我国国债期货市场价格收益SEMIFAR模型估计与预测.docVIP

我国国债期货市场价格收益SEMIFAR模型估计与预测 　　【摘要】该文利用半参数分数自回归模型(SEMIFAR)对我国国债期货市场价格收益进行了很好地拟合和预测,这项研究对于国债期货投资、对金融衍生品价格预测和风险管理具有重要参考意义。 　　【关键词】国债期货价格收益;SEMIFAR模型 　　 　　经分析研究我国国债期货市场价格收益为非平稳数据,超出了平稳时间序列的假设,无法用简单的 ARMA 模拟和拟合。本文采用半参数分数自回归模型(SEMIFAR)估计与预测我国国债期货市场价格收益,这项研究对于国债期货投资、对金融衍生品价格预测和风险管理具有重要参考意义。 　　 　　一、数据选择 　　 　　在我国开展国债期货试点期间,全国有14个场所开展国债期货的交易,但上海证券交易所最早开始试点,而且,无论交易量还是影响力都比任何其它的一家都要大,因此,本文采用上海证券交易所的国债期货交易价格数据作为研究的样本。本文选取数据的时间跨度范围为1993年10月25日-1995年5月17日①。 　　由于每个国债期货合约都将在最后交易日到期,因此,不同于股票价格,国债期货价格具有不连续的特点,即对应于每一个国债期货合约,国债期货合约的时间跨度是有限的,任一交割月份的国债期货合约在合约到期以后,该合约将不复存在。另外,在同一交易日,同时有若干个不同交割月份的国债期货合约在进行交易。为研究需要,克服国债期货价格不连续的缺点,必须产生连续的国债期货价格序列。对每一个国债期货品种,本文采用二种构造数据的方式构造了11个连续国债期货合约代码。第一种数据构造方式以1993年10月25日上市的6个国债期货品种代码作为国债期货交易序列代码②,在这6个国债期货合约最后一个交易日后,选取最近期月份的国债期货合约,在最近期国债期货合约最后一个交易日后,选取下一个最近期国债期货合约,得到一个连续的国债期货合约交易数据序列,其优点在于距离最后交易日比较接近,期货价格与现货价格也应该比较接近。由此产生的6个连续国债期货合约分别记为310321、310312、310322、310303、310313、310314。第二种数据构造方式也是从1993年10月25日开始选取数据,在某一个国债期货合约上市交易截止后,选取???一个最近上市交易的国债期货合约,这样就得到一个连续的期货合约序列,这个连续的国债期货序列的代码就用先后两个国债期货代码的后三位数组成,如此产生了312316、313317、314318、322326、323327五个国债期货连续合约。 　　在金融研究中主要关心收益而不是价格,而计算资产收益的方法通常是连续复合法。资产的连续复合收益或对数收益被定义为总收益(1+)的自然对数。为研究方便,本文将某期货合约在第t个交易日的收盘价记为,定义期货价格收益③为: 　　Rt=(LnPt-LnPt-1)×100 (1) 　　因此,对前面构造的的11个连续的国债期货价格序列取对数,所生成的对数期货收益序列成为计量经济学数据处理的基础。具体数据不在此赘述。 　　 　　二、研究方法 　　 　　(一)FARIMA模型 　　由于很多金融数据要么是均值非平稳,要么是方差非平稳,而非平稳的数据是无法用简单的 ARMA 模拟和拟合,同时,有些金融数据具有较强的依时间变化的趋势,而许多季度及月度资料又有明显的季节变化规律。因此研究经济时间序列必须涉及其趋势性与季节性的特点,这就超出了平稳时间序列的假设。 　　非平稳序列有多种处理方法,由于经济时间序列数据的趋势性和季节性,最常用的处理方法为差分方式,就是通过差分将非平稳序列转化为平稳序列的ARIMA模型。ARIMA模型是由Box -Jenkins在 1976年提出的,由于这类序列经差分变成了平稳序列,传统的ARIMA(p,d,q)中d是整数,Granger和Joyeux(1980)提出的分数自回归移动平均模型(ARFIMA),将d从整数推广到分数,同时考虑短期记忆性和长期记忆性的影响。 　　其中,和是滞后多项式,且根都在单位圆外。 　　当时,FARIMA模型是平稳的,Sowell (1992)提出了FARIMA模型的精确极大似然估计(EMLE)。 　　Beran (1995)通过考虑如下的模型: 　　将FARIMA模型的参数估计推广到。实际上相对先对时间序列先对m阶差分达到平稳后再建立FARIMA模型,因此。 　　(二)SEMIFAR模型 　　Beran, Feng and Ocker (1998), Beran and Ocker (1999), Beran and Ocker (2001)提出了半参数分数自回归模型(SEMIFAR),是基于如下的扩展的FARIMA(P,d,0): 　　上面