天氣風(fēng)險是由于天氣變化的不可預(yù)測性而引起的。從全球經(jīng)濟運行來看,大多數(shù)市場參與者都受到天氣風(fēng)險的影響,其中,能源、農(nóng)業(yè)、零售建筑與運輸為代表的領(lǐng)域?qū)μ鞖饷舾行宰罡摺Ｌ鞖庋苌纷鳛橐环N對沖天氣風(fēng)險的新興金融工具,自1996年以來已在金融市場上交易。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的交易最廣泛。雖然天氣衍生品市場在全球范圍仍然處于起步狀態(tài),但目前是交易量增長最快的衍生品市場,因為大量產(chǎn)業(yè)無法消除天氣風(fēng)險帶來的經(jīng)濟影響,而天氣災(zāi)害相關(guān)的保險產(chǎn)品又難以發(fā)展。因此,在中國還未開展天氣衍生品市場的背景下,設(shè)計出適合中國城市的天氣衍生產(chǎn)品就顯得至關(guān)重要。本文首先參考標(biāo)準的天氣衍生品設(shè)計思路,結(jié)合目前我國天氣衍生品市場的現(xiàn)狀,并且考慮到現(xiàn)階段我國金融市場還未出現(xiàn)與溫度指數(shù)相關(guān)的金融產(chǎn)品,溫度指數(shù)沒有市場價格,不再基于市場的研究與分析,而是選擇對每日數(shù)據(jù)進行建模的方法來構(gòu)建氣溫模型,為溫度指數(shù)天氣衍生品定價。其次,通過對上海2000-2017年的溫度數(shù)據(jù)進行分析,本文將日平均溫度序列分為三個變量,即趨勢變量,季節(jié)變量和隨機變量。我們建立關(guān)于時間的正弦函數(shù)來刻畫趨勢變量... 

【文章來源】：上海師范大學(xué)上海市

【文章頁數(shù)】：75 頁

【學(xué)位級別】：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)國際互換和衍生協(xié)會（InternationalSwapsandDerivativesAssociation）對衍生品的定義，衍生品是一種承諾在未來某個日期付款的合約，其價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，也不受金融市場波動影響，而是由一種或多種天氣組成的氣象指數(shù)，標(biāo)的本身并無價格，但是其變化會直接導(dǎo)致天氣衍生品價值的波動。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，因此沒有現(xiàn)貨市場的天氣指數(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)的準確取得以及標(biāo)準化的合約設(shè)計，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)都是由其對應(yīng)的氣象數(shù)據(jù)進行編制的。到目前為止，溫度指數(shù)是市場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)的地點的溫度進行相關(guān)處理之后得到的以

40再運用Eview8.0對隨機項序列進行ADF單位根檢驗，得到表4-4：表4-4隨機序列單位根檢驗結(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，隨機項單位根檢驗的結(jié)果P值為0.0000，顯著拒絕隨機項序列存在單位根的原假設(shè)，可知隨機項Ut序列不存在單位根，是平穩(wěn)的。下列繼續(xù)使用Eviews檢驗殘差序列的自相關(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，上海氣溫數(shù)據(jù)殘差項的偏自相關(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。說明該序列是一個平滑的非白噪聲序列，為了對噪聲進行處理，本文引入ARMA模型進行修正。4.參數(shù)估計根據(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軟件來確定階數(shù)適當(dāng)?shù)腁RMA（p,q）進行擬合。通過AIC準則和參數(shù)是否顯著，我們通過多次試驗確認加入AR（2）對殘差序列進行擬合，結(jié)果如表4-5所示。從擬合結(jié)果來看，各項系數(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)計量1.992978，接近2（D.W統(tǒng)計量越接近2則越不存


本文編號：3283264