天氣風(fēng)險(xiǎn)是由于天氣變化的不可預(yù)測(cè)性而引起的。從全球經(jīng)濟(jì)運(yùn)行來(lái)看,大多數(shù)市場(chǎng)參與者都受到天氣風(fēng)險(xiǎn)的影響,其中,能源、農(nóng)業(yè)、零售建筑與運(yùn)輸為代表的領(lǐng)域?qū)μ鞖饷舾行宰罡�。天氣衍生品作為一種對(duì)沖天氣風(fēng)險(xiǎn)的新興金融工具,自1996年以來(lái)已在金融市場(chǎng)上交易。作為天氣衍生品最原始的產(chǎn)品,基于溫度指數(shù)的衍生品目前在天氣衍生品市場(chǎng)的交易最廣泛。雖然天氣衍生品市場(chǎng)在全球范圍仍然處于起步狀態(tài),但目前是交易量增長(zhǎng)最快的衍生品市場(chǎng),因?yàn)榇罅慨a(chǎn)業(yè)無(wú)法消除天氣風(fēng)險(xiǎn)帶來(lái)的經(jīng)濟(jì)影響,而天氣災(zāi)害相關(guān)的保險(xiǎn)產(chǎn)品又難以發(fā)展。因此,在中國(guó)還未開展天氣衍生品市場(chǎng)的背景下,設(shè)計(jì)出適合中國(guó)城市的天氣衍生產(chǎn)品就顯得至關(guān)重要。本文首先參考標(biāo)準(zhǔn)的天氣衍生品設(shè)計(jì)思路,結(jié)合目前我國(guó)天氣衍生品市場(chǎng)的現(xiàn)狀,并且考慮到現(xiàn)階段我國(guó)金融市場(chǎng)還未出現(xiàn)與溫度指數(shù)相關(guān)的金融產(chǎn)品,溫度指數(shù)沒(méi)有市場(chǎng)價(jià)格,不再基于市場(chǎng)的研究與分析,而是選擇對(duì)每日數(shù)據(jù)進(jìn)行建模的方法來(lái)構(gòu)建氣溫模型,為溫度指數(shù)天氣衍生品定價(jià)。其次,通過(guò)對(duì)上海2000-2017年的溫度數(shù)據(jù)進(jìn)行分析,本文將日平均溫度序列分為三個(gè)變量,即趨勢(shì)變量,季節(jié)變量和隨機(jī)變量。我們建立關(guān)于時(shí)間的正弦函數(shù)來(lái)刻畫趨勢(shì)變量... 

【文章來(lái)源】：上海師范大學(xué)上海市

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線圖

24圖3-12018年天氣衍生品交易主要參與部門3.2天氣指數(shù)：溫度指數(shù)根據(jù)國(guó)際互換和衍生協(xié)會(huì)（InternationalSwapsandDerivativesAssociation）對(duì)衍生品的定義，衍生品是一種承諾在未來(lái)某個(gè)日期付款的合約，其價(jià)值取決于合約中的基礎(chǔ)資產(chǎn)，基礎(chǔ)資產(chǎn)包括股票、債券、指數(shù)、利率、貨幣、商品（黃金、小麥）等。因此，天氣衍生品與傳統(tǒng)的金融衍生品本質(zhì)上并無(wú)差異，只是天氣衍生品的標(biāo)的指數(shù)是不可交易的天氣指數(shù)。天氣衍生品的標(biāo)的指數(shù)并不是可以交易的金融產(chǎn)品，也不受金融市場(chǎng)波動(dòng)影響，而是由一種或多種天氣組成的氣象指數(shù)，標(biāo)的本身并無(wú)價(jià)格，但是其變化會(huì)直接導(dǎo)致天氣衍生品價(jià)值的波動(dòng)。天氣衍生品的基礎(chǔ)資產(chǎn)是天氣指數(shù)，并且由于天氣不是物質(zhì)商品，因此沒(méi)有現(xiàn)貨市場(chǎng)的天氣指數(shù)。因此，天氣衍生品的發(fā)展很大程度上取決于其所依托的天氣指數(shù)數(shù)據(jù)的準(zhǔn)確取得以及標(biāo)準(zhǔn)化的合約設(shè)計(jì)，天氣指數(shù)的編制是天氣衍生品發(fā)展的基矗芝加哥商品交易所（CME）市場(chǎng)上主要交易的天氣指數(shù)包括：溫度指數(shù)、霜凍指數(shù)、降雪指數(shù)、颶風(fēng)指數(shù)與降雨指數(shù)等，這些天氣指數(shù)都是由其對(duì)應(yīng)的氣象數(shù)據(jù)進(jìn)行編制的。到目前為止，溫度指數(shù)是市場(chǎng)上交易量最大的天氣指數(shù)，活躍程度最高，因此本文主要對(duì)溫度指數(shù)加以具體詮釋。溫度指數(shù)就是將我們搜集到的標(biāo)的地點(diǎn)的溫度進(jìn)行相關(guān)處理之后得到的以

40再運(yùn)用Eview8.0對(duì)隨機(jī)項(xiàng)序列進(jìn)行ADF單位根檢驗(yàn)，得到表4-4：表4-4隨機(jī)序列單位根檢驗(yàn)結(jié)果t-StatisticProb.*AugmentedDickey-Fullerteststatistic-23.526640.0000Testcriticalvalues:1%level-3.4311285%level-2.86176910%level-2.566934從表4-4中可以看出，隨機(jī)項(xiàng)單位根檢驗(yàn)的結(jié)果P值為0.0000，顯著拒絕隨機(jī)項(xiàng)序列存在單位根的原假設(shè)，可知隨機(jī)項(xiàng)Ut序列不存在單位根，是平穩(wěn)的。下列繼續(xù)使用Eviews檢驗(yàn)殘差序列的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)，得到圖4-3：圖4-3殘差項(xiàng)自相關(guān)系數(shù)與偏自相關(guān)系數(shù)圖由上圖4-3可看出，上海氣溫?cái)?shù)據(jù)殘差項(xiàng)的偏自相關(guān)系數(shù)表現(xiàn)為二階截尾，而自相關(guān)系數(shù)則呈現(xiàn)拖尾。說(shuō)明該序列是一個(gè)平滑的非白噪聲序列，為了對(duì)噪聲進(jìn)行處理，本文引入ARMA模型進(jìn)行修正。4.參數(shù)估計(jì)根據(jù)樣本自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的性質(zhì)，我們利用Eviews軟件來(lái)確定階數(shù)適當(dāng)?shù)腁RMA（p,q）進(jìn)行擬合。通過(guò)AIC準(zhǔn)則和參數(shù)是否顯著，我們通過(guò)多次試驗(yàn)確認(rèn)加入AR（2）對(duì)殘差序列進(jìn)行擬合，結(jié)果如表4-5所示。從擬合結(jié)果來(lái)看，各項(xiàng)系數(shù)都是顯著的，擬合度提高到0.93，模型的結(jié)果也是顯著的，模型D.W統(tǒng)計(jì)量1.992978，接近2（D.W統(tǒng)計(jì)量越接近2則越不存


本文編號(hào)：3283264