王福寧
一、引言
天氣衍生品是建立在溫度、濕度、降水、風等天氣變量上的金融合約。自1999年第一份溫度期貨合約在芝加哥商品交易所(CME)交易以來,天氣衍生品已成為管理天氣風險的最重要的金融工具。
氣溫衍生品是天氣衍生品市場中最常見的一種類型,有一些文獻[1,3]涉及氣溫建模,其中Alaton[1]引入了隨月份變化波動率的Ornstein-Uhlenbeck (O-U)過程來模擬氣溫演化。Cao 和Wei[3]利用均值回歸模型模擬氣溫,建立了基于氣溫的動態(tài)評估模型。由于天氣衍生品市場是不完備的,所以經(jīng)典的金融衍生品定價方法,如Black-Scholes公式并不適用。 因此,研究者們從不同角度提出了多種方法,如邊際效用法[4]、指數(shù)建模[5]、均衡定價[6]、ARMA時間序列模型法[7-9]等。 Li Peng,Xiaoping Lu,Song-Ping Zhu[10]基于偏微分方程方法,利用效用無差異估值中提取的市場風險價格對天氣衍生品進行定價。Li Peng[11]對兩個典型過程的天氣衍生品進行了定價:Ornstein–Uhlenbeck過程和帶跳躍擴散的Ornstein–Uhlenbeck過程,并用單側Crank–Nicolson格式,分別求解這兩個過程對應的偏微分方程和積分微分方程。
本文擬在已有研究的基礎上,采用ARMA時間序列模型對鄭州市氣溫變化過程進行建模,并利用該模型進行氣溫預測,最后檢驗模型的準確性。
二、 數(shù)據(jù)與研究方法
(一)數(shù)據(jù)來源與預處理
鄭州是河南省的省會城市,是中國中部重要的交通樞紐和農(nóng)業(yè)城市。從中國氣象科學數(shù)據(jù)共享服務網(wǎng)收集了1980-2020年間的日平均氣溫數(shù)據(jù),為了消除閏年的影響,剔除了所有閏年2月29日的日平均氣溫。因此,共有14965個觀測值,沒有缺失數(shù)據(jù)。利用鄭州市40年(1980-2019年)的日平均氣溫數(shù)據(jù)來構建氣溫預測模型,并用預測模型預測鄭州市2020年的日平均氣溫。
經(jīng)過Matlab R2019a 軟件處理,得到了40年的日平均氣溫的折線圖,如圖1所示。
(二)模型的建立
根據(jù)前文分析得出,鄭州市日平均氣溫數(shù)據(jù)的變化過程具有很強的季節(jié)性變化,可以用一些正弦函數(shù)來模擬季節(jié)相關性,函數(shù)形式如下:
式中,t表示時間,以天為單位,為相位角,日平均氣溫的季節(jié)性變化呈現(xiàn)出以一年為單位的周期性,為了數(shù)據(jù)統(tǒng)一,刪除閏年2月29日的氣溫數(shù)據(jù),應取。因受到全球的溫室效應,每年的氣溫以微弱的趨勢增長,可以合理的假設這種微弱的變化是線性的,用Bt表示。因此,鄭州市日平均氣溫變化過程可寫為如下形式:
其中Tt為時間t的日平均氣溫,A、B、C以及是由歷史日平均氣溫數(shù)據(jù)擬合的參數(shù),Xt為去除趨勢和季節(jié)性后的隨機變量。
為便于參數(shù)估計,將(2)式作如下等式變換:
整理可得:
因為和是常數(shù),所以可將(4)式看成是一個線性方程:
即:
三、模型的參數(shù)估計與結果分析
(一)ARMA模型的估計
用Eviews 10軟件對公式(5)進行參數(shù)估計,得到結果如表1所示。
由表1可知,各項變量系數(shù)都顯著,但D-W值僅為0.547593,說明模型存在序列正相關性,需要對其進行修正。首先對隨機變量進行單位根檢驗,結果見表2。由表2可知,ADF檢驗的統(tǒng)計量為-43.61932,明顯小于在1%、5%、10%的顯著性水平下的臨界值,說明隨機變量沒有單位根,且序列平穩(wěn)。其次,通過對隨機變量繪制出自相關系數(shù)圖和偏自相關系數(shù)圖后,可以判斷出它是一個平滑的非白噪聲序列。因此,需要引入ARMA模型進行修正隨機變量,發(fā)現(xiàn)引入ARMA(2,2)后,各項系數(shù)顯著,D-W值為2.001 518,十分接近于2,說明模型不存在序列相關性,模型擬合的結果好,具體結果見表3。
(二)預測結果
根據(jù)上述分析所得的時間序列ARMA模型,運用Eviews10軟件對鄭州市2020年的日平均氣溫進行預測,發(fā)現(xiàn)所構建的模型比較好,見圖2。
本文通過計算偏差比率、方差比率和協(xié)方差比率進一步驗證了模型的準確性,其三個比率值計算結果分別為0.000645,0.000794,0.998561。從這三個值中可看出偏差比率和方差比率的值較小,協(xié)方差比率值較大,且三個值和1,說明該模型預測較好。
四、 基于蒙特卡洛方法對氣溫衍生品定價
選取累積制冷指數(shù)(cooling degree days,CDDs)為研究對象,探討氣溫的期貨定價問題。 CDDs的表達式為:
其中是基準溫度,基準溫度一般是65華氏度或18 攝氏度,根據(jù)我國國情,選擇。Ti是第i天的日平均氣溫。
假設期權的合約期限在T1和T2之間,且T2是合約的到期日,r為無風險利率,C為名義價值,S(T)為到期時標的資產(chǎn)的實際價格,F(xiàn)(t)為遠期合約在時間t時的價值,原理上,當無風險利率為常數(shù),期貨合約和遠期合約有相同的到期日和交割日時,其期貨合約的價格等于遠期合約的價格。即
這里的E為風險中性測度下的期望,我們假定風險市場價格為0。
選擇CDDs期貨合約為例,預期合約的終值為預期的CDDs值,即CDDs在時刻t的期貨價值為:
根據(jù)上式(11)可知,是已知的,只需用蒙特卡洛方法計算。
選擇2020.8.1-2020.8.31為合約期限,合約的名義價值C=100,即每點CDDs指數(shù)為100元,采用蒙特卡洛方法,計算出這一時期內(nèi)CDDs值。當經(jīng)過100000次模擬后,發(fā)現(xiàn)CDDs模擬值趨于穩(wěn)定,達到仿真要求。
五、展望
我國的天氣特征具有復雜性且受到多種因素的影響,天氣的變化與各個行業(yè)以及我們的生活息息相關,如2021年河南7.20強降雨事件,給各個行業(yè)的發(fā)展和市民的生活帶來了諸多影響,農(nóng)業(yè)生產(chǎn)損失更是高達上億元。因此開發(fā)出適應我國的天氣衍生品用于應對天氣風險具有一定的現(xiàn)實意義,而我國目前的天氣衍生產(chǎn)品市場亟待完善,需要來自金融市場、法律甚至是媒體等多方共同努力來促進天氣衍生品市場的蓬勃發(fā)展。
參考文獻:
[1] Alaton, Djehiche and Stillberger.On Modelling and Pricing WeatherDerivatives.Applied Mathematical Finance,2002,9:1-20.
[2] Bhowan A.Temperature derivatives School of Computational and Applied Mathematics,University of Wiwatersrand.2003.
[3] Cao M.and Wei J.Weather derivatives valuation and market price of weather risk. Future Markets, 2005,24(11):1065-1089.
[4]M. Davis.Pricing weather derivatives by marginal value[J]. Quantitative Finance, 2001, 1(3): 305-308.
[5] Gregor Dorfleitner,Maximilian Wimmer. The pricing of temperature futures at the Chicago Mercantile Exchange[J].Journal of Banking and Finance, 2009,34(6):1360-1370.
[6] Yongheon Lee, Shmuel S. Oren. An equilibrium pricing model for weather derivatives in a multi-commodity setting[J]. Energy Economics, 2009, 31(5):702-713.
[7]郭建國,牛珊.基于ARMA模型的氣溫衍生品定價研究[J].商業(yè)經(jīng)濟,2015(10):40-41+69.
[8]曾小艷,陶建平.基于ARMA模型的氣溫衍生品定價研究:以武漢市為例[J].區(qū)域金融研究,2014(07):12-17.
[9] 李嫣然.天氣金融衍生品定價研究—基于ARMA的時間序列模型[J].保險職業(yè)學院學報,2017,31(04):28-33.
[10] Li Peng, Xiaoping Lu, Song-Ping Zhu. Pricing weather derivatives with the market price of risk extracted from the utility indifference valuation, Computers and Mathematics with Applications, 2020,79: 3394C3409.
[11] Li Peng. The valuation of weather derivatives using one sided Crank-Nicolson schemes. Computational Economics,2020.
作者單位:華北水利水電大學數(shù)學與統(tǒng)計學院