中国短期利率非线性动态特征研究

论文摘要

短期利率的动态变化一直是金融经济学领域研究的热点问题。作为金融市场上最基本也是最重要的变量之一,短期利率对其他金融衍生品的定价起着举足轻重的作用。对短期利率动态变化的准确估计,不但可以为进行资产配置的投资者提供有用的信息,以降低投资风险,还可以为中央银行的政策制定和实施提供参考。鉴于短期利率的重要性,对其动态特征进行研究具有重要的现实意义。随着金融计量方法和技术的进步,利率动态模型的研究取得了不少成果,传统的利率动态模型不断地得到扩展。国内学者对我国短期利率的研究也取得长足的进步,现有的研究已经证明短期利率的动态变化具有明显的非线性特征,许多文献都采取了不同的非线性时间序列模型来捕获利率动态的非线性特.征。例如,刘金全和郑挺国（2006）在CKLS模型中引入马尔科夫（Markov）机制转移；吴吉林和陶旺升（2009）对Smith（2002）机制转换随机波动模型进行了拓展,引入非线性漂移项,并同时考虑了随机波动函数中常数项、滞后一阶项及方差的机制转换；潘婉彬、陶利斌和缪柏其（2008）在CKLS模型的漂移项中考虑门限作用,对利率动态模型中漂移项的非线性进行建模。但究竟哪个非线性模型更能刻画中国短期利率的动态变化,目前还没有取得一致的结论。因此,本文使用马尔科夫机制转换模型、平滑转移自回归模型（STAR）和同时期平滑转移自回归模型（CSTAR）三种主要的非线性建模方法对我国2007年1月至2012年2月SHIBOR隔夜拆借利率进行实证分析,并从样本内拟合效果和样本外预测能力两个方面比较了各个模型的优劣。本文实证结果发现考虑机制转换的利率模型比线性模型能更好地刻画我国短期利率的动态特征,机制转换模型能够比较好地捕获短期利率动态变化的结构变化和非线性特征,并有更准确的样本外预测。从样本内拟合效果来看,马尔科夫机制转换模型略优于CSTAR模型,CSTAR模型优于LSTAR模型。从样本外预测来看,当预测天数为1-2天时,马尔科夫机制转换模型的样本外预测能力高于CSTAR模型和LSTAR模型：当预测天数增加到3-6天时,CSTAR模型和LSTAR模型比马尔科夫机制转换模型样本外预测准确性更高；CSTAR模型在1-6天的样本外预测能力都优于LSTAR模型。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 文献综述
• 1.2.1 利率动态模型
• 1.2.2 利率动态变化的实证研究
• 1.2.3 国内研究现状
• 1.2.4 小结
• 1.3 研究方法及主要内容
• 第二章 非线性时间序列模型
• 2.1 马尔科夫机制转换模型
• 2.2 平滑转移自回归模型
• 2.3 同时期平滑转移自回归模型
• 第三章 我国短期利率非线性动态特征的实证分析
• 3.1 数据说明及统计描述
• 3.2 基于马尔科夫机制转换模型的实证分析
• 3.3 基于平滑转移自回归模型的实证分析
• 3.4 基于同期平滑转移自回归模型的实证分析
• 第四章 模型比较
• 第五章 结论
• 参考文献
• 致谢
• 硕士研究生期间所发表论文
• 学位论文评阅及答辩情况表