基于时变O-U均值回复模型的天气衍生品定价研究.docx

? ? 基于时变O-U均值回复模型的天气衍生品定价研究 ? ? 唐欣 邹楚瑜 [摘要]馬铃薯作为我国主要的粮食作物，其产量受天气状况的影响较大。河北省张北、围场和丰宁三地是马铃薯种植最集中的区域，异常的天气波动会给当地农户带来严重的经济损失。天气衍生品可以帮助农户对冲农作物面临的天气风险，但要达到良好的风险对冲效果，就需要更加精准的定价模型。本文致力于寻求精度更高的定价模型，于是在传统的Ornstein-Uhlenbeck均值回复模型的基础上，引入时间序列模型来重新模拟均值回复速度，得到时变均值回复模型。之后，使用张北、围场、丰宁三地1951—2018年的日平均气温数据拟合2019年每日平均气温的动态变动过程，并检验模型预测精准度。最后，在此基础上，借助蒙特卡罗模拟法测算马铃薯生长温度指数期货合约的价格，并与传统的均值回复模型的定价结果做比较。研究表明，时变Ornstein-Uhlenbeck均值回复模型能够较好地拟合气温的变动趋势，并且比传统的Ornstein-Uhlenbeck均值回复模型更能精准地预测期货价格。 [关键词]天气衍生品;时变O-U均值回复模型;均值回复速度;生长温度指数 ：F842.66 ：A DOI：10.16465/j.gste.cn431252ts.202008 中国是马铃薯生产第一大国，而河北省的张北、围场和丰宁又是我国重要的种薯繁育、商品薯生产加工以及储运基地，具有十分重要的战略地位。马铃薯产业的发展对河北省农民精准脱贫、增收及粮食安全生产具有重要意义。而天气状况日益多变，可能会导致马铃薯减产，最终会波及整条马铃薯产业链，影响农户福祉。我国现有的政府补贴和农产品保险无法完全弥补天气风险管理的缺口，因此需要开发新型的天气风险管理工具，天气衍生品就是其中之一。天气衍生品诞生于1996年，是以天气指数作为标的资产的金融衍生工具，用以对冲天气反常变化带来的收入不确定性，这类产品在国外被广泛运用于天气敏感性行业的风险管理策略，其中就包括农业领域。但在我国，天气衍生品领域还是一片空白。 1 文献综述 在天气衍生品领域的研究中，普遍采用时间序列模型、Ornstein-Uhlenbeck均值回复模型（以下简称O-U均值回复模型）以及神经网络模型作为气温预测模型。研究思路大致分为三种，一是基于时间序列模型，如利用ARIMA模型、AR-GARCH模型对每日平均气温时间序列进行分析和预测;二是基于O-U均值回复模型，假设气温变量服从随机布朗运动，并利用蒙特卡罗仿真模拟来对天气衍生品进行定价;三是利用小波分析对气温序列进行分解和重构，并结合神经网络技术进行预测，以此来为天气衍生品定价。 国外学界对O-U均值回复模型的研究由来已久。Vasicek O[1]于1977年率先提出了利率变动的O-U均值回复模型，他认为利率的变化虽然是随机的，但是长期利率倾向于回归长期均值水平。O-U均值回复模型被运用于气温预测始于1998年，Dischel B[2]提出基于随机微分方程（SDE）的气温预测模型，并首次建立了平均气温的均值回复模型。而后，众多学者对Dischel提出的均值回复模型进行了实证检验和改进。Dornier F等[3]使用这一模型进行平均气温的预测，值得一提的是，他们将气温的波动率考虑为一个常数。Alaton P等[4]于2002年用一个正弦函数来描述温度的季节性变动，将温度的波动率考虑为按月变化的常数，提出了基于月波动率的O-U均值回复模型，并以此模型结合蒙特卡罗模拟对气温期权进行定价分析，得到了较好的实证效果。2003年Bhowan A[5]通过进一步的研究发现，气温的波动率并非按月变化的常数，其变化规律同样呈现出均值回复的特性。Benth F E等[6]在此基础上将温度的波动率考虑为日波动率，并对气温的季节项进行傅里叶变换，用多个正弦和余弦函数来描述气温的季节性变化，进而提出了基于日波动率的O-U均值回复模型，该模型成为运用最为普遍的气温预测模型。 而国内学界关于O-U均值回复模型对天气衍生品定价方面的研究不够深入，但起步其实并不晚。2006年刘国光[7]通过Alaton提出的基于月波动率的O-U均值回复模型，结合1980—1999年的北京每日平均气温数据进行模型参数估计，并运用蒙特卡罗仿真模拟法为天气期权和天气互换定价，实验效果较好。然而一直到2011年，国内学者才开始在刘国光的基础上进行改进。李永等[8]在2011年以O-U均值回复模型为基础，通过回归分析和傅里叶变换求得相关参数，并对上海地区1951—2008年的气温进行研究，发现预测值的相对误差绝对值均小于5%。2012年李永等[9]又以上海气温为例利用带Levy过程的O-U均值回复模型对天气衍生品定价的合理性进行测度，较好地模拟了气温的变化。此外，部