• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于ARMA模型的氣溫衍生品定價(jià)研究

    2015-12-11 14:04:06郭建國(guó)牛珊
    商業(yè)經(jīng)濟(jì) 2015年10期
    關(guān)鍵詞:ARMA模型

    郭建國(guó)+牛珊

    [摘 要] 我國(guó)幅員遼闊,各地區(qū)地理差異很大,天氣因素時(shí)空分布不均,天氣異常變化幅度較大,亟需開(kāi)發(fā)出適用于我國(guó)國(guó)情的天氣衍生品以應(yīng)對(duì)天氣風(fēng)險(xiǎn),天氣衍生品的創(chuàng)新有著巨大的發(fā)展空間。通過(guò)沈陽(yáng)市近50年的歷史日平均氣溫?cái)?shù)據(jù),采用基于ARMA的時(shí)間序列方法構(gòu)建了一個(gè)具有很好擬合優(yōu)度的氣溫預(yù)測(cè)模型,并以此為基礎(chǔ)對(duì)天氣衍生品進(jìn)行定價(jià)。這需要加快氣象數(shù)據(jù)服務(wù)的公開(kāi)和政府的支持,嚴(yán)格監(jiān)管天氣衍生品的開(kāi)發(fā)及其市場(chǎng)運(yùn)行,以推進(jìn)我國(guó)天氣衍生品的開(kāi)發(fā)及市場(chǎng)發(fā)展。

    [關(guān)鍵詞] ARMA模型;天氣衍生品;定價(jià)研究

    [中圖分類(lèi)號(hào)] F713.5 [文獻(xiàn)標(biāo)識(shí)碼] B

    一、引言

    天氣因素是人類(lèi)歷史上最難以控制和預(yù)測(cè)的不確定性因素之一。天氣變化會(huì)影響產(chǎn)業(yè)和企業(yè)的生產(chǎn)經(jīng)營(yíng)活動(dòng)??梢哉f(shuō),各行各業(yè)的財(cái)務(wù)狀況幾乎都與天氣有著千絲萬(wàn)縷的聯(lián)系。

    天氣衍生品的出現(xiàn),給人們應(yīng)對(duì)天氣風(fēng)險(xiǎn)提供了一條有效途徑。天氣衍生品的核心問(wèn)題是天氣衍生品的定價(jià)問(wèn)題,而天氣預(yù)測(cè)模型的準(zhǔn)確選取是實(shí)現(xiàn)天氣衍生品合理定價(jià)的關(guān)鍵。本文擬在已有研究的基礎(chǔ)上,以基于溫度的天氣衍生品作為研究對(duì)象,通過(guò)構(gòu)建ARMA時(shí)間序列模型對(duì)溫度變化過(guò)程進(jìn)行建模,并采用蒙特卡羅仿真方法對(duì)天氣衍生品進(jìn)行定價(jià),以便為我國(guó)開(kāi)發(fā)天氣衍生產(chǎn)品提供一定思路。

    二、數(shù)據(jù)與研究方法

    (一)數(shù)據(jù)來(lái)源與預(yù)處理

    本文數(shù)據(jù)的采樣區(qū)間為沈陽(yáng)市1963年1月1日至2014年12月31日的日平均氣溫?cái)?shù)據(jù),剔除了所有閏年2月29日的記錄,共計(jì)18980項(xiàng)數(shù)據(jù)。經(jīng)過(guò)Eviews軟件處理,得到沈陽(yáng)市日平均氣溫趨勢(shì)圖,見(jiàn)圖1。

    圖1沈陽(yáng)市日平均氣溫變化圖(1963/01/01-2013/12/31)

    由圖1可以看出,沈陽(yáng)市日平均氣溫呈現(xiàn)出明顯的周期性,類(lèi)似正弦函數(shù),季節(jié)效應(yīng)明顯。

    (二)模型的設(shè)定

    由前文分析可得,沈陽(yáng)市日平均氣溫?cái)?shù)據(jù)的變動(dòng)過(guò)程具有明顯的周期性,其變化路徑類(lèi)似于正弦函數(shù),可用sin(ωt+?漬)的形式表示。t表示時(shí)間,以天為單位,取t=1,2,3……,?漬為相角。日平均氣溫的季節(jié)性變化周期為一年,剔除閏年2月29日的氣溫?cái)?shù)據(jù)后,?。繚n=2?仔/365。此外,受溫室效應(yīng)影響,每年的氣溫都會(huì)有微量上升,可以合理假設(shè)這種微弱的變化是線(xiàn)性的,用Bt表示。因此,日平均氣溫的變化過(guò)程可以表示為:

    Tt=A+Bt+Csin(ωt+?漬)+εt (1)

    其中,Tt為時(shí)間t的日平均氣溫,A、B、C和?漬為未知參數(shù),εt為殘差項(xiàng),?。繚n=2?仔/365。

    為便于參數(shù)估計(jì),對(duì)式(1)作如下等式變換:

    Tt=A+Bt+C[sin(ωt)cos?漬+cos(ωt)sin?漬]+εt (2)

    整理可得:

    Tt=A+Bt+Ccos?漬sin(ωt)+Csin?漬cos(ωt)+εt (3)

    由于cos?漬和sin?漬是常數(shù),因此可將式(3)看成一個(gè)線(xiàn)性方程:

    Tt=a+bt+csin(ωt)+dcos(ωt)+εt (4)

    從而有:

    A=aB=bC=■?漬=arctan(d/c) (5)

    其中,?漬=2?仔/365。

    三、估計(jì)與結(jié)果分析

    (一)ARMA模型的估計(jì)

    用Eviews軟件對(duì)方程(4)進(jìn)行估計(jì),結(jié)果見(jiàn)表1、表2:

    表1 初步估計(jì)結(jié)果

    由表1的分析結(jié)果可得,雖然各變量的系數(shù)都十分顯著,但D-W檢驗(yàn)值僅為0.57,說(shuō)明模型存在嚴(yán)重的序列相關(guān)性,需要對(duì)其進(jìn)行修正,故而引入ARMA模型。當(dāng)引入ARMA(2,2)后,D-W值達(dá)到2.001897,說(shuō)明基本不存在序列相關(guān),各系數(shù)也十分顯著,模型的擬合效果很好。見(jiàn)表2。

    表2 ARMA模型估計(jì)結(jié)果

    結(jié)合上述公式,得到a=80.18138,b=0.017793,c=-42.53233,d=-172.7380,結(jié)合式(5),從而可以得出日平均氣溫變化的模型為:

    Tt=80.18138+0.017793t-177.89721sin(ωt+1.32937)+μt

    μt=1.381625μt-1-0.405027μt-2+εt-0.573243εt-1-0.291102εt-2 (6)

    其中,?漬=2?仔/365。

    (二)ARMA模型估計(jì)結(jié)果的驗(yàn)證

    用分析所得的ARMA模型對(duì)沈陽(yáng)市2014年的日平均氣溫值進(jìn)行預(yù)測(cè),可以看到擬合效果非常好。見(jiàn)圖2。

    圖2 模型預(yù)測(cè)結(jié)果

    四、基于溫度的天氣期貨定價(jià)

    參照雷晶晶對(duì)天氣期貨的定價(jià)方法,本文只考慮基于溫度的天氣衍生品合約的賠付特征,以HDDs為研究對(duì)象,探討基于溫度的天氣期貨的定價(jià)問(wèn)題。HDDs的表達(dá)式為:

    HDDs=max(0,(Tref - Tiavg))

    其中,i=1,2,3,…為指定的天數(shù),Tiavg為第i天的日平均氣溫,Tref為基礎(chǔ)氣溫,根據(jù)我國(guó)國(guó)情,取Tref =18℃。

    假設(shè)T為合約到期日,C為合約名義價(jià)值,S(T)為到期時(shí)標(biāo)的資產(chǎn)的實(shí)際價(jià)格,F(xiàn)(t)為遠(yuǎn)期合約在時(shí)刻t的價(jià)值,r為常數(shù)的無(wú)風(fēng)險(xiǎn)利率。

    理論上,當(dāng)無(wú)風(fēng)險(xiǎn)利率是常數(shù),期貨合約與遠(yuǎn)期合約有相同的到期日和交割日時(shí),期貨合約價(jià)格等于遠(yuǎn)期合約價(jià)格,即

    F(t)=C×E[S(T)] (7)

    以HDDs期貨合約為例,預(yù)期合約的終值即預(yù)期的HDDi之和,HDDs期貨價(jià)格為:

    E[S(T)]=■Ti=0E[HDDi]=E[■Ti=0max(0,(Tref - Tiavg)] (8)endprint

    對(duì)于時(shí)刻t,HDDs期貨合約的價(jià)格為:

    F(t)=C×E[■ti=0max(0,(Tref - Tiavg)+■Ti=t+1max(0,(Tref - Tiavg) (9)

    在(9)式中,由于時(shí)刻t之前的氣溫?cái)?shù)據(jù)是已知的,故■ti=0max(0,(Tref - Tiavg)為已知數(shù),僅■Ti=t+1max(0,(Tref - Tiavg)需要通過(guò)蒙特卡羅仿真獲得。

    以沈陽(yáng)市2014年1月1日至1月31日作為合約期限,采用蒙特卡羅法,計(jì)算出在這一期限內(nèi)的HDDs的累計(jì)值。經(jīng)過(guò)100000次模擬后,模擬值波動(dòng)范圍已經(jīng)很小,達(dá)到仿真要求。

    表3 沈陽(yáng)市2014年1月份累積模擬相對(duì)誤差值

    由此可得HDDs期貨合約的價(jià)格為:

    F(t)=C×E[■ti=0max(0,(Tref - Tiavg)+■Ti=t+1max(0,(Tref - Tiavg)=100×823.2=82320

    即在2014年1月1日,沈陽(yáng)市2014年1月份的累積取暖指數(shù)HDDs期貨合約價(jià)格為82320元。

    五、推進(jìn)天氣衍生品開(kāi)發(fā)及市場(chǎng)發(fā)展的政策建議

    我國(guó)幅員遼闊,各地區(qū)地理差異很大,天氣因素時(shí)空分布不均,天氣異常變化幅度較大,亟需開(kāi)發(fā)出適用于我國(guó)國(guó)情的天氣衍生品以應(yīng)對(duì)天氣風(fēng)險(xiǎn),因此天氣衍生品的創(chuàng)新有著巨大的發(fā)展空間。在我國(guó)開(kāi)發(fā)天氣衍生品,需要有關(guān)方面提供有利支持:

    (一)加快氣象數(shù)據(jù)服務(wù)的公開(kāi)。氣象數(shù)據(jù)屬于國(guó)家重要的海量基礎(chǔ)數(shù)據(jù),一般研究機(jī)構(gòu)難以獲取。希望氣象部門(mén)能以公共服務(wù)品的形式公開(kāi)氣象數(shù)據(jù)資料。

    (二)加強(qiáng)政府的支持力度。開(kāi)發(fā)設(shè)計(jì)天氣衍生品,需要大量氣象學(xué)、金融學(xué)及數(shù)據(jù)分析等方面的專(zhuān)業(yè)人才,并承擔(dān)較大風(fēng)險(xiǎn),故而需要政府給予一定的政策支持。

    (三)嚴(yán)格監(jiān)管天氣衍生品的開(kāi)發(fā)及其市場(chǎng)運(yùn)行。發(fā)揮市場(chǎng)監(jiān)管作用,加強(qiáng)行業(yè)自律,加大法律監(jiān)管力度,營(yíng)造良好的環(huán)境以促進(jìn)天氣衍生品的推廣與發(fā)展。

    [參 考 文 獻(xiàn)]

    [1]劉瑋.2012年全球?yàn)?zāi)害回顧與應(yīng)對(duì)(二)[N].中國(guó)保險(xiǎn)報(bào),2013-01

    [2]陳靖.天氣期貨在中國(guó)的開(kāi)發(fā)及應(yīng)用[J].上海金融,2004(12):10-13

    [3]韓金山,譚忠富,劉嚴(yán).略論發(fā)展我國(guó)的天氣風(fēng)險(xiǎn)市場(chǎng)[J].國(guó)際電力,2004,8(6):10-13

    [4]雷晶晶.天氣衍生品定價(jià)模型淺析[J].青年科學(xué),2010(1)::1-3

    [責(zé)任編輯:王鳳娟]endprint

    猜你喜歡
    ARMA模型
    基于ARMA模型的建設(shè)用地需求預(yù)測(cè)
    基于ARMA模型的城鄉(xiāng)居民收入差距分析與預(yù)測(cè)
    B—J方法在廣西人均生活用電消費(fèi)量預(yù)測(cè)中的應(yīng)用
    基于ARMA模型的我國(guó)國(guó)內(nèi)生產(chǎn)總值GDP的預(yù)測(cè)與分析
    商(2016年13期)2016-05-20 09:13:51
    基于ARMA模型的我國(guó)居民消費(fèi)價(jià)格指數(shù)的分析及預(yù)測(cè)
    商(2016年6期)2016-04-20 17:55:33
    基于集合經(jīng)驗(yàn)?zāi)B(tài)分解的農(nóng)業(yè)灌溉用水量預(yù)測(cè)
    中國(guó)柑橘出口的潛力研究
    企業(yè)工資增長(zhǎng)模型與養(yǎng)老保險(xiǎn)基金收支平衡模型
    ARMA模型下我國(guó)農(nóng)村居民消費(fèi)水平預(yù)測(cè)分析
    江西省收入差距的時(shí)間序列模型分析
    汤原县| 望城县| 邵武市| 广平县| 北碚区| 岐山县| 广宗县| 札达县| 武强县| 布拖县| 邹城市| 鹤山市| 阿拉善右旗| 句容市| 错那县| 泰兴市| 新巴尔虎左旗| 开平市| 辛集市| 宣化县| 天水市| 图木舒克市| 盐城市| 雷波县| 芮城县| 渭源县| 华蓥市| 祁连县| 乌苏市| 阿合奇县| 尚志市| 尤溪县| 孝昌县| 梁平县| 珲春市| 嵊泗县| 彭泽县| 普安县| 尚义县| 林甸县| 临桂县|