Models of the Short Interest Rate in Discrete Processes

The modeling of the term structure of interest rates is one of primary topics for researches in financial economics. Here we consider models of the short interest rate in discrete processes. Our methodology of analysis follows the framework of discrete stochastic calculus.

融合兴趣主题矩阵和主题生命树的社交用户长短兴趣挖掘

[目的/意义]针对当前社交用户兴趣挖掘效果不理想,且缺乏对兴趣类型特征的深入研究,提出一种新的长短兴趣挖掘方法。[方法/过程]首先引入兴趣价值参数作为先验知识对Labeled LDA主题模型进行改进,依据改进的主题模型挖掘不同时间窗口的兴趣主题,构建兴趣主题矩阵。然后基于用户兴趣的变化规律构建主题生命树,挖掘用户兴趣的生命特征和潜在关联,将用户兴趣划分为长期兴趣、短期兴趣和过期兴趣。最后依据兴趣主题的强度和波动幅度量化用户不同类型兴趣的权重,实现对用户兴趣的准确表示。[结果/结论]实验采用从新浪微博爬取的真实数据作为训练集和测试集,与已有的兴趣挖掘方法进行比较,结果发现长短兴趣挖掘方法在F1值和MRR值上最高分别提升了7.68%和7.41%。[局限]仅利用微博文本信息对方法进行验证,缺乏对跨平台信息的深入探讨。

序列稀疏自回归方法及其在美股做空数据分析上的应用

采用序列稀疏回归的思路来处理向量自回归模型,并设计适用于大规模时间序列数据分析的序列稀疏自回归方法。研究表明:从因子角度刻画向量自回归模型可以有效地将稀疏矩阵估计问题分解成稀疏奇异向量的估计问题,从而极大地提高了计算效率。以1523家美股上市公司1973年1月—2014年12月的做空数据为例,利用此方法探索公司之间的大规模做空关联网络。研究发现:此方法可以有效地恢复股票做空份额(即某一公司的空头股份数量)与股票收益率之间隐藏的关联网络,对于股票风险溢价研究具有一定启发意义。

基于微博短文本的用户兴趣建模方法

针对微博用户兴趣建模问题,提出一种在微博短文本数据集上建立用户兴趣模型的方法。为缓解短文本造成的数据稀疏性问题,在分析微博短文本结构和内容的基础上,给出微博短文本重构概念,根据微博相关的其他微博短文本和文本中包含的3种特殊符号,进行文本内容的扩展,从而扩充原始微博的特征信息。利用HowNet2000概念词典将重构后文本的特征词集映射到概念集。以抽象到概念层的文本向量为基础进行聚类,划分用户的兴趣集合,并给出用户兴趣模型的表示机制。实验结果表明,短文本重构和概念映射提高了聚类效果,与基于协同过滤的微博用户兴趣建模方法相比,平衡均值提高29.1%,表明构建的微博用户兴趣模型具有较好的性能。

随机波动率Hull-White模型参数估计方法

构建随机波动率的两因子模型,应用两阶段半参数方法估计模型中的常系数参数,使用核估计方法估计长期均值函数,给出了两阶段估计方法的相容性和参数的渐近性性质.实证结果表明了对比常系数模型,引入长期均值函数模型将会改善似然函数估计值,而且也能够很好地解释中央银行和政府已实施政策的有效性.此外,可以在不增加维数的条件下,使用该模型对利率衍生品进行更有效地定价.

MN-HDRM:长短兴趣多神经网络混合动态推荐模型

动态推荐系统通过学习动态变化的兴趣特征来考虑推荐系统中的动态因素,实现推荐任务随着时间变化而实时更新.该文提出一种携带历史元素的循环神经网络(Recurrent Neural Networks,简称RNN)推荐模型负责用户短期动态兴趣建模,而利用基于前馈神经网络(Feedforward Neural Networks,简称FNN)的推荐模型对用户长期兴趣建模.通过两种神经网络的融合,该文构建了一个兼顾用户短期动态兴趣和稳定长期兴趣的多神经网络混合动态推荐模型(Hybrid Dynamic Recommendation Model based on Multiple Neural Networks,简称MN-HDRM).实验结果表明相对于目前比较流行的多种动态推荐算法:TimeSVD++、基于HMM(Hidden Markov Model)的推荐模型、基于RNN(Recurrent Neural Networks)的推荐模型、基于LSTM(Long Short-Term Memory)的推荐模型和STG(Session-based Temporal Graph)推荐模型,MN-HDRM在精确率、召回率和平均倒数排名等多项评价指标上展现出更加优越的性能.

随机利率下B-S模型基于非参数估计的期权保险精算定价

引入服从Hull-White模型的随机利率,讨论了广义B-S模型欧式期权的保险精算定价问题.利用标的资产价格过程的实际概率测度和公平保费原理,得到了在期权有效期内有无红利支付两种情况下,欧式期权的保险精算定价公式.考虑到期权的保险定价问题依赖于未知的模型参数——标的资产价格的波动率、随机利率过程的漂移参数和波动率参数,利用资产价格和随机利率的观测数据,给出了基于模型参数估计的保险精算定价公式,并讨论了所得定价公式的相合性.

人民币短期利率行为研究方法的一个改进——双指数Jump-GARCH-Vasicek模型的构建与应用

受货币政策调控频率提升及大型新股申购等因素的影响,近年来人民币短期利率表现出明显的跳跃行为。为了更准确地描述利率跳跃行为,本文通过假设跳跃幅度服从双指数分布构建一个能刻画短期利率波动聚类、均值回复和跳跃行为的双指数Jump-GARCH-Vasicek模型。利用人民币短期利率数据,将双指数JumpGARCH-Vasicek模型与Vasicek模型、GARCH-Vasicek模型、正态Jump-Vasicek模型、双指数Jump-Vasicek模型、正态Jump-GARCH-Vasicek模型进行实证对比分析。研究结果表明,人民币短期利率确实存在GARCH效应、均值回复和跳跃行为,且双指数Jump-GARCH-Vasicek模型较其它模型能更好地刻画人民币短期利率的跳跃行为。

短期利率与长期利率的关系之谜:国际表现与中国实证

本文运用VAR模型考察了以央票利率为代表的短期利率与10年期国债利率之间的关系。实证分析表明,与CPI及市场资金面因素对长期利率的影响程度相比,短期央票利率对长期国债利率缺乏有效的影响。这意味着要建立以利率为核心传导机制的货币政策框架,还需要进一步完善短期利率向长期利率的传导机制,以增强长期利率对货币政策操作的反应。

经济政策不确定性与短期利率波动——基于BHK-L-MIDAS模型的实证研究

本文在BHK模型的基础上,考虑短期利率波动杠杆效应和EPU对短期利率波动的影响,构建了一个包含杠杆效应和EPU的混频短期利率模型,即BHK-L-MIDAS模型对短期利率波动进行建模与预测。采用上海银行间同业拆借利率(SHIBOR)和中国EPU指数数据对构建的BHK-L-MIDAS模型进行实证分析,结果表明:短期利率波动存在“反向杠杆效应”;EPU对短期利率波动具有显著负向的影响;BHK-L-MIDAS模型相较于竞争模型(BHK和BHK-MIDAS模型)获得了更好的样本内数据拟合效果。基于三种损失函数以及模型置信集(MCS)检验对模型样本外短期利率波动预测能力的分析表明:BHK-L-MIDAS模型相比BHK模型和BHK-MIDAS模型具有更高的样本外预测精度,且BHK-L-MIDAS模型在不同预测窗口表现出的预测能力具有稳健性。最后,VaR分析表明BHK-L-MIDAS模型在短期利率市场风险度量方面的经济价值。

基于有效矩估计的中国短期利率实证研究

同时考虑利率的随机波动、长期均值变化和跳跃行为,本文构建了一个一般化短期利率的三因子跳跃扩散模型。以银行间债券市场7天回购利率的周度数据为研究对象,使用有效矩估计方法,对三因子跳跃扩散模型的四种不同形式进行实证分析与比较。实证结果表明随机波动和跳跃行为是短期利率变化的重要特征,长期均值变化对描述利率动态过程无明显改进。同时研究发现中国短期利率的跳跃行为较之美国过于频繁,这说明了中国利率市场的不成熟性。

Lévy过程驱动下的反射Cox-Ingersoll-Ross利率模型的平稳性（英文）

布朗运动与正态分布已被广泛应用在Cox-Ingersoll-Ross利率框架的瞬时动态利率模型中,然而,实证研究表明,利率的回报率分布比正常分布有一个更高的峰值和两个更胖的尾部.同时,当罕见的灾难性的冲击发生或在经济和金融的体制发生转变,货币市场可能会出现跳.在本文中,我们将考虑一类带Levy噪声的反射Cox-Ingersoll-Ross利率模型.此外,我们得出了这种带跳的反射扩散过程平稳分布的拉普拉斯变换.

短期利率对中国股市的非对称影响

本文应用马尔科夫状态转换模型将中国股票市场划分为牛市、震荡市与熊市三种市场状态,并发现在熊市状态下,短期利率波动对股票收益并没有显著性影响,而在牛市与震荡市中则有显著的负向影响。此外,短期利率波动与股票市场风险不存在显著性的相关关系。本文结论对于分析宏观因素对股票市场的影响具有重要意义,从一个新的角度阐述了利率变动与股市震荡之间存在的非线性关系。

基于主题模型分析与用户长短兴趣的活动推荐

针对活动社交网络中如何为用户进行个性化活动推荐的问题,结合LDA主题模型分析,提出了一种结合用户长短期兴趣建模的活动推荐方法.算法引入了时间函数与行为权重,根据用户的历史行为记录,分别计算用户的长短兴趣模型,然后采用长兴趣模型匹配活动类别,选取高匹配度的前三类活动后,再利用短兴趣模型对所匹配活动类别中的活动进一步筛选,得到每类活动与用户短兴趣模型匹配度较高的K个活动,最后汇总排序后选取相似值较高的K个活动形成推荐结果.爬取了豆瓣活动网站的实际数据进行实验,结果验证了该算法的有效性和高效性.

随机死亡率和随机利率模型下的权益指数年金定价研究

权益指数年金是一种介于固定年金和变额年金之间的混合年金,它有最小保证利率,能够实现保险的保障和投资增值的双重功能。基于短期利率的两因子Vasicek模型和死亡力带跳的Feller过程模型,采用简单点对点的方法,给出了权益指数年金价格的解析表示。

基于SVAR的常备借贷便利工具对短期利率影响研究

为了应对“金融海啸”对我国货币市场的冲击,央行于2013年创立了一种新型短期货币政策工具——常备借贷便利工具,并以此来作为利率走廊的上限,达到稳定市场利率目的。在此背景下,论文运用SVAR模型来检验常备借贷便利工具对短期市场利率是否具有稳定作用。结果表明:实行常备借贷便利工具以来,我国短期市场利率水平明显降低。作为短期货币政策工具的一种,常备借贷便利工具的实施对我国探索建立利率走廊机制具有重要的现实价值。

基于ARIMA-GARCH模型对上海银行间隔夜拆放利率的实证分析

通过以上海银行间隔夜拆放利率为研究对象,选取2015年1月4日至2015年12月28日的数据作为样本数据,通过Eviews软件分别建立ARMA模型和ARMA-GARCH模型对2015年12月29日至2015年12月31日的上海银行间隔夜拆放利率进行分析,以期望为金融产品的定价和投资套利提供参考。研究结果表明:ARIMA(2,2,1)-GARCH(1,0)-GED模型相较于ARIMA(2,2,1)模型很好地消除了ARCH效应,并且能够更好地对上海银行间隔夜拆放利率作出短期预测。

基于双指数跳扩散的三叉树利率模型

运用三叉树模型研究了利率服从双指数跳扩散过程,推广了NR(1990)的变换方法.在双指数跳扩散模型的基础上给出了跳点的概率和任意时刻的利率值,推广了Beliaeva(2011)的结果.通过数值计算得到随机利率比常利率下期权的价值要低并且利率的波动率越大,对期权价值的影响越大.

基于均衡-GARCH模型的SHIBOR短期利率仿真研究

利率期限结构反映不同期限的资金供求关系,揭示市场利率的总体水平和变化方向,是投资者从事债券投资和政府有关部门加强债券管理的依据。通过建立均衡-GARCH动态利率模型,利用极大似然估计方法估计出模型的参数,并对SHIBOR短期利率进行了仿真,验证了模型的有效性。

BDT模型的扩展及应用研究

本文通过引入转移概率参数,证明了短期利率满足的一般动态变化方程,建立了离散形式的利率期限结构模型,讨论求解方法,从而拓展了BDT模型。同时,探讨了模型的理论应用,给出了息票国债与基于息票国债的欧式期权定价公式。最后,对BDT数例进行了校正,并针对息票国债,提出了一种新的定价方法,且进行了实证研究。