中国银行间同业拆借利率(CHIBOR)是我国货币市场上最早市场化的利率。本文选择隔夜同 业拆借利率为研究对象并建立了ARIMA 及GARCH 模型,比较了这两种模型的预测能力,确定了适合我国 同业拆借市场的利率预测模型。本文的研究结果不仅可以帮助金融机构对自己的金融产品合理定价、适时 调整资产负债结构、防范风险,更可以帮助中央银行及早采取措施引导市场利率走向,达到既定货币政策 目标。
理论研究
《南方金融》2005年第1期
过去的资料,所构成的一期预测变异变数,也称为条件变异数(Conditional Variance),条件变异数的设定,如(2)式所示,是一个由三个部分所组成的函数。
过去波动的信息是由(1)式的残差平方项来衡量:(ARCH (GARCH 方程)。高阶次的GARCH模型,我们一般定义为GARCH(p,q),p、q为大于1的整数,其设定如下;
(4)
ARIMA(0,1,1)ARIMA(1,1,0)ARIMA(1,1,1)ARIMA(1,1,2)ARIMA(1,1,3)ARIMA(2,1,1)ARIMA(2,1,2)
1029.8541137.0811031.7281033.7271035.6631033.7191035.64
1039.591146.8171046.3321053.1991060.0031053.1911059.979
根据最小AIC准则及最小SBC准则判断,发现最佳配适模型为ARMA(0,1,1)。
接着,配适最优的ARIMA模型,配适结果如下表:
表2 隔夜同业拆借利率最优ARIMA模型配适结果
ARIMA(0,1,1)
ParameterMUMA1,1
系数
标准差0.00480520.02479
t值
P值0.0370<0.0001
其中,p为GARCH 条件的阶次,q为ARCH 条件的阶次。使用Bollerslev及Wooldridge(1992)所提出的方法去计算最大概似共变数及标准差,并估计参数。其中,最佳GARCH 条件的阶次p,ARCH条件的阶次q,是根据AIC准则或SBC准则来决定其阶次的。(三)预测模型的比较。
采用偏误系数作为比较基准,运用逐日预测的方法,计算出逐日个别的预测值及其95%的置信区间,并与同业拆借利率的真实值作比较,来确定较好的模型设定。选择的准则可以用预测区间的大小作判断,也可以用误差函数作判断,有四种误差函数,越小表示模型配适度越好,假设率配适误差,则:
1期的拆借利
-
0.01004
-
2.09
0.6399125.82
ARIMA Estimates
Period(s)of DifferencingStandard DeviationConstant EstimateStd Error Estimate
10.491526
Mean of Working SeriesNumber of ObservationsVariance Estimate
9610.170621
-
0.01004
0.413064
因此,相应的ARIMA预测模型是:
(均值误差)(绝对均值误差)
2、GARCH模型估计。
按照Granger、White和Kamstra(1989)提出的方法,在条件平均方程已知的条件下,配适隔夜同业拆借利率的GARCH模型,得到以下结果:
(单根误差)
(均值绝对百分误差)
表3 隔夜同业拆借利率GARCH模型比较
GARCH(P,Q)GARCH(1,1)GARCH(1,2)
AIC
SBC
-
32.092671
-
2.8848247
45.2860854355.55785631.7853708
74.4939318394.50165165.861191735.8200983264.007566
三、实证分析过程(一)模型的确立。
隔夜的同业拆借利率从1996年7月2日到2003年12月31日共962笔资料,以前862笔资料作为建立预测模型的资料,后100笔资料用来作为比较模型预测能力的基准。
1、ARIMA模型估计。
通过建立Box & Jenkins时间序列模型的四个步骤,配适隔夜同业拆借利率ARIMA最优的模型。
GARCH(1,3)GARCH(2,1)GARCH(2,2)GARCH(2,3)
-
3.123697
225.063771
其中只有GARCH(1,3)和GARCH(2,3)的参数全显著,而GARCH(2,3)的AIC和SBC都较小,所以选择GARCH(2,3)。
表4 隔夜同业拆借利率最优GARCH模型配适结果
GARCH(2,3)
Variable
系数0.0844
标准差0.0046190.0017930.0157
t值18.28
P值<0.0001<0.0001<0.0001
InterceptLilvAr1
表1 隔夜同业拆借利率的ARIMA模型比较
ARIMA(p,i,q)
AIC
SBC
-
0.0440
-
24.51
0.523333.25
24
, 2008 =统计应用研究> 中国银行间同业拆借市场利率波动模型研究曹志鹏 , 韩保林 1 2 ( 1. 西安交通大学 经济与金融学 院, 陕西 西安 710061; 2. 交通银行...
中国银行问同业拆借市场利率波动模型研究 利用中国银行间同业拆借市场1996年12月29日至2008年5月30日全部拆借品种每周加权平均利率,对正态分布、t分布和GED分布下...
我国银行间同业拆借利率的时间序列预测模型我国银行间同业拆借利率的时间序列预测模型隐藏>> !"#"$ ’(?? B4COP3OQ8C128 !""# !" $ # %" %&’ #& ...
中国银行间同业拆借利率预测模型研究 金融学, 2010, 硕士 【摘要】 利率作为资金的价格,是金融市场中最重要的变量之一,利 率问题也是金融市场中最基础,最核心的...
第26 卷 12 期第 2007 年 12 月 工业技术经济 基于 VaR 模型的银行同业...统一的银行同业拆借市场 格局 , 生成了全国统一的中国银行间同业拆借利率 ( ...
本文 着重研究和讨论我国银行间同业拆借利率与我国 PP I指数之间的关系 , 利用我国银行间同业拆借利率 ,采用计量经济模型预测我国 PP I指数走 势 ,为我国后...
中国银行间同业拆借利率(chiIlainterb柚k 章很多,...模型及其检验 方法 2.1利率期限结构的预期模型 利率...长短期利差不再能作为未来利率变动的较 好预测.从...
VaR 方法可以有效地预测同业拆借利率风险 , 并且 7 天拆借模型的预 测能力优于隔夜拆借模型 ; 我国同业拆借市场的利率风险很高 , 商业银行利率风险管理水平较低...
VaR模型对上海银行间同业拆借利率市场的应用研究_金融/投资_经管营销_专业资料...2 因此, 实证分析表明 EGARCH ( 1, )—GED 模型能较 好刻画并预测 SHIBOR ...
,2010 【统计应用研究】 Elman 神经网络在银行间同业拆借利率分析中的应用王军生... 并以上证指数和基金裕 阳为对象进行建模与预测[ 3 ] ; 禹建丽 、 孙增圻...
热门文档