论文部分内容阅读
利率是金融市场上的重要变量。首先，利率反映的是金融市场上的资金价格。贷款人是资金的供给者，借款人是资金的需求者，从贷款人的角度来看，利息是贷款人因为让出资金的使用权而获得的回报。从借款人的角度来看，利息是因获得资金的使用权而支付的代价，即使用资金的成本。如果将资金看成是一种商品，那么利率可以反映货币市场上资金的供求关系。其次，根据资本资产定价模型(CAPM)，风险资产的期望收益是无风险收益率（即无风险利率）加上风险溢价。因此利率是风险资产（比如债券、利率金融衍生品等）的定价基础。金融资产组合的收益风险主要是来自于短期利率变动的不确定性，因此对短期利率动态变化特征进行研究，进而对其变动的整体水平加以准确估计，可以让投资者在进行资产配置时形成准确的预期，从而降低投资风险。最后，利率是中央银行实施货币政策是的主要中介目标。三种主要货币政策工具（再贴现率、存款准备金率和公开市场业务）都是通过影响短期利率，进而影响储蓄、投资和消费，最终实现对宏观经济的调控。对短期利率动态特征的准确刻画，将有助于中央银行制定、实施准确而且及时有效的货币政策。因此，鉴于利率的重要性，其动态变化特征一直金融领域研究的热点问题。
我国的利率市场化进程正在不断推进，随着央行不断增加金融机构存款利率浮动上限，使得市场因素对利率水平的影响进一步增强，表明我国利率市场化进程已经到了临门一脚的阶段。随着央行在今年上半年推出存款保险制度，那么利率市场化的所有条件都已经成熟。随着利率市场化的完成，利率将不再由中国人民银行制定，而是由金融市场上资金供求关系所决定。以SHIBOR为代表的市场基准利率将不断完善和发展，将逐渐能够真实反映出市场参与者对于利率水平的预期。因此，对利率动态变化特征进行研究，对我国短期利率整体水平进行预测具有非常重要的理论和实际意义。
随着金融计量方法和技术的进步，利率动态模型的研究取得了不少成果。用于研究利率动态变化特征的模型已经从最开始的传统的线性模型发展为了非线性模型。国内学者对我国短期利率的研究也取得长足的进步，现有的研究已经证明短期利率的动态变化具有明显的非线性特征，许多文献都采取了不同的非线性时间序列模型来捕获利率动态变化的非线性特征。例如，刘金全和郑挺国(2006)在CKLS模型中引入马尔科夫(Markov)机制转移;潘婉彬、陶利斌和缪柏其(2008)在CKLS模型的漂移项中考虑门限作用，对利率动态模型中漂移项的非线性进行建模。Dueker et al(2007)将STAR模型用于美国三月期国债利率时间序列的研究，并且同时还在传统STAR模型（包括ESTAR模型和LSTAR模型）的基础上，提出了一个新的STAR模型——同时期平滑转移自回归模型(contemporaneous smooth transition auto regression，CSTAR)。研究结果表明，美国短期利率时间序列具有明显的非线性特征。几种STAR模型都能够较好的拟合利率的时间序列样本，并且CSTAR模型还有很好的样本外预测能力。然而国内用STAR模型来研究短期利率的非线性特征的文献还相对较少。因此本文将尝试用STAR模型来研究我国短期利率的动态变化特征，选取上海银行间同业拆放利率中的隔夜拆借利率(SHIBOR，O/N)作为我国短期利率的代表，用matlab软件进行编程估计模型参数并进行检验。考察我国短期利率的非线性特征，并比较哪一种STAR模型能够更好的刻画我国短期利率动态变化特征和具有更强的样本外预测能力。
本文主要分为六个章节来进行论述。第一章为绪论部分。这部分将主要介绍本文的选题背景与意义、研究思路及方法、文章结构和内容以及本文的可能创新点。第二章为文献综述部分。这部分全面梳理和总结了与本文研究内容相关的国内外研究成果和相关文献。分别介绍了国内外关于利率动态变化特征的研究;国内外关于STAR模型的研究;并对参考文献进行小结。第三章为研究对象介绍。首先介绍研究对象部分，简单介绍了作为本文研究对象的中国短期利率的现状;论述了将上海银行间同业拆放利率作为我国基准利率进行研究的合理性和科学性;论述了在利率市场化进程不断推进下，对选取对象进行研究的理论和现实意义。第四章为模型介绍部分，分别对传统的STAR模型（LSTAR模型和ESTAR模型）以及扩展的CSRAR模型的基本理论，建模过程，参数估计和检验方法，样本外预测等内容进行了详细的介绍。第五章为实证部分。通过选取上海银行间隔夜拆借利率(SHIBOR，O/N)作为短期利率时间序列的样本，并对选取的样本数据进行说明和处理。运用第四章介绍的STAR模型的建模方法，分别建立STAR模型和CSTAR模型来对样本数据进行拟合，考察样本时间序列存在着显著的非线性特征，并运用模型对短期利率的动态变化特征进行分析。运用所建立的模型，进行样本外多步预测，将各模型预测值和样本外的实际观测值进行比较，通过平均绝对误差(MAE)和MSE（均方根误差）两个指标来考察和比较各模型的样本外预测能力。最终表明CSTAR模型有较好的样本外预测能力。第六章为结论部分，是对全文的总结。
通过运用平滑转换自回归模型(STAR)和同时期平滑转换自回归模型(CSTAR)两种非线性模型分别对样本时间序列进行拟合，并进行样本外预测的实证分析发现，从样本内拟合情况来看:我国短期利率确实存在明显的非线性特征，这与以往学者的研究结论一致。STAR模型和CSTAR模型相对于线性模型，由于前面两个模型的设置都考虑了机制转换，因而能够更好的捕捉利率时间序列的非线性特征和结构变化，而且CSTAR模型要优于STAR模型。再从模型的样本外预测能力来看，通过将三个模型向后预测多步的利率数据与实际观测值作为标准进行对比发现，两个STAR模型的样本外预测能力都比线性模型要好很多，而CSTAR模型由于拟合效果要比LSTAR模型要好，从而CSTAR模型向后预测1到5天的准确率都要分别高于向后预测相同天数的LSTAR模型。因此，针对我国短期利率时间序列，CSTAR模型的样本内拟合效果和样本外预测能力都要优于LSTAR模型。
虽然本文通过研究，取得了一定的有意义的结论，但也存在一定的不足。从研究方法上看，本文的STAR模型和LSTAR模型都只是采用了两机制转换的模型设置，且没有考察加入跳跃因素的STAR模型。由于我国的金融体制改革和利率市场化进程正在不断推进中，各个发展阶段的利率制度改变比较大，再加上外部性、季节性等外生因素的冲击，因而利率时间序列可能会存在跳跃线性，在很多学者的研究中也证实了跳跃性的存在。因此，本文的不足之处就在于没有在STAR模型中同时再加入能够刻画跳跃性变动的过程。这也是导致本文拟合出的模型，在进行样本外预测时，不能够准确预测超出正常变化幅度的极端值。此外，在模型设置时，还可以再考察多机制的STAR模型是否更适合拟合我国的短期利率的非线性变化特征。
我国的利率市场化进程正在不断推进，随着央行不断增加金融机构存款利率浮动上限，使得市场因素对利率水平的影响进一步增强，表明我国利率市场化进程已经到了临门一脚的阶段。随着央行在今年上半年推出存款保险制度，那么利率市场化的所有条件都已经成熟。随着利率市场化的完成，利率将不再由中国人民银行制定，而是由金融市场上资金供求关系所决定。以SHIBOR为代表的市场基准利率将不断完善和发展，将逐渐能够真实反映出市场参与者对于利率水平的预期。因此，对利率动态变化特征进行研究，对我国短期利率整体水平进行预测具有非常重要的理论和实际意义。
随着金融计量方法和技术的进步，利率动态模型的研究取得了不少成果。用于研究利率动态变化特征的模型已经从最开始的传统的线性模型发展为了非线性模型。国内学者对我国短期利率的研究也取得长足的进步，现有的研究已经证明短期利率的动态变化具有明显的非线性特征，许多文献都采取了不同的非线性时间序列模型来捕获利率动态变化的非线性特征。例如，刘金全和郑挺国(2006)在CKLS模型中引入马尔科夫(Markov)机制转移;潘婉彬、陶利斌和缪柏其(2008)在CKLS模型的漂移项中考虑门限作用，对利率动态模型中漂移项的非线性进行建模。Dueker et al(2007)将STAR模型用于美国三月期国债利率时间序列的研究，并且同时还在传统STAR模型（包括ESTAR模型和LSTAR模型）的基础上，提出了一个新的STAR模型——同时期平滑转移自回归模型(contemporaneous smooth transition auto regression，CSTAR)。研究结果表明，美国短期利率时间序列具有明显的非线性特征。几种STAR模型都能够较好的拟合利率的时间序列样本，并且CSTAR模型还有很好的样本外预测能力。然而国内用STAR模型来研究短期利率的非线性特征的文献还相对较少。因此本文将尝试用STAR模型来研究我国短期利率的动态变化特征，选取上海银行间同业拆放利率中的隔夜拆借利率(SHIBOR，O/N)作为我国短期利率的代表，用matlab软件进行编程估计模型参数并进行检验。考察我国短期利率的非线性特征，并比较哪一种STAR模型能够更好的刻画我国短期利率动态变化特征和具有更强的样本外预测能力。
本文主要分为六个章节来进行论述。第一章为绪论部分。这部分将主要介绍本文的选题背景与意义、研究思路及方法、文章结构和内容以及本文的可能创新点。第二章为文献综述部分。这部分全面梳理和总结了与本文研究内容相关的国内外研究成果和相关文献。分别介绍了国内外关于利率动态变化特征的研究;国内外关于STAR模型的研究;并对参考文献进行小结。第三章为研究对象介绍。首先介绍研究对象部分，简单介绍了作为本文研究对象的中国短期利率的现状;论述了将上海银行间同业拆放利率作为我国基准利率进行研究的合理性和科学性;论述了在利率市场化进程不断推进下，对选取对象进行研究的理论和现实意义。第四章为模型介绍部分，分别对传统的STAR模型（LSTAR模型和ESTAR模型）以及扩展的CSRAR模型的基本理论，建模过程，参数估计和检验方法，样本外预测等内容进行了详细的介绍。第五章为实证部分。通过选取上海银行间隔夜拆借利率(SHIBOR，O/N)作为短期利率时间序列的样本，并对选取的样本数据进行说明和处理。运用第四章介绍的STAR模型的建模方法，分别建立STAR模型和CSTAR模型来对样本数据进行拟合，考察样本时间序列存在着显著的非线性特征，并运用模型对短期利率的动态变化特征进行分析。运用所建立的模型，进行样本外多步预测，将各模型预测值和样本外的实际观测值进行比较，通过平均绝对误差(MAE)和MSE（均方根误差）两个指标来考察和比较各模型的样本外预测能力。最终表明CSTAR模型有较好的样本外预测能力。第六章为结论部分，是对全文的总结。
通过运用平滑转换自回归模型(STAR)和同时期平滑转换自回归模型(CSTAR)两种非线性模型分别对样本时间序列进行拟合，并进行样本外预测的实证分析发现，从样本内拟合情况来看:我国短期利率确实存在明显的非线性特征，这与以往学者的研究结论一致。STAR模型和CSTAR模型相对于线性模型，由于前面两个模型的设置都考虑了机制转换，因而能够更好的捕捉利率时间序列的非线性特征和结构变化，而且CSTAR模型要优于STAR模型。再从模型的样本外预测能力来看，通过将三个模型向后预测多步的利率数据与实际观测值作为标准进行对比发现，两个STAR模型的样本外预测能力都比线性模型要好很多，而CSTAR模型由于拟合效果要比LSTAR模型要好，从而CSTAR模型向后预测1到5天的准确率都要分别高于向后预测相同天数的LSTAR模型。因此，针对我国短期利率时间序列，CSTAR模型的样本内拟合效果和样本外预测能力都要优于LSTAR模型。
虽然本文通过研究，取得了一定的有意义的结论，但也存在一定的不足。从研究方法上看，本文的STAR模型和LSTAR模型都只是采用了两机制转换的模型设置，且没有考察加入跳跃因素的STAR模型。由于我国的金融体制改革和利率市场化进程正在不断推进中，各个发展阶段的利率制度改变比较大，再加上外部性、季节性等外生因素的冲击，因而利率时间序列可能会存在跳跃线性，在很多学者的研究中也证实了跳跃性的存在。因此，本文的不足之处就在于没有在STAR模型中同时再加入能够刻画跳跃性变动的过程。这也是导致本文拟合出的模型，在进行样本外预测时，不能够准确预测超出正常变化幅度的极端值。此外，在模型设置时，还可以再考察多机制的STAR模型是否更适合拟合我国的短期利率的非线性变化特征。