基于S-W方法的保险合同准备金 折现率曲线估计 湖南大学 张 琳.

Slides:



Advertisements
Similar presentations
一、 一阶线性微分方程及其解法 二、 一阶线性微分方程的简单应用 三、 小结及作业 §6.2 一阶线性微分方程.
Advertisements

第五节 函数的微分 一、微分的定义 二、微分的几何意义 三、基本初等函数的微分公式与微分运算 法则 四、微分形式不变性 五、微分在近似计算中的应用 六、小结.
2.8 函数的微分 1 微分的定义 2 微分的几何意义 3 微分公式与微分运算法则 4 微分在近似计算中的应用.
2.5 函数的微分 一、问题的提出 二、微分的定义 三、可微的条件 四、微分的几何意义 五、微分的求法 六、小结.
国债收益率与宏观经济的研究初探 中央国债登记结算有限责任公司 二○一四年六月.
单项选择题 判断题 陈 琳.
利率期限结构概述 利率期限结构变动的因子分析 传统的利率期限结构理论 利率期限结构的拟合
金融市场学第几章 第十章 by Yichun Zhang, Zhenlong Zheng and Hai Lin, Department of Finance, Xiamen University, 2007.
第10章 投资银行的业务经营(下).
第九章 金融资本 第一节 借贷资本和利息 第二节 货币需求与供给 第三节 股份资本 第四节 保险业资本 第五节 金融衍生产品.
20个常用财务指标 判断短期偿债能力的两大财务指标: 1, 流动比率=流动资产/流动负债>1
圆的一般方程 (x-a)2 +(y-b)2=r2 x2+y2+Dx+Ey+F=0 Ax2+Bxy+Cy2+Dx+Ey+ F=0.
C++面试笔试精要 张立伦 讲师的CSDN博客地址
新版中债收益率曲线介绍 李剑峰 中央结算公司 信息部 .
金融风险评估与管理 估值 投资组合 风险管理-三大块
第三章 函数逼近 — 最佳平方逼近.
第6章 利率的风险和期限结构.
投资学 授课教师:张宗新 复旦大学金融研究院.
证券投资技术分析.
收益与风险 收益率计算 预期收益率 持有期收益率 投资组合收益率 其他相关收益率:内部收益率(货币加权收益率与时间加权收益率)、贴现率。
第七章 固定资产 本章结构 固定资产的性质与分类 固定资产的增加 固定资产的折旧 固定资产的修理 固定资产的减少
走势分析.
US Dollar Index 聚金财富金融研究中心 研究员:罗晨.
第5章 定积分及其应用 基本要求 5.1 定积分的概念与性质 5.2 微积分基本公式 5.3 定积分的换元积分法与分部积分法
不确定度的传递与合成 间接测量结果不确定度的评估
§5 微分及其应用 一、微分的概念 实例:正方形金属薄片受热后面积的改变量..
§5 微分及其应用 一、微分的概念 实例:正方形金属薄片受热后面积的改变量..
第一章 商品 第一节 价值创造 第二节 价值量 第三节 价值函数及其性质 第四节 商品经济的基本矛盾与利己利他经济人假设.
                                                                                                                                                                
Greatest Common Divisor ---最大公约数
The CAN bus 李强.
李杰 首都经济贸易大学 安全与环境工程学院 个人主页:
Windows网络操作系统管理 ——Windows Server 2008 R2.
以ISI平台为例,为您演示一下如何在Endnote文献中查看该文献的References
Online job scheduling in Distributed Machine Learning Clusters
What have we learned?.
数据挖掘工具性能比较.
数据说明 郝蕊.
一.多项式构造及其运算 1、多项式构造 poly2str(p,’x’) 将表示多项式系数的行向量p转换为变量是x的多项式形式。
第6章 债券价值评估 6.1债券价值评估基础 6.2债券内在价值计算 6.3债券定价的三大关系与五大定理 6.4利率期限结构
SOA – Experiment 2: Query Classification Web Service
第4章 非线性规划 4.5 约束最优化方法 2019/4/6 山东大学 软件学院.
专题二: 利用向量解决 平行与垂直问题.
第二十二章 曲面积分 §1 第一型曲面积分 §2 第二型曲面积分 §3 高斯公式与斯托克斯公式.
模型分类问题 Presented by 刘婷婷 苏琬琳.
VisComposer 2019/4/17.
WPT MRC. WPT MRC 由题目引出的几个问题 1.做MRC-WPT的多了,与其他文章的区别是什么? 2.Charging Control的手段是什么? 3.Power Reigon是什么东西?
4.2 证明⑶.
Web安全基础教程
成绩是怎么算出来的? 16级第一学期半期考试成绩 班级 姓名 语文 数学 英语 政治 历史 地理 物理 化学 生物 总分 1 张三1 115
第4章 Excel电子表格制作软件 4.4 函数(一).
正切函数的图象和性质 周期函数定义: 一般地,对于函数 (x),如果存在一个非零常数T,使得当x取定义域内的每一个值时,都有
定理21.9(可满足性定理)设A是P(Y)的协调子集,则存在P(Y)的解释域U和项解释,使得赋值函数v(A){1}。
相关与回归 非确定关系 在宏观上存在关系,但并未精确到可以用函数关系来表达。青少年身高与年龄,体重与体表面积 非确定关系:
第4课时 绝对值.
魏新宇 MATLAB/Simulink 与控制系统仿真 魏新宇
第六章 汇率理论与汇率变动对经济的影响 姜宁川.
第15讲 特征值与特征向量的性质 主要内容:特征值与特征向量的性质.
导 言 经济学的基本问题 经济学的基本研究方法 需求和供给.
GIS基本功能 数据存储 与管理 数据采集 数据处理 与编辑 空间查询 空间查询 GIS能做什么? 与分析 叠加分析 缓冲区分析 网络分析
§2 方阵的特征值与特征向量.
基于列存储的RDF数据管理 朱敏
金融支持精准扶贫 基于激励机制的一个设计 李鑫 刘乾坤 中国人民银行绵阳市中心支行.
教学大纲(甲型,54学时 ) 教学大纲(乙型, 36学时 )
本底对汞原子第一激发能测量的影响 钱振宇
受限超对称模型中Higgs粒子性质研究 曹 俊 杰 河南师范大学 北京大学高能中心 重庆,海峡两岸会议,2012年5月 基于工作:
第十七讲 密码执行(1).
《偏微分方程》第一章 绪论 第一章 绪论 1.1.
数学模型实验课(二) 最小二乘法与直线拟合.
化工品种做多思路依旧 新湖期货化工团队 发言人 刘丹 Effective Presentation Structure.
Presentation transcript:

基于S-W方法的保险合同准备金 折现率曲线估计 湖南大学 张 琳

目录 一、引言及文献综述 二、Hermite模型及其不足 三、S-W模型的算法 四.实证 五.结论

一、引言及文献综述 现有的收益率曲线构建模型可以分为动态模型和静态模型两种。在实际操作过程中静态模型的应用更为频繁。静态模型以曲线估计日当天的市场数据为基础,利用所构造利率曲线得到的理论价格来逼近市场价格,从而得到符合当天市场价格的利率曲线结构。 使用较多的静态模型主要有:Nelson-Siegel模型(1987)、N-S扩展模型:Svensson模型(1994)、一般样条法(如多项式样条、B样条)、Hermite插值法和直线插值法等 N-S模型及NSS模型比较适合发达国家债券市场,且被大部分发达国家中央银行所采用[3]。(详见表1) 在分析Hermite模型特点及不足的基础上,尝试使用S-W模型来拟合中国数据,最后通过比较两个模型的实际拟合结果来证明S-W模型对中国市场的适用性。

二、Hermite模型及其不足

Hermite模型的不足 计算时要先经过息票剥离法(bootstrapping)调整,比较繁琐 数据关键点的选取存在较多的专家估值 曲线无法扩展到远期 移动平均的缺点 Hermit模型对波动性过大的数据适用性大打折扣 单调三次Hermite插值法缺乏经济学含义

计算时要先经过息票剥离法(bootstrapping)调整,比较繁琐 宋福铁[11]指出收益率曲线的计算应该用即期收益率,到期收益率只是即期收益率的平均,使用到期收益率不能真实反映债券的利率结构。姚燕娜,管圣义[12]发现其他因素均相同的两只债券,因息票率不同通常会有不同的到期收益率。而中国的国债市场上的零息债券很少,所以必须先用息票剥离法先对附息债券进行息票剥离,使其成为零息债券,再进行插值。当拟合曲线选取的关键期限点较多且债券之间的付息日存在较大差异时,不但计算十分繁琐,而且息票剥离法的有效性会受到限制。杨宝臣,李彪[13]对标准息票剥离法进行了扩展,并结合三次样条对国债收益率进行了拟合,但结果并不理想:收益率曲线的波动较大且没有明显的趋势。 S-W模型理论上可以选用包括零息债券、附息债券或互换利率在内的所有金融工具,可以直接应用市场原始数据而不用先通过息票剥离法将标准互换利率换成零息债券利率,不需要对特定期限的收益率进行估计。

数据关键点的选取存在较多的专家估值 由于目前中国国债市场的流动性还存在一定的缺陷,特别是长期国债市场数据缺乏,所以关键点期限的选择常常没有市场数据,只能是专家估值。这在一定程度上造成了收益率曲线的扭曲。而S-W模型只需要较少的数据点。

曲线无法扩展到远期 保险公司的现金流经常长至数十年,有的甚至超过一百年,所以十分有必要对收益率曲线进行外推[14]。如果采用插值法来进行收益率曲线的外推则必须有可靠的远端利率,而我国的国债市场上超过十年的国债很少,故很难用插值法来将收益率曲线推向远端。当评估保险人及被保险人的准备金时,折现率曲线不应当随着短期利率的波动而产生剧烈的波动,尤其当数据不充足以及只对短期利率进行简单外推的情况下可能会引起远端利率的强烈波动[15]。S-W模型通过假定一个无条件远期利率很好的满足了这个要求。

移动平均的缺点 使用750日移动平均国债收益率,出发点是想要平滑结果,但结果可能与实际利率走势相反,从而难以被投资者理解[16]。例如,2005年初即期收益率在下降而750天移动平均的国债收益率却在上升,2007年初即期收益率在上升而750天移动平均的国债收益率却在下降。

Hermit模型对波动性过大的数据适用性大打折扣 杨晓亮[17]发现Hermite对样本的敏感性较高,对像交易所这样价格信息具有较高真实性,数据量较充足,但波动性较大的样本数据的拟合效果不如三次样条模型。

单调三次Hermite插值法缺乏经济学含义 该方法只是强调对数据的拟合,但难以对背后的经济学含义进行解释。Hagan和West[18]举出三次Hermite插值法在某些情况下可能出现负利率。 基于此,本文尝试采用S-W模型来对中国的收益率曲线进行估计,以得出既充分反映市场信息,又在长期具有稳定性的保险合同准备金折现率曲线。本文主要研究的是无风险利率曲线,暂不涉及流动性溢价及其他溢价的计算。

三、S-W模型的算法 S-W模型的特点: (1)灵活多变,计算简单,容易操作。不论是选用零息债券还是附息债券或者互换利率都可以用简单的计算来完成。直接应用市场原始数据,不用先通过息票剥离法将到期收益率换成即期收益率。 (2)S-W几乎是一个自动化的过程,不需要很多的关键期限点。 (3)S-W方法提供了对期限结构的最优估计,拟合的曲线通过所有样本点,同时满足适用性和光滑性的要求。 (4)满足稳定性。S-W方法是基于对一组线性方程的解析解,而一般方法用最小化误差值法容易受某一样本点的波动而使得整条曲线不稳定。 (5)S-W在插值和外推方面保持一致,跨期一致性较好,有些方法在插值和外推的时候用不同的原则和函数导致差值曲线和外推曲线的不一致。 (6)S-W方法是盯住市场的方法,符合保监会提出的盯住市场的要求。

四.实证 数据的选取 参数设定 曲线的拟合 结果比较及评述

数据选取 为了保证债券价格的信息有效,本文选取国债数据作为估计收益率曲线的样本数据。

参数设定 (1)UFR的设定 选用3.6%(根据国泰安数据库1951-2010年度通货膨胀率平均所得)作为我们的长期通货膨胀率;长期均衡利率根据美国财政部2003-2011的10年期日tips收益率平均所得,为1.7%,所以本文选取5.3%作为中国的UFR。Barrie &Hibbert[22]估计的适用于国债拟合的UFR也为5.3%,这在一定程度上表明了本文方法的可行性。 (2)ɑ的设定 Mare和Thomas(2007)通过将拟合的曲线和历史数据对比发现当ɑ=0.1,曲线的拟合效果较为理想。本文选取QIS5推荐的ɑ=0.1作为曲线向UFR逼近的速率。

曲线的拟合 利用以上历史数据及模型参数的设定,通过S-W方法,计算得到W(t,u)和P(t)图,最终得到收益率曲线

结果比较及评述 选取中债登网站上该日的收益率曲线以及经过移动平均的保险合同准备金折现率曲线做比较,以比较S-W模型的适用性。比较结果如图所示 Hermite方法估计的收益率曲线和经过平滑的保险合同准备金折现率曲线之间有较大的差别,只有第3-5年的数据较接近,其他期限差距较大,说明保监会推荐的折现率曲线和实际收益率曲线存在较大的不一致,且当实际收益率曲线与保监会推荐的折现率曲线趋势出现不一致时容易误导投资者。 S-W模型估计的收益率曲线的近端(0-10年)与Hermite的拟合较好,两者都通过所有的样本点,说明两者充分利用了市场数据信息,较好的反映了市场信息。S-W模型估计的收益率曲线的远端(10-50年)与经过平滑的保险合同准备金折现率远端的拟合较好,说明S-W方法长期较稳定,可见S-W模型结合了两者的优点,既充分利用了市场数据,又具备长期稳定性。

结论 折现率曲线应该真实的反映保险公司负债风险随时间的变化,采用盯住市场的方法很好的满足了这一要求,因为市场上的金融资产价格即为当前时刻公司所拥有负债的公允价值。利用当前的市场数据来拟合折现率曲线很好的反映的保险公司的负债风险。当经过移动平均调整后,虽然曲线变得更加平滑稳定,但也使得曲线与当前的市场数据不一致,当趋势正好相反时,容易误导投资者。S-W模型既很好的利用了市场信息又充分考虑了曲线的稳定性,且曲线满足适用性、光滑性、跨期一致性等特点,非常适用于像中国这样长期债券流动性不足的市场。