建模和预测短期利率波动性：基于半参数方法.ppt

建模和预测短期利率波动性：基于半参数方法 参数估计:对已知分布中的参数进行估计 非参数估计：直接对分布类型进行估计 半参数估计 论文框架 引言 短期利率模型和半参数方法 Monte Carlo研究 实证应用 总结 1.引言 由于短期利率对于固定收益证券定价和证券组合的利率风险度量来说是很重要的，因此关于短期利率建模的文献很多。 现在文献中有这样一个共识：估计条件方差（扩散过程）时要将波动过程中水平效应和序列相关性都考虑进去。 然而，关于短期利率模型的漂移方程仍存在着较大争议。其中一大部分论文研究的是线性漂移，而其他支持非线性漂移。 本文采用半参数方法来建模短期利率波动性。我们对短期利率波动性的GARCH模型(广义自回归条件异方差) 应用一种半参数平滑技术。这其中涉及参数地估计短期利率漂移函数，随后非参数地估计波动过程。 2.短期利率模型和半参数方法 2.1短期利率模型 线性漂移 GARCH GARCHX AGARCHX 返回 非线性漂移 GARCH-N Zt服从正态分布 GARCH-T 学生T分布 GARCH-ST 偏态分布 2.2广义可加半参数GARCH模型 考虑如下短期利率模型 （11） （12） 其中，线性漂移时 非线性漂移时 f为严格正，形式未知 将模型（11）和（12）重写为： 此处 是一个鞅差序列，满足 ，且对于 ， 。 为估计 ，首先用极大似然方法估计短期利率模型 作为利率波动率初始值 Backfitting算法的非参数平滑技术进行迭代估计： 第一次迭代 第二次迭代 …………. 如此进行m次，m=8. 因此得到几组利率波动率估计值 最后平滑阶段 得到 3.蒙特卡洛研究 3.1实验设计 模拟实验的目的是为了说明相较于参数短期利率模型，半参数方法的优越波动率预测能力。 此外，半参数方法得到的波动率预测值关于短期利率的基本分布和漂移式稳健。 线性漂移利率的数据生成过程（DGP） 非线性漂移的DGP 在生成数据的基础上，我们分别在如下情况下估计短期利率的参数化模型：线性和非线性的漂移，对称和不对称GARCHX模型，和三种不同的残差分布，即正态分布、学生t分布和Hansen偏态t分布。 另外，为了比较不同模型的样本内波动率估计的拟合优度，我们计算的绝对误差（AE）和平方误差（SE）由下式给出： 3.2模拟结果 图1（a）和（b）分别是线性和非线性漂移DGP的波动率估计图。698 表1（a）和（b）分别是线性和非线性漂移两种DGP的均方和平均绝对波动率估计误差的估计（模拟数据）699 4.实证应用 4.1数据描述 美国3个月期国库券利率在1973年2月9日至2009年5月8日期间的1892个周利率。数据来自圣路易斯联邦储备银行（FRED）数据库。 图2.美国短期利率水平及其一阶差分序列 表2.美国短期利率的概要统计 注：JB检验即Jarque-Bera正态性检验; Q(10)是10阶Ljung-Box序列相关性检验; ARCH（10）回归残差的ARCH效应检验; 和 是ADF和基于GLS的Dickey-Fuller检验统计量，它们5%的临界值分别是?2.8629 和 ?1.95; 和 是Seo（1999）检验统计量，后者使用的是Bollerslev和Wooldridge (1992)稳健的标准差，其在5%的显著水平下的模拟临界值分别为 ?1.9073 和?1.8891。 4.2实证结果 表3.短期利率模型估计（1973/02/09–2007/06/08）703 表4.参数和半参数模型在1973/02/09–20