国债利率期限结构研究文献综述

本文从国债收益率曲线的特征、拟合与预测方法以及国债利率期限结构的影响因素三个方面,分析和梳理近年来我国关于国债利率期限结构的研究文献。总结现有研究结论之后,本文对未来关于我国国债利率期限结构的研究进行展望,认为可以从突破创新拟合与预测方法以及丰富流动性管理工具对我国国债利率期限结构的研究两方面入手来弥补现有研究的不足,以完善相关领域的研究。     

利率期限结构:理论、模型和实证

本文简要阐述了利率期限结构理论,并分析比较了均衡模型与无套利机会模型、单因子模型和多因子模型的主要特征,最后,利用银行间国债市场1周、2周和4周国债回购利率进行回归得到三个瓦西塞克随机利率期限结构模型,指出了完善中国国债市场的思路。     

国债供求因素对利率期限结构的影响——基于中国数据的研究

近年来,在欧美国家实施非常规货币政策与政府高赤字债务危机的双重背景下,国债供求因素对利率期限结构的影响问题引起理论界的广泛关注。本文利用中国银行间国债市场数据对含有国债供求因素的优先偏好利率期限结构模型进行实证检验,结果显示,我国国债利率期限结构对国债供给的变化并不敏感;而反映国债需求的变量不仅与各关键期限国债利率明显负相关,而且对利率期限结构的水平因子、斜率因子和曲度因子也有一定程度的负向影响。     

基于CIR模型的银行间国债市场利率期限结构解析

随着债券市场的不断发展和利率市场化改革,我国要形成具有代表性的市场基准利率是关键所在。而目前我国对这方面的研究比较欠缺,因此本文将利用国外成熟的动态利率期限结构模型(CIR模型)来研究我国银行间国债市场的利率期限结构。本文采用极大似然估计法,并通过Matlab优化工具箱以及合成数据模型,利用银行间国债市场数据对CIR模型进行了参数估计。在此基础上,通过Matlab程序拟合得出我国银行间国债市场的利率期限结构,最后将其应用到我国银行间固定利率国债定价上。     

宏观经济变量预测利率期限结构变动的探讨

本文实证分析了1999年1月至2008年2月上交所国债市场利率期限结构的变动.发现前期利率期限结构所隐含的信息无法对未来3个月利率期限结构的变动做出有效预测,在加入宏观经济变量后,对利率变动的解释度显著增强.消费者物价指数和狭义货币供应量具有明显的预测能力,而工业增加值则不具有预测能力,表明国债市场受实际产出的影响较小.     

基于单因子利率期限结构模型的中国银行间短期利率行为的实证研究

文章采用高斯估计方法,使用中国银行间债券市场国债短期利率数据,对单因子连续时间利率期限结构模型进行了参数估计,实证结果显示我国银行间国债市场的短期利率具有均值恢复特性。和其它模型相比,BS模型在数据拟合方面表现较好。     

随机利率的三因子模型及其参数估计

本文在分析利率期限结构模型的基础上,将影响短期利率行为特征的均值回复、随机波动和跳跃因素同时考虑到利率期限结构模型的构建中,建立了三因子模型.并且对模型参敷进行了有效矩估计,比较几个同类模型,结果表明三因子模型对我国国债回购利率具有较好的拟合能力.     

中国银行间国债市场利率期限结构实证分析——基于Nelson-Siegel模型

利用粒子群算法,以2007年1月—2009年12月中国银行间国债市场的日交易数据模拟Nelson-Siegel模型,通过构建参数β1和β2的AR(2)模型对利率期限结构进行预测,样本内的预测结果比较理想,但样本外的预测绩效不佳。     

中国银行间国债市场利率期限结构实证分析——基于Nelson Siegel模型

利用粒子群算法,以2007年1月—2009年12月中国银行间国债市场的日交易数据模拟Nelson Siegel模型,通过构建参数β1和β2的AR(2)模型对利率期限结构进行预测,样本内的预测结果比较理想,但样本外的预测绩效不佳。     

中国利率期限结构实证研究——基于Nelsen-Siegel-Svensson扩展模型方法的研究

利率期限结构是资产定价、金融产品设计、风险管理及套期保值的基础。本文运用Nelsen-Siegel-Svensson扩展模型,以2016年1月27日上海证券交易所的国债收盘价数据为准,实现了实证分析,并取得了较好的预期效果:一是发现NSS模型能够兼顾国债市场短期、中期、长期利率的基本变化趋势;二是运用NSS模型拟合的利率期限结构对债券定价精确性高,可作为金融产品定价的基准工具。     

利率期限结构实证分析

本文首先介绍了利率期限结构的相关理论;再利用bloomberg.com上获得的六月四日美国国债数据计算出国债利率期限结构,并将该期限结构与国内的利率期限结构作对比。     

利率期限结构实证分析

本文首先介绍了利率期限结构的相关理论;再利用bloomberg.com上获得的六月四日美国国债数据计算出国债利率期限结构,并将该期限结构与国内的利率期限结构作对比。     

基于灰色LM-BP神经网络对第三产业综合指数的预测

第三产业发展趋势的预测对于国家或地方政府制定宏观政策有着重要的意义。为更加准确地进行第三产业的预测,从多角度选取指标,利用信息墒理论合成综合指标,建立灰色LM-BP神经网络对其进行预测,实证分析灰色LM-BP神经网络比单一的灰色预测模型和传统BP神经网络预测模型拟合和预测能力要好,说明了模型适应成都第三产业发展趋势的预测。     

利率下降对我国国债收益率的影响

本文运用事件分析法,以2014年11月22日央行降息为契机分析货币政策工具中的利率的变动对国债收益率的影响,根据利率变动所引起的风险结构和期限结构,得出不同到期期限的国债具有不同的收益率,通常情况下是到期期限越长收益率越高,这是对风险的补偿,但是也会存在一些翻转的收益率曲线,即到期期限越长,收益率越低;到期期限越短,收益率越高。     

组合预测模型在股指短期预测中的应用——以上证综合指数为例的实证分析

本文分析了自回归移动平均模型(ARIMA)与BP神经网络模型在预测方面的特性和模型各自的优缺点,在此基础上尝试建立了ARIMA和BP神经网络的股指组合预测模型。ARIMA与BP神经网络组合使用的基本原理是股指时间序列数据可分解为线性部分和非线性残差部分。本文以上证综合指数为例,首先采用ARIMA预测上证综合指数的线性变化趋势,然后采用BP神经网络对上证综合指数的非线性趋势进行拟合,最后整合两种模型的预测结果。仿真结果表明:组合模型提高了对上证综合指数的预测精度,证实了组合模型在股指预测方面的有效性。     

RFID技术发展趋势预测研究

针对射频信号自动识别(RFID)技术发展受多种因素影响,变化趋势复杂,难以通过建立准确的数学模型进行预测的问题,本文提出了灰色动态模型对射频信号自动识别(RFID)技术发展趋势进行预测,在此基础上构造了灰色神经网络组合预测模型。该模型避免了变权组合预测模型的主观与繁琐,能有效地将灰色预测弱化数据序列波动性的优点和神经网络较强的非线性适应能力相融合。算例结果表明该方法的可行性和有效性,预测精度也得到了改善。     

基于灰色BP神经网络的企业财务风险预警研究——以H公司为例

企业在整个生产经营过程中不可避免地会面临财务风险，风险的准确预警能够帮助企业提前做好防范措施，降低风险的影响。为了提高企业财务风险预警的准确性，本文提出了一种基于灰色预测与BP神经网络的组合预测模型，能够互补并发挥两者各自的优点。以H公司2014年-2021年的财务报表数据为样本，构建灰色BP神经网络组合模型，并进行实例验证分析。结果表明：相较于单一的灰色模型，组合模型的平均相对误差更小，也即预测准确性更高。     

世界新船订单趋势预测的组合模型应用分析

本文利用趋势移动平均法、灰色系统的GM(1,1)方法和BP神经网络方法的组合模型进行了新船订单趋势的预测。预测结果的对比发现,组合模型能够比单一模型得到更准确的趋势预测结果。     

组合预测模型在短时交通流预测中的应用研究

根据智能交通诱导和信号控制的需要,短时交通流预测应具备实时性、准确性和可靠性,应用单项预测模型已不能满足当前交通流预测的要求,借此提出了以时间序列法、非参数回归法和RBF神经网络预测法为基础的定权系数和变权系数组合模型进行短时交通流预测,实例应用表明组合预测模型较单项预测方法预测精度有显著的提高。     

利率期限结构可以预测中国经济变化趋势吗?

利率期限结构包含很多宏观经济信息。本文通过分析发现,银行间市场不同长短期利差结构对宏观经济景气一致指数的预测能力不同。2年期国债利率与同业拆借1天的利差对一致指数解释力度较强,预测期为10个月。且一致指数与利差呈负相关关系,利差越大,未来10个月的一致指数越小。