Volume 2,Issue 9
Fall 2024
利率市场中随机过程模型风险因子探究
随利率市场不断发展，随机过程模型由于其随机性、波动性，在利率市场中应用广泛。由于模型提出时的时代局限性，最初模型并未考虑过多风险因子，使模型拟合程度较低。但随时代的发展，模型所考虑的风险因子在不断增加，使模型拟合程度和预测能力不断提高。为探究影响随机过程模型受风险因子的影响程度，本文先通过理论分析纵向对比不同模型间的差异及拟合优劣程度后选取部分模型进行实证分析，在实证分析中探究风险因子的实际影响及；再通过引入GARCH模型探究其对风险因子的处理方式进行对比，得到随机过程模型风险因子处理方式；最后从宏微观方面分析风险因子及传导路径，探究随机过程模型优化拟合度的可能性，为进一步研究风险因子链式传导机制提供参考。
[1]刘豫杭. 基于Vasicek过程的CDS定价模型研究[D].东华大学,2024.DOI:10.27012/d.cnki.gdhuu.2023.001174.
[2]唐恩林.我国货币市场利率行为的实证分析-基于CIR和CKls模型[J].安庆师范学院学报(自然科学版),2015,21(02):22-25.
[3]刘一楠,宋晓玲. 不确定性、风险异质与“利率-汇率”随机动态均衡:理论与实证 [J]. 世界经济研究, 2016, (12): 25-35+132. DOI:10.13516/j.cnki.wes.2016.12.004
[4]陈莹莹.不同货币市场利率时变传导效应的比较研究[J/OL].价格理论与实践,1-7.2024.https://doi.org/10.19851/j.cnki.CN11-1010/F.2024.04.235.
[5]米辉,狄文荣,林金官.考虑Vasicek利率和相依风险的最优投资与再保险[J].应用概率统计,2023,39(02):239-258.
[6]向海凌,林钰璇,王浩楠.利率市场化改革与企业绿色转型——基于上市企业年报文本大数据识别的经验证据[J].金融经济学研究,2023,38(04):55-73.
[7]李晶晶,杨宝臣.一种HJM框架下的利率风险免疫的新方法[J].管理工程学报,2016,30(02):195-201.DOI:10.13587/j.cnki.jieem.2016.02.024.
[8]Chiara Sabelli;Michele Pioppi;Luca Sitzia;Giacomo Bormetti.Multi-curve HJM modelling for risk management[J].Quantitative Finance.Volume 18,Issue 4.2018.PP563-590.
[9]Chuangwei Lin;Li Zeng.Mean-variance Portfolio Selection Problem with Vasicek Stochastic Interest Rates.Proceedings of 2018 3rd International Conference on Society Science and Economics Development(ICSSED 2018).
[10]Fred Espen Benth;Nils Detering;Silvia Lavagnini.Accuracy of deep learning in calibrating HJM forward curves[J].Digital Finance. Volume 3,Issue 3-4.2021.PP1-40.