基于AR模型Shibor各期限利率研究.docVIP

基于AR模型Shibor各期限利率研究 　　【摘要】本文想要通过时间序列方法，研究Shibor各期限品种的特点，从而给投资者进行套进行套利分析或者风险规避提供一些参考。基本思路是想运用AR模型研究Shibor各期限产品的均值回归，然后检验其中是否具有ARCH或者GARCH效应，最后对模型的波动性进行研究。 　　【关键词】Shibor 时间序列分析 AR模型 　　一、引言 　　基准利率是在金融市场上具有普遍参照作用的利率，其他利率水平或金融资产价格可根据这一基准利率来确定。如伦敦同业拆借利率（Libor）早已被看作国际货币市场基准利率。确定基准利率是我国进行利率市场化的重要前提之一，在利率市场化条件下，融资者衡量融资成本，投资者计算投资收益，以及监管层对宏观经济的调控，客观上都要求由一个普遍公认的基准利率做参考。 　　上海银行间同业拆放利率（Shibor），以位于上海的全国银行间同业拆借中心为技术平台计算、发布并命名，是由信用等级较高的银行组成报价团自主报出的人民币同业拆出利率计算确定的算术平均利率。目前，对社会公布的Shibor品种包括隔夜、1周、2周、1个月、3个月、6个月、9个月及1年。 　　二、Shibor的具体应用 　　自从2008年2月人民币利率互换业务主协议的推出，市场参与不断频繁，交易量不断增加，期限和品种也不断丰富。我国利率互换成交基准有三个：FR007，Shibor和一年定期存款利率，而按交易量作为标准，则以前两者多。在以Shibor为基准的互换交易中，以Shibor 3M为基准的成交量占主导。1～6月基于Shibor 3M和Shibor 1D的成交量占比分别为67%和31%，并且Shibor3M和以其为基准的互换报价之间呈现了较强的相关性。 　　Shibor在利率风险管理上的功能要比FR007和一年定期存款利率更加突出，随着利率市场化进程的深入，存贷款利率会放开，而Shibor已经逐步运用于债券发行定价中，与金融机构和企业资产负债的相关性较高。对利率敏感的金融机构和企业可利用利率互换锁定发行成本。持有Shibor资产的机构也可进入互换市场锁定发行成本。持有Shibor资产的机构也可进入互换市场锁定收益。 　　三、具体研究方法 　　本文希望通过对各种Shibor报价产品进行时间序列分析，分别应用AR模型和ARCH（GARCH）模型对其均值回归和波动率进行拟合。在观察上述方法拟合效果的同时，并对其预测效果进行检验。希望观察到其中的一些规律，为风险控制和投资套利提供一些建议。 　　本文准备选取Shibor的8种产品（O/N，1W，2W.1M.3M， 6M，9M，1Y）的每日报价，选取近两年（2011和2012）的数据进行时间序列分析（一共有498组数据），再用从2013年1月4日到4月3日（有63组数据）的数据进行预测检验。 　　四、数据观察 　　我们通过各个产品近两年的数据折线图可以发现，O/N，1W，2W，1M的利率变化比较剧烈，呈现出比较强的波动性，而应用比较多的3M波动性明显变小，在2011年前半年出现比较多的波动，从2011年8月到2012年9月Shibor3M开始不断下行，之后一直平稳上涨。而三个时间段比较长的6M，9M，1Y则没有出现强的波动性，直观上比较平稳。 　　五、数据处理和结果 　　用2011年和2012年的数据进行拟合分析。 　　首先对8中产品进行均值-方差分析，发现前面几种产品的方差比较大，时间比较长的产品方差比较小，这很符合我们之前的直观感觉。 　　为了观察每个产品是否具有序列相关性，运用LB统计量来检验（这里我们设最大滞后阶数为15）。 　　（上述LB统计量均能拒绝置信度为0.00001假设） 　　每个产品的LB统计都相当大，说明每个产品都存在序列相关性。下面通过AR（P）模型对各个产品进行拟合（这里我们用PACF方法进行定阶）。 　　同样设最大滞后阶数为15，alpha=0.05，并假设如果一个阶数后面连续5阶均通不能拒绝为0，则认为该阶数为PACF所定的阶数。 　　下面是每个产品的AR模型具体分析： 　　发现每个产品的R-Square（或者是R-Adjust）均超过80%，说明我们的模型拟合程度非常高，理论上的模型能够很好地契合现实中的情况。为了防止出现模型中的非平稳现象，我们通过对每个拟合出来的结果进行平稳检验，具体方法是对其进行Dicky-Fuller单位根检验，所得结果（这里就不列出了）显示各个序列并没有出现非平稳情况。 　　通过观察我们发现每个产品的模型均符合平稳过程的条件，并通过LB统计量对残差平方进行检验，发现并不存在ARCH效应（这里结果就不列出了）。由于前面发现AR模型比较出色的拟合效果，所以我们就选用AR模型进行预