),而且實參數(shù)相同。下面我們對于市場收益率 增加標準差大小之后重新進行估計,并且重復 1000 遍。而后將參數(shù) 的值照前面的程序進行估計。,施加的隨機擾動的方差均為 1bp,但是可以看到參數(shù)分距,對于固定 為 1 的情景,估計出的參數(shù)分布情況非常定 等于 10 的情景,從模擬的分布結(jié)果來看,某些情況下偏離真實值,聯(lián)系前一部分討論的共線性問題,因為這種高。
本文編號:3427497
【文章來源】:首都經(jīng)濟貿(mào)易大學北京市
【文章頁數(shù)】:69 頁
【學位級別】:碩士
【部分圖文】:
主成分方差碎石圖
2 Nelson-Siegel 模型的靜態(tài)擬合與校準益率 ( ),它僅依賴于期限變量以及參數(shù) 。有些學者認為需要把 和曲線樣本中最長的期限聯(lián)系起來,即 不能超過最長期限。(Bolder S1999,Manousopoulos 和 Michalopoulos,2009,Wets 和 Bianchi ,2006下面以 NSS 模型為例,分別計算出了 和 在 0 到 20 間取值時,第歸自變量與第三列回歸自變量、第二列回歸自變量與第四列回歸自變量列回歸自變量與第四列回歸自變量的相關(guān)系數(shù)?梢园l(fā)現(xiàn)當觀測值接近回歸子之間的就變得高度相關(guān)了,這種高度相關(guān)性足以構(gòu)成識別問題,們很難準確的這些回歸子。但是回歸子矩陣的壞條件(bad condition意味著回歸有很大的殘差。換言之,我們可以很好的將模型擬合到市場使得模型的殘差很小,但是參數(shù)本身是并不可靠的。下圖中 x 軸和 y 軸分別代表了 和 的取值,z 軸以此展示的是不同量之間的相關(guān)系數(shù)。
圖 2.4 網(wǎng)格搜索尋找最優(yōu) 實的 NS 模型參數(shù),本節(jié)將三個參數(shù)的真實值設(shè)定為 c(4值設(shè)定為 1。有了參數(shù)的真實值,可以根據(jù) Nelson-Sie益率 。這時用最小二乘方法回歸可以反算出參數(shù),而且實參數(shù)相同。下面我們對于市場收益率 增加標準差大小之后重新進行估計,并且重復 1000 遍。而后將參數(shù) 的值照前面的程序進行估計。,施加的隨機擾動的方差均為 1bp,但是可以看到參數(shù)分距,對于固定 為 1 的情景,估計出的參數(shù)分布情況非常定 等于 10 的情景,從模擬的分布結(jié)果來看,某些情況下偏離真實值,聯(lián)系前一部分討論的共線性問題,因為這種高。
本文編號:3427497
本文鏈接:http://sikaile.net/jingjilunwen/jinrongzhengquanlunwen/3427497.html
教材專著