论文部分内容阅读
许多行业都受所谓的“天气风险”的影响,其表现为未来的现金流因天气的波动或气候的改变而产生的不确定性。例如,一个预期之外的暖冬会降低居民的取暖需求从而引起能源公司的冬季供暖利润的下降。而一个伴随着凛冽风雪的罕见严冬会显著增加市政支出的除雪花费。越来越多的行业意识到它们需要使其商业收入远离天气波动的影响,对冲“天气风险”这一理念正变得越来越重要。而实现这一目的的金融工具就是天气衍生品。对于衍生品来说,合理地对其进行定价是十分重要的。但天气衍生品不同于传统的标准金融衍生工具,无法使用例如Black-Scholes模型的无套利模型进行定价,而需要对基础资产建立数学模型。
本文采用了一种时间序列模型对巴黎日平均气温进行了建模和预测,并且结果证明此模型对于天气衍生品定价有着重要的意义。此模型成功地捕捉了巴黎日平均气温中所观察到的趋势分量、季节性分量及周期性分量。研究还揭示了相比前人对于美国城市气温的天气风险的研究,内含在巴黎气温中的天气风险相对较小。同时,本文模型可以较容易的产生对长期温度概率分布密度的估计,而这是定价温度衍生品至关重要的一环。最后本文利用提出的气温模型预测了一个HDD看跌期权的回报的条件期望和条件密度分布,作为将本文模型运用于天气衍生品定价的一个初步尝试。
本文采用了一种时间序列模型对巴黎日平均气温进行了建模和预测,并且结果证明此模型对于天气衍生品定价有着重要的意义。此模型成功地捕捉了巴黎日平均气温中所观察到的趋势分量、季节性分量及周期性分量。研究还揭示了相比前人对于美国城市气温的天气风险的研究,内含在巴黎气温中的天气风险相对较小。同时,本文模型可以较容易的产生对长期温度概率分布密度的估计,而这是定价温度衍生品至关重要的一环。最后本文利用提出的气温模型预测了一个HDD看跌期权的回报的条件期望和条件密度分布,作为将本文模型运用于天气衍生品定价的一个初步尝试。