论文部分内容阅读
本文首先阐述了利率期限结构与收益率曲线的区别与联系，弄清概念是非常有必要的，这是固定收益类产品研究的基础，在比较了两者的区别与联系后我们提出应该把研究的重点放在利率期限结构上，因为利率期限结构更能作为固定收益类市场的基准。
本文对利率期限结构研究的理论进行了比较全面的综述，在比较了多种利率期限结构模型的优缺点及其各自的适用范围后，认为Nelson-Siegel模型适合用于当前我国国债利率期限结构的静态拟合和预测。在预测利率期限结构的方法上，我们遵循Diebold&Li(2003)的思路，通过预测Nelson-Siegel模型的参数来间接实现预测整体利率期限结构曲线和国债价格的目的，这也是本文的基本预测方法。
不过由于我国债券市场还不够成熟，国债种类和数量还不多，期限分布也不均匀，Diebold&Li(2003)用一组关键期限的利率数据估计Nelson-Siegel模型参数的方法在我国实现有一定的困难，本文采用陈芳菲(2005)的方法，直接从国债价格数据中估计Nelson-Siegel模型的参数，不过需要用到非线性拟合技术中的高斯牛顿法。针对高斯牛顿法最优化非线性目标函数时对迭代初值要求比较高的问题，本文提出了一种计算Nelson-Siegel模型参数初值的方法，有助于提高拟合较长时期的历史利率期限结构的速度和效率，促进拟合过程收敛。在估计历史利率期限结构过程中，我们固定Nelson-Siegel模型的第四个参数λ，并用实际数据说明固定λ不会对整体拟合效果产生较大的影响。固定λ可以避免由于Nelson-Siegel模型的水平、斜率和曲率参数对λ值高度敏感而使估计得到的水平、斜率和曲率参数变化剧烈，变化比较平稳的参数序列才能进行下一步的预测研究，而且减少了一个参数也可以减少预测的工作量。本文还解释了Nelson-Siegel模型这三个参数的经济意义。在预测效果方面，本文分别比较了Nelson-Siegel模型的水平、斜率和曲率三个参数服从随机游走模型、AR(1)模型、VAR(1)模型和ARI(1，1)模型的预测效果，相对于陈芳菲(2005)而言我们比较了更多的模型，认为参数序列明显的趋势背后有其它信息没有被发掘，这些被趋势特征掩盖下的其它信息会有助于提高预测精度，本文的结果证明了这一点。结果显示三个参数的AR(1)模型预测效果均优于随机游走模型，三参数的VAR(1)模型又都优于AR(1)模型，斜率参数和曲率参数的ARI(1，1)模型优于VAR(1)模型，所以我们建议对Nelson-Siegel模型的水平参数建立VAR(1)模型，对斜率和曲率参数建立ARI(1，1)模型。
本文通过预测Nelson-Siegel模型的参数间接实现利率期限结构的预测，进而实现国债价格预测的最终目标，示例日期的价格预测误差表明相对于实际拟合效果而言，预测效果还是不错的，其中1天预测效果最好，90天的其次，说明我们可以用本文的方法和预测模型进行利率期限结构和国债价格的短期预测和长期预测。