摘要
本文以O-U均值回复模型为基础,考虑到我国不同地区的经济发展情况,从北到南依次选取了哈尔滨、北京、郑州、上海和广州五个城市作为气温衍生品发展的试点城市,收集五个城市1951-2017年的日平均温度数据来估计O-U模型的参数,并分析计算了不同气温指数的预测误差,采用蒙特卡罗模拟方法对气温衍生品进行定价。结果表明:O-U模型对气温季节指数的预测精度较好,而且不同月份的月度指数的预测精度偏差较大。
引文
[1]Alaton P,Djehiche B,Stillberger,D.On Modeling and Pricing Weather Derivatives[J].Applied Mathematical Finance,2002,9(1):1-20.
[2]Benth F E,Saltyte Benth J.The Volatility of Temperature and Pricing of Weather Derivatives[J].Quantitative Finance,2007,7(5):553-561.
[3]Zapranis A,Alexandridis A.Weather Derivatives Pricing:Modeling the Seasonal Residual Variance of an Ornstein-Uhlenbeck Temperature Process with Neural Networks[J].Neurocomputing,2009,73(1):37-48.
[4]Cao M,Wei J.Weather Derivatives Valuation and Market Price of Weather Risk[J].The Journal of Futures Market,2004,24(11):1065-1089.
[5]王明亮,何建敏,曹杰.基于气温指数的我国天气衍生品定价研究[J].数理统计与管理,2015,(2):217-227.
[6]李永,夏敏,吴丹.O-U模型在天气衍生品定价中的合理性测度[J].统计与决策,2011,(21):32-35.
[7]王明亮,何建敏,陈柏硕等.时变O-U模型在气温预测及气温期货定价中的适应性研究[J].中国管理科学,2015,(2):44-49.
[8]王芳,勾永尧.基于小波神经网络的气温预测研究[J].安徽农业科学,2015,(25):205-206.
[9]谢世清,梅云云.天气衍生品的运作机制与精算定价[J].财经理论与精算定价,2011,(174):39-43.
[10]孙宝敬,李世平.天气指数衍生品及其定价研究[J].统计与决策,2015,(5):154-156.